Browsing by Author "Rojas de Santiago, Pamela Roxana"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    ADAR1 Transcriptome editing promotes breast cancer progression through the regulation of cell cycle and DNA damage response
    (2020) Sagredo, E. A.; Sagredo, A. I.; Blanco, A.; Rojas de Santiago, Pamela Roxana; Rivas, S.; Assar, R.; Perez, P.; Marcelain, K.; Armisen, R.
  • Thumbnail Image
    Item
    “Characterization of the effects induced by ADAR1 over long non-coding RNAs A-to-I editing and expression levels in breast cancer”
    (2020) Rojas de Santiago, Pamela Roxana; Armisén Yáñez, Ricardo; Pontificia Universidad Católica de Chile. Facultad de Ciencias Biológicas
    La enzima Adenosina desaminasa que actúa sobre ARNs 1 (ADAR1, del inglés Adenosine deaminase acting on RNAs 1) ha sido ampliamente descrita como un factor modulador de la edición, niveles de expresión y función de sus ARNs blancos, pudiendo ser estos codificantes y no-codificantes. Entre los últimos, los ARNs largos no-codificantes (lncRNAs, del inglés long non-coding RNAs) (> 200 nt de largo) se han destacado por ser componentes centrales en procesos celulares tanto fisiológicos como patológicos. En cáncer de mama, ambos ADAR1 y lncRNAs, han sido caracterizados como elementos clave en vías de señalización oncogénicas y supresoras de tumores. Sin embargo, sólo unos pocos reportes en la literatura abordan la relación ADAR1-lncRNAs, quedando mucho por entender a escala transcriptómica. Por este motivo, esta tesis está enfocada principalmente en abordar los efectos inducidos por ADAR1 tanto en los niveles de expresión como en la edición de lncRNAs y cómo esto podría estar relacionado a la progresión del cáncer. Mediante el uso de datos de secuenciación de ARN (RNA-seq), detectamos que ADAR1 puede modular la expresión de varios lncRNAs, encontrando que el RNA 944 intergénico largo no codificante (LINC00944) respondía de forma consistente a la ganancia y pérdida de función de ADAR1. Al analizar los datos de pacientes de la cohorte de cáncer de mama de The Cancer Genome Atlas (TCGA-BRCA), encontramos que bajos niveles de LINC00944 se correlacionan con fenotipos malignos, como una fracción menor de infiltración linfocitaria en el microambiente tumoral (TILs, del inglés tumor-infiltrating lymphocytes) y con una disminución en la expresión de marcadores pro-apoptóticos. En la misma línea, encontramos que una baja expresión de LINC00944 se correlaciona con un mal pronóstico en pacientes, ya que la disminución en su expresión se correlacionó con una reducción en la supervivencia general y supervivencia libre de recaídas. La sobreexpresión de ADAR1 se ha asociado a un mal pronóstico en pacientes con cáncer de mama triple-negativo (TNBC, del inglés triple-negative breast cancer). Al analizar la cohorte de TCGA-BRCA, demostramos que ADAR1 induce la edición A-por-I en aproximadamente el 10% de los lncRNA expresados en tumores TNBC. Asimismo, encontramos que éstos transcritos fueron editados en una alta proporción. En la presente tesis, nosotros ilustramos dos ejemplos de cómo la edición A-por-I podría estar alterando la función de lncRNAs: ya que PVT1 presentó el mayor número de posiciones editadas, hipotetizamos que su función de lncRNA esponja está siendo diversificada por la edición A-por-I y de esta forma permitiendo la progresión del cáncer. Por otro lado, planteamos la hipótesis de que la capacidad de PINK1-AS1 para estabilizar su ARNm sentido PINK1, puede verse alterada mediante la edición del lncRNA en tumores TNBC y que, en este contexto, podría ser maligna.
  • Thumbnail Image
    Item
    Total mutational load and clinical features as predictors of the metastatic status in lung adenocarcinoma and squamous cell carcinoma patients
    (2022) Oróstica, Karen Y.; Saez-Hidalgo, Juan; Rojas de Santiago, Pamela Roxana; Rivas, Solange; Contreras, Sebastian; Navarro, Gonzalo; Asenjo, Juan A.; Olivera-Nappa, Álvaro; Armisén, Ricardo
    Background: Recently, extensive cancer genomic studies have revealed mutational and clinical data of large cohorts of cancer patients. For example, the Pan-Lung Cancer 2016 dataset (part of The Cancer Genome Atlas project), summarises the mutational and clinical profiles of different subtypes of Lung Cancer (LC). Mutational and clinical signatures have been used independently for tumour typification and prediction of metastasis in LC patients. Is it then possible to achieve better typifications and predictions when combining both data streams? Methods: In a cohort of 1144 Lung Adenocarcinoma (LUAD) and Lung Squamous Cell Carcinoma (LSCC) patients, we studied the number of missense mutations (hereafter, the Total Mutational Load TML) and distribution of clinical variables, for different classes of patients. Using the TML and different sets of clinical variables (tumour stage, age, sex, smoking status, and packs of cigarettes smoked per year), we built Random Forest classification models that calculate the likelihood of developing metastasis. Results: We found that LC patients different in age, smoking status, and tumour type had significantly different mean TMLs. Although TML was an informative feature, its effect was secondary to the "tumour stage" feature. However, its contribution to the classification is not redundant with the latter; models trained using both TML and tumour stage performed better than models trained using only one of these variables. We found that models trained in the entire dataset (i.e., without using dimensionality reduction techniques) and without resampling achieved the highest performance, with an F1 score of 0.64 (95%CrI [0.62, 0.66]). Conclusions: Clinical variables and TML should be considered together when assessing the likelihood of LC patients progressing to metastatic states, as the information these encode is not redundant. Altogether, we provide new evidence of the need for comprehensive diagnostic tools for metastasis.