Analyses and modeling of ovarian cancer microarray data
Yumurtalık kanseri mikrodizin verisinin analizleri ve modellemesi
- Tez No: 611438
- Danışmanlar: PROF. DR. VİLDA PURUTÇUOĞLU GAZİ, DOÇ. DR. ÇAĞDAŞ DEVRİM SON
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Yumurtalık kanseri,diğer onkolojik hastalıklarla birlikte yaygın olan kanser tiplerinden birisidir. Bu tip kanserin nedenleri arasında yaş, obezite, hormon terapisi, maddesel kalıtım ve doğum kontrol hapları sayılabilir. Yaygınlığı ve önemi nedeniyle bu kanserin nedenleri ya ilgili genlerin tespit edildiği mikrodizin araştırmalarıyla ya da hastalık ve seçilmiş bazı semptomları arasında olasılık tablolarının kullanımıyla yapılan ilişkilendirme analizleriyle birçok bağımsız araştırmacı tarafından incelenmiştir. Bu çalışmada, bir yumurtalık kanseri mikrodizin veri kümesi kullanmaktayız ve bu verideki gen etkileşimlerini iki farklı modelleme yaklaşımı ile ifade etmekteyiz. Bunlar parametrik bir model olarak Gaussian grafiksel modeli ve parametrik olmayan bir model olarak yapay sinir ağı modelidir. Bu analizlerden, bazı bulguları biyolojik olarak değerlendirmekteyiz ve sonrasında modellerin doğruluk performanslarını, seçilen genlerin doğru ağ yapılarıyla kontrol ederek farklı doğruluk ölçüleri ile karşılaştırmaktayız. Böylece bu iki temel modelin performansını bu özel onkojen verisini kullanarak değerlendirmeyi amaçlamaktayız.
Özet (Çeviri)
Ovarian cancer is one of the common cancer types among other oncological diseases. The major causes of this cancer can be listed as age, obesity, hormone therapy, material inheritance and contraceptive pills. Due to its generality and importance, many researches have been conducted from distinct labs about this illness and its plausible causes have been intensively investigated either in microarray studies, where just part of the related genes are detected, or in the pairwise correlation analyses between the disease and selected symptoms via contingency tables. Hereby, in this study, we use an ovarian cancer microarray dataset and describe gene interactions in these data via two different modelling approaches, namely, Gaussian graphical model as a parametric model and artificial neural network as a nonparametric model. From these analyses, we evaluate certain findings biologically and then, compare the performance of the model accuarcies in distinct accuracies measures by controlling the true network structures of selected genes. By this way, we aim to assess the performance of these two fundamental models by using this specific oncogene data
Benzer Tezler
- BRCA2 genindeki klinik önemi bilinmeyen varyantların patojenitesinin in silico analizler ile değerlendirilmesi ve klinik korelasyonu
Evaluation of the pathogenicity of variants of uncertainsignificance i-n the BRCA2 gene through in silico analysesand clinical correlati̇on
CANAN CEYLAN KÖSE
Tıpta Uzmanlık
Türkçe
2024
GenetikÇanakkale Onsekiz Mart ÜniversitesiTıbbi Genetik Ana Bilim Dalı
PROF. DR. FATMA SILAN
- Analytical modeling, perturbation analysis and experimental characterization of guided surface acoustic wave sensors
Başlık çevirisi yok
ONURSAL ÖNEN
- MUTYH varyantlarının derin fenotipleme ve bilgisayar temelli yapısal biyoloji araçları ile değerlendirilmesi
Evaluation of MUTYH variants with deep phenotyping and in silico structure modeling tools
RAVZA NUR YILDIRIM
Tıpta Uzmanlık
Türkçe
2023
GenetikDokuz Eylül ÜniversitesiTıbbi Genetik Ana Bilim Dalı
PROF. DR. AHMET OKAY ÇAĞLAYAN
- Over kanserinde kullanılmak üzere polimer ilaç nanokonjugatı geliştirilmesi ve kanser tedavi potansiyelinin araştırılması
Development of polymer DRUG nanoconjugate for USE in ovarian cancer and investigation of cancer treatment potential
BUKET ÖZEL
Doktora
Türkçe
2022
Tıbbi BiyolojiEge ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
DOÇ. DR. NUR SELVİ GÜNEL
- Deep learning integration of diverse data types for survival prediction in serous ovarian cancer
Farklı veri tiplerini birleştiren derin öğrenme ile seröz yumurtalık kanserinde sağkalım tahmini
FATMA EZGİ ÖĞÜLMÜŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TURAN
PROF. DR. ALBERT GÜVENİŞ