Objetivos: La evidencia sugiere que la microbiota podría contribuir a la patogénesis de una serie de enfermedades, incluido el cáncer, habiéndose propuesto distintos mecanismos que demuestran la influencia de la microbiota en el proceso de la carcinogénesis. En el cáncer de vejiga, estudios preliminares han encontrado alteraciones en la microbiota urinaria de pacientes con carcinoma urotelial en comparación con individuos sanos. El objetivo del estudio fue caracterizar, mediante técnicas de secuenciación masiva, la microbiota de la vejiga en muestras de mucosa tumoral y mucosa pareada no tumoral procedentes de una cohorte de pacientes con neoplasia maligna de vejiga, además de estudiar las diferencias en la composición microbiana de la mucosa tumoral según las variables clínico-patológicas y determinar posibles perfiles microbianos. Material y métodos: Se analizaron un total de 58 muestras de 32 pacientes con cáncer de vejiga (26 pacientes con muestras pareadas [tejido tumoral y no tumoral] y 6 pacientes con muestras tumorales). Se extrajo el ADN bacteriano del tejido congelado a -80ºC en el Biobanco del HGU de Elche, mediante QIAamp DNA mini kit (Qiagen). Para la construcción de las librerías de amplicones se amplificó un fragmento de 459 pares de bases correspondiente a las regiones variables V3 y V4 del gen ADNr, utilizando los cebadores descritos para metagenomas humanos a los cuales se les añadió la secuencia de los adaptadores de Illumina. Se secuenciaron las muestras mediante la opción de lecturas emparejadas de 2x300pb con MiSeq Reagent Kit v3 de 300 ciclos. En el análisis de secuencias, se realizó un control de calidad mediante el programa prinseq, se unieron las lecturas R1 y R2 procedentes de la secuenciación mediante el programa flash y se eliminaron las eventuales secuencias quiméricas mediante el programa usearch. Las secuencias resultantes se utilizaron para su clasificación empleando la base de datos Ribosomal Database Project. Para el análisis estadístico se utilizó el software R versión 3.5.2. Tanto los estimadores de riqueza específica y abundancia relativa, como el número de filos y géneros bacterianos encontrados en los grupos de estudio se compararon mediante el test de wilcoxon y el test U-Mann-Whitney en los análisis de muestras pareadas y no pareadas, respectivamente. Se realizó un análisis multivariante de Componentes Principales bidimensional entre grupos y un test PERMANOVA para buscar diferencias significativas en la composición microbiana en función de las variables clínico-patológicas. Las diferencias intergrupales se analizaron mediante el método de análisis discriminante efecto-tamaño (LDA effect size, LEfSe). Por último, se realizó un Heatmap para identificar distintos clusters en la composición microbiana. Los clusters encontrados se correlacionaron con las variables tumorales mediante el test de chi-cuadrado o test de Fisher. Resultados: Encontramos diferencias significativas en los índices de riqueza específica OBS (p=0,012) y Chao2 (p=0,049) a nivel de género, siendo mayores en la mucosa no tumoral respecto a la mucosa tumoral. En cuanto a los índices de abundancia relativa no hubo diferencias significativas entre ambos grupos. Nuestros resultados muestran que el filo más abundante en ambos grupos fue Firmicutes, seguido de Bacteroidetes, Proteobacteria y Actinobacteria. Y que las Actinobacterias se encontraban significativamente más enriquecidas en la mucosa no tumoral respecto a la mucosa tumoral (p-valor = 0,009). Los géneros más abundantes en ambos grupos fueron Bacteroides y Escherichia.Shigella, seguido de Staphylococcus y Enterococcus en la mucosa tumoral, y Phascolarctobacterium y Propionibacterium en la mucosa no tumoral. No encontramos diferencias significativas en la composición microbiana a nivel de género. En el análisis multivariante, tanto a nivel de filo como de género, encontramos diferencias significativas en la composición microbiana en función del grado de tumor (p-valor = 0,03 y 0,04, respectivamente). La mucosa de los pacientes con bajo grado de tumor presentaba un mayor enriquecimiento del género Enterococcus respecto a los pacientes con alto grado de tumor. Para finalizar, se identificó la presencia de tres clusters en la composición microbiana de las muestras de mucosa tumoral. El cluster 1 se encontraba significativamente enriquecido de los géneros Barnesiella, Parabacteroides, Prevotella, Alistipes y Lachnospiracea_incertae_sedis, mientras que el cluster 2 de Staphylococcus. No se encontraron diferencias significativas al correlacionar los diferentes clusters con las variables clínicopatológicas, ni en el análisis de supervivencia. Conclusiones: Encontramos una mayor riqueza microbiana de los tejidos no tumorales respecto a los tejidos tumorales que coincide con la asunción global de que la riqueza es un indicador de salud de la microbiota. La mayor abundancia del filo Actinobacteria en las muestras de mucosa de vejiga no neoplásica respecto al tejido tumoral, refuerza la hipótesis inicialmente planteada de que una microbiota rica en Actinomycetes podría estar relacionada con la menor incidencia de cáncer de vejiga en las mujeres y por tanto, podría tener un efecto preventivo. El análisis multivariante de la composición microbiana del tejido tumoral reveló diferencias significativas en función del grado del tumor, encontrándose en los tumores de bajo grado, un perfil microbiano enriquecido por bacterias del género Enterococcus. Finalmente, se identificaron tres perfiles microbianos diferentes, encontrando diferencias significativas en dos ellos; mientras que el cluster 1 presentaba una microbiota enriquecida por el filo Bacteroidetes, el cluster 2 estaba más enriquecido por el filo Firmicutes. Se necesitan estudios prospectivos longitudinales que permitan establecer la relación causal de la microbiota en el proceso de carcinogénesis.

El cáncer de vejiga es una enfermedad heterogénea. Los tumores se distribuyen en dos vías con cierto nivel de solapamiento: la vía papilar superficial caracterizada por alteraciones de FGFR3 y pérdida del cromosoma 9 y la vía no papilar invasiva caracterizada por alteraciones en las vías de p53 y pRb. Los tumores T1G3 representan el 10% de los tumores de vejiga diagnosticados y representan un desafío clínico debido a su alto riesgo de progresión y la falta de marcadores moleculares que predigan el pronóstico de los pacientes. El objetivo de la tesis ha sido caracterizar los tumores T1G3 y asociar los marcadores evaluados con el pronóstico de los pacientes. La caracterización de los tumores T1G3 ha identificado que la vía de p53 está alterada en un 85% de los casos, que los tumors muestran altos niveles de inestabilidad genómica y que tan sólo el marcador de inestabilidad FGA predice el pronóstico de los pacientes con tumores T1G3. Un nuevo marcador del cancer de vejiga se ha identificado: PIK3CA. / Bladder cancer is a heterogeneous disease distributed into two distinct but slightly overlapping pathways: a papillary superficial pathway characterized by alterations in FGFR3 and loss of chromosome 9 and a non-papillary invasive pathway characterized by alterations in the p53 and pRb pathways. T1G3 tumors are a subgroup of bladder cancers which represent 10% of diagnosed tumors and are a clinical challenge due to their high risk of progression and the lack of molecular markers to predict the prognosis of the patients. The aim of this thesis was to characterize T1G3 tumors and associate these markers with the outcome of the patients. The characterization of T1G3 tumors have shown that the p53 pathway is inactive in 85% of patients, that they have high levels of genomic instability and that only FGA predicts outcome among patients with T1G3 tumors. A novel marker for bladder cancer has been identified: PIK3CA.

Tesis por compendio / [ES] Esta tesis presenta soluciones de vanguardia basadas en algoritmos de computer vision (CV) y machine learning (ML) para ayudar a los expertos en el diagnóstico clínico. Se centra en dos áreas relevantes en el campo de la imagen médica: la patología digital y la oftalmología. Este trabajo propone diferentes paradigmas de machine learning y deep learning para abordar diversos escenarios de supervisión en el estudio del cáncer de próstata, el cáncer de vejiga y el glaucoma. En particular, se consideran métodos supervisados convencionales para segmentar y clasificar estructuras específicas de la próstata en imágenes histológicas digitalizadas. Para el reconocimiento de patrones específicos de la vejiga, se llevan a cabo enfoques totalmente no supervisados basados en técnicas de deep-clustering. Con respecto a la detección del glaucoma, se aplican algoritmos de memoria a corto plazo (LSTMs) que permiten llevar a cabo un aprendizaje recurrente a partir de volúmenes de tomografía por coherencia óptica en el dominio espectral (SD-OCT). Finalmente, se propone el uso de redes neuronales prototípicas (PNN) en un marco de few-shot learning para determinar el nivel de gravedad del glaucoma a partir de imágenes OCT circumpapilares. Los métodos de inteligencia artificial (IA) que se detallan en esta tesis proporcionan una valiosa herramienta de ayuda al diagnóstico por imagen, ya sea para el diagnóstico histológico del cáncer de próstata y vejiga o para la evaluación del glaucoma a partir de datos de OCT. / [CA] Aquesta tesi presenta solucions d'avantguarda basades en algorismes de *computer *vision (CV) i *machine *learning (ML) per a ajudar als experts en el diagnòstic clínic. Se centra en dues àrees rellevants en el camp de la imatge mèdica: la patologia digital i l'oftalmologia. Aquest treball proposa diferents paradigmes de *machine *learning i *deep *learning per a abordar diversos escenaris de supervisió en l'estudi del càncer de pròstata, el càncer de bufeta i el glaucoma. En particular, es consideren mètodes supervisats convencionals per a segmentar i classificar estructures específiques de la pròstata en imatges histològiques digitalitzades. Per al reconeixement de patrons específics de la bufeta, es duen a terme enfocaments totalment no supervisats basats en tècniques de *deep-*clustering. Respecte a la detecció del glaucoma, s'apliquen algorismes de memòria a curt termini (*LSTMs) que permeten dur a terme un aprenentatge recurrent a partir de volums de tomografia per coherència òptica en el domini espectral (SD-*OCT). Finalment, es proposa l'ús de xarxes neuronals *prototípicas (*PNN) en un marc de *few-*shot *learning per a determinar el nivell de gravetat del glaucoma a partir d'imatges *OCT *circumpapilares. Els mètodes d'intel·ligència artificial (*IA) que es detallen en aquesta tesi proporcionen una valuosa eina d'ajuda al diagnòstic per imatge, ja siga per al diagnòstic histològic del càncer de pròstata i bufeta o per a l'avaluació del glaucoma a partir de dades d'OCT. / [EN] This thesis presents cutting-edge solutions based on computer vision (CV) and machine learning (ML) algorithms to assist experts in clinical diagnosis. It focuses on two relevant areas at the forefront of medical imaging: digital pathology and ophthalmology. This work proposes different machine learning and deep learning paradigms to address various supervisory scenarios in the study of prostate cancer, bladder cancer and glaucoma. In particular, conventional supervised methods are considered for segmenting and classifying prostate-specific structures in digitised histological images. For bladder-specific pattern recognition, fully unsupervised approaches based on deep-clustering techniques are carried out. Regarding glaucoma detection, long-short term memory algorithms (LSTMs) are applied to perform recurrent learning from spectral-domain optical coherence tomography (SD-OCT) volumes. Finally, the use of prototypical neural networks (PNNs) in a few-shot learning framework is proposed to determine the severity level of glaucoma from circumpapillary OCT images. The artificial intelligence (AI) methods detailed in this thesis provide a valuable tool to aid diagnostic imaging, whether for the histological diagnosis of prostate and bladder cancer or glaucoma assessment from OCT data. / García Pardo, JG. (2022). Machine learning strategies for diagnostic imaging support on histopathology and optical coherence tomography [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/182400 / TESIS / Compendio

[ES] La búsqueda novedosa es un nuevo paradigma de los algoritmos de optimización, evolucionarios y bioinspirados, que está basado en la idea de forzar la búsqueda del óptimo global en aquellas partes inexploradas del dominio de la función que no son atractivas para el algoritmo, con la intención de evitar estancamientos en óptimos locales. La búsqueda novedosa se ha aplicado al algoritmo de optimización de enjambre de partículas, obteniendo un nuevo algoritmo denominado algoritmo de enjambre novedoso (NS). NS se ha aplicado al conjunto de pruebas sintéticas CEC2005, comparando los resultados con los obtenidos por otros algoritmos del estado del arte. Los resultados muestran un mejor comportamiento de NS en funciones altamente no lineales, a cambio de un aumento en la complejidad computacional. En lo que resta de trabajo, el algoritmo NS se ha aplicado en diferentes modelos, específicamente en el diseño de un motor de combustión interna, en la estimación de demanda de energía mediante gramáticas de enjambre, en la evolución del cáncer de vejiga de un paciente concreto y en la evolución del COVID-19. Cabe remarcar que, en el estudio de los modelos de COVID-19, se ha tenido en cuenta la incertidumbre, tanto de los datos como de la evolución de la enfermedad. / [CA] La cerca nova és un nou paradigma dels algoritmes d'optimització, evolucionaris i bioinspirats, que està basat en la idea de forçar la cerca de l'òptim global en les parts inexplorades del domini de la funció que no són atractives per a l'algoritme, amb la intenció d'evitar estancaments en òptims locals. La cerca nova s'ha aplicat a l'algoritme d'optimització d'eixam de partícules, obtenint un nou algoritme denominat algoritme d'eixam nou (NS). NS s'ha aplicat al conjunt de proves sintètiques CEC2005, comparant els resultats amb els obtinguts per altres algoritmes de l'estat de l'art. Els resultats mostren un millor comportament de NS en funcions altament no lineals, a canvi d'un augment en la complexitat computacional. En el que resta de treball, l'algoritme NS s'ha aplicat en diferents models, específicament en el disseny d'un motor de combustió interna, en l'estimació de demanda d'energia mitjançant gramàtiques d'eixam, en l'evolució del càncer de bufeta d'un pacient concret i en l'evolució del COVID-19. Cal remarcar que, en l'estudi dels models de COVID-19, s'ha tingut en compte la incertesa, tant de les dades com de l'evolució de la malaltia. / [EN] Novelty Search is a recent paradigm in evolutionary and bio-inspired optimization algorithms, based on the idea of forcing to look for those unexplored parts of the domain of the function that might be unattractive for the algorithm, with the aim of avoiding stagnation in local optima. Novelty Search has been applied to the Particle Swarm Optimization algorithm, obtaining a new algorithm named Novelty Swarm (NS). NS has been applied to the CEC2005 benchmark, comparing its results with other state of the art algorithms. The results show better behaviour in high nonlinear functions at the cost of increasing the computational complexity. During the rest of the thesis, the NS algorithm has been used in different models, specifically the design of an Internal Combustion Engine, the prediction of energy demand estimation with Grammatical Swarm, the evolution of the bladder cancer of a specific patient and the evolution of COVID-19. It is also remarkable that, in the study of COVID-19 models, uncertainty of the data and the evolution of the disease has been taken in account. / Martínez Rodríguez, D. (2021). Optimization Algorithm Based on Novelty Search Applied to the Treatment of Uncertainty in Models [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/178994 / TESIS

Tesis por compendio / [ES] El cáncer constituye la segunda causa de muerte en España. El tromboembolismo venoso (TEV), una complicación del cáncer, conlleva gran gasto del presupuesto sanitario y representa la segunda causa de muerte en estos pacientes. Sin embargo, las herramientas actuales disponibles para la identificación de pacientes oncológicos con elevado riesgo trombótico son limitadas. Adicionalmente, no existen métodos simples, mínimamente invasivos y económicos de diagnóstico de cáncer vesical. Por este motivo, se utilizan técnicas dañinas como la tomografía computarizada la cual implica una elevada dosis de exposición a radiación y procedimientos invasivos como la cistoscopia. Además, un estado hipercoagulable parece tener una relación directa con una mayor carga tumoral y un peor pronóstico. El objetivo principal de la presente Tesis Doctoral es explorar la utilidad clínica de nuevos métodos diagnósticos y pronósticos para el cáncer y sus complicaciones trombóticas. En la primera parte de la Tesis, nos hemos centrado en el papel de miRNAs en orina como biomarcadores de cáncer vesical. Hemos identificado al miR-29c-3p como el miRNA más estable por lo que fue utilizado como normalizador. Hemos ajustado un modelo de regresión logística ordinal para el diagnóstico y estratificación de cáncer vesical utilizando la expresión de miRNAs en orina de pacientes y controles. Este modelo incluyó la expresión de 7 miRNAs: miR-221-3p, miR-93-5p, miR-362-3p, miR-191-5p, miR-200c-3p, miR-192-5p y miR-21-5p. En la segunda parte de la Tesis, nos centramos en el estudio de nuevos biomarcadores para la trombosis asociada a cáncer. Analizamos el potencial predictivo de los miRNAs y de marcadores de activación de neutrófilos en pacientes con cáncer pancreático y pacientes con glioma y meningioma. En cáncer pancreático, obtuvimos un perfil de 7 miRNAs (miR-486-5p, miR-106b-5p, let-7i-5p, let-7g-5p, miR-144-3p, miR-19a-3p y miR-103a-3p) capaz de estimar el riesgo de TEV al diagnóstico con dianas incluidas en las rutas pancreatic cancer y complement and coagulation cascades. En el estudio de los marcadores de activación de neutrófilos, obtuvimos un nuevo modelo predictivo de TEV con la calprotectina como variable predictora. Respecto al estudio de trombosis asociada a cáncer en tumores intracraneales, en pacientes con glioma, ajustamos y validamos un modelo predictivo de embolismo pulmonar (EP) postquirúrgico con 6 miRNAs: miR-363-3p, miR-93-3p, miR-22-5p, miR-451a, miR-222-3p y miR-140-3p y otro con cfDNA y mieloperoxidasa como predictores. Además, hemos combinado los dos tipos de marcadores y hemos obtenido un modelo con mayor capacidad predictiva que incluye a miR-140-3p y a la mieloperoxidasa como predictores. En pacientes con meningioma, ajustamos y validamos un modelo predictivo de EP postquirúrgico con 6 miRNAs: miR-29a-3p, miR-660-5p, miR-331-3p, miR-126-5p, miR-23a-3p y miR-23b-3p. En conclusión, proponemos diferentes perfiles de biomarcadores para el diagnóstico de cáncer de vejiga y para la identificación de pacientes oncológicos con elevado riesgo de trombosis. / [CA] El càncer constitueix la segona causa de mort a Espanya. El tromboembolisme venós (TEV), una complicació del càncer, representa la segona causa de mort en aquests pacients i comporta una gran despesa sanitària. No obstant això, les eines disponibles actualment per a la identificació de pacients oncològics amb elevat risc trombòtic són limitades. Actualment, no existeixen mètodes diagnòstics per al càncer de bufeta senzills, mínimament invasius i econòmics. Per aquest motiu, s'utilitzen tècniques nocives com la tomografia computada la qual implica una elevada dosi d'exposició a radiació i procediments invasius com la cistoscòpia. A més, un estat hipercoagulable sembla tindre una relació directa amb una major càrrega tumoral i un pitjor pronòstic. L'objectiu principal de la present Tesi Doctoral fou explorar la utilitat clínica de nous mètodes diagnòstics i pronòstics per al càncer i les seues complicacions trombòtiques. En la primera part de la Tesi, ens hem centrat en el paper dels microRNAs (miRNAs) en orina com biomarcadors de càncer de bufeta. Hem identificat al miR-29c-3p com el miRNA més estable per la qual cosa va ser utilitzat com a normalitzador. Hem ajustat un model de regressió logística ordinal per al diagnòstic i estratificació de càncer de bufeta utilitzant l'expressió de miRNAs en orina de pacients i controls. Aquest model va incloure l'expressió de 7 miRNAs: miR-221-3p, miR-93-5p, miR-362-3p, miR-191-5p, miR-200c-3p, miR-192-5p i miR-21-5p. En la segona part de la Tesi, ens centràrem en l'estudi de nous biomarcadors per a la trombosi associada a càncer. Analitzàrem el potencial predictiu dels miRNAs i de marcadors d'activació de neutròfils en pacients amb càncer pancreàtic i pacients amb glioma i meningioma. En càncer pancreàtic, vàrem obtindre un perfil de 7 miRNAs (miR-486-5p, miR-106b-5p, let-7i-5p, let-7g-5p, miR-144-3p, miR-19a-3p i miR-103a-3p) capaç d'estimar el risc de TEV al diagnostic dels pacients els quals tenen dianes incloses en les rutes biològiques pancreatic cancer y complement and coagulation cascades. En el estudi dels marcadors d¿activació de neutròfils, vàrem obtenir un altre model predictiu de TEV amb la calprotectina com a variable predictora. Respecte a l'estudi de trombosi associada a càncer en tumors intracranials, en pacients amb glioma, ajustàrem i validàrem un model predictiu d'embolisme pulmonar (EP) incidental postquirúrgic amb 6 miRNAs (miR-363-3p, miR-93-3p, miR-22-5p, miR-451a, miR-222-3p i miR-140-3p) i un altre amb cfDNA i mieloperoxidasa com a predictors. A més, vàrem combinar els dos tipus de marcadors i vàrem obtenir un model amb major capacitat predictiva que inclou al miR-140-3p i la mieloperoxidasa com a predictors. En pacients amb meningioma, ajustàrem i validàrem un model predictiu d¿EP incidental postquirúrgic amb 6 miRNAs: miR-29a-3p, miR-660-5p, miR-331-3p, miR-126-5p, miR-23a-3p i miR-23b-3p. En conclusió, proposem diferents perfils de biomarcadors per al diagnòstic de càncer de bufeta i per a la identificació de pacients oncològics amb elevat risc de trombosi. / [EN] Cancer is the second leading cause of death in Spain. Collaterally, venous thromboembolism (VTE), as a complication of cancer, consumes a great part of its healthcare budget and, more importantly, it is the second cause of death in these patients. However, limited tools are available to identify high risk patients. Additionally, a simple, minimally invasive and economical diagnostic methods for bladder cancer are also lacking. For that aim, harmful techniques are used like CT scan with high radiation exposure and invasive procedures like cystoscopy. Moreover, a hypercoagulable state seems directly related to a large tumor burden and poor prognosis. The overall aim of this Doctoral Thesis is to explore the clinical utility of novel diagnostic and prognostic methods for cancer and its thrombotic complications. In the first part of this Doctoral Thesis, we focused on the role of urine miRNAs as bladder cancer biomarkers. We identified miR-29c-3p as the most stable miRNA and was therefore used as normalizer. We adjusted an ordinal logistic regression model for the diagnosis and stratification of BC using the urine miRNA expression levels of patients and controls. This model included 7 miRNAs: miR-221-3p, miR-93-5p, miR-362-3p, miR-191-5p, miR-200c-3p, miR-192-5p and miR-21-5p. In the second part of this Doctoral Thesis, we focused on the study of novel biomarkers for cancer-associated thrombosis. We analyzed the predictive potential of miRNAs and neutrophil activation markers of thrombotic events in patients with pancreatic cancer and patients with glioma and meningioma. In pancreatic cancer, we obtained a profile of 7 miRNAs (miR-486-5p, miR-106b-5p, let-7i-5p, let-7g-5p, miR-144-3p, miR-19a-3p and miR-103a-3p) able to estimate the risk of potential VTE at diagnosis with targets involved in the pancreatic cancer and complement and coagulation cascades pathways. In the study of the neutrophil activation makers, we obtained a new predictive model of VTE with calprotectin as predictor. Regarding the study of cancer-associated thrombosis in intracranial tumors, in glioma patients, we adjusted and validated a predictive model for post-surgical pulmonary embolism (PE) with 6 miRNAs: miR-363-3p, miR-93-3p, miR-22-5p, miR-451a, miR-222-3p and miR-140-3p, and another with cfDNA and myeloperoxidase as predictors. Furthermore, we combined both types of biomarkers and obtained an improved model using myeloperoxidase and miR-140-3p as predictors. In meningioma patients we fitted and validated a predictive model with 6 miRNAs: miR-29a-3p, miR-660-5p, miR-331-3p, miR-126-5p, miR-23a-3p and miR-23b-3p. In conclusion, we propose several profiles of biomarkers for the diagnosis of bladder cancer and for the identification of oncologic patients at high risk of suffering a thrombotic event. / Oto Martínez, AJ. (2022). Novel Diagnostic and Prognostic Methods for Cancer and Cancer Associated Thrombosis [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/181510 / Compendio