Geri Dön

Analyses and modeling of ovarian cancer microarray data

Yumurtalık kanseri mikrodizin verisinin analizleri ve modellemesi

  1. Tez No: 611438
  2. Yazar: BARIŞ SU KARAKELLE
  3. Danışmanlar: PROF. DR. VİLDA PURUTÇUOĞLU GAZİ, DOÇ. DR. ÇAĞDAŞ DEVRİM SON
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2024

    GenetikÇanakkale Onsekiz Mart Üniversitesi

    Tıbbi Genetik Ana Bilim Dalı

    PROF. DR. FATMA SILAN

  2. 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

    Türkçe

    2023

    GenetikDokuz Eylül Üniversitesi

    Tıbbi Genetik Ana Bilim Dalı

    PROF. DR. AHMET OKAY ÇAĞLAYAN

  3. 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

    Türkçe

    2022

    Tıbbi BiyolojiEge Üniversitesi

    Tıbbi Biyoloji Ana Bilim Dalı

    DOÇ. DR. NUR SELVİ GÜNEL

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET TURAN

    PROF. DR. ALBERT GÜVENİŞ