Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/10113
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNobre, Flávio Fonseca-
dc.contributor.authorAlmeida, Karla Lopes de-
dc.date.accessioned2019-10-16T17:35:43Z-
dc.date.available2019-10-18T03:00:25Z-
dc.date.issued2017-03-
dc.identifier.urihttp://hdl.handle.net/11422/10113-
dc.description.abstractLeprosy is a chronic infectious disease that affects millions of people around the world. Currently, the identification of leprosy reactions is of importance in researching because it is a neglected disease. These reactions are the ones that cause the greatest sequels in people with leprosy. However, a diagnostic method that predicts the reaction has not yet been obtained, prior to the appearance of the signs and symptoms. The objective of this work is to propose a methodology to analyze and classify the gene expression present during the reaction stage Erythema Nodosum Leprosum (ENL) through microarray data. For the application of this methodology, data of the expression levels of microarray experiments with ENL and Lepromatous Leprosy (LL) patients were used. We used three statistical techniques (Student’s t test with fold-change, Differential Method - Principal Components Analisys (DMPCA) and linear model microarray analisys-limma), to identify 53 differentially expressed genes. These genes were considered the most significant for the classification between the ENH and LL groups and they were used to create a predictive mathematical model using logistic regression modeling. Our methodology identified genes that were previously described in the literature. The logistic regression model proposed using these genes proved to be efficient when used in a new dataset. The model presented an accuracy of 92% and a specificity of 83.3%.Também disponível on-line.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEngenharia biomédicapt_BR
dc.subjectMicro-arranjopt_BR
dc.subjectClassificação gênicapt_BR
dc.subjectEritema Nodoso Hansênicopt_BR
dc.subjectHanseníasept_BR
dc.titleAnálise e classificação da expressão gênica durante o Eritema Nodoso Hansênico através de dados de microarranjopt_BR
dc.typeDissertaçãopt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/0689272685353677pt_BR
dc.contributor.advisorCo1Sarno, Euzenir Nunes-
dc.contributor.referee1Almeida, Rosimary Terezinha de-
dc.contributor.referee2Moraes, Milton Ozório-
dc.description.resumoA hanseníase é uma doença infecciosa crônica que afeta milhões de pessoas em todo o mundo. Atualmente, a identificação de episódios reacionais da hanseníase é de importância na pesquisa, por se tratar de uma doença negligenciada. Esses episódios são os que causam as maiores sequelas nos portadores da hanseníase. Entretanto, ainda não se obteve um método de diagnóstico que prediz o episódio, previamente ao aparecimento dos sinais e sintomas. O objetivo deste trabalhoé propor uma metodologia para analisar e classificar a expressão gênica presente durante o episódio reacional Eritema Nodoso Hansênico (ENH) através de dados de microarranjo. Para a aplicação dessa metodologia foram utilizados dados dos níveis de expressão de experimentos de microarranjo de indivíduos com ENH e Lepra Lepromatosa (LL). Com a utilização de três técnicas estatísticas (teste t de Student com fold-change, Método Diferencial - Análise de Componentes Principais (MD-ACP) e modelo linear para análise de dados de microarranjo-limma), foi possível identificar 53 genes diferencialmente expressos. Estes genes foram considerados os mais significantes para a classificação entre os grupos ENH e LL; e utilizados para criar um modelo matemáticos preditivo, utilizando a modelagem regressão logística. Nossa metodologia identificou genes que foram previamente descritos na literatura. O modelo de regressão logística proposto usando esses genes mostrou-se eficiente quando utilizado em um novo conjunto de dados. O modelo apresentou uma acurácia de 92% e uma especificidade de 83,3%.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Biomédicapt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICApt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Engenharia Biomédica

Files in This Item:
File Description SizeFormat 
876916.pdf7,6 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.