Zur Seitenansicht
 

Titelaufnahme

Titel
Advanced bioinformatic analysis of mRNA expression profiles with special focus on childhood acute lymphoblastic leukemia cells and their response to glucocorticoids / Daniel Bindreither
VerfasserBindreither, Daniel
GutachterKofler, Reinhard ; Rainer, Johannes
Erschienen2014
UmfangII, 285 S. : Ill., graph. Darst.
HochschulschriftInnsbruck, Med. Univ., Diss., 2014
Datum der AbgabeMai 2014
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Akute lymphatische Leukämie / Expression Profiling / Glukokortikoide / Zelltod / Mikroarrays / Bioinformatik / Datenanalyse / Maschinelles Lernen / Regressionsanalysen / Klassifikation / 4 Calcium Kanal-Untereinheit / Translatome Analyse
Schlagwörter (EN)Acute lymphoblastic leukaemia / Expression Profiling / Glucocorticoids / Microarrays / Bioinformatics / Data analysis / Machine learning / Regression analysis / Classification / 4 Calcium channel subunit / Translatome analysis
Schlagwörter (GND)Akute lymphatische Leukämie / Glucocorticosteroide / Microarray
URNurn:nbn:at:at-ubi:1-466 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Advanced bioinformatic analysis of mRNA expression profiles with special focus on childhood acute lymphoblastic leukemia cells and their response to glucocorticoids [80.27 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Glukokortikoide (GC), ein wichtiges Therapeutikum fuer kindliche akute lymphatische Leukaemie (ALL), aendern ueber ihren Rezeptor, einen Ligand-aktivierten Transkriptionsfaktor, die Expression vieler Gene. Zum Verstaendnis der anti-leukaemischen GC-Effekte wurden Genexpressionsprofile von ALL-Patienten waehrend der initialen GC-Monotherapie erstellt, das Ansprechen auf die Behandlung (Blastenresponse) ermittelt und die GC Pegel im Blut aufgezeichnet. Mittels Machine Learning wurden molekulare Signaturen zur Patientenklassifikation in Subtypen erstellt. Darauf wurden mittels konventioneller Subtypen-spezifischer und -unspezifischer differentieller Genexpressionsanalyse die in vivo regulierten Gene ermittelt. Um GC-unabhaengige Genregulationen herauszufiltern, folgte eine Regressionsanalyse, die Aenderungen im Genexpressionsprofil durch solche in den GC Spiegeln erklaert. In einer weiteren Regressionsanalyse zwischen Genregulationen und Behandlungseffekten wurden die mit den anti-leukaemischen GC-Effekten assoziierten Gene ermittelt. Zusaetzlich zu den so identifizierten Lymphoblastenresponse Kandidatengenen wurden Lymphoblastenresponse Prediktorgene durch Korrelation der Gen-Expression vor Therapie mit den Behandlungseffekt definiert. Die Analysen wurden mit allen oder nur mit Patienten eines Subtyps durchgefuehrt. Ersteres identifiziert kanonische Signalwege, letzteres Subtyp-spezifische Pathways. Zusammenfassend geben die Analysen tiefen Einblick in die in vivo Response von ALL Patienten, wobei die meisten Daten fuer eine subtypspezifische Response sprechen. Zudem wurde (i) geklaert, dass die klinisch relevanten Unterschiede zwischen Dexamethason und Prednisolon nicht ueber unterschiedliche Genregulationen erklaert werden koennen, (ii) die transkriptionelle und translationelle Response auf GC in vitro definiert, (iii) das transkriptionelle Potential neuronaler Splicevarianten des Calcium Kanals 4 ermittelt.