Geri Dön

Identification of breast cancer sub-types by using machine learning techniques

Makine öğrenmesi teknikleri kullanarak göğüs kanseri alt türlerinin tespit edilmesi

  1. Tez No: 459190
  2. Yazar: YUNUS BURAKGAZİ
  3. Danışmanlar: YRD. DOÇ. DR. ZERRİN IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 53

Özet

Son yıllarda DNA dizilemesindeki teknolojik gelişmeler ve halka açık hasta veri tabanları biyomedikal alan için akıllı sistemler öneren yeni bir araştırma alanı ortaya çıkarmıştır. Bu tür sistemler hastaların gelecekteki sağlık durumlarını tahmin etmede yardımcı olabilirler. Bu tezin temel amacı, TCGA veri setinden çıkarılan RNA dizileme verileri üzerinde makine öğrenmesi yöntemlerini kullanarak göğüs kanseri hastaların alt tipini tayin etmektir. Önemli genler, kat değişikliği ve t-testi istatistiksel yöntemleri uygulanarak seçilmiştir. Destek vektör makinesi ve Rastgele orman modelleri, hasta numunelerinin %70'lık kısmından elde edilen genlerle eğitilmiştir. Modellerin tahminleme performansı, daha önce kullanılmayan test verileri üzerinde ölçülmüştür. Makine öğrenmesi modellerinin genel performansları ortalama olarak %86 ila %98 arasında değişmektedir. Meme kanseri alt tip sınıflandırmasına hangi genlerin daha fazla etkisi olduğunu bulmak için, her bir alt tipi en iyi sınıflandıran genler analiz edilmiştir. Bu genlerin ilgili oldukları biyolojik aktiviteler, ağ tabanlı bir analiz ve gen zenginleştirme analizi uygulayarak bulunmuştur. Sonuçlar göğüs kanseri alt tiplerinin sınıflandırılmasında kanserin ilerlemesiyle ilgili bazı biyolojik süreçlerin rol oynadığını ortaya çıkarmıştır.

Özet (Çeviri)

Recent years technological developments for DNA sequencing and publicly available patient databases reveal a new research field that proposes intelligent systems for biomedical domain. Such systems might help to predict future outcomes of patients. The main goal of this thesis is to predict breast cancer subtype of patients by using machine learning (ML) methods on RNA-sequencing data, which were extracted from the TCGA dataset. The significant genes were selected by applying fold change and t-test statistical methods. Support vector machine and Random forest models were trained with significant genes of 70% of the patient samples. The predictive performance of models were measured on the unseen test data. The overall performances of ML models varied between 86% to 98% of average accuracy. We analyzed the best-predictive genes for each subtype to figure out which genes have more effect on the subtype classification of breast cancer. The relevant biological activities of these genes were found by applying a network-based analysis and gene enrichment analysis. The results revealed that some biological processes related with the cancer progression play a role for the classification of breast cancer subtypes.

Benzer Tezler

  1. Prediction of breast cancer using artificial intelligence

    Başlık çevirisi yok

    ALI SALIM MOHAMMED AL-QAZZAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HASAN ABDULKADER

  2. Kronik hastalık bakımını değerlendirme anketi hizmet sunucu (KBDHs) sürümünün (assessment of chronıc ıllness care-acıc) Türkçe geçerliliği ve güvenilirliği

    Validity and reliability of the Turkish version of the assessment of chronic illness care (acic)

    YUNUS ÖZKAYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Halk SağlığıManisa Celal Bayar Üniversitesi

    Halk Sağlığı Ana Bilim Dalı

    PROF. DR. ERHAN ESER

  3. İnvaziv meme karsinomlarında moleküler sınıflandırma ile prognostik klinikopatolojik parametrelerin korelasyonu

    Correlation of prognostic clinicopathological parameters via molecular classification in invasive breast carcinomas

    SATİNUR ATEŞER KALKAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    PatolojiTokat Gaziosmanpaşa Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AKGÜL ARICI

  4. Effects of cholinergic receptor nicotinic alpha 5 (CHRNA5) RNAi on apoptosis, DNA damage response, drug sensitivity, and hsa-miR-495-3p overexpression in breast cancer

    Kolinerjik reseptör nikotinik alfa 5 (CHRNA5) RNAi uygulamasının, meme kanserinde apoptoz, DNA hasarı yanıtı, ilaç duyarlılığı ve hsa-miR-495-3p'nin yüksek ifadesine etkisi

    ŞAHİKA CINGIR KÖKER

    Doktora

    İngilizce

    İngilizce

    2018

    Biyolojiİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. ÖZLEN KONU KARAKAYALI

  5. Meme kanserinin histolojik ve patolojik alt tiplerinin meta-analiz yöntemine dayalı miRNA imzaları ile sınıflandırılması

    The classification of histologic and pathologic subtypes of breast cancer with meta-analysis based miRNA signatures

    YASEMİN ÖZTEMUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    BiyoteknolojiAnkara Üniversitesi

    YRD. DOÇ. DR. BALA GÜR DEDEOĞLU