Geri Dön

Computational identification of possibly overlapping driver pathways in cancer

Kanserde birbiriyle örtüşebilen sürücü yolakların işlemsel yöntemlerle belirlenmesi

  1. Tez No: 652249
  2. Yazar: ILYES BAALI
  3. Danışmanlar: DOÇ. DR. HİLAL KAZAN, Prof. Dr. CESİM ERTEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Antalya Bilim Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Computational establishment of microRNA metabolic networks

    MikroRNA metabolik ağlarının bilişimsel kurulumu

    MÜŞERREF DUYGU SAÇAR DEMİRCİ

    Doktora

    İngilizce

    İngilizce

    2017

    Biyolojiİzmir Yüksek Teknoloji Enstitüsü

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. JENS ALLMER

  2. 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

    İngilizce

    2023

    Kimya MühendisliğiYeditepe Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEMİN FUNDA OĞUZ

    PROF. DR. NİHAN ÇELEBİ ÖLÇÜM

  3. 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

    İngilizce

    2020

    Kimya MühendisliğiKoç Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    PROF. DR. SEDA KESKİN AVCI

  4. 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

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. ATTİLA GÜRSOY

    PROF. ZEHRA ÖZLEM KESKİN ÖZKAYA

  5. Açık ocak işletmelerinde optimum orta ve uzun dönem üretim planlaması

    Optimum medium & long term production scheduling of open pit mines

    KÜRŞAT HASÖZDEMİR

    Doktora

    Türkçe

    Türkçe

    2024

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    PROF. DR. SELAMET GÜRBÜZ ERÇELEBİ