Υπολογιστικές μέθοδοι για βελτιστοποίηση γενετικών θεραπειών για τη μυϊκή δυστροφία Duchenne

Διπλωματική Εργασία uoadl:2812686 119 Αναγνώσεις

Μονάδα:
Κατεύθυνση Βιοπληροφορική
Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2018-10-22
Έτος εκπόνησης:
2018
Συγγραφέας:
Τριανταφυλλίδου Βασιλική
Στοιχεία επιβλεπόντων καθηγητών:
Κωνσταντίνος Βοργιάς, καθηγητής, τομέας Βιοχημείας και Μοριακής Βιολογίας, τμήμα Βιολογίας, Εθνικό και Καποδιστριακό Πανεπιστήμιο
Πρωτότυπος Τίτλος:
Υπολογιστικές μέθοδοι για βελτιστοποίηση γενετικών θεραπειών για τη μυϊκή δυστροφία Duchenne
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Υπολογιστικές μέθοδοι για βελτιστοποίηση γενετικών θεραπειών για τη μυϊκή δυστροφία Duchenne
Περίληψη:
Η Μυϊκή Δυστροφία Duchenne, μια θανατηφόρος γενετική ασθένεια που πλήττει 1 στα
3.500 νεογέννητα αγόρια παγκοσμίως, οφείλεται σε μεταλλάξεις στο μεγαλύτερο γονίδιο του ανθρώπου, το γονίδιο της δυστροφίνης. Τα συμπτώματα εμφανίζονται από την ηλικία των 3 ετών και το μέσο προσδόκιμο ζωής υπολογίζεται στα 25 χρόνια χωρίς να υπάρχει γνωστή θεραπεία μέχρι σήμερα.
Πολλά υποσχόμενη θεωρείται η μέθοδος του exon skipping από τις γενετικές θεραπείες που
έχουν δοκιμαστεί. Κατά το exon skipping γίνεται παράκαμψη ενός ή περισσότερων εξονίων από το μηχανισμό ματίσματος ώστε να αποκατασταθεί το πλαίσιο ανάγνωσης και να παραχθεί μια μικρότερη σε μήκος πρωτεΐνη αλλά λειτουργική. Αυτό επιτυγχάνεται με την είσοδο στο κύτταρο των αντινοηματικών ολιγονουκλεοτιδίων, που συνδέονται πάνω στο εξόνιο στόχο λόγω συμπληρωματικότητας των βάσεων. Η επιτυχία εισόδου των ολιγονουκλεοτιδίων στο κύτταρο αυξάνεται με την σύνδεση τους στα Cell Penetrating Peptides, μια ανομοιογενή ομάδα πεπτιδίων. Στη παρούσα εργασία γίνεται προσπάθεια μελέτης και πρόβλεψης των χαρακτηριστικών
των Cell Penetrating Peptides που τους επιτρέπουν να είναι αποτελεσματικά για τη θεραπεία της Μυϊκής Δυστροφίας Duchenne. Από πειραματικά δεδομένα σε ποντίκια mdx, οργανισμό μοντέλο για την μυϊκή δυστροφία και εκπαίδευση διαφορετικών αλγορίθμων μηχανικής μάθησης με αυτά τα δεδομένα, προσπαθούμε να φτιάξουμε ένα μοντέλο πρόβλεψης. Ο τρόπος κωδικοποίησης της ακολουθίας επηρεάζει σε μεγάλο βαθμό τα αποτελέσματα
καθώς και η χρήση των πειραματικών συνθηκών ή όχι κατά την εκπαίδευση των μοντέλων. Όπως και σε παλαιότερες μελέτες παρατηρούμε ότι το αμινοξύ αργινίνη έχει σημαντικό ρόλο αλλά και η ηλικία των ποντικιών που χρησιμοποιούνται για τις μελέτες. Η κατανόηση του τρόπου εισόδου στα κύτταρα, ένα μεγαλύτερο σετ δεδομένων,
πληροφορίες για άλλους μύες στόχους όπως ο καρδιακός μυς και στοιχεία για την τοξικότητα των Cell Penetrating Peptides θα μπορούσαν να είναι επόμενοι στόχοι για βελτίωση του μοντέλων που δημιουργήθηκαν.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
μυϊκή δυστροφία Duchenne, παράκαμψη εξονίου, μηχανική μάθηση, CPP
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
0
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
62
Αριθμός σελίδων:
65

VasilikiTriantafyllidou_thesis.pdf
2 MB
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.