Computational identification of possibly overlapping driver pathways in cancer
Kanserde birbiriyle örtüşebilen sürücü yolakların işlemsel yöntemlerle belirlenmesi
- Tez No: 652249
- Danışmanlar: DOÇ. DR. HİLAL KAZAN, Prof. Dr. CESİM ERTEN
- 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: Antalya Bilim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Kanser, birikmiş somatik mutasyonların neden olduğu çok türevli bir hastalıktır. Kanser biyolojisindeki temel zorluk, kansere neden olan sürücü mutasyonları yolcu mutasyonlardan ayırmaktır. Kanser gelişim mekanizmalarını yolak düzeyinde anlamak için, sürücü mutasyonları tanımlamanın yanı sıra bir yolak içerisinde ortak işleve sahip bir gen grubunu belirlemek de oldukça önemlidir. Kanser sürücü modüllerini tanımlamak için birçok yöntem olmasına rağmen, bu yöntemlerin çoğu birbiriyle örtüşmeyen ayrık modüller üretir. Bu varsayım biyolojik olarak anlamlı değildir, çünkü proteinlerin birden fazla moleküler fonksiyonu olabilir. Bu, kanserle ilişkili genler için özellikle doğrudur, çünkü bu genlerin çoğu işlevsel olarak farklı gen kümelerini birbirine bağlayan ağ merkezleridir. Bu biyolojik fenomeni modelleyen kombinatoryal optimizasyon problem tanımlarını sağlamak ve çözümü için etkili algoritmalar önermek önemlidir. Bu tezde Örtüşen Kanser Sürücü Modüllerinin Belirlenmesi sorununun formel bir tanımı sunulmaktadır. Öncelikle bu problemin NP-hard olduğu gösterilmiştir. Ayrıca, IntAct veritabanındaki protein-protein etkileşim ağından oluşturulan çizgede örtüşen kanser sürücü modüllerini belirleyen, tohum-ve-genişlet stratejisini kullanan DriveWays adlı sezgisel yöntem önerilmektedir. DriveWays yönteminde genlerin karşılıklı dışlama, kapsam ve ağ bağlantısı bilgileri kullanılmaktadır. DriveWays yöntemi TCGA pan-kanser verileri üzerinde denenmiş ve varolan yöntemlere kıyasla daha fazla bilinen kanser sürücü geninin bulabildiği gösterilmiştir. Ayrıca, DriveWays'in belirlediği modüller hemen hemen her durumda kanser ile ilişkili yolaklar için daha güçlü bir zenginleştirme göstermektedir. Sonuç olarak, örtüşen modüller bulmanın kanserle ilişkili yolakların tespitinde önemli bir avantaj sağladığı tespit edilmiştir.
Özet (Çeviri)
Cancer is a heterogeneous disease driven by accumulated somatic mutations. A key challenge in cancer biology is to distinguish cancer-causing driver mutations from inconsequential passenger mutations. To understand the mechanisms of carcinogenesis at the pathway level, it's important to not only identify these mutations but to identify a set of driver genes (modules) that are functional in a driver pathway. Despite the existence of many methods for identifying cancer driver modules, the majority of these methods output non-overlapping modules. This assumption is biologically inaccurate as genes can participate in multiple molecular pathways. This is particularly true for cancer-associated genes as many of them are network hubs connecting a functionally distinct set of genes. It is important to provide combinatorial optimization problem definitions modeling this biological phenomenon and to suggest efficient algorithms for its solution. In this thesis, we provide a formal definition of the Overlapping Driver Module Identi cation in Cancer (ODMIC) problem. We show that the problem is NP-hard. We propose a seed-and-extend based heuristic named DriveWays that identifies overlapping cancer driver modules from the graph built from the IntAct PPI network. DriveWays incorporates mutual exclusivity, coverage, and the network connectivity information of the genes. We show that DriveWays outperforms the state-of-the-art methods in recovering well-known cancer driver genes performed on TCGA pan-cancer data. Additionally, DriveWay's output modules show a stronger enrichment for the reference pathways in almost all cases. Overall, we show that enabling modules to overlap improves the recovery of functional pathways filtered with known cancer drivers, which essentially constitute the reference set of cancer-related pathways.
Benzer Tezler
- Computational establishment of microRNA metabolic networks
MikroRNA metabolik ağlarının bilişimsel kurulumu
MÜŞERREF DUYGU SAÇAR DEMİRCİ
Doktora
İngilizce
2017
Biyolojiİzmir Yüksek Teknoloji EnstitüsüMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. JENS ALLMER
- Development of cinchona based catalysts guided by computational insights for asymmetric synthesis
Asimetrik sentez için hesaplamalı anlayış ile kinkona tabanlı katalizörler geliştirilmesi
YEŞİM ÇAMLISOY
Doktora
İngilizce
2023
Kimya MühendisliğiYeditepe ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMİN FUNDA OĞUZ
PROF. DR. NİHAN ÇELEBİ ÖLÇÜM
- High-throughput computational screening of MOFs for ethane and methane purification
Etan ve metan saflaştırma süreçlerinde kullanılmak üzere metal-organik gözenekli yapılarin gaz ayırma performansının kapsamlı hesaplamalı taraması
ÇİĞDEM ALTINTAŞ
Doktora
İngilizce
2020
Kimya MühendisliğiKoç ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. SEDA KESKİN AVCI
- Evaluation and ranking of protein docking models by 3D convolutional neural networks
Modellenmiş protein-protein etkileşim arayüzlerinin 3 boyutlu evrişimli sinir ağları ile değerlendirilmesi ve sıralanması
SUKEJNA VALJEVAC
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. ATTİLA GÜRSOY
PROF. ZEHRA ÖZLEM KESKİN ÖZKAYA
- Açık ocak işletmelerinde optimum orta ve uzun dönem üretim planlaması
Optimum medium & long term production scheduling of open pit mines
KÜRŞAT HASÖZDEMİR
Doktora
Türkçe
2024
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. SELAMET GÜRBÜZ ERÇELEBİ