Geri Dön

A web tool to explore, annotate and classify the Acibadem breast cancer cohort RNAseq data with gene signatures and clinical/mutation data, according to molecular subtypes

Acıbadem meme kanseri kohortu RNA-seq verilerini gen imzalari ve klinik/mutasyon verileriyle moleküler alt tiplere göre keşfetmek, betimlemek ve sınıflandırmak için bir web aracı

PDF İndir

  1. Tez No: 733247
  2. Yazar: KÜBRA ÇALIŞIR
  3. Danışmanlar: DOÇ. DR. ÖZLEN KONU KARAKAYALI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biyoloji, Onkoloji, Biostatistics, Biology, Oncology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Moleküler Biyoloji ve Genetik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 163

Özet

Transkriptomik temelli yaklaşımlar, 2000'li yılların başından beri meme kanseri alt tipleri arasında moleküler heterojenliği ve farklı gen ekspresyon modellerini ortaya çıkarmıştır. Moleküler alt tiplerin kullanımı prognostik değerlendirme, terapötik etkinlik tahmini ve kohort çalışmalarının geriye dönük analizlerinde kliniklerde ve translasyonel araştırmalarda kullanımına yol açtı. Bu tezde, Acıbadem Meme Kanseri Kohortu (ABCC) RNA-seq verilerinin meme kanseri alt tipleri, moleküler alt tip belirleyicileri olan immünohistokimya (IHC), PAM50 ve SCMOD1 ile sınıflandırıldı. Sonuçlar, ABCC ve seçilen diğer beş halka açık veri genelinde yöntemlerin orta düzeyde uyumunu ortaya çıkardı. Ek olarak, ABCC ve TCGA-BRCA RNA-seq verilerinin sınıflandırılmasının güçlü bir şekilde gen imza seçimine bağlı olduğu gösterildi. Ayrıca, tahmin ediciler olarak PAM50 genleri ve TCGA-BRCA RNA-seq verileri ile eğitilmiş bir makine öğrenimi modeli veri kümelerinin dengesiz doğası nedeniyle ABCC ve MATADOR için orta düzeyde sonuçlar gösterdi. Tahmin ediciler olarak PAM50 genlerinin bir alt kümesini ortaya çıkartıldı. Ek olarak, R-Shiny tabanlı classABCC uygulaması, ABCC'nin altı gen imzasıyla kümelenmesini, ABCC ya da kullanıcı girdisi transkriptomik verilerinin moleküler alt tiplendirilmesini ve ve TCGA-BRCA RNA-seq eğitimli makine öğrenim modeliyle alt tiplerin tahminini kolaylaştırmak için geliştirildi.

Özet (Çeviri)

Transcriptomics-based approaches have revealed the molecular heterogeneity and distinct gene expression patterns across breast cancer subtypes since the early 2000s. This led to the usage of molecular subtypes in clinics and translational research in prognostic assessment, therapeutic efficacy prediction, and retrospective analysis of cohort studies. In this thesis, breast cancer subtypes of Acıbadem Breast Cancer Cohort (ABCC) RNA-seq data were classified with immunohistochemistry (IHC), PAM50, and SCMOD1 as molecular subtype predictors. The results revealed the moderate concordance of the methods across ABCC and selected five other public datasets. In addition, it was shown that the classification of ABCC and TCGA-BRCA RNA-seq data strongly depends on the gene signature selection. Further, a machine learning model trained with TCGA-BRCA RNA-seq data and PAM50 genes as predictors showed moderate results for ABCC and MATADOR due to the imbalanced nature of datasets where feature importance revealed a subset of PAM50 genes as predictors. Additionally, the R-Shiny-based classABCC app was developed to facilitate clustering of ABCC with six gene signatures, molecular subtyping of ABCC, and prediction of subtypes with TCGA-BRCA RNA-seq trained machine learning model.

Benzer Tezler

  1. Tez No

    880022

    Development of a multi-species scrna-seq atlas of metabolic dysfunction–associated steatotic liver disease (MASLD)

    Metabolik disfonksiyon ilişkili yağlı karaciğer hastalığı (MASLD) için çok türlü scrna-seq atlasının geliştirilmesi

    MERT DEMİRDİZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Biyolojiİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. ÖZLEN KONU KARAKAYALI

  2. Tez No

    664784

    ESTRA: An easy streaming data analysis tool

    ESTRA: Kolay kullanımlı akan veri analiz aracı

    ECEHAN SAVAŞ BAŞAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET VOLKAN ATALAY

  3. Tez No

    375270

    Using Scoop. it and curatorial learning cycle for establishing a learning environment within the context of teaching King Lear

    Scoop. it ve derlemeli sorgulayıcı öğrenme döngüsü kullanarak Shakespeare'in Kral Lear trajedisi bağlamında öğrenme ortamı oluşturmak

    SİNEM ORALLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Eğitim ve Öğretimİhsan Doğramacı Bilkent Üniversitesi

    Eğitim Programları ve Öğretimi Ana Bilim Dalı

    YRD. DOÇ. DR. NECMİ AKŞİT

  4. Tez No

    167414

    Effect of a WEB based learning tool on student learning in science education: A case study

    Fen bilgisi eğitiminde WEB tabanlı öğrenme araçlarının öğrencilerin öğrenmelerine etkisi bir durum çalışması

    ERHAN ŞENGEL

    Doktora

    İngilizce

    İngilizce

    2005

    Eğitim ve ÖğretimOrta Doğu Teknik Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü

    PROF. DR. YAŞAR ÖZDEN

  5. Tez No

    606323

    A holistic decision support tool for facade design

    Cephe tasarımı için bütüncül bir karar destek aracı

    SİNEM KÜLTÜR

    Doktora

    İngilizce

    İngilizce

    2019

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. AYŞE NİL TÜRKERİ

    PROF. DR. Ulrich KNAACK

Geri Dön