Network medicine-based discovery of biomarkers for pancreatic cancer
Pankreas kanseri için ağ tıbbı tabanlı biyobelirteç keşfi
- Tez No: 693776
- Danışmanlar: PROF. DR. ŞEFİKA KUTLU ÜLGEN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Kimya Mühendisliği, Biostatistics, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 277
Özet
Pankreas duktal adenokarsinomu (PDAC), pankreas kanserinin en sık görülen türüdür. Yüksek ölüm oranı ve teşhisinin güçlüğü nedeniyle PDAC yeni yaklaşımlarla biyobelirteç keşfi için öncelikli bir adaydır. Bu çalışmada ayrımsal gen ekspresyon analizi, kısıtlama bazlı metabolik ağ inşası ve analizi (COBRA), ve protein-protein etkileşim (PPI) ve gen eş ekspresyon ağları kullanılarak kanser ve sağlıklı pankreas dokusunun kıyaslanmasında yüksek hacimli veri kullanılmıştır. PPI ve eş ekspresyon ağlarının kümelenmesi, ayrımsal ekspresyon ve COBRA analizlerinin sonucunu biyolojik bağlam içerisine yerleştirmek için kullanılmıştır. Ayrımsal ekspresyon analizi, TCGA ve GTEx veritabanlarından alınan gen ekspresyon verisi içerisinde 826 farklı ekspresyona sahip gen (DEG) keşfetmiştir. COBRA yöntemlerinin kullanılabilmesi için gen ekspresyon verisi Recon3D isimli 10,600 reaksiyon içeren jenerik insan metabolik modelini sırasıyla 5,879 ve 5,812 reaksiyon içeren kanser ve sağlıklı dokuya özgü modellere çevirmekte kullanılmıştır. Bu iki modelin metabolik akı profilleri akı örnekleme yöntemiyle keşfedilmiş ve reaksiyon bazında birbiriyle kıyaslanarak anlamlı fark gösteren 1,960 içsel reaksiyon, 338 de değişim reaksiyonu ortaya çıkarılmıştır. Bu reaksiyonların kapsamı, sadece iki model arasındaki akı ortalaması farkı, akı profillerinin iki standart sapmasından büyük olan 250 içsel reaksiyonu ve 14 değişim reaksiyonunu kapsayacak şekilde daraltılmıştır. 55 genin aynı anda DEG oldukları ve anlamlı akı farklılıkları gösteren reaksiyonlarla ilintili oldukları bulunmuştur. Bu genlerin, ve bunlara ek olarak PPI ve eş ekspresyon ağlarındaki en çok DEG ya da metabolik farklılık gösteren geni içeren 5 kümedeki genlerin Gen Ontolojisi (GO) terimleri, Hastalık Ontolojisi (DO) terimleri ve bilinen biyolojik yolaklar ile ilişkilendirilmesi yapılmıştır. Bu ilişkilendirme sonucunda kanser genleri ve hücre-hücre adhezyonu, bağışıklık tepkisi ve reaktif oksijen türleri (ROS) baskısı süreçleri ve diğer süreçler arasındaki ilişkiler ortaya konmuştur.
Özet (Çeviri)
Pancreatic ductal adenocarcinoma (PDAC) is the most common type of pancreatic cancer. Due to its high lethality and difficult diagnosis, PDAC is a prime candidate for biomarker discovery using novel approaches. This study uses high-throughput gene expression and protein-protein interaction data to apply differential gene expression analysis, constraint-based reconstruction and analysis (COBRA) of the metabolic network, and the construction of protein-protein interaction (PPI) and gene coexpression networks, comparing cancerous and healthy pancreatic tissue. Clustering of PPI and coexpression networks is used to place differential expression and COBRA results in biological context and find gene clusters which describe cancer-related processes. Differential expression analysis on TCGA and GTEx databases found 826 differentially expressed genes (DEGs). For COBRA methods, gene expression data was used to filter the 10,600 metabolic reactions in the Recon3D generic human metabolic model into cancer and healthy tissue-specific models, containing 5,879 and 5,812 reactions, respectively. The metabolic flux profiles of these models were discovered via flux sampling, revealing 1,960 significantly different internal reactions and 338 significantly different exchange reactions. These were narrowed down to 250 internal reactions and 14 exchange reactions whose mean flux difference between two models was greater than two standard deviations of the flux distributions. 55 genes were found to both be DEGs and exhibit significant flux differences in their associated reactions. These genes and the top 5 PPI or coexpression clusters with the highest proportion of DEGs or genes with significant metabolic differences were annotated with Gene Ontology (GO) and Disease Ontology (DO) terms, as well as with known biological pathways. The annotation revealed associations between cancer genes and cell-cell adhesion, immune response, and reactive oxygen species (ROS) stress processes, among others.
Benzer Tezler
- Network-based discovery of molecular targeted agent treatments in hepatocellular carcinoma
Hepatosellüler karsinomda hedefe yönelik moleküler ajan tedavilerinin ağa dayalı keşfi
RUMEYSA FAYETÖRBAY
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBiyoenformatik Ana Bilim Dalı
DOÇ. DR. NURCAN TUNÇBAĞ
- Makine öğrenme yaklaşımlarının biyoinformatikte ilaç geliştirme probleminde kullanılması
Using machine learning approaches in drug development problem in bioinformatics
TUĞÇE SEMERCİ
Yüksek Lisans
Türkçe
2023
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÇAĞDAŞ HAKAN ALADAĞ
- Shawn Basey'nin Hunger öykü derlemesi üzerine eleştirel söylem çözümlemesi
Critical discourse analysis on Hunger by Shawn Basey
ÖZNUR YAĞCI
Yüksek Lisans
Türkçe
2025
DilbilimVan Yüzüncü Yıl Üniversitesiİngiliz Dili ve Edebiyatı Ana Bilim Dalı
DOÇ. DR. GÜLŞEN TORUSDAĞ
- Estimation of heart disease based on data mining using patients health database
Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini
AZHAR HATEM JEBUR AL BAIDHANI
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
Assist. Prof. YASA EKŞİOĞLU ÖZOK
- Allosteric regulation in proteins through residue-residue contact networks
Kalıntı-kalıntı ağlar ile proteinlerdeki allosterik düzenlemeler
MELİKE ÇAĞLAYAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
DOÇ. DR. YEŞİM AYDIN SON
DOÇ. DR. NURCAN TUNÇBAĞ