Deep sequencing approaches to investigate the dynamics and evolution of interaction networks of Candida pathogens and the human host

dc.contributor
Universitat Pompeu Fabra. Departament de Ciències Experimentals i de la Salut
dc.contributor.author
Thuer, Ernst
dc.date.accessioned
2018-11-21T17:41:33Z
dc.date.issued
2017-09-22
dc.identifier.uri
http://hdl.handle.net/10803/663874
dc.description.abstract
This thesis describes the application of Next Generation Sequencing, especially RNA sequencing, on the investigation of the pathogenic yeast Candida parapsilosis. Pathogenic yeasts of the Candida clade are one of the most common hospital derived infections, often with a fatal outcome. We applied modern tools in RNA sequencing based transcriptomics to investigate the unknown, noncoding part of the yeasts transcriptome. The investigation led to a potential noncoding RNA with an important impact on the ability of the yeast to tolerate physiological temperatures and therefore colonize humans. Additionally, using modern transcriptomics, we developed a pipeline that classifies and quantifies allelic expression regulation with limited parental information. The pipeline is specifically designed for the analysis of nonmodel species. Lastly, in the scope of the thesis, conclusions on the pathogen responses of a human cell line were analyzed and described to evaluate its potential as model system.
dc.description.abstract
Aquesta tesi descriu l'aplicació de Next Generation Sequencing, concretament en seqüenciació de RNA, en la investigació del llevat patogen Candida parapsilosis. Els llevats patògens del clade Candida són els que causen les infeccions més comunes en hospitals, amb un resultat potencialment fatal. Aplicant eines basades en transcriptòmica de RNA no codificant per investigar la part desconeguda d'aquests llevats, hem descobert una seqüencia de RNA no codificant amb un impacte important en la capacitat del llevat per tolerar temperatures fisiològiques i per tant colonitzar els éssers humans. A més, utilitzant la transcriptòmica, hem desenvolupat un programari que classifica i quantifica la regulació de l'expressió al.lèlica i la informació parental limitada. Aquest programari està dissenyat específicament per l'anàlisi d'espècies no-models. Finalment, també es van analitzar les res-postes dels patògens en una línia cel.lular humana i es va avaluar el seu potencial com a sistema model.
dc.format.extent
122 p.
dc.format.mimetype
application/pdf
dc.language.iso
eng
dc.publisher
Universitat Pompeu Fabra
dc.rights.license
ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Transcriptomics
dc.subject
Pathogenic yeast
dc.subject
Noncoding
dc.subject
Transcriptòmica
dc.subject
Llevat patogen
dc.subject
No codificant
dc.title
Deep sequencing approaches to investigate the dynamics and evolution of interaction networks of Candida pathogens and the human host
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
577
dc.contributor.authoremail
ernst.thur@crg.eu
dc.contributor.director
Gabaldón Estevan, Juan Antonio
dc.embargo.terms
cap
dc.rights.accessLevel
info:eu-repo/semantics/openAccess
dc.description.degree
Programa de doctorat en Biomedicina


Documents

tet.pdf

6.534Mb PDF

This item appears in the following Collection(s)