Network-based analysis of cognitive impairment and memory deficits from transcriptome data
Transkriptom verileri kullanılarak hafıza problemlerinin ve bilişsel bozuklukların hücresel ağlara dayalı analizi
- Tez No: 580265
- Danışmanlar: DOÇ. DR. TUNAHAN ÇAKIR
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biyomühendislik, Nöroloji, Biostatistics, Bioengineering, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Biyoinformatik ve Sistem Biyolojisi Bilim Dalı
- Sayfa Sayısı: 128
Özet
Hayati fonksiyonlarımızın kontrolünden tüm bilişsel mekanizmaların çalışmasına kadar birçok görevi olan beyin vücudumuzdaki en önemli organımızdır. Beynin çalışmasını negatif yönde etkileyen birçok etmen vardır ve yaşlanma bunların başında gelir. Yaşlanmanın öğrenme ve hafıza üzerindeki etkisini araştırmak amacıyla literatürde çok sayıda deneysel çalışma yapılmıştır ve bu çalışmalarda model organizma olarak sıçan (Rattus Norvegicus) kullanılmıştır. Sıçanlara hafıza testleri uygulanmış, hippocampus bölgesi çıkarılıp transkriptom verisi elde edilmiştir. Transkriptom deneylerinde anlamlı değişen genler hesaplanıp bu genlerin foksiyonel analizleri yapılarak yaşlanma sonucu oluşan bilişsel bozukluklarla ilişkilendirilmiştir. Bu çalışmalar literatür açısından zengin bir veri seti sunsa da, omik verinin moleküler etkileşim ağlarıyla birlikte incelenmesini içermemeleri açısından eksik bir yaklaşım sergilemektedir. Günümüzde çeşitli biyoinformatik yöntemler kullanılıp geliştirilerek büyük veriler işlenip anlamlandırılabilmektedir. Moleküler etkileşimleri de dikkate alan Alt-ağyapı keşfi (İng. Subnetwork discovery), ve Ağyapı çıkarımı (İng. Network Inference) yöntemleri, yeni nesil omik verilerin daha verimli bir şekilde anlamlandırılması açısından önemli ve kullanışlı biyoinformatik yaklaşımlardır. Bu tez çalışmasında hafıza ve bilişsel bozuklukların mekanizmasını anlamak için tasarlanan deneylerden elde edilen sıçan transkriptom verileri Gene Expression Omnibus veri tabanından indirildi ve iki alternatif alt-ağyapı keşfi yöntemi (BioNet ve KPM) kullanılarak protein etkileşim ağlarına dayalı alt-ağlar oluşturuldu. İkinci yöntem olan Ağyapı çıkarımı için de WGCNA algoritması ve Pearson korelasyonu yöntemleri karşılaştırmalı olarak kullanıldı. Bu yöntemlerle, gen çiftlerine ait gen ekspresyonu verileri arasındaki korelasyon hesaplanarak moleküler etkileşim ağları oluşturuldu, ve bu ağlar modüllere bölündü, fonksiyonel olarak incelendi. Çalışmamız; hafıza ve bilişsel bozukluklar ile ilgili transkriptom verilerinin bahsedilen yöntemlere ilk defa girdi olarak verilmesini sağlamıştır. Ayrıca öngördüğü etkileşim ağlarıyla bu bozuklukların moleküler mekanizmalarının aydınlatılmasına katkı sağlayacaktır.
Özet (Çeviri)
Brain is the most important organ in our body. It controls vital functions and all cognitive mechanisms. Aging is the most crucial factor that affects brain functioning. Numerous experimental studies were conducted in the literature to investigate the effect of aging on learning and memory performance by using model organisms. In those studies, memory tests were applied to the organism, and transcriptome data was obtained from the hippocampus region, which is accepted as the learning center of the brain. These studies are limited in terms of elucidating mechanisms because the transcriptome data was not mapped on molecular interaction networks. They only identified differentially expressed genes to associate aging with memory. Subnetwork discovery and Network Inference are useful bioinformatics approaches for more efficient interpretation of omics data, based on molecular interactions between proteins. In this thesis study, transcriptome data of learning and memory-related experiments from Rattus norvegicus were downloaded from the Gene Expression Omnibus (GEO) database and computationally analyzed. Two methods were alternatively used for each approach; Bionet and KPM for Subnetwork Discovery approach, and WGCNA and Pearson Correlation for Network Inference approach. The first approach enabled the identification of subnetworks by mapping transcriptome data on protein-protein interaction networks while the second one led to modules consisting of highly correlating genes. Functional analysis was performed on the identified modules and subnetworks. Our study analyzes transcriptome data related to memory and cognitive disorders together with molecular interaction networks for the first time, contributing to the elucidation of molecular mechanisms behind such disorders.
Benzer Tezler
- Hafif kognitif bozuklukta ve subjektif kognitif bozuklukta prospektif bellek
Prospective memory in mild cognitive impairment and subjective cognitive impairment
GÜLCAN ÖZTÜRK
Doktora
Türkçe
2022
Nörolojiİstanbul ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. İBRAHİM HAKAN GÜRVİT
- Alzheimer tanısı için derin öğrenme tabanlı analiz
Deep learning based analysis for Alzheimer's diagnosis
RAVZA BEGÜM ATAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ALİ AYDIN
DR. ÖĞR. ÜYESİ MUHAMMED ERDEM İSENKUL
- Beyin entrensek bağlantısallık ağlarında basit duysal uyaranlarla oluşturulan modülasyonun kognitif performansla ilişkisi
The relationship of modulation generated in brain intrinsic connectivity networks by simple sensory stimuli and cognitive performance
SELEN GÜR ÖZMEN
- Development of software tools for improved 1H magnetic resonance spectroscopic imaging
İyileştirilmiş 1H manyetik rezonans spektroskopik görüntüleme için yazılım araçlarının geliştirilmesi
SEVİM CENGİZ
Doktora
İngilizce
2022
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESİN ÖZTÜRK IŞIK
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA