Kanser sınıflandırmada mikroRNA ve mRNA anlatım bilgilerinin entegrasyonu
Integrating microRNA and mRNA expression data for cancer classification
- Tez No: 337841
- Danışmanlar: DOÇ. DR. HASAN OĞUL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Genetik, Computer Engineering and Computer Science and Control, Bioengineering, Genetics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 141
Özet
Gen ifade verilerinden kanserli doku örneklerinin sınıflandırılması günümüz biyokimyasının en önemli problemlerindendir. Bu problemi zor kılan en önemli durum, tipik bir mikroseri deneyindeki çok yüksek miktarda gen sayısına (mRNA) karşılık çok az sayıda örnek bulunmasıdır. Yapılan son araştırmalarda öznitelik seçimi yöntemlerinin bu sorunu aşmada önemli rolü olduğu raporlanmaktadır. Bunun yanı sıra kanserli doku saptamada mikroRNA ifade biçimlerinin de önemli bir bilgi değeri taşıdığı belirtilmektedir. Bu çalışmada bu iki bulgunun kapsamlı bir şekilde ele alınmasıyla mikroRNA-mRNA entegrasyonu üzerinde öznitelik seçimi yöntemlerinin etkisi değerlendirilmiştir. Çalışmamızın sonucunda bu entegrasyonun etkili bir öznitelik seçim stratejisinin de yardımıyla uygulanan sınıflandırıcıların tahmin doğruluğunu önemli ölçüde arttırdığı ispatlanmıştır.
Özet (Çeviri)
Classifying cancer samples from gene expression data is one of the central problems in current systems biomedicine. The problem is challenging due to the small number of samples in comparison to the number of genes (mRNAs) in a typical microarray experiment. Recent reports suggest that feature selection may help to manage the problem. Furthermore, microRNA expression profiles have shown to provide valuable knowledge in detecting cancer signatures. In this study, we present the results of a comprehensive study to assess the effect of feature selection and microRNA-mRNA data integration in cancer type prediction from microarray expression data. We prove that this integration can significantly improve prediction accuracy with a proper feature selection strategy.
Benzer Tezler
- Machine learning based integration of miRNA and mRNA profiles combined with feature grouping and ranking
Özellik gruplaması ve sıralaması ile birlikte miRNA ve mRNA ekspresyon profillerinin makine öğrenimi tabanlı entegrasyonu
GÖKHAN GÖY
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU GÜNGÖR
- Makine öğrenmesi özellik seçimi (anova-boruta) ve sınıflandırma yaklaşımlarıyla pan-kanserde potansiyel mikroRNA biyobelirteçlerinin belirlenmesi
Identification of potential microRNA biomarkers in pan-cancer using machine learning feature selection and classification approaches
MELİKE KILIÇ
- A weakly supervised clustering method for cancer subgroup identification
Kanser alt gruplarının keşfi için zayıf gözetimli bir kümeleme metodu
DUYGU ÖZÇELİK
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ÖZNUR TAŞTAN OKAN
- Development of mirna biomarkers for the differentiation between gingivitis and periodontitis: A pilot study
Gingivitis ve periodontitis ayrımı için mirna biyobelirteçlerinin geliştirilmesi: Pilot çalışma
DHAFIR LATIEF FAYADH FAYADH
Doktora
İngilizce
2023
BiyokimyaSüleyman Demirel ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CALAPOĞLU
- Meta-analysis of microRNA and gene selection using machine learning
Makine öğrenmesi kullanarak microRNA meta-analizi ve gen seçimi
ELNAZ PASHAEI
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
