Çoklu omik verilerinin birleştirilmesinde kullanılan yaklaşımların ve sınıflandırma yöntemlerinin performansının araştırılması
Performance investigation of approachesand classification methods used in integration multi-omics data
- Tez No: 650595
- Danışmanlar: DOÇ. DR. GÖKMEN ZARARSIZ
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
- Anahtar Kelimeler: Çoklu omik, birleştirme yöntemleri, sistem biyolojisi, sınıflandırma yöntemleri, Multi-Omics data, Integration methods, Systems biology, Classification methods
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Yaşam bilimlerinin birçok alanında başarıyla uygulanan omik teknolojilerinin gelişmesiyle birlikte binlerce metabolitin veya genin ekspresyon düzeyleri eş zamanlı olarak ölçülebilmekte ve uygun istatistiksel yöntemler kullanılarak hastalıklara ilişkin tanı ve teşhis yapılabilmektedir. Bu alanda kullanılan birleştirme ve sınıflandırma yöntemlerinin biyolojik sistemde kullanılabilecek modeller ve hastalığa ilişkin tanı ve tedaviler açısından önemli katkılar sağlayabileceği düşünülmektedir. Bu çalışmada çoklu omik veriler üzerinde veri birleştirme ve sınıflandırma yöntemlerinin performanslarının değerlendirilmesi amaçlanmıştır. Ham veriler ile mRMR ve PCA analizi kullanılarak oluşturulan veriler art arda, dönüşüm tabanlı ve model tabanlı birleştirme yöntemleri ile birleştirildi. Art arda birleştirme ve model tabanlı birleştirme yöntemleri kullanılarak birleştirilen veriler MKL, NSC, RF ve SVM sınıflandırma yöntemleriyle, dönüşüm tabanlı birleştirme yöntemiyle birleştirilen verilerde CANetwork, RVM ve Ada-boost RVM sınıflandırma yöntemleriyle hastalığın alt sınıfları tahmin edilmektedir. Gerçek veri setlerinden elde edilen uygulama sonuçları kullanılan veri ve yöntemlerin performanslarının birbirlerine göre üstünlüklerinde farklılık gösterebilmektedir. mRMR değişken seçimi kullanılan verilerin art arda birleştirme yöntemiyle birleştirilmesi ve bu verilerin MKL sınıflandırma yönteminin hastalıklarının alt tiplerinin tahmininde diğer yöntemlere nazaran daha doğru ayırabilmektedir. Ancak daha kapsamlı değerlendirmeler yapılabilmesi için benzetim çalışmaları ile desteklenmesi gerekmektedir.
Özet (Çeviri)
With the development of omics technogoies successfully applied in many fields of life sciences, expression levels of thousands of metabolites or genes can be measured simultaneously and diagnosis of diseases can be made using appropriate statistical methods. It is thought that the combination and classification methods used in this field can make significant contributions in terms of models that can be used in the biological system and diagnosis and treatment of the disease. In this study, it was aimed to evaluate the performance of data integration and classification methods on multi-omic data. The raw data and generated using mRMR and PCA analysis were combined using concatenate integration, transformation based integration, and model based integration methods. Data integration with consecutive and model-based methods, MKL, NSC, RF and SVM methods, transformation based combination method, data integrated with CANetwork, RVM, Ada-boost RVM methods to estimate the subtype of the disease. Application results obtained from real data sets may differ in the superiority of the performances of the data and methods used. The mRMR feature selection can be combined with the concatenation of the data used and this data can be separated more accurately than other methods in the prediction of the subtypes of the diseases of the MKL classification method. However, it should be supported by simulation studies in order to make more comprehensive evaluations.
Benzer Tezler
- Multiomic data analysis of schizophrenia and bipolar disorder
Şizofreni ve bipolar bozukluğa dair çoklu omik verilerinin analizi
BURAK ÇARDAK
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Medeniyet ÜniversitesiBiyolojik Veri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ERKAN KARABEKMEZ
- Multi-omics data integration in the prediction of potential biomarkers and therapeutics in human cancers
Kanserlerde potansiyel biyobelirteç ve terapötiklerin tahmininde çoklu omik verilerin entegrasyonu
GİZEM GÜLFİDAN YILDIZ
Doktora
İngilizce
2024
BiyomühendislikMarmara ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. KAZIM YALÇIN ARGA
DOÇ. DR. BESTE TURANLI
- Investigation of the candidate tumor suppressor gene CTCF using multi-omics data mining
CTCF aday tümör süpresör geninin multi-omik veri madenciliği ile araştırılması
ESRA DURSUN
Yüksek Lisans
İngilizce
2021
Biyoistatistikİstanbul Medipol ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KIVANÇ KÖK
- Machine learning approach to quantification of intra-tumour heterogeneity using genomic, epigenomic and proteomic data
Genomik, epigenomik ve proteomik verileri kullanarak tümor içi heterojenite nicelleştirmesine makine öğrenmesi yaklaşımı
ERSİN ONUR ERDOĞAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR CAN TURNA
- Metabolism-oriented multiomics data integration
Farklı omı̇k verı̇lerı̇n metabolı̇zma odaklı entegrasyonu
AYCAN ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ ÇAKMAK