Detailansicht

Exploiting open data for individualized medicine

Astrid Kempf

Art der Arbeit

Diplomarbeit

Universität

Universität Wien

Fakultät

Fakultät für Lebenswissenschaften

Studiumsbezeichnung bzw. Universitätlehrgang (ULG)

Diplomstudium Pharmazie

Betreuer*in

Gerhard Ecker

Mitbetreuer*in

Daniela Digles

Volltext herunterladen
Volltext in Browser öffnen

DOI

10.25365/thesis.71330

URN

urn:nbn:at:at-ubw:1-25175.40321.215317-4

Link zu u:search

(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract

(Deutsch)

ABC Transporter bilden eine Superfamilie mit mehr als 250 Mitglieder. Die durch Hydrolyse von ATP zu ADP generierte Energie wird verwendet um bestimmte Substrate durch die Zellmembran zu transportieren. Im Menschen sind 48 ABC-Transporter bekannt. Mutationen verursachen diverse Krankheiten, beeinflussen das Immunsystem und verändern Phänotypen. Sie spielen eine wichtige Rolle in der Krebstherapie, da sie zu einer Multiresistenz von Krebszellen führen können. Ziel der Diplomarbeit war daher, einen KNIME Workflow zu entwickeln der es erlaubt, Krankheitsrelevante Mutationen in ABC-Transportern zu idnetifizieren. Im Workflow wurden alle 48 ABC Transporter auf ihre Anzahl an Mutationen in der ClinVar Datanbank untersucht. 15.763 Mutationen wurden gefunden, 3.266 davon waren pathogen. Des Weiteren wurden Cystische Fibrose und Multidrug Resistentes Protein 1 näher bearbeitet um den den Workflow zu verifizieren. Über 2.000 Mutationen sind vom CFTR Gen bekannt, rund 300 davon sind pathogen. Im Workflow wurden 2.749 Variationen gefunden, 669 davon pathogen. Dass die Gesamtzahl an gefundenen Mutationen ähnlich ist, aber doppelt so viele pathogene Varianten gefunden wurden, könnte dadurch erklärt werden, dass sich Publikationen oft auf dieselben Quellen, zwei Datanbanken, beziehen und diese durch eingeschränkte Aktualisierungen möglicherweise ein Informationsdefizit aufweisen. In der Literatur sind circa 50 SNP’s für das ABCB1 Gen bekannt. Der Workflow resultierte in 602 SNP’s. Die markante Abweichung könnte daher stammen, dass die Publikationen 2013 und 2020 veröffentlicht wurden, sich aber auf Quellen aus 2001, 2003 und 2010 beziehen. Weiters inkludieren diese Studien häufig nur bestimmte Personengruppen und enthalten daher nicht alle SNP’s, da diese stark innerhalb einer Ethnie variieren.

Abstract

(Englisch)

ABC transporters are a superfamily of transmembrane proteins with more than 250 members. Through hydrolysis of ATP the generated energy is used to move specific substrates across the cell membranes. In humans 48 ABC transporters have been classified. Mutations cause several diseases affect the immune system and change phenotypes. They also play an important role in cancer therapy as they can lead to multidrug resistance of cancer cells. The aim of this thesis was to establish a KNIME workflow which allows the identification of disease relevant mutations at ABC transporters. In the workflow all human ABC transporters where examined to detect their variants of the ClinVar database. 15.763 mutations were found for all transporters, 3.266 were cited as pathogenic. Further, cystic fibrosis and multidrug resistance protein 1 were analyzed in more detail to verify the workflow. Over 2.000 mutations are known from the CFTR gene, about 300 of them are pathogenic. In the workflow 2.749 variants were found and 669 were cited as pathogenic. The total count of mutations found are nearly equal but the fact that the pathogenic variants are double as much could be explained as previous papers often recommend to the same sources, two databases, and the possible lack of information due to limited updates. In literature about 50 SNP’s were found for the ABCB1 gene. The workflow presented 602 SNP’s. This could be explained as the papers were published in 2013 and 2020 but refer to sources from 2001, 2003 and 2010. Further, such studies often include just one distinct population group and would not include all SNP’s since these vary highly within an ethnic group.

Autor*innen

Astrid Kempf

Haupttitel (Englisch)

Exploiting open data for individualized medicine

Paralleltitel (Deutsch)

Auswertung von offenen Daten für individualisierte Medizin

Publikationsjahr

2022

Umfangsangabe

33 Seiten : Illustrationen

Sprache

Englisch

Beurteiler*in

Gerhard Ecker

Klassifikation

44 Medizin > 44.40 Pharmazie, Pharmazeutika

AC Nummer

AC16554829

Utheses ID

62655

Studienkennzahl

UA | 449 | | |

Detailansicht

Abstracts

Schlagwörter