Çok boyutlu sağkalım verilerinde denetimli temel bileşenler analizine alternatif bir boyut indirgeme yaklaşımı
An alternative dimension reduction approach to supervised principal components analysis in high dimensional survival data
- Tez No: 307465
- Danışmanlar: PROF. DR. MEVLÜT TÜRE, PROF. DR. ŞANSLI ŞENOL
- Tez Türü: Doktora
- Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Bu çalışmada, boyut indirgemede kullanılan denetimli temel bileşenler analizi (D-TBA) ile bu yönteme alternatif bir yaklaşım olarak önerilen sağkalım ağacıyla gen seçerek uygulanan yapay sinir ağlarıyla doğrusal olmayan temel bileşenler analizinin (sağkalım ağacı temelinde YSA-DOTBA) performanslarının karşılaştırılması amaçlanmıştır.D-TBA'da, çok boyutlu gen ekspresyon verilerinden önemli genlerin belirlenmesinde Cox skorlar kullanılmıştır. Cox skorlara göre önemli olduğu belirlenen genler tekil değer ayrışması ile 3 temel bileşene indirgenmiştir. Sağkalım ağacı temelinde YSA-DOTBA yaklaşımında, önemli genlerin belirlenmesinde ise sağkalım ağacının önemlilik değerleri kullanılmıştır. Sağkalım ağacıyla önemli bulunan genler YSA'da girdi değişkeni olarak alınarak, 3 temel bileşene indirgenmiştir. D-TBA'nın varyans açıklama oranı %18.2, sağkalım ağacı temelinde YSA-DOTBA'nın varyans açıklama oranı %35.1 bulunmuştur. D-TBA ve sağkalım ağacı temelinde YSA-DOTBA'nın performansları Cox regresyon modeli (CRM) ile karşılaştırılmıştır. Elde edilen Cox regresyon modellerini karşılaştırmak için de ROC eğrileri ve C indeks hesaplanmıştır. İki modelin ROC eğrileri arasında istatistiksel olarak önemli bir fark bulunamamıştır. C indeks sonuçlarına göre, CRM-1 için tahmin edilen ve gözlenen bağımlı değişkenler arasındaki uyumun olasılığı CRM-2 için tahmin edilen ve gözlenen bağımlı değişkenler arasındaki uyumun olasılığından daha yüksektir. D-TBA'dan elde edilen temel bileşenlerin bağımsız değişken olarak alındığı CRM sonuçları sağkalım ağacı temelinde YSA-DOTBA'dan elde edilen temel bileşenlerin bağımsız değişken olarak alındığı CRM sonuçlarından biraz daha iyi çıkmıştır.Sonuç olarak D-TBA, sadece doğrusal ilişkileri göz önüne alırken, sağkalım ağacı temelinde YSA-DOTBA, doğrusal olmayan ilişkileri de dikkate alması ve daha fazla varyans açıklayıcılığına sahip olması açısından D-TBA'ya alternatif bir yöntem olarak değerlendirilmelidir.
Özet (Çeviri)
In this study, it?s aimed to compare the performances of supervised principal component analysis (SPCA) which is used for dimension reduction and an alternatively proposed approach of nonlinear principal component analysis using artificial neural networks performed by gene selection with survival tree (survival tree based NN-NLPCA).Cox scores were used for determining the important genes from high dimensional gene expression data in SPCA. Important genes according to the Cox scores were reducted to three principal components by singular value decomposition. Also, importance values of the survival tree were used for determining the important genes in survival tree based NN-NLPCA approach. Important genes which were determined by the survival tree are taken as input variables in neural networks and reducted to three principal components. The percentages of variances explained by SPCA and survival tree based NN-NLPCA were 18.2% and 35.1% respectively. The performances of SPCA and survival tree based NN-NLPCA were compared by using Cox regression models (CRM). ROC curves and C index were calculated to compare obtained Cox regression models. It was found that there is no statistical difference between the ROC curves of two models. According to C index results, the probability of concordance between the predicted and the observed dependent variables for CRM-1 was higher than CRM-2?s. CRM results in which the independent variables of the principal components obtained from SPCA are slightly better than CRM results where the independent variables of the principal components obtained from NN-NLPCA.As a result, SPCA, while taking into account only the linear relationships, survival tree based NN-NLPCA also taking into account non-linear relationships and having more variance explanation and NN-NLPCA can be evaluated as an alternative method to SPCA.
Benzer Tezler
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Böbrek tümörlerinde cerrahi tedavi: Yeni milenyumda Ondokuz Mayıs Üniversitesi deneyimi
Surgical treatment of renal tumors: The experience of Ondokuz Mayis University in the new millennium
ALPER DELİER
Tıpta Uzmanlık
Türkçe
2012
ÜrolojiOndokuz Mayıs ÜniversitesiÜroloji Ana Bilim Dalı
YRD. DOÇ. DR. YAKUP BOSTANCI
- Machine learning approach to quantification of intra-tumour heterogeneity using genomic, epigenomic and proteomic data
Genomik, epigenomik ve proteomik verileri kullanarak tümor içi heterojenite nicelleştirmesine makine öğrenmesi yaklaşımı
ERSİN ONUR ERDOĞAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR CAN TURNA
- Gastrointestinal stromal tümör tanılı hastalarda sağkalıma etki eden prognostik faktörler
Prognostic factors affecting survival in patients with gastrointestinal stromal tumor
CANBERK TOY
Tıpta Uzmanlık
Türkçe
2022
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. SEMİH HOT
- TCGAnalyzeR: A web portal for visualization of pan-cancer molecular patient data
TCGAnalyzeR: Pan-kanser moleküler hasta verilerinin görüntülenmesi için bir web portalı geliştirilmesi
BAŞAK ABAK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBiyoinformatik Ana Bilim Dalı (Disiplinlerarası)
DR. ÖĞR. ÜYESİ TUĞBA SÜZEK