A pathway graph kernel based multi-omics approach for patient clustering
Hasta kümelemesi için yolak çizge çekirdeği bazlı bir çoklu-omik yaklaşımı
- Tez No: 642093
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZNUR TAŞTAN OKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Computer Engineering and Computer Science and Control, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Hastaların moleküler altgruplara doğru sınıflandırılması, etkili tedavilerin geliştirilmesi ve bu alt gruplarda kansere neyin yol açtığını çözmek için önemlidir. Kanser hastalarının büyük kohortları için çoklu omik veri katologlarının erişilebilir olması, somatik mutasyon ya da farklı ifadelenme gibi hasta genlerinde gerçekleşen değişimleri kataloglayarak tümörlerin moleküler biyolojisine çoklu bakış sağlar. Aynı zamanda, moleküler etkileşim ağları da, bu değişimler için biyolojik bağlam sağlar. Çoklu omik hasta verilerini yolaklardaki mevcut biyolojik bilgi ile birleştiren PAMOGK'u (Yolak tabanlı Çoklu-Omik Çizge Çekirdeği kümelemesi) geliştiriyoruz. Bir yolak bağlamında tek bir moleküler değişim tipine göre hasta benzerliklerini değerlendiren yeni bir çizge çekirdeği geliştiriyoruz. Yüzlerce yol ve moleküler değişiklik kombinasyonları ile değerlendirilen hastaların çekirdek olarak sunulmuş çoklu görüşlerini birleştirmek için çok görüntülü çekirdek kümeleme yöntemini kullanıyoruz. Berrak hücreli böbrek kanseri (KIRC) hastalarına PAMOGK uygulanması, sağkalım süreleri önemli ölçüde farklı olan dört küme ile sonuçlanır (p-değeri = 1.24e-11). PAMOGK'u diğer sekiz en gelişmiş çoklu-omik kümeleme yöntemiyle karşılaştırdığımızda, PAMOGK, KIRC hastalarını farklı sağkalım dağılımları olan gruplara ayırabilme açısından sürekli olarak daha iyi performans gösterir. Bulunan hasta alt grupları ayrıca tümör evresi ve derecesi ve primer tümör ve metastaz tümör yayılımları gibi diğer klinik parametrelere göre de farklılık gösterir. Önemli olarak tanımlanan yolaklar KIRC ile son derece ilgilidir. Analizimizi mutasyon, protein ve gen ifadesi verilerine sahip sekiz farklı kanser tipi ile genişletiyoruz. PAMOGK'a, https://github.com/tastanlab/pamogk adresinden ulaşılabilir.
Özet (Çeviri)
Accurate classification of patients into molecular subgroups is critical for the development of effective therapeutics and for deciphering the underlining mechanisms for these subgroups. The availability of multi-omics data catalogs for large cohorts of cancer patients provides multiple views into the molecular biology of the tumors and the alterations that take place in patient genes such as mutations and differential expression patterns. At the same time, the molecular interaction networks provide the biological context for these alterations. We develop PAMOGK (Pathway based Multi Omic Graph Kernel clustering) that integrates multi-omics patient data with existing biological knowledge on pathways. We use a novel graph kernel that evaluates patient similarities based on a single molecular alteration type in the context of a pathway. To corroborate multiple views of patients that are evaluated by hundreds of pathways and molecular alteration combinations, we use a multi-view kernel clustering approach. Applying PAMOGK to kidney renal clear cell carcinoma (KIRC) patients results in four clusters with significantly different survival times (p-value = 1.24e-11). When we compare PAMOGK to eight other state-of-the-art multi-omics clustering methods, PAMOGK consistently outperforms these in terms of its ability to partition KIRC patients into groups with different survival distributions. The discovered patient subgroups also differ with respect to other clinical parameters such as tumor stage and grade, and primary tumor and metastasis tumor spreads. The pathways identified as important are highly relevant to KIRC. We also extend our analysis to eight other cancer types with available mutation, protein, and gene expression data. PAMOGK framework is available in https://github.com/tastanlab/pamogk
Benzer Tezler
- Identification of cancer patient subgroups via pathway based multi-view graph kernel clustering
Kanser hasta alt gruplarının yolak esaslı çok bakışlı çizge çekirdeği gruplaması ile belirlenmesi
ALİ BURAK ÜNAL
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖZNUR TAŞTAN OKAN
- A customized force-directed layout algorithm with genetic algorithm techniques for biological graphs whose vertices have enzyme commission attributes
Enzimleri temsil eden düğümlere sahip çizgiler için genetik algoritma ile özelleştirilmiş kuvvet yönelimli yerleşim algoritması
FIRAT AKSOYDAN
Yüksek Lisans
İngilizce
2019
BiyomühendislikOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET VOLKAN ATALAY
- A layout algorithm for undirected compound graphs
Yönsüz bileşik çizgiler için yerleşim algoritması
ERHAN GİRAL
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ. UĞUR DOĞRUSÖZ
- Multi-scale analysis and prediction of protein-protein interactions
Protein-protein etkileşimlerinin çoklu ölçekte analizi ve tahmini
NURCAN TUNÇBAĞ
Doktora
İngilizce
2010
BiyolojiKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. ÖZLEM KESKİN
PROF. DR. ATTİLA GÜRSOY
- VISIBIOweb: A web-based visualization and layout service for biological pathways
VISIBIOweb : Biyolojik yolaklar için web tabanlı görselleme ve mizanpaj servisi
ALPTUĞ DİLEK
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. UĞUR DOĞRUSÖZ