Geri Dön

Mining microarray data for biologically important gene sets

Biyolojik önem taşıyan gen listelerinin bulunması için mikrodizi veri madenciliği

PDF İndir

  1. Tez No: 305723
  2. Yazar: GÜLBERAL KIRÇİÇEĞİ YOKSUL KORKMAZ
  3. Danışmanlar: PROF. DR. MEHMET VOLKAN ATALAY
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 193

Özet

Mikrodizi teknolojisi ara¸stırmacıların aynı anda birçok gen ifade seviyesini ölçerekgenler arasındaki ilişkileri anlamalarını, yolakları bulmalarını ve genel olarak hastalıklar,hücre döngüsü gibi birçok biyolojik olayı anlayabilmelerini sağlamaktadır. Aynıanda büyük sayılarda deneyin yapılmasına olanak sağlamakla birlikte, bu büyük miktardamikrodizi verisini araştırmak ilgi çekici bir konudur. Veri hakkında öncedenfazla bilginin olmaması nedeni ile genellikle önce veriye bir bölümleme algoritmasıuygulandıktan sonra bulunan bölümler konu ile ilgili önemli genleri bulmak amacı ilearaştırmacılarca incelenir. Bu incelemeyi kolaylaştırmak için gereksiz genleri eleyerekbiyolojik olarak önemli genleri bulacak otomatik metotlar gereklidir. Bu tezde mevcutbölümleme algoritmalarını kullanan, Gen Ontolojisi ve etkileşim ağları olmak üzereiki ana biyolojik bilgi kaynağını birleştirerek mikrodizi verisindeki gereksiz bilgilerieleyen ve çıktı olarak sadece deneyle ilgili genleri içeren bir bölümleme veren genelbir metodoloji sunulmaktadır. Sunulan metodoloji birçok farklı veri üzerinde denenmiş veumut verici sonuçlar elde edilmiştir. Sonuçlar Gen Seti Zenginleştirme Metodu(GSEA) ile karşılaştırılmış ve metodoloji ile bulunan bölümlerin yüksek zenginleştirmeskorlarına sahip olduğu görülmüştür. Sonuçlar üzerinde yapılan detaylı incelemelerde debölümleme sonucunda bulunan genlerin büyük çoğunluğunun deney konusu olanbiyolojik süreç ile ilişkili olduğu tespit edilmiştir.

Özet (Çeviri)

Microarray technology enables researchers to measure the expression levels of thousandsof genes simultaneously to understand relationships between genes, extractpathways, and in general understand a diverse amount of biological processes suchas diseases and cell cycles. While microarrays provide the great opportunity of revealinginformation about biological processes, it is a challenging task to mine the hugeamount of information contained in the microarray datasets. Generally, since an accuratemodel for the data is missing, first a clustering algorithm is applied and then theresulting clusters are examined manually to find genes that are related with the biologicalprocess under inspection. We need automated methods for this analysis whichcan be used to eliminate unrelated genes from data and mine for biologically importantgenes. Here, we introduce a general methodology which makes use of traditionalclustering algorithms and involves integration of the two main sources of biologicalinformation, Gene Ontology and interaction networks, with microarray data for eliminatingunrelated information and find a clustering result containing only genes relatedwith a given biological process. We applied our methodology successfully on a numberof different cases and on different organisms. We assessed the results with Gene SetEnrichment Analysis method and showed that our final clusters are highly enriched.We also analyzed the results manually and found that most of the genes that are inthe final clusters are actually related with the biological process under inspection.

Benzer Tezler

  1. Tez No

    442397

    Kanserli hücrelerin mikroarray gen ifadelerinin incelenmesi ve veri madenciliği yöntemleri kullanarak sınıflandırılması

    Investigation of microarray gen expression of cancered cells and classification by using data mining methods

    MURAT AKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HASAN ŞAKİR BİLGE

  2. Tez No

    547264

    PST secretome project, a short cut to effector analysis

    PST sekretom projesi, efektör çalışmalarına kısa yol

    AHMET ÇAĞLAR ÖZKETEN

    Doktora

    İngilizce

    İngilizce

    2019

    BiyoteknolojiOrta Doğu Teknik Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    PROF. DR. MAHİNUR AKKAYA

    DOÇ. DR. BALA GÜR DEDEOĞLU

  3. Tez No

    245417

    Feature subset selection problem on microarray data

    Microarray verisinde özellik altkümesi seçimi problemi

    NİHAN ÖZŞAMLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Bölümü

    DOÇ. DR. UĞUR OSMAN SEZERMAN

    YRD. DOÇ. DR. KEMAL KILIÇ

  4. Tez No

    358990

    New approach to unsupervısed based classıfıcatıon on mıcroarray data

    Mi̇krodi̇zi̇li̇m veri̇lerden danışmansız öğrenmeye dayalı sınıflamada yeni̇ yaklaşım

    ERDAL COŞGUN

    Doktora

    İngilizce

    İngilizce

    2013

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERGUN KARAAĞAOĞLU

  5. Tez No

    438923

    Mikrodizi verileri üzerinde kümeleme algoritmalarının uygulaması

    Application of clustering algorithms on microarray data

    ASİYE ULAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DERVİŞ KARABOĞA

Geri Dön