A human pancreatic ribonuclease variant kills cancer cells by apoptosis and reduces the expression of P-glycoprotein in MDR cell lines

En aquesta tesi s'han estudiat les propietats antitumorals d'una variant de la ribonucleasa pancreàtica humana anomenada PE5 que incorpora un senyal de localització nuclear. Aquest estudi mostra que PE5 indueix l'apoptosi de les cèl·lules tractades i que aquesta mort és independent de l'activitat de p53. A més, l'efecte citotòxic no es veu afectat per un fenotip de resistència a múltiples drogues. Les dades també mostren que l'activitat citotòxica de PE5 és selectiva per a cèl·lules tumorals in vitro i que la capacitat citotòxica de les dues ribonucleases és semblant. S'ha estudiat l'efecte d'aquestes dues ribonucleases sobre el cicle cel·lular, l'activació de diferents caspases i l'expressió de proteïnes relacionades amb l'apoptosi i el cicle cel·lular. Els resultats indiquen que PE5 i l'onconasa maten les cèl·lules a través de mecanismes diferents. A més, PE5 però no l'onconasa, redueix l'acumulació de glicoproteïna-P en dues línies cel·lulars resistents a múltiples drogues.

Image classification for a large number of object categories

L'increment de bases de dades que cada vegada contenen imatges més difícils i amb un nombre més elevat de categories, està forçant el desenvolupament de tècniques de representació d'imatges que siguin discriminatives quan es vol treballar amb múltiples classes i d'algorismes que siguin eficients en l'aprenentatge i classificació. Aquesta tesi explora el problema de classificar les imatges segons l'objecte que contenen quan es disposa d'un gran nombre de categories. Primerament s'investiga com un sistema híbrid format per un model generatiu i un model discriminatiu pot beneficiar la tasca de classificació d'imatges on el nivell d'anotació humà sigui mínim. Per aquesta tasca introduïm un nou vocabulari utilitzant una representació densa de descriptors color-SIFT, i desprès s'investiga com els diferents paràmetres afecten la classificació final. Tot seguit es proposa un mètode par tal d'incorporar informació espacial amb el sistema híbrid, mostrant que la informació de context es de gran ajuda per la classificació d'imatges. Desprès introduïm un nou descriptor de forma que representa la imatge segons la seva forma local i la seva forma espacial, tot junt amb un kernel que incorpora aquesta informació espacial en forma piramidal. La forma es representada per un vector compacte obtenint un descriptor molt adequat per ésser utilitzat amb algorismes d'aprenentatge amb kernels. Els experiments realitzats postren que aquesta informació de forma te uns resultats semblants (i a vegades millors) als descriptors basats en aparença. També s'investiga com diferents característiques es poden combinar per ésser utilitzades en la classificació d'imatges i es mostra com el descriptor de forma proposat juntament amb un descriptor d'aparença millora substancialment la classificació. Finalment es descriu un algoritme que detecta les regions d'interès automàticament durant l'entrenament i la classificació. Això proporciona un mètode per inhibir el fons de la imatge i afegeix invariança a la posició dels objectes dins les imatges. S'ensenya que la forma i l'aparença sobre aquesta regió d'interès i utilitzant els classificadors random forests millora la classificació i el temps computacional. Es comparen els postres resultats amb resultats de la literatura utilitzant les mateixes bases de dades que els autors Aixa com els mateixos protocols d'aprenentatge i classificació. Es veu com totes les innovacions introduïdes incrementen la classificació final de les imatges.