A pan-cancer study using TCGA datasets to find possible novel prognostic markers
Yeni olası prognostik belirteçlerin bulunması amacıyla TCGA veri setleri kullanılarak yapılan bir pan-kanser çalışması
- Tez No: 668125
- Danışmanlar: DR. MEHMET BAYSAN
- 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: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Kanser günümüzde en sık görülen ölüm nedenleri arasındadır. Bu hastalık, hücrelerin doğal olmayan yollarla ve kontrol edilemez bir şekilde büyüyerek diğer normal dokuları tehdit etmesi olarak tarif edilebilir. Yüzyıllardır kanser üzerinde yapılagelen çalışmalar Yeni Nesil Dizileme (YND) teknolojilerinin son yıllardaki gelişimi ile dikkate değer bir seviyeye erişmiştir. Mevzubahis teknoloji sayesinde hem kanser çalışmalarının kapsamı genişlemiş hem de insanlığı tehdit eden bu hastalığın kompleks yapısı günümüzde daha iyi kavranmaya başlanmıştır. YND teknolojilerinin sunduğu imkan çerçevesinde son zamanlarda büyük epigenetik, genetik ve transkriptomik veri setleri üretilmiştir. Bunun yanında, kanser artık bir organ hastalığı olarak değil, moleküler bir hastalık olarak görülmeye başlanmıştır. Bu tezde üç farklı moleküler veri seti kullanılarak bir pan-kanser çalışması yapılmaktadır. DNA metilasyon, DNA kopya sayısı, DNA mutasyon ve RNA ekspresyonu seviyelerini gösteren veri setleri TCGA portalinden indirilerek kullanılmaktadır. Bu çalışma mümkün olan en fazla sayıda kanser için moleküler veri kümelerini kullanarak yeni prognostik belirteçler bulmayı amaçlamaktadır. Bu hedefi gerçekleştirmek için, bu tezde daha önceden önerilen prognostik belirteçler (altklon sayısı ve çeşitlilik indeksleri gibi) ile beraber dört veri setindeki her prob/gen'in toplam varyansları da yeni birer olası belirteç olarak kullanılmaktadır. Ayrıyeten sunulan bu yeni belirteçler ile öncekiler arasındaki istatistiki ilişkiler ortaya konulmaktadır. Çalışmanın çıktıları, DNA metilasyonundaki toplam mutlak değişimin, pan-kanserde ve spesifik olarak bazı kanser tiplerinde, sağkalım üzerinde önemli bir belirteç olabileceğini göstermektedir. Ayrıca makine öğrenmesi ve derin öğrenme metodlarıyla beraber bu olası göstergeleri tahmin eden modeller geliştirilmektedir. Sonuçlar hangi modellerin hangi veri setleri üzerinde verimli çalıştıklarını göstermektedir
Özet (Çeviri)
Cancer is one of the most common causes of death worldwide. It can be described as the unnatural and uncontrollable growth of cells, which may lead to spreading other normal tissues. This major threat to human life has been studied for centuries. Yet, with the emergence of Next-Generation Sequencing (NGS) technologies, scope of these studies are expanded and better comprehension of the structure of such complex disease became possible. Through these developments, massive datasets regarding genetics, epigenetics, and transcriptomics are produced in cancer studies. Besides, advancement in technologies revealed that cancer might be treated as a molecular disease rather than a disease of an organ. Therefore, in this thesis, a pan-cancer study is conducted by using three-level molecular datasets. DNA methylation, DNA Copy Number, DNA Mutation, and RNA expression datasets from TCGA Portal are available to process. This study aims to find novel prognostic markers by using all possible datasets in as many cancer types as possible. For this purpose, prognostic markers, such as subclone numbers and diversity indexes, are used along with new proposed indexes, total variances for each gene/probe on four datasets. Association between these proposed indexes and existing ones are also demonstrated. Results suggest that total absolute change in DNA methylation might be a significant marker in pan-cancer and some particular cancer types. Moreover, this study investigates several machine learning and deep learning models to predict these possible indicators. Findings show which models are more suitable in which circumstances.
Benzer Tezler
- 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
- Dek izoformlarının transkripsiyon profillerinin karşılaştırılması
Comparison of transcription profiles of dek isoforms
DİLAN YOLERİ
Yüksek Lisans
Türkçe
2023
BiyolojiGebze Teknik ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. AYTEN KANDİLCİ
- Primer mide adenokarsinomlarının immunohistokimya ve insitu hibridizasyon yöntemleri ile moleküler sınıflaması, TRK yolağının sınıflamadaki olası rolünün belirlenmesi, klinikopatolojik parametreler ile ilişkilerinin değerlendirilmesi
Molecular classification of gastric cancer based on immunohistochemistry and in-situ hybridization, determination of the role of tropomyosin receptor kinase (TRK) signaling pathway in gastric cancer classification and their association with clinicopathological parameters
MEDİNE ÖZGÜR GÜNAY
Tıpta Uzmanlık
Türkçe
2020
PatolojiMarmara ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. ÇİĞDEM ÇELİKEL
- SOX2 in focus: Association of SOX2 copy number variation with TP53 mutation in TCGA pancancer cohorts and codon optimized design for de novo SOX2 synthesis using novel shiny application
SOX2 odak noktasında: SOX2 gen kopya sayısı varyosyonunun TCGA pancancer kümelerinde TP53 mutasyonu ile ilişkisi ve shiny uygulaması kullanılarak de novo SOX2 sentezi için kodon optimize tasarım
SİBER GÜNEŞ ÇELİK
Yüksek Lisans
İngilizce
2024
Biyolojiİhsan Doğramacı Bilkent ÜniversitesiNörobilim Ana Bilim Dalı
DOÇ. DR. ÖZLEN KONU KARAKAYALI
- Development of gene panels to complement clinical decision support systems for evaluating the efficacy of cancer therapies
Kanser tedavilerinin etkinliğini değerlendirmek için klinik karar destek sistemlerini tamamlayıcı gen panellerinin geliştirilmesi
BETÜL BUDAK
Yüksek Lisans
İngilizce
2024
BiyomühendislikMarmara ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. KAZIM YALÇIN ARGA