Discovering cross-cancer patients with a semi-supervised deep clustering approach
Yarı denetimli derin kümeleme yaklaşımıyla çapraz kanser hastalarının belirlenmesi
- Tez No: 642120
- Danışmanlar: YRD. DOÇ. ÖZNUR TAŞTAN OKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- 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: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: 68
Özet
Geleneksel tıpta, bir kanser hastasının tedavi kararları tipik olarak hastanın kanser türüne dayanır. Çok sayıda kanser hastasından oluşan geniş bir kohort için moleküler profillerin mevcudiyeti, hastaları moleküler düzeyde karakterize etmek için olanaklar sağlar. Farklı kanser hastalarının benzerlikler taşıdığı vakalar önceki çalışmalarda bildirilmiştir. Bu gözlemlerden motive olarak, bu tezde, özellikle çapraz kanser hastalarını keşfetmek için bir yöntem geliştirmeye odaklanıyoruz. Çapraz kanser hastalarını, farklı bir kanser türü ile teşhis edilen diğer hasta(lar) ile yüksek düzeyde benzerlik taşıyan ve kendi kanser türünü temsil etmeyen moleküler profillere sahip hastalar olarak tanımlıyoruz. Çapraz kanser benzeri hastaları bulmak için, transkriptomik profillerine göre kümelendiğinde sık sık birlikte kümelenen hastaları belirlediğimiz bir çerçeve geliştiriyoruz. Bu kümeleme problemini çözmek için, kümeleme görevinin hastaların kanser türleri ve hayatta kalma süreleri tarafından yönlendirildiği yarı denetimli bir derin öğrenme kümeleme yöntemi öneriyoruz. Bu yöntem ile elde edilen derin temsil, DeepCrossCancer'ın kümeleme modülünde kullanılır. Bu yöntemi, hasta tümör gen ekspresyon verilerinin kullanıldığı Kanser Genom Atlas projesinden dokuz farklı kansere uygulayarak, başka bir kanser türünde bir hastaya veya birden fazla hastaya benzer yirmi hasta keşfediyoruz. Bu hastaları diğer genomik değişikliklerin ışığında analiz ediyoruz. Sonuçlarımız, çapraz kanser hastalarının hem mutasyon hem de kopya sayısı varyasyonlarında önemli benzerlikler bulmaktadır. Çapraz kanser hastalarının tespiti, klinik kararların bir hastadan diğerine aktarılması ve aralarında paylaşılan yeni kanser sürücülerinin araştırılmasını hızlandırmak için olanaklar sağlar.
Özet (Çeviri)
In traditional medicine, the treatment decisions for a cancer patient are typically based on the patient's cancer type. The availability of molecular profiles for a large cohort of multiple cancer patients opens up possibilities to characterize patients at the molecular level. There have been reports of cases where patients with different cancers bear similarities. Motivated from these observations, in this thesis, we specifically focus on developing a method to discover cross-cancer patients. We define cross-cancer patients as those who have molecular profiles that bear a high level of similarity to other patient(s) diagnosed with a different cancer type and are not representative of their cancer type. To find cross-cancer similar patients, we develop a framework where we identify patients that co-cluster frequently when clustered based on their transcriptomic profiles. To solve the clustering problem, we propose a semi-supervised deep learning clustering in which the clustering task is guided by the cancer types of the patients and the survival times. The deep representation obtained in the network is used in the clustering module of DeepCrossCancer. Applying the method to nine different cancers from The Cancer Genome Atlas project using patient tumor gene expression data, we discover twenty patients similar to a patient or multiple patients in another cancer type. We analyze these patients in light of other genomic alterations. Our results find significant similarities both in mutation and copy number variations of the cross-cancer patients. The detection of cross-cancer patients opens up possibilities for transferring clinical decisions from one patient to another and expediting the investigation of novel cancer drivers shared among them.
Benzer Tezler
- Meme kanseri hastalarında dozyomik ve radyomik özellikler üzerinden kanser tedavisine bağlı kardiyak olayların erken tahmini için makine öğrenimi modeli oluşturulması
Machine learning model development for early prediction of treatment-related cardiac events in breast cancer patients with dosiomic and radiomic features
ŞEFİKA DİNÇER
Tıpta Uzmanlık
Türkçe
2024
Radyasyon OnkolojisiGazi ÜniversitesiRadyasyon Biyolojisi Anabilim Dalı
PROF. DR. MÜGE AKMANSU
- Effects of NKILA silencing on HSP90, NF-κB and β-catenin in MCF-7 cells
MCF-7 hücrelerinde NKILA susturumunun Hsp90, NF-κB ve β-Katenin üzerindeki etkileri
MEHMETALİ TİBATAN
Doktora
İngilizce
2021
Biyolojiİstanbul ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. EVREN ÖNAY UÇAR
- Biclustering using nonparametric Bayesian methods
Parametrik olmayan Bayesci yöntemlerle iki indis üzerinden öbekleme
SAFİYE ÇELİK
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ TAYLAN CEMGİL
- Nanomaterials in macromolecular synthesis
Makromoleküler yapıların sentezinde nanomalzemelerin kullanımı
AZRA KOCAARSLAN AHMETALİ
Doktora
İngilizce
2021
Polimer Bilim ve Teknolojisiİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. YUSUF YAĞCI
- Metal etkisi uygulanarak yetiştirilen roka (Eruca sativa) bitkisinin antioksidan aktivitesinin belirlenmesi
Determination of antioxidant activity of arugula (Eruca sativa) plant grown with metal effect
ESRA KOCABAY