Computational approaches to the identification of diagnostics and prognostics markers in brain neoplasms
Hesaplamalı yöntemler kullanılarak beyin neoplazmasında prognoz ve teşhis işaretlerinin belirlenmesi
- Tez No: 745693
- Danışmanlar: DR. ÖĞR. ÜYESİ ATHANASIA PAVLOPOULOU
- Tez Türü: Yüksek Lisans
- Konular: Biyoloji, Genetik, Biology, Genetics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: İzmir Uluslararası Biyotıp ve Genom Enstitüsü
- Ana Bilim Dalı: Moleküler Biyoteknoloji Ana Bilim Dalı
- Bilim Dalı: Biyoinformatik ve Sistem Biyolojisi Bilim Dalı
- Sayfa Sayısı: 78
Özet
Düşük sınıflı gliomalar (LGG) sinir sistemi 1. Sınıf tümörlerdir ve ilerledikçe en ölümcül beyin tümörlerinden biri oluyorlar. Bu gün zamanında ve doğru teşhis ve prognoza ihtiyaç vardır. Bu çalışmanın amacı düşük sınıflı gliomalarla ilişkili teşhisine ve prognozuna yönelik biyoişaretlerinin birçok farklı hesaplamalı yöntemler kullanılarak bulunmasıdır. Bu amaç için üç farklı metot kullanarak LGG ve karşılık denk gelen normal beyin dokusu arasında diferansiyel ifadeleme analizi gerçekleştirildi. Toplamda LGG ve sağlıklı normal beyin dokusu arasında dört bin dört yüz doksan altı diferansiyel ifade edilen gen tespit edildi. Daha sonra ortak diferansiyel ifade edilen genler, ağırlıklı olarak birlikte ifade edilen genlerin ağ analizinde (WGCNA), birlikte ifade edilen gen kümelerini bulmak için kullanıldı. Bu sayede klinik fenotiplerle ilişkili iki dikkate değer modül bulundu. Bu modüllerde bulunan DEGler ise birlikte ifade edilen gen ve protein etkileşim ağ analizlerinin inşasında kullanıldı. Bu analizler doğrultusunda toplam on sekiz hub gen tespit edildi: CD74, CD86, CDC25A, CYBB, HLA-DMA, ITGB2, KIF11, KIFC1, LAPTM5, LMNB1, MKI67, NCKAP1L, NUSAP1, SLC7A7, TBXAS1, TOP2A, TYROBP, ve WDFY4. Tüm tespit edilen hub genler LGG tümöründe yukarı regüle edilmiş olarak bulundu ve LGG hastlarında da olumsuz prognoz fenotiplerle ilişkili bulunmuştur. Bu sonuçlar klinik bir platformda LGG tümörünün teşhisi ve hastaların prognozu üzerine uygulanabilir.
Özet (Çeviri)
Low-grade gliomas (LGG) are central nervous system Grade I tumors, and as they progress become one of the deadliest brain tumors. Today, there is still great need for timely and accurate diagnosis and prognosis. The aim of this study, was to identify diagnostic and prognostic biomarkers associated with LGG, by employing using diverse computational approaches. For this purpose, differential gene expression analysis between LGG tissue and corresponding normal tissue was performed by using three methodologies. A total of four thousand four hundred and ninety six common differentially expressed genes (DEGs) between LGG and healthy brain tissue were detected. Next, those DEGs were used to conduct Weighted Gene Co-Expression Network Analysis (WGCNA) in order to identify clusters of co-expressed genes. In this way, two modules significantly correlated with clinical traits were detected. The DEGs comprising the modules were further used to construct gene co-expression and protein-protein interaction networks. Based on this analysis, we derived a consensus of eighteen hub genes, namely, CD74, CD86, CDC25A, CYBB, HLA-DMA, ITGB2, KIF11, KIFC1, LAPTM5, LMNB1, MKI67, NCKAP1L, NUSAP1, SLC7A7, TBXAS1, TOP2A, TYROBP, and WDFY4. All detected hub genes were up-regulated in LGG, and were also associated with unfavorable prognosis in LGG patients. These findings could be applicable in the clinical setting for diagnosing and monitoring LGG.
Benzer Tezler
- Application of computational biology approaches for the investigation of the molecular mechanisms of cancer across taxonomic groups
Farklı taksonomik gruplarda kanserin moleküler mekanizmalarının hesaplamalı biyoloji uygulamalarıyla araştırılması
IŞIL TAKAN
Doktora
İngilizce
2022
BiyolojiDokuz Eylül ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATHANASİA PAVLOPOULOU
- Identification of functionally related and mutually exclusive micrornas associated with diseases using deep neural networks approach
Derin sinir ağları yaklaşımı kullanılarak hastalıklarla ilişkili işlevsel olarak ilişkili ve karşılıklı olarak özel mikrorna'ların tanımlanması
REZA ARSHINCHI BONAB
Yüksek Lisans
İngilizce
2023
BiyolojiDokuz Eylül ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DR. TUTOR MEMBER OF ATHANASIA PAVLOPOULOU
- The effect of ai on dna sequencing an overview of the process between history and present with ethical analysis
Yapay zekanın dna dizilenmesine etkisi etik analiz ile tarihten günümüze kadar sürece genel bakış
ANFAL MUNEAM HAMEED HAMEED
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ KARAN
- Glaucoma disease detection using image processing and machine learning approach
Görüntü işleme ve makine öğrenme yaklaşımıyla glokom hastalığının tespiti
HUSSEIN ALAA MOHAMMED ATTAR BASH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN
- Bitki hastalıklarının tespitinde geleneksel makine öğrenmesi ve derin öğrenme yöntemlerinin başarım karşılaştırması
Performance comparison of traditional machine learning and deep learning methods in plant disease detection
MUSA ÇETİNKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT ÇİĞDEM TURHAL