Yapay öğrenme bazlı hesaplamalı modelleme ile geniş çaplı kanser hücre hattı ilaç yanıt tahmini
Comprehensive cancer cell line drug response prediction by machine learning based computational modelling
- Tez No: 740649
- Danışmanlar: DOÇ. DR. TUNCA DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Genetik, Computer Engineering and Computer Science and Control, Genetics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoenformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 298
Özet
Her hasta için özel olarak en iyi tedavi seçeneğini değerlendirmek, hassas tıbbın ana hedefidir. Özellikle farklı kanser tiplerinde, aynı tanıya sahip hastalar genetik heterojenite nedeniyle uygulanan tedaviye farklı seviyelerde duyarlılık gösterebilirler. İlaç yanıtlarını (duyarlılığını) önceden tahmin ederek ilaç geliştirme süreçleri için gereken süreden tasarruf etmek ve etkisiz ilaçların uygulanmasını önlemek amacıyla, hastaların genetik özelliklerini kullanan hesaplamalı yaklaşımlar geliştirilmiştir. Bu tez çalışmasında, kanser hücrelerinin ilaç yanıtlarını tahmin eden makine öğrenmesi tabanlı bir sistem olan DeepResponse-RF önerilmiştir. DeepResponse-RF, büyük ölçekli profilleme/tarama projelerinden elde edilen ve her biri ayrı bir tümörü temsil eden farklı kanser hücre hatlarının gen ekspresyonu, mutasyon, kopya sayısı varyasyonu ve metilasyon profillerini, ilaçların moleküler özellikleriyle birlikte kullanmaktadır ve rastgele orman algoritması aracılığıyla, tümörün multi-omik özellikleri ile uygulanan ilaca duyarlılığı arasındaki ilişkiyi yapay olarak öğrenmektedir. Performans sonuçları, DeepResponse-RF'nin kanser hücrelerinin ilaç duyarlılığını başarılı bir şekilde tahmin ettiğini ve özellikle multi-omik yönün öğrenme sürecine fayda sağladığını ve tek omik tabanlı duruma kıyasla daha iyi performansa yol açtığını gösterdi. DeepResponse-RF, daha ileri seviyede geliştirme aşamalarının uygulanması sonrasında, yeni ilaç adaylarının erken aşamada keşfedilmesi ve mevcut olanların dirençli tümörlere karşı yeniden konumlandırılması için kullanılabilir.
Özet (Çeviri)
Assessing the best treatment option specifically for each patient is the main goal of precision medicine. The patients with the same diagnosis may display varying sensitivity to the applied treatment due to genetic heterogeneity, especially in cancers. With the aim of predicting drug response in advance, to save valuable time and prevent the administration of ineffective drugs, computational approaches that utilize genetic features of patients have been developed. In this thesis study, DeepResponse-RF is proposed, which is a machine learning-based system that predicts drug responses (sensitivity) of cancer cells. DeepResponse-RF utilizes gene expression, mutation, copy number variation and methylation profiles of different cancer cell-lines (each representing an individual tumor) obtained from large-scale profiling/screening projects, together with drugs' molecular features at the input level and process them via the random forest algorithm, to learn the relationship between multi-omics features of the tumor and its sensitivity to the drug administered. Performance results indicated DeepResponse-RF successfully predicts drug sensitivity of cancer cells, and especially the multi-omics aspect benefited the learning process and yielded better performance compared to the single-omic-based state-of-the-art. With further development, DeepResponse-RF can be used for early stage discovery of new drug candidates and for repurposing the existing ones against resistant tumors.
Benzer Tezler
- Reinforcement learning based resource allocation for initial disasterresponse
Afetle mucadelede pekistirmeli ogrenme tabanli kaynak yonetimi
ESAT TUNAHAN TUNA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ AKGÜN
- Data-driven delay estimation and anomaly detection: A study on European and Turkish air traffic
Veri güdümlü gecikme tahmini ve anomali tespiti: Avrupa ve Türkiye hava trafiği üzerine bir çalışma
MUHAMMET AKSOY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. EMRE KOYUNCU
- Prediction of flow rates from different entries using PLT p-T measurements in a horizontal well by machine learning methods
Makine öğrenmesi teknikleri ile bir yatay kuyunun farklı girişlerin debilerinin PLT p-T ölçümlerinden tahmini
MUHARREM HİLMİ ÇEVİK
Yüksek Lisans
İngilizce
2022
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇINAR
- Brain-inspired cortical-coding algorithm for multimedia processing
Multimedya işlemek için beyinden esinlenilmiş kortikal kodlama algoritması
AHMET EMİN ÜNAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Application of kNN-GRNN algorithm for liquid holdup determination in two-phase flow
İki fazlı akışta sıvı oranının belirlenmesi için kNN-GRNN algoritmasının kullanılması
MEHMET SADIK PEKTAŞ
Yüksek Lisans
İngilizce
2018
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇINAR