Kanser hücre hattı ile ilaç duyarlılık ilişkisinin açık kaynaklı veriler kullanılarak analizi
Analysis of the relationship between cancer cell lines and drug sensitivity using open source data
- Tez No: 1003802
- Danışmanlar: DOÇ. DR. GIYASETTİN ÖZCAN
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Eczacılık ve Farmakoloji, Mechanical Engineering, Pharmacy and Pharmacology
- Anahtar Kelimeler: Akılcı ilaç kullanımı, Antikanser, Rational drug use, Anticancer
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Translasyonel Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kanser dokuları, biriken mutasyonlar nedeniyle genetik olarak dinamik bir yapı sergilemekte olup, yeni mutasyonların ortaya çıkması kanser ilaçlarının etkinliğini değiştirebilmektedir. Bu çalışmanın amacı, genetik mutasyon profilleri ile ilaç duyarlılığı arasındaki ilişkiyi analiz etmek ve bu ilişkiyi kullanarak kanser hücrelerinin ilaç yanıtını tahmin edebilen bir makine öğrenmesi modeli geliştirmektir. Çalışmanın ilk aşamasında, küçük hücreli akciğer kanserinde ilaç–mutasyon etkileşimleri incelenmiştir. Hücre hatları, mutasyon yükü, doku bilgisi ve IC50 değerleri tek bir veri kümesinde birleştirilmiştir. Oluşturulan veri kümesi, mutasyon yüküne bağlı olarak ilaç duyarlılığını tahmin etmek amacıyla makine öğrenmesi analizlerinde kullanılmıştır. Çalışmanın ikinci aşamasında ise daha geniş kapsamda, tüm kanser hücre hatlarına ait ilaç duyarlılığı verileri, somatik mutasyon verileri ve gen–ilaç etkileşim bilgilerini içeren farklı veri tabanları entegre edilmiştir. Deneysel sürecin ilk aşamasında, mutasyon türü, sayısı, biyolojik etkisi ve varyant alel frekansı gibi özellikler sayısallaştırılarak her hücre hattı için tanımlayıcı öznitelikler elde edilmiştir. Yapılan analizlerde, ilaç duyarlılığını en yüksek doğrulukla tahmin eden algoritmanın XGBoost olduğu belirlenmiştir. XGBoost, R², RMSE ve MAE performans ölçütleri açısından diğer algoritmalara kıyasla daha başarılı sonuçlar vermiştir. Mutasyon yükü özellikleri kullanılarak küçük hücreli akciğer kanserinde IC50 değeri anlamlı düzeyde tahmin edilmiştir (R² ≈ 0,60). Çalışmanın ikinci aşamasında ise LightGBM Regressor en yüksek performansı göstermiştir. Model, R² = 0,9120 değeri ile öne çıkarken aynı zamanda en düşük MSE (0,1371) ve MAE (0,1576) değerlerini üretmiştir. Geliştirilen modeller, deneysel çalışmalara yön verebilecek öngörüsel bir karar destek yaklaşımı sunmaktadır. Elde edilen bulgular, genetik mutasyonların ilaç yanıtındaki belirleyici rolünü ortaya koymakta ve kişiselleştirilmiş kanser tedavisine katkı sağlayabilecek güçlü bir çerçeve sunmaktadır.
Özet (Çeviri)
Cancer tissues exhibit a genetically dynamic structure due to the accumulation of mutations, and the emergence of new mutations may alter the efficacy of anticancer drugs. The aim of this study is to analyze the relationship between genetic mutation profiles and drug sensitivity and to develop a machine learning model capable of predicting drug response in cancer cells based on this relationship. In the first phase of the study, drug–mutation interactions were investigated in small cell lung cancer. Cell line data, mutation burden, tissue information, and IC50 values were integrated into a single dataset. The resulting dataset was used in machine learning analyses to predict drug sensitivity based on mutation burden. In the second phase, a broader approach was adopted by integrating drug sensitivity data from all cancer cell lines, somatic mutation profiles, and gene–drug interaction information obtained from multiple databases. During the first stage of the experimental process, biological features such as mutation type, number, functional impact, and variant allele frequency were quantified to generate descriptive features for each cell line. The analyses revealed that XGBoost achieved the highest predictive accuracy for drug sensitivity. XGBoost outperformed other algorithms in terms of R², RMSE, and MAE performance metrics. Using mutation burden features, the IC50 value in small cell lung cancer was predicted at a statistically significant level (R² ≈ 0,60). In the second phase, the LightGBM Regressor demonstrated the best performance, achieving the highest R² value (0,9120) while producing the lowest MSE (0,1371) and MAE (0,1576). The developed models provide a predictive decision-support framework that may guide experimental studies. The findings highlight the critical role of genetic mutations in determining drug response and present a robust framework that may contribute to personalized cancer therapy.
Benzer Tezler
- Stafilokokal enterotoksin A (SEA) varlığında akut myeloid lösemi hücre hatlarında karakteristik özelliklerdeki değişimin ve kemoterapiye yanıtın incelenmesi
Investigation of Changes in Characteristic Features and Response to Chemotherapy in Acute Myeloid Leukemia Cell Lines in the Presence of Staphylococcal Enterotoxin A and B
HATİCE YANPAR
Yüksek Lisans
Türkçe
2022
BiyokimyaHacettepe ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. GÜLBERK UÇAR
DR. ÖĞR. ÜYESİ CAN TÜRK
- Yapay öğrenme bazlı hesaplamalı modelleme ile geniş çaplı kanser hücre hattı ilaç yanıt tahmini
Comprehensive cancer cell line drug response prediction by machine learning based computational modelling
UMUT ONUR ÖZCAN
Yüksek Lisans
Türkçe
2022
GenetikHacettepe ÜniversitesiBiyoenformatik Ana Bilim Dalı
DOÇ. DR. TUNCA DOĞAN
- Ülkemizde Adana yöresinden toplanan kırmızı biberlerde (Capsicum annuum l.) biber ve çekirdeğindeki kapsaisin miktarının tespit edilmesi ve kolon kanser hücreleri (caco-2) üzerine sitotoksik etkilerinin araştırılması
Determination of capsaicin content in pods and seeds of red peppers (capsicum annuum l.) collected from adana region of turkey and investigation of its cytotoxic effects on colon cancer cells (caco-2)
EMİNE KÜBRA BİLİR
Doktora
Türkçe
2020
Veteriner HekimliğiAnkara ÜniversitesiVeterinerlik Farmakoloji ve Toksikolojisi Ana Bilim Dalı
PROF. DR. ENDER YARSAN
- Hepatoselüler karsinom hücrelerinde lncRNA PVT1/ miR145-5p/ABCC-1 gen hattının kemoterapi ve kanser mekanizması üzerindeki etkileri
The impacts of the lnc-RNA PVT1/miR145-5p/ABCC-1 gene pathway on chemotherapy and cancer mechanisms in hepatocellular carcinoma cells
MILAD ASADI
- Küçük hücreli dışı akciğer kanseri hücrelerinde Palbosiklib ve Olaparib'in birlikte antikanserojen etkisinin araştırılması
Investigation of combined anticarcinogenic effects of Palbociklib and Olaparib on non-small cell lung cancer cells
HANDE DİK AVCI
Tıpta Uzmanlık
İngilizce
2025
OnkolojiEge Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. ERDEM GÖKER