Maestría en Oncología Médica, Genómica y Big data

Módulo 1. Oncología Genómica o de Precisión

1.1. Utilidad del perfil de expresión génica en cáncer
1.2. Subtipos moleculares del cáncer de mama
1.3. Plataformas genómicas de carácter pronóstico-predictivo en el cáncer de mama
1.4. Dianas terapéuticas en cáncer de pulmón célula no pequeña
1.4.1. Introducción
1.4.2. Técnicas de detección molecular
1.4.3. Mutación EGFR
1.4.4. Translocación ALK
1.4.5. Translocación ROS
1.4.6. Mutación BRAF
1.4.7. Reordenamientos NRTK
1.4.8. Mutación HER2
1.4.9. Mutación/amplificación de MET
1.4.10. Reordenamientos de RET
1.4.11. Otras dianas moleculares
1.5. Clasificación molecular del cáncer de colon
1.6. Estudios moleculares en el cáncer gástrico
1.6.1. Tratamiento del cáncer gástrico avanzado
1.6.2. Sobreexpresión de HER2 en cáncer gástrico avanzado
1.6.3. Determinación e interpretación de sobreexpresión de HER2 en cáncer gástrico avanzado
1.6.4. Fármacos con actividad frente a HER2
1.6.5. Trastuzumab en primera línea de cáncer gástrico avanzado
1.6.6. Actividad de otros fármacos anti-HER2 en cáncer gástrico avanzado
1.7. El GIST como modelo de investigación traslacional: 15 años de experiencia
1.7.1. Introducción
1.7.2. Mutaciones de KIT y PDGFRA como promotores principales en GIST
1.7.3. Genotipo en GIST: valor pronóstico y predictivo
1.7.4. Genotipo en GIST y resistencias al imatinib
1.7.5. Conclusiones
1.8. Biomarcadores moleculares y genómicos en melanoma
1.9. Clasificación molecular de los tumores cerebrales
1.10. Biomarcadores moleculares y genómicos en melanoma
1.11. Inmunoterapia y biomarcadores
1.11.1. Escenario de las terapias inmunológicas en el tratamiento del cáncer y necesidad de definir el perfil mutacional de un tumor
1.11.2. Biomarcadores del inhibidor del punto de control: PD-L1 y más allá
1.11.3. Desarrollo de fármacos de punto de control inmune en cáncer
1.11.4. Fármacos disponibles

Módulo 2. Biología molecular

2.1. Mecanismos moleculares del cáncer
2.1.1. Ciclo celular
2.1.2. Desprendimiento de las células tumorales
2.2. Reprogramación del microambiente tumoral
2.2.1. El microambiente del tumor: una visión general
2.2.2. El TME como factor pronóstico del cáncer de pulmón
2.2.3. TME en progresión y metástasis del cáncer de pulmón
2.2.4. Contribución del TME a la resistencia terapéutica
2.2.5. El TME como blanco terapéutico en el cáncer de pulmón
2.3. Inmunología tumoral: bases de la inmunoterapia en cáncer
2.3.1. Introducción al sistema inmune
2.3.2. Inmunología tumoral
2.3.3. Bases de la inmunoterapia en cáncer
2.3.4. Moduladores inmunes no específicos
2.3.5. Otros enfoques para la inmunoterapia
2.4. Mecanismos moleculares implicados en el proceso de invasión y metástasis

Módulo 3. Machine Learning para el análisis de Big Data

3.1. Introducción a Machine Learning
3.2. Presentación del problema, carga de datos y librerías
3.3. Limpieza de datos (NAs, categorías, variables Dummy)
3.4. Análisis de datos exploratorio (ggPlot) + validación cruzada
3.5. Algoritmos de predicción: regresión lineal múltiple, Support Vector Machine, árboles de regresión, Random Forest, etc.
3.6. Algoritmos de clasificación: regresión lineal múltiple, Support Vector Machine, árboles de regresión, Random Forest, etc.
3.7. Ajuste de los hiperparámetros del algoritmo
3.8. Predicción de los datos con los diferentes modelos
3.9. Curvas ROC y matrices de confusión para evaluar la calidad del modelo

Módulo 4. Minería de datos aplicado a la Genómica

4.1. Introducción

4.2. Inicialización de variables

4.3. Limpieza y acondicionado del texto

4.4. Generación de la matriz de términos

4.4.1. Creación de la matriz de términos TDM

4.4.2. Visualizaciones sobre la matriz de palabras TDM

4.5. Descripción de la matriz de términos

4.5.1. Representación gráfica de las frecuencias

4.5.2. Construcción de una nube de palabras

4.6. Creación de un Data Frame apto para K-NN

4.7. Construcción del modelo de clasificación

4.8. Validación del modelo de clasificación

4.9. Ejercicio práctico guiado de minería de datos en Genómica en cáncer