Busca avançada
Ano de início
Entree

Integração de bancos de dados médicos, genômicos e familiares através de ontologias para extração de conhecimento sobre a Síndrome de Li-Fraumeni

Resumo

A Síndrome de Li-Fraumeni (LFS) é uma doença hereditária autossômica dominante, caracterizada pelo alto risco para a ocorrência múltipla e precoce de cânceres (principalmente sarcoma, carcinoma adrenocortical, câncer de mama e de sistema nervoso central) em um indivíduo. A LFS é associada a mutações germinativas no gene TP53, que é o principal gene supressor de tumor e que codifica um fator de transcrição responsável pela proliferação celular, apoptose e estabilidade genômica. No intuito de detectar em consulta clínica indivíduos que tenham risco aumentado de mutação germinativa no gene TP53, diversos critérios foram criados desde a caracterização da LFS em 1969 (Li & Fraumeni, 1969). No estudo conduzido por (Gonzalez et al., 2009) foi realizada a avaliação da performance destes critérios como preditores da existência de mutação no TP53 e concluiu-se que os critérios tem alta especificidade e baixa sensibilidade. O Hospital A.C. Camargo já atendeu mais de 800.000 pacientes desde 1953. O Departamento de Oncogenética atende pacientes de alto risco desde 2000, tendo realizado a avaliação de mais de 600 famílias desde então. Dentre as famílias avaliadas, 130 receberam o diagnóstico clinico da LFS, das quais 33 tem mutação patogênica no gene TP53. Todos pacientes tem informações detalhadas sobre heredograma e dados clínicos do probando e seus familiares. Além disso, existem dados sobre estas pessoas em diversos software e bancos de dados usados nesta instituição. Neste trabalho, pretendemos organizar toda informação em sistema de integração de bancos de dados baseado em ontologias, de forma que seja possível a atualização dos dados e agregação de novas fontes de informação. Uma ferramenta para navegação e extração destes dados também será desenvolvida, para que os pesquisadores tenham acesso fácil ao repositório. Finalmente, para avaliar o valor desta ferramenta, faremos a extração completa de dados e realizaremos análise estatística, que deverá encontrar pelo menos as variáveis que compõem os critérios já existentes de predição de LFS. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)