Identification of breast cancer sub-types by using machine learning techniques
Makine öğrenmesi teknikleri kullanarak göğüs kanseri alt türlerinin tespit edilmesi
- Tez No: 459190
- Danışmanlar: YRD. DOÇ. DR. ZERRİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Prediction of breast cancer using artificial intelligence
Başlık çevirisi yok
ALI SALIM MOHAMMED AL-QAZZAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN ABDULKADER
- 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
2024
Halk SağlığıManisa Celal Bayar ÜniversitesiHalk Sağlığı Ana Bilim Dalı
PROF. DR. ERHAN ESER
- 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
2021
PatolojiTokat Gaziosmanpaşa ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AKGÜL ARICI
- 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
2018
Biyolojiİhsan Doğramacı Bilkent ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. ÖZLEN KONU KARAKAYALI
- 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