Beruflich Dokumente
Kultur Dokumente
34
11 9 1 0
3
7 4
25
17 29
10
24 37
8 26 27
31
19 28
13
20
33
12 5 2
23
34 3 9 5
18
13 12 39
15
32
40 16 36 35
21 30
0 1 2 8 11 6 14
6 22 39
38
4 7 10 15 14
25
26
37 27 17 40 22 16
30 35
29 28 21
20 19
33
36 23 18
31
32
24 38
An alis is d e o li gon ucl eo tido
pa ra in hibi r el g en de
14-3-3 σ
Industrial pollutants were first identified in the 1940s and 1950s as causes of
cancer by Wilhelm Hueper, an American doctor working in the chemicals
industry. Most of the industrial contaminants affecting the health of present
generations did not exist before Hueper's time. Toxicopathologist Dr Vyvyan
Howard informs us that, in 2004,
Isr ael i stud y found b reas t cancer m ortali ty d ecline d aft er 19 76 w hen or gano ch lori ne
1976
pes ticid es w er e b anned or usa ge contro ll ed in the co unt ry
Isr ael i stud y sho we d an incre ase d l ev el of p esticid es in b reas t tis sues o f wo men
1978
as so ciated wi th incr eas ed i nc idence of b reas t cancer
Women wo rking a s p ro fessi onal che mists wer e rep or ted to have hig h incid ence o f b re ast
1985
cancer
Ex posure to ag ricul tur al pes ticid es kno wn to caus e can cer in r od ents linked by US
1986 Gover nm ent re se archer s to hig h i ncid en ce o f hum an bre ast can cer in N ass au and
Norf olk countie s
Stud y o f Yusho area in J ap an, w her e po pul atio n w as ex posed to dio xi ns and P CBs ,
1987
re veal ed e levate d bre ast ca nce r r ates
Co rr el atio n b etw ee n pro ximity o f h omes to haz ard ous was te sites an d majo r incre ase s in
1989
breast cancer ris ks
Hig h le vel s of b reas t cancer re por ted in G er man p es ticid e plan t whe re wo men w er e
1991
exp ose d to d iox ins
Women exp os ed to chl orina ted o rg anic so lvents r ep orted to have h ig h i nc idence o f
1991
breast cancer
Women bo rn to mothe rs wi th p re -e clamp sia and th ere fore l ow er o estr oge n l evels d ur ing
preg nancy had sig ni fica ntl y re du ced ri sks of d evelo ping brea st cancer co mpa re d wi th
1992
co nt rols . Women b orn to m other s wi th ele vated o es tro gen durin g pre gnancy had an
incr eas ed r is k of b reas t cancer
Women wo rking a s h aird res ser s and w omen usi ng hai r d yes w ere r ep orted to have an
1993
exces si ve incid ence of b reast cancer
Oligonucleótidos Terapéuticos
Oligonucleótidos Formadores de
Triplex TFO´s (DNA y/o RNA)
Antisentido (DNA o RNA)
Ribozimas (RNA)
m RNA
Ribosoma
Polimerasa
Proteína
DNA
5´CCC CTC CTT TCC CTC AGA CCT CAG TTT CCC 3´
N
HO O
OH
N O
HO
O
H H
H H
O O CH3
CNS
O P O-
O-
Antiparalela Hoogsteen inversa
O- O-
O
P O P O-
O-
H O
O H
H H H
HO H
H
AAT
H H
O H
O
HO
O
N N -O
N
P
N H H O
N
-O
N N N
GGC
N
H H
H O
N H H
H H H N H
O N N N O O
O H O O O
H H
N N N N P
N H N H
O H O
H H -O
H H
-O H
O- N O
N N N
N
P H
H
O H
O
H
O-
-O
H H
H
H H
O O P O-
H O H
O H
H H
H H
O
HO
N O H
H O
5´CTT3´
N H H
O
O O
N
H N N
N P
N H H O
3´GAA5´
O H -O
O H
-O N
O- N
P H
5´GAT3´ TAT
O
O H
H H
H O
Dicroismo Circular
800
600
Elipticidad/M cm
400 Sencilla
Duplex
200
Triplex
0
200 210 220 230 240 250 260 270 280 290 300 310 320
-200
-400
-600
Longitud de onda
1 2 3 4
Doble Control
Sencilla
0.25
s/n
0.2
c/a s/oligo
0.15 0.025
0.05
0.1 1
2
0.05
4
T(h)
Adr
A431 Adr Oli Oli
14-3-3σ
Implementacion de Redes
Neuronales evolutivas para
analizar micro-arreglos en
HPC.
C1 C2 Cp
...
capa
de
salida
capa ...
de
entrad
a X1 X2 X3 Xn
• CV Coeficiente de vitalidad
• RP Radio del centroide
• Ro Radio inicial
• gv Constante de decisión para eliminación por RP
∀ βv Constante de decisión para eliminación por CV
• X Patrón de entrada
• N Dimensión del patrón X
• Factor para modificación del CV
• CV Coeficiente de vitalidad, es una medida que proporciona información acerca de que tan frecuentemente ha
resultado ganador el centroide en cuestión, lo que se traduce en una medida de su eficacia como representativo
de patrones de expresión de genes.Figu ra 3 Algo rit mo de cl ust ering no superv isa do
•
RP Radio del centroide, define la vecindad del centroide. Los patrones que se encuentran a una distancia del
centroide menor a su radio vienen clasificados por este centroide.
• Ro Radio inicial, es proporcionado por el usuario.
•
• gv es el valor mínimo que puede tomar el radio, prototipos con un radio menor a este valor serán eliminados de
la red.
∀ β v es el valor mínimo que puede tomar el coeficiente de vitalidad, prototipos con un CV menor a este valor serán
eliminados de la red.
• X es el patrón de entrada y representa el vector con los valores de expresión de un mismo gene en N
experimentos realizados.
• d(X, P) es la distancia entre el patrón de ingreso y el vector de peso del centroide, constituye el criterio usado
como base para definir los cúmulos de patrones.
• Pi es el centroide que se está evaluando actualmente, con 1<i<n.
• WC cada centroide representa una clase y se indica con este valor, más de un centroide puede pertenecer a una
misma clase, estos centroides forman los cúmulos o clusters.
• CS al crear la neurona de salida se le asigna este valor y representa la clase asociada al cluster de la capa oculta.
∀ α es el factor para la modificación del CV de cada centroide.
An Ev olv in g
Ne ural Net work for the In te rpr et ation of Gen e Expre ssion
Patt ern s .
O MI CS A J ourn al of I nteg rativ e Bio log y, V ol um e 9 , N um ber
2, 2 005, pag es 2 07-2 15. Mar qu ez, M.C., G onzal ez, P.P and Lagu nez- Otero , J . ( 20 05)
• Res umen .
• Los datos biológicos provenientes de los avances en genómica 90s se ve
reflejado en los grandes bancos de información biológica con que se
cuenta, tanto de dominio público como privado. Es ahora cuando se
requiere el apoyo de las herramientas de la información que permitan
extraer la mayor cantidad de conocimiento. En este trabajo [10] se
presenta un modelo neuronal inteligente capaz de realizar clustering no
supervisado que tiene como finalidad el aplicarlo a datos biológicos
referentes a patrones de expresión de genes, se trata de un modelo de red
neuronal artificial. Los resultados generados representan la clasificación de
grupos de genes en diferentes clases, acompañados de un segundo nivel de
clasificación representado en cada uno de los centroides que integran los
clusters representativos de cada clase. La red tiene una arquitectura que se
forma libremente de acuerdo con las necesidades de los patrones
presentados.
• Palabras clave: Inteligencia computacional, redes neuronales, expresión de
genes, clustering.
An al isi s de o ligo nu cleoti do
pa ra inhi bi r tra ns cr iptasa
reve rsa de VI H
Prevalencia de SIDA en el mundo
• Patent Application
• Oligoribonucleotide Inhibitor of Retroviral Reverse Transcriptase
• Inven to r:
•
•
Jai me L agú nez -Otero
Asig nee