Kernels como Ferramenta de Prognóstico da Leucemia Linfoide Aguda B-Derivada

Autores/as

  • Angie P. Soler Universidade Estadual de Campinas (UNICAMP)
  • Marcos Eduardo Valle Universidade Estadual de Campinas (UNICAMP)

DOI:

https://doi.org/10.5540/03.2026.012.01.0301

Palabras clave:

Leucemia linfoide aguda, discrepância média máxima, repertório do receptor de células T

Resumen

O repertório do receptor de células T (TCR) exerce papel central na resposta imunológica, sendo a sua diversidade um indicador relevante do estado do sistema imune. No contexto da leucemia, alterações nesse repertório podem refletir tanto a progressão da doença quanto a resposta ao tratamento. A complexidade do repertório de TCR torna a estimativa de diversidade um problema essencial, embora computacionalmente desafiador. Medidas tradicionais, como a entropia de Shannon e os números de Hill, capturam aspectos globais da distribuição, mas podem apresentar limitações diante da variabilidade dos dados imunológicos. Nesse cenário, métodos baseados em kernels têm se destacado como alternativas mais robustas. Neste trabalho, aplica-se o teste de Discrepância Média Máxima (MMD), em conjunto com um método de kernel, para comparar as distribuições dos repertórios de TCR de pacientes com leucemia em diferentes estágios do tratamento. Em contraste com abordagens clássicas, a metodologia proposta introduz um kernel ponderado por frequência, capaz de capturar recorrências nas sequências e de adaptar a estatística MMD às particularidades dos dados imunológicos. Com base em uma avaliação empírica da similaridade entre sequências, verifica-se que a abordagem empregada aprimora a distinção entre perfis leucêmicos e não leucêmicos, contribuindo para a identificação de padrões imunológicos associados à progressão da doença.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

B. Allen, M. Kon e Y. Bar-Yam. “A new phylogenetic diversity measure generalizing the Shannon index and its application to phyllostomid bats”. Em: Am. Nat. 174 (2009), pp. 236– 243. doi: 10.1086/600101.

A. N. Amin, E. N. Weinstein e D. S. Marks. “Biological sequence kernels with guaranteed flexibility”. Em: arXiv preprint arXiv:2304.03775 (2023).

A. Chao, C. H. Chiu e L. Jost. “Phylogenetic diversity measures based on Hill numbers”. Em: Philos. Trans. R. Soc. B 365 (2010), pp. 3599–3609. doi: 10.1098/rstb.2010.0272.

D. P. Faith. “Conservation evaluation and phylogenetic diversity”. Em: Biol. Conserv. 61 (1992), pp. 1–10. doi: 10.1016/0006-3207(92)91201-3.

G. N. N. Giusti. “Sequenciamento de alto rendimento para quantificação de doença residual mínima em leucemia linfóide aguda”. Acessado em: 2 Jul. 2024. Dissertação de mestrado. Universidade Estadual de Campinas, Instituto de Biologia, 2019. url: https://hdl.handle.net/20.500.12733/1637195.

A. Gretton et al. “A Kernel Two-Sample Test”. Em: Journal of Machine Learning Research 13.25 (2012), pp. 723–773. doi: 10.48550/arXiv.2004.1109.

T. Leinster e C. Cobbold. “Measuring diversity: the importance of species similarity”. Em: Ecology 93.3 (2012), pp. 477–489. doi: 10.1890/10-2402.1.

C. S. Leslie et al. “Mismatch string kernels for discriminative protein classification”. Em: Bioinformatics 20.4 (2004), pp. 467–476. doi: 10.1093/bioinformatics/btg431.

B. Schölkopf e A. Smola. Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond. MIT Press, 2002. isbn: 9780262256933.

R. J. Serfling. Approximation Theorems of Mathematical Statistics. John Wiley & Sons, 1980. isbn: 9780471024033.

C. E. Shannon. “A Mathematical Theory of Communication”. Em: Bell System Technical Journal 27.3 (1948), pp. 379–423. doi: 10.1002/j.1538-7305.1948.tb01338.x.

F. F. Silva e M. R. D. O. Latorre. “Sobrevida das leucemias linfoides agudas em crianças no Município de São Paulo, Brasil”. Em: Cad. Saúde Pública 36.3 (2020). doi: 0102 - 311X00008019.

Publicado

2026-02-13

Número

Sección

Trabalhos Completos