The proposed thesis work involved the development of Machine Learning models to predict the mutational status of disease-relevant genes, identify prognostic molecular subgroups and build an epigenomic signature to predict the clinical outcomes of patients affected by pancreatic ductal adenocarcinoma.

Il presente lavoro di tesi ha previsto lo sviluppo di modelli di Machine Learning per predire lo stato mutazionale di geni rilevanti per la patologia, identificare sottogruppi molecolari prognostici e costruire una firma epigenomica per predire gli esiti clinici dei pazienti affetti da adenocarcinoma duttale del pancreas.

COSTRUZIONE E VALIDAZIONE DI UN MODELLO PROGNOSTICO BASATO SU UNA FIRMA EPIGENOMICA IN PAZIENTI AFFETTI DA ADENOCARCINOMA DUTTALE PANCREATICO

MONGELLI, VALENTINA
2023/2024

Abstract

The proposed thesis work involved the development of Machine Learning models to predict the mutational status of disease-relevant genes, identify prognostic molecular subgroups and build an epigenomic signature to predict the clinical outcomes of patients affected by pancreatic ductal adenocarcinoma.
2023
DEVELOPMENT AND VALIDATION OF A PROGNOSTIC MODEL BASED ON AN EPIGENOMIC SIGNATURE IN PATIENTS AFFECTED BY PANCREATIC DUCTAL ADENOCARCINOMA
Il presente lavoro di tesi ha previsto lo sviluppo di modelli di Machine Learning per predire lo stato mutazionale di geni rilevanti per la patologia, identificare sottogruppi molecolari prognostici e costruire una firma epigenomica per predire gli esiti clinici dei pazienti affetti da adenocarcinoma duttale del pancreas.
Machine Learning
Tumore al pancreas
Epigenomica
Mutazioni genetiche
File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/68798