Integrativna analiza transkriptomskih in metabolnih značilnosti pri pankreatičnem duktalnem adenokarcinomuVeler, Jakob Urh (Avtor) Moškon, Miha (Mentor) PDACtranskriptomske in metabolne značilkeanaliza DESeq2analiza TPManaliza pretokovPankreatični duktalni adenokarcinom (angl. Pancreatic Ductal Adenocarcinoma, PDAC) je najpogostejša oblika raka trebušne slinavke, za katerega sta značilni zakasnela diagnoza in slaba prognoza. V tem diplomskem delu smo z identifikacijo transkriptomskih in metabolnih značilk želeli poglobiti razumevanje spremenjenega metabolizma PDAC ter določili potencialne kandidate za nadaljnje raziskave diagnostičnih testov in terapevtskih tarč. Pri analizi smo uporabili 52 pacientov s tumorskimi in normalnimi vzorci. Z Evklidsko razdaljo smo ocenili spremenjenost podsistemov, opredeljenih v modelu Human1, ter identificirali potencialne značilke s pomočjo analize DESeq2, površine pod krivuljo ROC (angl. Area Under the ROC Curve, AUC) in parnim Wilcoxonovim testom. Z LASSO logistično regresijo smo določili kombinacijo potencialnih značilk ter ocenili njihovo sposobnost razvrščanja normalnih in tumorskih vzorcev. Z analizo DESeq2 smo odkrili 6897 značilno diferencialno izraženih genov. Analiza TPM je podala 402 gena z visoko sposobnostjo ločevanja vzorcev (AUC>0,8), medtem ko je analiza metabolnih pretokov določila le osem reakcij z AUC>0,8. Ob združitvi rezultatov vseh treh analiz smo identificirali štiri reakcije povezane s petimi geni kot najobetavnejši kandidati značilk. Kandidati so bili povezani s transportom retinola in acetata, metabolizmom steroidov ter redukcijo vodikovega peroksida. Z logistično regresijo LASSO smo ocenili točnost in AUC genskega, reakcijskega in kombiniranega modela, pri čemer je imel genski model s tremi značilkami najvišji vrednosti obeh mer, in sicer je vrednost mediane AUC znašala 0,990 in mediana točnosti 0,941. Rezultati diplomskega dela nakazujejo na to, da lahko povezovanje transkriptomskih podatkov in metabolnih pretokov omogoči identifikacijo potencialnih značilk PDAC. Kombiniran model logistične regresije LASSO dosega manjšo napovedno uspešnost in stabilnost kot pa genski in reakcijski model.20262026-09-09 09:05:01Diplomsko delo/naloga187155VisID: 26154sl