Geri Dön

İki katmanlı entegrasyon mimarisiyle hastalığa özel birliktelik ağı çıkarımı

Two tier combinatorial structure to infer disease specific coexpression network

  1. Tez No: 495263
  2. Yazar: MUSTAFA ÖZGÜR CİNGİZ
  3. Danışmanlar: PROF. DR. BANU DİRİ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Genetik, Computer Engineering and Computer Science and Control, Bioengineering, Genetics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 111

Özet

Hastalıklara neden olan biyolojik mekanizmaların moleküler seviyede keşfi son yıllarda üzerinde önemle durulan bir çalışma alanıdır. İnsan genom projesinin tamamlanması ve DNA dizileme tekniklerindeki ilerlemelerle hastalıklara neden olan süreçler ve bu süreçler altında yatan moleküler ilişkiler daha hızlı ve kolay bir şekilde belirlenmektedir. Gen birliktelik ağları farklı fenotiplere sahip örneklerde benzer örüntüler sergileyen genler arasındaki ilişkilerden oluşan moleküler ilişki ağlarıdır. Benzer örüntü sergileyen genlerin yapılan literatür çalışmalarında benzer biyolojik fonksiyonlara sahip olduğu ve benzer süreçlerde yer aldıkları anlaşılmıştır. Tez kapsamında mikrodizin gen ifadesi, RNA- Seq ve miRNA- hedef gen verileri üzerinde farklı gen ağı çıkarım algoritmaları kullanılarak gen birliktelik ağları elde edilmiştir. Literatürde farklı biyolojik veri kümeleri ve gen ağı çıkarım algoritmalarını aynı yapı içerisinde kullanarak hastalıklarla ilişkilendirilmiş kapsamlı ve doğruluklu gen birliktelik ağı çıkarımı gerçekleştiren çalışma sayısı kısıtlıdır. Tez kapsamında temel hedefimiz farklı gen ağı çıkarım algoritmaları ve biyolojik veri kümelerini birlikte kullanarak göğüs ve prostat kanseriyle ilgili yüksek doğruluklu ve kapsamlı gen birliktelik ağları oluşturmaktır. Bu hedefle kesişim, basit çoğunluk oyu ve birleşim gibi temel entegrasyon yöntemleriyle iki katmanlı bir yapı oluşturularak gen birliktelik ağlarının entegrasyonunu gerçekleştirilmiştir. İki katmanlı entegrasyon mimarisi ile aynı veri kümesi üzerinde farklı gen ağı çıkarım algoritmalarından elde edilen gen birliktelik ağlarının entegrasyonu birinci entegrasyon aşamasında, farklı biyolojik veri kümeleri kullanılarak elde edilen gen birliktelik ağlarının entegrasyonu ise ikinci entegrasyon aşamasında gerçeklenmiştir. Elde edilen gen birliktelik ağlarının performansı biyolojik ve topolojik özelliklerine göre değerlendirilmiştir. Bu iki değerlendirme kriterine ek olarak literatür verileri ile örtüşme analizi yapılmıştır. Sonuç olarak, sadece gen ağı çıkarım algoritmaları kullanılarak yapılan gen birliktelik ağı entegrasyonunun performans arttırımına etkisi kısıtlı iken, farklı biyolojik veri kümelerinden elde edilen gen birliktelik ağlarının entegrasyonunun performans artışı sağladığı gözlemlenmiştir. Çalışmamızda aynı zamanda daha önce miRNA- hedef gen verileri üzerinde gen birliktelik ağı çıkarımında hiç kullanılmamış hash tabanlı birliktelik kuralı algoritmasını uygulayarak ilgili veri kümelerinden teorik olarak 152 hastalıkla ilişkili GBA'lar elde edilmiş ve bu algoritma ARNetMiT R paketi halinde kullanıcılara sunulmuştur.

Özet (Çeviri)

Discovering of biological mechanisms, which causes diseases at the molecular level, has been an important field of study in recent years. After the completion of the human genome project and the progress of DNA sequencing techniques, the relationships of molecules, which are related to cancer related biological processes, are revealed more quickly and easily. Gene coexpression networks are networks of molecular relationships formed by relation between genes which present similar patterns in samples with different phenotypes. Genes, which shows similar patterns on biological datasets, were found to have similar biological functions and involve in similar biological processes according to the studies in literature. In the thesis, gene coexpression networks were obtained by using different gene network inference algorithms on microarray gene expression, RNA-Seq and miRNA-target gene expression data. In the literature, there are limited number of studies that use different biological data sets and gene network inference algorithms in the same structure to construct a comprehensive and accurate gene coexpression networks for diseases. Our main target in thesis is to build up high-precision and comprehensive gene networks for breast and prostate cancer using different gene network inference algorithms and biological data sets together. According to this purpose, integration of gene coexpression networks has been achieved by forming a two-tier structure with basic integration methods such as intersection, simple majority voting and union. Gene expression networks, which are inferred by different gene network inference algorithms on the same data, are integrated in the first integration phase of the two-tier structure. Gene expression networks that are inferred from different biological datasets are integrated in the second integration phase of two- tier structure. The performance of the obtained gene association networks was evaluated according to their biological and topological properties. In addition to these two evaluation criteria, an overlap analysis was performed with the literature data. The usage of different gene network inference algorithms at integration phase slightly increases performance slightly. However, integration of gene coexpression networks that are infered on different biological datasets enhances the performances. We also developed a hash based association rule algorithm that infers potential gene coexpression networks of 152 diseases from miRNA- target gene data. We also present our algorithm as ARNetMiT R package.

Benzer Tezler

  1. Flexible optoelectronic biointerfaces using quantum dots and pseudocapacitive materials for photoelectric stimulation of neurons

    Nöronların fotoelektrik uyarımı için kuantum nokta ve pseudokapasitör malzeme tabanlı esnek optoelektronik biyoarayüzler

    ONURALP KARATÜM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDAT NİZAMOĞLU

  2. Histopatolojik görüntülerde tümör bölütlenmesi

    Tumor segmentation in histopathological images

    ZEHRA BOZDAĞ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED FATİH TALU

  3. Effect of phosphorescent iridium dopant on characteristics of organic light emitting diodes

    Organik ısık yayan diyotlara fosforesan iridyum katkılanmasının aygıt karakteristiğine etkisi

    AHU GALEN ALTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Nanobilim ve Nanomühendislik Ana Bilim Dalı

    PROF. DR. NİLGÜN KARATEPE YAVUZ

    DOÇ. DR. EMİNE TEKİN

  4. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  5. Performance evaluations on the spatial reuse techniques of the next generation wlans

    Yeni nesil kablosuz yerel ağlarında spektral tekrar kullanım tekniklerinin değerlendirmesi

    ÖMER FARUK TOPAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT