Nutile, Teresa (2009) Data Mining per lo studio genetico dei tratti complessi nelle popolazioni isolate del Cilento. [Tesi di dottorato] (Inedito)

PDF Nutile.pdf Visibile a [TBR] Amministratori dell'archivio Download (1MB)

[error in script] [error in script]

Tipologia del documento:	Tesi di dottorato
Lingua:	Italiano
Titolo:	Data Mining per lo studio genetico dei tratti complessi nelle popolazioni isolate del Cilento
Autori:	Autore Email Nutile, Teresa nutile@igb.cnr.it
Data:	26 Novembre 2009
Numero di pagine:	98
Istituzione:	Università degli Studi di Napoli Federico II
Dipartimento:	Biologia e patologia cellullare e molecolare "L. Califano"
Scuola di dottorato:	Medicina molecolare
Dottorato:	Genetica e medicina molecolare
Ciclo di dottorato:	22
Coordinatore del Corso di dottorato:	nome email Di Lauro, Roberto dilauro@szn.it
Tutor:	nome email La Mantia, Girolama lamantia@unina.it
Data:	26 Novembre 2009
Numero di pagine:	98
Parole chiave:	data-mining, popolazioni isolate, Cilento, patologie multifattoriali
Settori scientifico-disciplinari del MIUR:	Area 05 - Scienze biologiche > BIO/18 - Genetica
Depositato il:	19 Mag 2010 13:08
Ultima modifica:	30 Apr 2014 19:38
URI:	http://www.fedoa.unina.it/id/eprint/3818

Abstract

Il lavoro svolto riguarda l’identificazione di fattori genetici di suscettibilità a malattie complesse nelle popolazioni isolate del Cilento. A tale scopo sono state utilizzate delle tecniche di data mining che hanno consentito di definire alcuni tratti fenotipici in maniera alternativa o complementare alla definizione dei fenotipi “classica” cioè la misura di variabili continue oppure il fenotipo patologico definito sulla base della valutazione clinica. Sono state applicate due particolari tecniche di data mining: l’analisi delle componenti principali (ACP) e l’analisi di clustering (Cluster Analysis). L’ACP è stata utilizzata per generare nuovi tratti quantitativi, “macro- variabili”, mentre l’analisi di clustering per nuovi tratti qualitativi, “macro-fenotipi”. In particolare, tali tecniche sono state applicate ai dati relativi a tre patologie: la parodontite, l’aterosclerosi e la sindrome metabolica. Per ognuna di essa, l’analisi di linkage è stata eseguita per il fenotipo qualitativo definito clinicamente e per quello generato dal clustering (macro-fenotipo); per i tratti quantitativi misurati e per quelli generati dall’analisi delle componenti principali (macro-variabili). Il confronto dei risultati ottenuti ha permesso di verificare la validità dell’uso di queste metodiche in studi genetici di tratti complessi. I risultati ottenuti dall’analisi di linkage per il fenotipo parodontite definito clinicamente hanno permesso di individuare un nuovo locus associato alla patologia mentre l’analisi dei fenotipi generati con il data mining non ha dato nessun contributo significativo all’analisi genetica della patologia. Per l’aterosclerosi e la sindrome metabolica la definizione dei fenotipi attraverso il data mining ha permesso di identificare regioni cromosomiche già associate a tali patologie in altre popolazioni. I risultati ottenuti suggeriscono, quindi, che le tecniche di data mining applicate potrebbero essere un valido supporto per la definizione dei fenotipi negli studi genetici di patologie multifattoriali.

Downloads

Actions (login required)

Modifica documento