Proteomik deneylerin veri kalitesinin istatistiksel yöntemler ile izlenmesi
Monitoring of data quality of proteomic experiments with statistical methods
- Tez No: 564125
- Danışmanlar: DOÇ. DR. ERALP DOĞU
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
Bu çalışmada sıvı kromatografisi (liquid chromatography-LC) kütle spektrometresi (mass spectrometer-MS) sisteminin veri kalitesinin izlenmesi amacıyla toplanan boylamsal kalite verisinin analiz edilmesi amaçlanmaktadır. Kalite geliştirmede kullanılan ileri istatistiksel analiz yöntemleri yardımıyla LC-MS sisteminin uygunluğunun tartışılması ve sonuçların kullanıcılar için pratik bilgilere dönüştürülmesi amaçlanmaktadır. Daha önceki çalışmalarda kullanılan tek değişkenli kalite izleme çalışmalarının yanı sıra birden fazla kalite karakteristiğinin ve peptidin birlikte incelenmesini sağlayan çok değişkenli kalite izleme yöntemleri çalışmaya entegre edilmiştir. Çalışmada önerilen tekniklerin performansı, Clinical Proteomics Technology Assessment for Cancer (CPTAC) tarafından halka açık olarak yayınlanmış olan Study 9.1 verileri, QCloud sistemi verileri ve QuiC sistemi verileri ile gösterilmiştir.
Özet (Çeviri)
In this study, longitudinal quality control data collected from the liquid chromatography (LC) mass spectrometry (mass spectrometry-MS) to improve data quality. It is aimed to discuss the suitability of LC-MS using advanced quality control methods and provide practical information to the end-user. Univariate quality monitoring methods has been used in previous studies. The aim of this study is to integrate multivariate methods that analyzes multiple quality characteristics and peptides. The performance of the methods advocated in this study was evaluated with Study 9.1 system suitability data published through the Cancer Clinical Proteomic Technology Assessment (CPTAC), QCloud QC data and QuiC QC data.
Benzer Tezler
- A deep learning architecture for missing metabolite concentration prediction
Eksik metabolit miktarı tahmini için bir derin öğrenme mimarisi
SADİ ÇELİK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇAKMAK
- Makine öğrenimi yöntemlerine dayali bilgisayar destekli tani sisteminin geliştirilmesi: Proteomik teknolojileri üzerine uygulaması
Development of computer aided diagnostic system based on machine learning methods: Application on proteomics technologies
ŞEYMA YAŞAR
Doktora
Türkçe
2023
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. SAİM YOLOĞLU
- Statistical methods and tools for quantitative mass spectrometry-based proteomics
Kantitatif kütle spektrometri tabanlı proteomik için istatistiksel yöntemler ve araçlar
UFUK YENİGÜN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBiyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP FİLİZ EREN DOĞU
- Bacillus Subtilis suşu'nun bor'a bağlı proteomik analizi
Boron-dependent proteomic analysis of Bacillus Subtilis strain
GÜLŞAH KAPISUZ
Yüksek Lisans
Türkçe
2014
BiyokimyaMuğla Sıtkı Koçman ÜniversitesiBiyoloji Ana Bilim Dalı
YRD. DOÇ. DR. BEKİR ÇÖL
- Proteinlerin subselüler yerleşimlerinin görüntü, sekans ve interaktom verisi tabanlı tahmini
Image, sequence and interactome based prediction of subcellular localization of proteins
ECEM KUŞCUOĞLU
Yüksek Lisans
İngilizce
2024
BiyoistatistikHacettepe ÜniversitesiBiyoenformatik Ana Bilim Dalı
PROF. DR. TUNCA DOĞAN