Go to page
 

Bibliographic Metadata

Title
Advanced bioinformatic analysis of mRNA expression profiles with special focus on childhood acute lymphoblastic leukemia cells and their response to glucocorticoids / Daniel Bindreither
Additional Titles
Erweiterte bioinformatische Analysen von mRNA-Expressionsprofilen mit speziellem Fokus auf kindliche akute lymphoblastische Leukämiezellen und deren Ansprechen auf Glukokortikoide
AuthorBindreither, Daniel
Thesis advisorKofler, Reinhard ; Rainer, Johannes
Published2014
DescriptionII, 285 S. : Ill., graph. Darst.
Institutional NoteInnsbruck, Med. Univ., Diss., 2014
Date of SubmissionMay 2014
LanguageEnglish
Document typeDissertation (PhD)
Keywords (DE)Akute lymphatische Leukämie / Expression Profiling / Glukokortikoide / Zelltod / Mikroarrays / Bioinformatik / Datenanalyse / Maschinelles Lernen / Regressionsanalysen / Klassifikation / 4 Calcium Kanal-Untereinheit / Translatome Analyse
Keywords (EN)Acute lymphoblastic leukaemia / Expression Profiling / Glucocorticoids / Microarrays / Bioinformatics / Data analysis / Machine learning / Regression analysis / Classification / 4 Calcium channel subunit / Translatome analysis / Acute lymphoblastic leukaemia - Expression Profiling - Glucocorticoids - Microarrays - Bioinformatics - Data analysis - Machine learning - Regression analysis - Classification - ß4 Calcium channel subunit - Translatome analysis
Keywords (GND)Akute lymphatische Leukämie / Glucocorticosteroide / Microarray
URNurn:nbn:at:at-ubi:1-466 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
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
Reference
Classification
Abstract (German)

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.

Stats
The PDF-Document has been downloaded 46 times.