Using gene expression profiles of cancer patients with image-based deep learning approach to develop methods for classification and prediction of cancer while revealing critical genes
Kanser hastalarının gen ifade verileri kullanılarak kanserde kritik genlerin tanımlanması, kanser sınıflandırılması ve tahmini için görüntü-tabanlı derin öprenme yaklaşımı
- Tez No: 687467
- Danışmanlar: DR. ÖĞR. ÜYESİ ALPER YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Biyomühendislik Bilim Dalı
- Sayfa Sayısı: 109
Özet
Kanser, dünya genelinde ölümcül hastalıkların başında yer almaktadır. Teşhis ve tedavi aşamasındaki zorluklar hastalığın ilerleyişini engelleyememekte milyonlarca insanın ölümüne yol açmaktadır. Tümörlü hücrelerin sahip olduğu intra-tümor ve inter-tümör heterojenite özelliği kanserin bireylere özgü özelliklere sahiip bir hastalık olması sonucunu doğurmuştur. Her bireyin sahip olduğu tümör ve tümör mikroçevresi kendisine özgü olması sebebi ile genel tarama yöntemleri hastalığın erken tespitini zorlaştırmaktadır. Burada gen ekspresyon verileri üzerinde derin öğrenme yaklaşımı kullanılarak kanser teşhisine yeni bir bakış açısı kazandırmayı amaçladık. Genomdaki değişikliklerin birebir sonuçlarının görüldüğü gen ifade verilerinin derin öğrenme yöntemi kullanılarak eğitimi gerçekleştirilmiştir. Ek olarak, derin öğrenmenin yüksek doğrulukla belirlediği tümör ve normal dokuları belirlemede etkili olan kritik genlerin belirlenmesi amaçlanmıştır. Bu çalışmada, yaklaşık 30 farklı kanser hastasının RNA-Seq verileri ile Kanser Genom Atlas (TCGA) veri seti ve normal dokuların GTEx RNA-seq verileri kullanılmıştır. Eğitim için girdi verileri RGB formatına dönüştürülmüş ve eğitim bir Evrişimsel Sinir Ağı (CNN) ile gerçekleştirilmiştir. Eğitimli algoritma, gen ekspresyonu verilerine dayanarak kanseri \%97.7 doğrulukla tahmin edebilir. Ayrıca, hastalığın tahmini için etkili genleri belirlemek için eğitilmiş modele bir-piksel saldırı uyguladık.Bu yöntemin uygulanması sonucunda derin öğrenme modelinin tahmini üzerinde etkili olan 13 kritik gen belirlenmiştir. Sonuç olarak, geliştirilen derin öğrenme modeli ile tümör ve normal dokuları gen ifade verilerine bağlı olarak ayırt edebilen bir model geliştirilmiştir. Bu modelin tahmin mekanizması incelenerek kanser için biyobelirteç olmaya aday olan genler belirlenmiştir. Belirlenen genlerin literatür araştırılması yapıldığında kanserle ilişkileri görülmüştür. Gerçekleştirilen çalışma sonucu belirlenen bu genler deneysel verilerle desteklenerek kanser için biyobelirteç olarak kullanılanılabilir. Elde edilen sonuçlar doğrultusunda kişilere özgü kanserler gen bazında incelenerek, kişiye özgü tanı ve tedavilerin de uygulanabileceği gösterilmektedir.
Özet (Çeviri)
Cancer is one of the malignant diseases worldwide. Difficulties in diagnosis and treatment cannot prevent the progression of the disease and cause the death of millions of people. The intra-tumor and inter-tumor heterogeneity characteristic of tumor cells has resulted in cancer being a disease with individual characteristics. Since each individual has a unique tumor and tumor microenvironment, general screening methods make early detection of the disease difficult. Here, we aimed to provide new perspective of cancer diagnosis using deep learning approach on gene expression data. The training of gene expression data, in which the exact results of the changes in the genome are seen, was carried out using the deep learning method. In addition, it is aimed to identify critical genes that are effective in identifying tumor and normal tissues, which deep learning has determined with high accuracy. In this study, The Cancer Genome Atlas (TCGA) dataset with RNA-Seq data of approximately 30 different types of cancer patients and GTEx RNA-seq data of normal tissues were used. The input data for the training was transformed to RGB format and the training was carried out with a Convolutional Neural Netowk (CNN). The trained algorithm is able to predict cancer with 97.7\% accuracy, based on gene expression data. Moreover, we applied one-pixel attack on the trained model to determine effective genes for prediction of the disease. As a result of the application of this method, 13 critical genes that are effective on the prediction of the deep learning model were determined. As a result, with the developed deep learning model, a model that can distinguish tumor and normal tissues based on gene expression data has been developed. By examining the prediction mechanism of this model, genes that are candidates to be biomarkers for cancer were determined. When the identified genes were searched in the literature, their relationship with cancer was observed. These genes, which were determined as a result of the study, can be used as a biomarker for cancer by supporting experimental data. In line with the results obtained, it is shown that individual cancers can be examined on the basis of genes, and that individual diagnoses and treatments can also be applied.
Benzer Tezler
- Investigation and comparison of the therapeutic effects of palbociclib-loaded magnetic nanoparticles on 2D, 3D and ex-vivo breast cancer models
Palbociclib yüklü manyetik nanoparçacıkların 2D, 3D ve ex-vivo meme kanseri modelleri üzerindeki terapötik etkisinin moleküler düzeyde incelenmesi ve karşılaştırılması
MARYAM PARSIAN
Doktora
İngilizce
2022
BiyoteknolojiOrta Doğu Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. CAN ÖZEN
- Insan pankreas kanserinin biyoinformatik araçlar ile genom boyu ifade analizi
Genome wide expression analysis of human pancreatic cancer with bioinformatics tools
LÜTFİYE KADIOĞLU DALKILIÇ
- Kolorektal kanser olgularında preoperatif, postoperatif ve kemoradyoterapi sonrası dönemde kan dokusunda moleküler prognostik ve prediktif biyobelirteçlerin araştırılması
Investigation of molecular prognostic and predictive biomarkers in blood tissue during preoperative, postoperative and post-chemoradiotherapy period with colorectal cancer patients
AYTEN DOĞAN
Doktora
Türkçe
2020
GenetikTrakya ÜniversitesiBiyoteknoloji ve Genetik Ana Bilim Dalı
PROF. DR. OĞUZHAN DOĞANLAR
- Kanser genetiği veritabanı oluşturulması ve biyoinformatik araçlarına entegrasyonu ile yeni kanser veri setlerinin analizi
Developing cancer genomic database and analyzing cancer datasets with integrating bioinformatic tools
MEHMET KEMAL SAMUR
Doktora
Türkçe
2013
BiyoistatistikAkdeniz ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. OSMAN SAKA
- Kanserli ve sağlıklı bireylerin kan metabolit kompozisyonlarının karşılaştırılarak kanser teşhisinde kullanılabilecek yeni biyomarkörlerin belirlenmesi
Determination of new biomarkers for cancer diagnosis use by caomparing compositions of blood metabolite of cancer patients and healty individuals
MERYEM DUMANLI
Doktora
Türkçe
2015
BiyolojiGaziosmanpaşa ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. NECMETTİN YILMAZ