Study of comorbidity networks among pathological phenotypes in patients with rare genomic disorders

Loading...
Thumbnail Image

Files

Identifiers

Publication date

Reading date

2022-07-21

Authors

Díaz-Santiago, Elena Dolores

Collaborators

Tutors

Editors

Journal Title

Journal ISSN

Volume Title

Publisher

UMA Editorial

Metrics

Google Scholar

Share

Research Projects

Organizational Units

Journal Issue

Abstract

Durante el desarrollo de esta tesis doctoral se han utilizado aproximaciones de la biología de sistemas para estudiar y caracterizar las relaciones comórbidas entre fenotipos relacionados con enfermedades genéticas raras y dilucidar los mecanismos moleculares responsables de las mismas. Mediante el uso de redes biológicas se pueden modelar patrones de comorbilidad e inferir relaciones entre fenotipos patológicos y elementos biológicos (pacientes, enfermedades, genes, etc.). Este trabajo puede dividirse en tres partes principales. En una primera parte, se estudió las relaciones entre clústeres de fenotipos y el genotipo en pacientes con trastornos genómicos raros de la base de datos DECIPHER con el fin de poder determinar la causa molecular responsable de la co-aparición de fenotipos en pacientes de dicha cohorte. En una segunda parte, se estudiaron los mecanismos moleculares subyacentes a clústeres de fenotipos comórbidos en enfermedades neuromusculares de las bases de datos OMIM y Orphanet. Esta red se analizó para identificar grupos de fenotipos y mecanismos genéticos característicos en el desarrollo de enfermedades neuromusculares. En la tercera parte se combinaron redes basadas en enfermedades y redes fármaco-diana para investigar efectos adversos secundarios asociados a fármacos. Estas aproximaciones son cruciales en esta nueva era de la medicina de precisión para comprender mejor el contexto biológico y molecular de las enfermedades genéticas, en especial de las enfermedades raras, facilitando los procedimientos de diagnóstico y permitiendo aplicar un tratamiento personalizado a cada paciente. Además, estas aproximaciones son esenciales también para la industria farmacéutica, ya que pueden predecir bioinformáticamente potenciales efectos secundarios adversos, con el consiguiente beneficio en la reducción de costes y tiempo para el desarrollo y puesta en mercado de fármacos.

Description

Bibliographic citation

Collections

Endorsement

Review

Supplemented By

Referenced by

Creative Commons license

Except where otherwised noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional