2026-05-30T18:03:21Zhttps://riuma.uma.es/rest/oai/request

oai:riuma.uma.es:10630/254442026-02-03T12:38:19Zcom_10630_2254col_10630_37957

Study of comorbidity networks among pathological phenotypes in patients with rare genomic disorders Díaz-Santiago, Elena Dolores García-Ranea, Juan Antonio Perkins, James Richard Biología de sistemas -- Tesis doctorales Biología molecular -- Tesis doctorales 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. 2022-11-16T12:46:53Z 2022-11-16T12:46:53Z 2022 2022 2022-07-21 doctoral thesis https://hdl.handle.net/10630/25444 eng http://creativecommons.org/licenses/by-nc-nd/4.0/ embargoed access Attribution-NonCommercial-NoDerivatives 4.0 Internacional UMA Editorial