Analyzing the predictive precision of five computational tools for the classification of SCN2A gene mutation
SCN2A gen mutasyonunun sınıflandırılmasına yönelik beş hesaplamalı aracın öngörülen hassasiyetinin analizi
- Tez No: 1005236
- Danışmanlar: DOÇ. DR. AYLA ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoloji, Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Moleküler Biyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Voltaj kapılı iyon kanallarının üst ailesine ait olan voltaj kapılı sodyum kanalları, nöronlarda hücre depolarizasyonu için gereklidir. Beta alt birimlerinden ve gözenek oluşturan bir alfa alt biriminden oluşurlar. Bu kanallardaki arızalar epilepsi gibi rahatsızlıklara yol açabilir. Bu kanallardaki, özellikle voltaj kapılı sodyum kanalı alfa alt birimi 2'yi (NaV1.2) kodlayan SCN2A genindeki mutasyonlar, infantil epileptik ensefalopati, iyi huylu (ailesel) infantil nöbetler ve otizm spektrum bozukluğu / zihinsel engellilik gibi durumlarla bağlantılıdır. Bu mutasyonlar, doğru tanı, prognoz ve tedavi için genetik taramayı gerektirir. Genetik testler genellikle patojenik, iyi huylu veya önemi bilinmeyen varyantlar (VUS) olarak sınıflandırılan varyantları tanımlar. Silikoda kullanılan araçlar, vu'ların klinik önemini belirlemeye yardımcı olarak tahmin doğruluğunu çok önemli hale getirir. Bu çalışma, SCN2A gen varyantlarını sınıflandırmak için beş in silico aracının (SIFT, PROVEAN, PolyPhen-2, FATHMM, Mutasyon Çeşnicibaşı) performansını değerlendirdi. 165 SCN2A varyantından oluşan bir veri kümesi kullanarak kesinlik ölçütleri türettik: Mathew'in Korelasyon Katsayısı (MM), özgüllük, doğruluk ve duyarlılık. Veri setimiz dengesiz olduğu için, MM metriklerine dayalı performans sıralamasına odaklandık ve tahmin kapasitesinin KANIT> Mutasyon Tadımcısı> ELEMEK> polifen-2> FATHMM olarak değerlendirilmesine yol açtık. Bu sonuçlar, SCN2A varyant sınıflandırmasında kanıtın (MM = 0.577) güvenilirliğini vurgulayarak orta düzeyde bir korelasyon olduğunu göstermektedir. Bu, provean'ın nispeten güvenilir olmasına rağmen, klinik uygulamalar için gereken en yüksek doğruluk standartlarını elde etmek için ek iyileştirme ve çok sayıda biyoinformatik kanıt satırının kullanılmasının gerekli olabileceğini göstermektedir.
Özet (Çeviri)
Belonging to the superfamily of voltage-gated ion channels, voltage-gated sodium channels are essential for cell depolarization in neurons. They are composed of beta subunits and a pore forming alpha subunit. Malfunctions in these channels can lead to disorders such as epilepsy. Mutations in these channels, specifically in the SCN2A gene encoding the voltage-gated sodium channel alpha subunit 2 (NaV1.2), are linked to conditions like infantile epileptic encephalopathy, benign (familial) infantile seizures, and autism spectrum disorder/intellectual disability. These mutations necessitate genetic screening for accurate diagnosis, prognosis, and treatment. Genetic testing often identifies variants classified as pathogenic, benign, or variants of unknown significance (VUS). In silico tools help determine the clinical significance of the VUS, making their predictive accuracy crucial. This study evaluated the performance of five in silico tools (SIFT, PROVEAN, PolyPhen-2, FATHMM, Mutation Taster) for classifying SCN2A gene variants. Using a dataset of 165 SCN2A variants, we derived precision metrics: Mathew's Correlation Coefficient (MCC), specificity, accuracy, and sensitivity. Since our dataset was unbalanced, we focused on the performance ranking based on MCC metrics, leading to the evaluation of predictive capacity as PROVEAN > Mutation Taster > SIFT > PolyPhen-2 > FATHMM. These results highlight the reliability of PROVEAN (MCC=0.577) in SCN2A variant classification, indicating a moderate correlation. This suggests that while PROVEAN is relatively reliable, additional refinement and the use of multiple lines of bioinformatics evidence may be necessary to achieve the highest standards of accuracy required for clinical applications.
Benzer Tezler
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Genetikİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Optimizing rotary-wing UAV trajectory tracking: A comparative study of optimization methods
Döner kanatlı İHA yörünge takibinin optimize edilmesi: Optimizasyon yöntemlerinin karşılaştırmalı bir çalışması
AHMET SABAH
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT
- Tekrar eden veri analizini kullanarak yazılım geliştirme için iyileştirilmiş hata tahmini
A new improved defect prediction framework for software development using repeated data analysis
MUHAMMED MARUF ÖZTÜRK
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ZENGİN
- Üretim planlamasında hassas ormancılık üzerine araştırmalar
Researches on precision forestry in forest planning
NEŞE GÜLCİ
Doktora
Türkçe
2014
Ormancılık ve Orman MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ERDAŞ
- Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi
Directional analysis of Bitcoin using generalized additive models
İLAYDA ARIKAN
Yüksek Lisans
Türkçe
2024
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERPİL AKTAŞ ALTUNAY