Geri Dön

Kodlama yapmayan uzun ve kısa boyutlu RNA'lar ile hastalıklar ve çevresel faktörler arasındaki bağlantıların tahmini

Prediction of associations between diseases and environmental factors of long and short non-coding RNAs

  1. Tez No: 564624
  2. Yazar: HÜSEYİN VURAL
  3. Danışmanlar: PROF. DR. MEHMET KAYA
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kuramsal Temeller Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

İnsan vücudunda bulunan lncRNA, miRNA vb. moleküller birbirleriyle, genlerle ve çevresel faktörlerle etkileşim halinde bulunmaktadır. Etkileşimler bir ağ yapısı şeklinde tarif edilebilmektedir. Ağ yapısında bulunan bağlantıların her hangi bir nedenden dolayı kopması veya ağda yeni bağlantıların oluşması çeşitli hastalıklara neden olabilmektedir. Bir molekül ile hastalık arasında veya çevresel faktör arasında bağlantı olup olmadığının laboratuvar ortamında test edilmesi oldukça zaman gerektiren ve yoğun insan kaynağına ihtiyaç duyan bir işlemdir. Daha önce aralarında bağlantı olmayan moleküller ile çevresel faktörler ve hastalıklar arasında olabilecek potansiyel bağlantıların geliştirilecek yöntemler ile tahmin edilmesinin bu işlemi hızlandırmaya katkı sunacağı düşünülmektedir. Tezimizde bu amaçla üç yöntem önerilmiştir. LncRNA-çevresel faktörler ve miRNA-çevresel faktörler arasında potansiyel yeni bağlantıların tahmin edilmesi amacıyla KATZ tabanlı iki model geliştirilmiştir. Diğer bir model ise lncRNA'lar ile hastalıklar arasında potansiyel yeni bağlantıların tahmin edilmesi amacıyla istiflenmiş otokodlayıcılar ve derin öğrenme temel alınarak geliştirilmiştir. Geliştirilen modellerin test sonuçlarının literatürdeki modellere karşı daha başarılı AUC sonuçları elde ettiği gösterilmiştir.

Özet (Çeviri)

The lncRNA, miRNA, etc. molecules in the human body interact with each other, genes and environmental factors. The interactions can be described as a network structure. The interruption of the connections in the network structure for any reason or the formation of new connections in the network can cause various diseases. Testing in a laboratory whether there is a association between a molecule and a disease or a environmental factor is a time-consuming process that requires intensive human resources. It is thought that prediction of potential associations between non-linking molecules and environmental factors and diseases by methods to be developed will contribute to this process. Three methods have been proposed for this purpose. Two KATZ-based models have been developed in order to estimate the possible associations between LncRNA-environmental factors and miRNA-environmental factors. Another model has been developed based on stacked autoencoders and deep learning to estimate potential new associations between lncRNAs and diseases. The test results of the developed models show that they achieve more successful results in terms of AUC values against the models in the literature.

Benzer Tezler

  1. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Koroner arter hastalarının plaklarında ve dolaşımlarındaki uzun kodlama yapmayan RNA ifade düzeylerinin incelenmesi

    Evaluation of long noncoding rna expression levels in the plaque and circulation of patients with coronary artery

    ARZU ÖZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Tıbbi BiyolojiCumhuriyet Üniversitesi

    Tıbbi Biyoloji Ana Bilim Dalı

    YRD. DOÇ. DR. NİLGÜN ÇEKİN

  3. Pancrustacea mitogenomunda korunmuş 'WHWGHTW' motifinin mitokondriyal transkripsiyondaki olası rolünün araştırılması

    Investigation of putative fucntional role of conserved 'WHWGHTW' motif in pancrustacean mitochondrial transcription

    MERVE NUR AYDEMİR

    Doktora

    Türkçe

    Türkçe

    2021

    BiyolojiSivas Cumhuriyet Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. ERTAN MAHİR KORKMAZ

  4. Primer glioblastoma tümörlerinde long non coding RNA MALAT1'in prognostik öneminin araştirilmasi

    Investigation of the prognostic importance of long non coding RNA MALAT1 in primary glioblastoma tumors

    ÖMER GÖKAY ARGADAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    GenetikBursa Uludağ Üniversitesi

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    PROF. DR. HASAN KOCAELİ

  5. Derin öğrenme ile modülasyon sınıflandırması

    Modulation classification with deep learning

    SELÇUK BALSÜZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT KARTAL