Survival time prediction of cancer patients
Kanser hastalarının yaşam süresi tahmini
- Tez No: 491116
- Danışmanlar: YRD. DOÇ. ZERRİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Son yıllarda, deneysel verilerdeki kirliliği en aza indirmek ve genlerin biyolojik süreçteki ortak rollerini tanı-tahmin modeline ekleyebilmek için araştırmacılar birden fazla veri türünü entegre etmektedir. Bu bağlamda son yapılan çalışmalar protein etkileşim ağlarının, bilimsel tanı yöntemlerinin başarısını arttırdığını göstermektedir. Bu çalışmada, böbrek (KIRC) ve beyin (GBM) kanseri hastalarına ait gen transkriptom ve protein seviye bilgilerini protein etkileşim ağları ile bütünleştirerek, hastaların olası yaşam süresini başarıyla tahmin edebilecek belirteçler (biyomarker) bulunması amaçlanmıştır. Bu amaçla transkriptom düzeyindeki mRNA ifadesi (RNA-seq) ve protein (RPPA) verileri insan genomundaki protein etkileşimlerini modelleyen bir ağ modeli ile entegre edilmiştir. Hastaların yaşam süresi, belli bir miktar belirteç seçip, ardından bu belirteçleri gözetimli öğrenme yöntemine girdi olarak vererek tahmin edilmiştir. Geliştirdiğimiz yeni entegre yöntemin, RPBioNet, iki kanser türü için de,“sadece protein”ve“sadece mRNA”yöntemlerinden daha başarılı sonuç verdiği görülmüştür.
Özet (Çeviri)
In recent years, in order to reduce noise in experimental data and to add the common role of genes in biological processes into diagnostic and prognostic prediction models, researchers entegrates more than one data type. In this context, many studies have shown that protein interaction networks increase the success of scientific diagnosis. This study aims to find biomarkers that successfully predict the potential survival time of cancer patiens by merging gene transcriptome and protein level data belonging to kidney renal clear cell carcinoma (KIRC) and glioblastoma multiforme (GBM). For this purpose, expression level of mRNA (RNA-seq) and protein (RPPA) data entegrated a with network modelling protein interactions in the human genome. Survival time of patients will be predicted by selecting certain amount of biomarkers and feeding those as inputs to the supervied learning method. For both cancer types, this study showed that our new entegrated method, RPBioNet, outperforms both“only protein”and“only mRNA”methods.
Benzer Tezler
- Optimization models for survival analysis to identify key gene sets in cancer
Kanser hastalığında önemli gen kümelerini belirlemek için geliştirilen en iyileme modelleri
ONUR DERELİ
Doktora
İngilizce
2020
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği ve Operasyon Yönetimi
PROF. DR. CEYDA OĞUZ
- Fully automated deep learning and machine learning –based prognosis models for survival prediction of brain tumor patients using multi-modal mri images
Multimodal mrı görüntüleri kullanarak beyin tümörü hastalarının hayatta kalma tahmini için tam otomatik derin öğrenme ve makine öğrenme tabanlı prognoz modelleri
ABDELA AHMED MOSSA
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
- Kişiselleştirilmiş sağkalım tahmini için geniş çaplı kanser verisinin yapay öğrenme ve çoklu-omik bazlı analizi
Artificial learning and multi-omics based analysis of large-scale cancer data for personalized survival predictions
AYŞE NUR ÇORUH
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBiyoenformatik Bilim Dalı
DOÇ. DR. TUNCA DOĞAN
- Kolorektal kanserlerde prognostik faktörlerin belirlenmesi
Exploring the prognostic factors in colorectal cancer
AHMET TÜRKOĞLU
Tıpta Uzmanlık
Türkçe
2010
Genel CerrahiFırat ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. ZİYA ÇETİNKAYA
- Meme kanserli hastalarda jinekolojik nedenli laparotomi sonuçlarının değerlendirilmesi
Meme kanserli hastalarda jinekolojik nedenli laparotomi sonuçlarinin değerlendirilmesi
NİHAL ŞAHİN
Tıpta Uzmanlık
Türkçe
2011
Kadın Hastalıkları ve DoğumHacettepe ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. Z.SELÇUK TUNCER