A new rna-seq data classifier based on quantile transformation
Kuantil transformasyon tabanlı yeni bir rna-sekans veri sınıflandırıcısı
- Tez No: 620567
- Danışmanlar: PROF. DR. GÖZDE YAZGI TÜTÜNCÜ AŞÇI
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Son zamanlarda kanser araştırmalarında, bilinen bir kanser tipi olan bir hastanın o kanserin çeşidine göre doğru sınıflandırılması o hasta için daha iyi tahminlere dayanan ve kişiye özel tedavi sağlamaktadır. Bu nedenle, hastanın kanser çeşidine göre sınıflandırılması çok önemlidir ve bu, genetik bilgi kullanılarak yapılabilinmektedir. Mevcut sınıflandırıcıların çoğu genlerin bağımsız olduğu varsayımına dayanmaktadır; ancak, bu varsayım asıl RNA-Sekans sınıflandırma problemleri için gerçekçi bir yaklaşım değildir. Bu nedenle, bu tezde, genler arasındaki bağımlılık yapısını dikkate alan yeni bir sınıflandırıcı önerilmektedir. Genler arasındaki bağımlılık önce kovaryans matrisi ve daha sonra lokal kovaryans matrisi ile modellenmektedir. Lokal kovaryans matrisi, lokal bağımlılık fonksiyonu kullanılarak tahmin edilmektedir. Sınıflama algoritması R programlama dilinde kodlanmış olup RNA-Sekans verileri için yeni bir sınıflama paketi geliştirilmiştir. Yeni sınıflandırıcının performansı, gerçek RNA-Sekans verileri kullanılarak mevcut sınıflandırıcılar ile sınıflandırma hataları açısından karşılaştırılmıştır.
Özet (Çeviri)
Recently in cancer research, true classification of the sub-type of a patient with a particular cancer, leads a better predictive and a customized treatment for that patient. Therefore, classification of a patient to a cancer sub-type has a crucial importance and can be done by using genetic information. Most of the existing classifiers assume that genes are independent; however, this is not a realistic approach for real RNA-Seq classification problems. For this reason, in this thesis a new classifier, which incorporates the dependence structure between genes into a model, is proposed. The dependency between genes is first modelled by sample covariance matrix and then by local covariance matrix. The local covariance matrix is estimated by the local dependency approximation. The classification algorithm is coded in R programming language and a new classification package for RNA-Seq data is developed. The performance of this new classifier is compared with the existing classifiers over real RNA-Seq data sets, in terms of classification error rates.
Benzer Tezler
- Determining novel target genes in WNT/𝛽-catenin signaling pathway using machine learning
WNT/beta-catenin sinyal yolağında makine öğrenmesi ile hedef genler belirlenmesi
CEMRE KEFELİ
Yüksek Lisans
İngilizce
2022
Genetikİstanbul ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANDRES OCTAVIO ARAVENA DUARTE
- LEA (Late embryogenesis abundant) genlerinin salatalık (Cucumis sativus L.) genomunda belirlenmesi, biyoinformatik analizleri ve kuraklık stresi altında gen ifade profillerinin çıkarılması
Identification, bioinformatics analysis of LEA (Late embryogenesis abundant) genes in cucumber genome and analysis of gene expression profiles under drought stress condition
PINAR BALOĞLU
Yüksek Lisans
Türkçe
2016
GenetikKastamonu ÜniversitesiGenetik ve Biyomühendislik Ana Bilim Dalı
YRD. DOÇ. DR. YASEMİN ÇELİK ALTUNOĞLU
- Fasulye (Phaseolus vulgaris L.) bitkisinde trihelix gen ailesi üyelerinin genom düzeyinde tanımlanması ve çeşitli abiyotik stresler sırasında ifade profilleri
Genome-wide identification of Trihelix gene family members in common bean (Phaseolus vulgaris L.) and expression profiles during various abiotic stress
SAMET CAN EKER
- Prediction of RNA editing sites by machine learning and role of RNA editing in functional disease mechanisms
RNA düzenleme noktalarının makine öğrenimi ile tahmin edilmesi ve RNA düzenlemenin fonksiyonel hastalık mekanizmalarındaki rolü
HÜSEYİN AVNİ TAÇ
Doktora
İngilizce
2024
BiyoistatistikAcıbadem Mehmet Ali Aydınlar ÜniversitesiBiyoistatistik ve Biyoinformatik Ana Bilim Dalı
PROF. DR. UĞUR ÖZBEK
- Next-generation cell type annotation: Integrating NLP and ML techniques for enhanced scRNA classification
Yeni nesil hücre tipi anotasyonu: Geliştirilmiş scRNA sınıflandırması için NLP ve ML tekniklerinin entegrasyonu
ORÇUN SAMİ TANDOĞAN
Yüksek Lisans
İngilizce
2024
BiyoteknolojiOrta Doğu Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
YRD. DOÇ. DR. AYBAR CAN ACAR
DOÇ. DR. CAN ÖZEN