Kanser tedavileri için bilişimsel yaklaşımlar ile ilaç yeniden konumlandırma analizi
Analysis of drug repurposing for cancer treatments using computational approaches
- Tez No: 1014068
- Danışmanlar: ÖĞR. GÖR. SAJJAD NEMATZADEH MIANDOAB
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Topkapı Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akciğer kanseri, dünya çapında kanserle ilişkili en yüksek ölüm sayısına neden olan önemli bir küresel sağlık sorunudur. Özellikle Akciğer Adenokarsinomu (LUAD) gibi karmaşık hastalıklar, artan tedavi başarısı için tek ajanlar yerine rasyonel çoklu ilaç kombinasyonları gerektirir. Mevcut bilişimsel yeniden işlevlendirme yöntemleri, tüm düzensiz genleri eşit ağırlıkta ele alarak ve tek bir skaler hedefi optimize ederek genetik katkı heterojenliğini göz ardı etmektedir. Bu durum, kombinasyonların etkinliğini ve yorumsallığını önemli ölçüde sınırlamaktadır. Bu tez, LUAD'ın kritik sürücü modüllerine karşı koymak amacıyla yeniden amaçlandırılmış çoklu ilaç kombinasyonlarını arayan, katkı-farkında bir optimizasyon çerçevesi sunmaktadır. Tez, GDC/TCGA'dan alınan gen ekspresyon profillerini, sürücü genleri ve Karşılaştırmalı Toksikogenomik Veri Tabanı'ndan (CTD) elde edilen yön-farkında ilaç-gen etkileşimlerini içeren ana veri kümelerini kullanmıştır. Literatüre dayanarak 10 LUAD senaryosu ve bunların ikili karşı etki vektörleri tanımlanmıştır. En iyi uyumu sağlayan altı ajana kadar kombinasyonları belirlemek için Genetik Algoritma kullanılmıştır. Çerçevenin uygunluk fonksiyonu, ortalama mutlak hatayı (MAE); ilaç başına ve gen başına düzeyde atık, uyumsuzluk, entropi, kapsam ve kombinasyon boyutu için uygulanan ceza ve ödüllerle dengelemektedir. Optimizasyon sonrasında 42 ilaç adayı belirlenmiştir. Bulgular, kombinasyon boyutunun artırılmasının azalan getiri sağladığını; ancak yoğun düzensizliğe sahip modüllerin daha zengin kombinasyonlardan faydalandığını göstermiştir. Bu tamamen in silico tez çalışması, test edilebilir hipotezler üretmekte ve LUAD ile diğer kanserlerde ilaç kombinasyonları tasarlamak için şeffaf, senaryo tabanlı ve katkı odaklı yeni bir yaklaşım sağlamaktadır.
Özet (Çeviri)
Lung cancer is a major global health issue, causing the highest number of cancer-related deaths worldwide. Lung Adenocarcinoma (LUAD), a complex disease, requires rational multi-drug combinations to enhance treatment success and overcome resistance, rather than single agents. Most current computational repositioning methods treat all dysregulated genes equally and optimize a single scalar objective, neglecting genetic contribution heterogeneity. This limits the effectiveness and interpretability of resulting combinations. This thesis introduces a contribution-aware optimization framework that searches for repurposed multi-drug combinations to counteract critical LUAD driver modules. The method utilizes gene expression profiles from GDC/TCGA, driver genes, and direction-aware drug–gene interactions from the Comparative Toxicogenomics Database (CTD). We defined 10 LUAD scenarios and their binary counteraction vectors based on current literature. A Genetic Algorithm was applied to identify small combinations of up to six agents. The fitness function balances the Mean Absolute Error (MAE) with penalties and rewards for waste, mismatch, entropy, coverage, and combination size. After optimization, 42 drug candidates were identified. Results showed that increasing combination size often improved fitness, but larger regimens demonstrated diminishing returns. Densely dysregulated modules benefited most from richer combinations. This in silico study generates testable hypotheses and offers a new, transparent, scenario-based, and contribution-focused strategy for designing drug combinations in LUAD and other cancers.
Benzer Tezler
- Lipit bazlı nanoyapıların sinerjik terapi ajanı olarak kullanımının incelenmesi
The investigation of the use of lipid-based nanostructures as synergistic therapy agents
SABİHA GÜLCE YAVAŞ
Yüksek Lisans
Türkçe
2025
Kimya MühendisliğiHacettepe ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAL AYDOĞAN
DR. ÖĞR. ÜYESİ GÖKÇE DİCLE KALAYCIOĞLU
- A novel antenna configuration for microwave hyperthermia
Mikrodalga hipertermi için yeni bir anten yapılanması
GÜLŞAH YILDIZ ALTINTAŞ
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
DOÇ. DR. TUBA YILMAZ ABDOLSAHEB
- Meme kanseri tanısı almış hastaların tamamlayıcı ve alternatif tedavi kullanma durumlarının incelenmesi
Examination of complementary and alternative treatment use of patients with breast cancer
ESRA KUNDUZ
Yüksek Lisans
Türkçe
2024
Kadın Hastalıkları ve Doğumİstanbul Gedik ÜniversitesiHemşirelik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM IŞIL
- İnsan meme kanser hücre lizatı ve çeşitli adjuvanları içeren formülasyonlarla indüklenmiş dendritik hücrelerin T lenfositler üzerinde immünostimülan etkinliğinin incelenmesi
Investigation of the immunostimulatory effect of human dendritic cells induced by formulations containing human breast cancer cell lysate and different adjuvants on T lymphocytes
GAMZE TARI
Yüksek Lisans
Türkçe
2018
BiyomühendislikYıldız Teknik ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. ADİL ALLAHVERDİYEV
- Derin öğrenme mimarileri ve kelime yerleştirme tekniklerini kullanarak antikanser peptit tahminleme
Anti-cancer peptide prediction using deep learning architectures and word embedding techniques
ONUR KARAKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ