Yapay öğrenme ve biyoinformatik yöntemlerle obezitenin kansere etkisinin araştırılması
Investigation of the effect of obesity on cancer with artificial learning and bioinformatics methods
- Tez No: 780063
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Sağlık Biyoinformatiği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 152
Özet
Literatürde obezite durumu olan kanser hastalarının ölüm oranlarında normal kilolu hastalara göre istatistiksel olarak anlamlı bir artış olduğu bildirilmiştir. Vücut Kitle İndeksi (VKİ) ile düşük veya yüksek kanser ölüm riski ilişkinin nedeni günümüzde hala belirsizliğini korumaktadır. Kanser Genom Atlası (TCGA) veri tabanındaki VKİ bilgisi bulunan BLCA, CHOL, COAH, ESCA, KIRP, LIHC, DLBC, READ, SKCM, THYM, UCS ve UVM kanser tiplerindeki metastatik olmayan kanserli hastaların klinik, RPPA (protein ekspresyonu) ve RNA sekans (dolayısıyla gen) bilgisi bu tez çalışmasının veri kümesi oluşturmuştur. Yapılan veri ön işlem basamakları sonunda tez çalışması için seçilen hastalar dört VKİ grubuna ayrılmıştır. Hastalara ait veri kümesindeki özniteliklerin VKİ grup bazındaki farklılığının istatistiksel olarak anlamlılığı Tek Yönlü Varyans Analizi ile belirlenmiştir. Lojistik regresyon (LOGREG) sınıflandırma modeliyle hastalar yaşam durumuna göre sınıflandırılmış ve model özniteliklerden hangilerinin bu sınıflandırmadaki başarıya katkı sağladığı belirlenmiştir. Son aşamada ise katkısı yüksek olduğu belirlenen özniteliklerin VKİ grubundaki hastaların sağkalımı üzerindeki etkisi Cox Orantılı Tehlike (CoxPH) modeli ile belirlenmiştir. Yapılan CoxPH analizleri sonucunda düşük kilolu VKİ grubunda CMAS, PART1 ve CPNE8 genlerinin; normal kilolu VKİ grubunda SPNS1, IDO1 ve LSS genlerinin; obezite öncesi VKİ grubunda FN1, ALG3 ve ASAP1 genlerinin ve obez VKİ grubunda FN1, BCORL1 ve WNT10A genlerinin hastaların sağkalım üzerinde etkili olduğu bulunmuştur. Bu tez çalışması sonucunda 'Kanser ve ölüm ilişkisinde obezitenin rolü nedir?' sorusuna yapay öğrenme ve biyoinformatik yöntemlerinin kullanılmasıyla yenilikçi ve kapsamlı bir cevap sunulmuştur.
Özet (Çeviri)
It has been reported in the literature that there is a statistically significant increase in the death rate of cancer patients with obesity compared to normal weight patients. Reletıons between Body Mass Index (BMI) and low and high cancer death risk remains unclear today. Clinical, RPPA (protein expression) and RNA sequence (hence gene) of patients with non-metastatic cancer in BLCA, CHOL, COAH, ESCA, KIRP, LIHC, DLBC, READ, SKCM, THYM, UCS and UVM cancer types with BMI information in the Cancer Genome Atlas (TCGA) database information formed the dataset of this thesis. At the end of the data preprocessing steps, the patients selected for the thesis study were divided into four BMI groups. The statistical significance of the differences of the features in the dataset of the patients on the basis of BMI group were determined by One-Way Analysis of Variance. with the logistic regression (LOGREG) classification model, patients were classified according to their living conditions and it was determined which of the model features contributed to the success in this classification. At the last step, the effects of the features that were determined to have high contribution on the survival of the patients in the BMI group were determined by the Cox Proportional Hazard (CoxPH) model. As a result of the CoxPH analysis it was found that CMAS, PART1 and CPNE8 genes in the low-weight BMI group; SPNS1, IDO1 and LSS genes in normal weight BMI group; FN1, ALG3 and ASAP1 genes in the pre-obese BMI group and the FN1, BCORL1 and WNT10A genes in the obese BMI group were effective on the survival of the patients. As a result of this thesis, the question of 'What is the role of obesity in the cancer and cancer related death' has been answered comprehensively and innovatively by using artificial learning and bioinformatics methods.
Benzer Tezler
- Omik veriler üzerinde geometrik derin öğrenim tekniklerinin uygulanması
Application of geometric deep learning on omic data
SEDA MÜRÜTSOY
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TURGAY BATBAT
- Localized multiple kernel algorithms for machine learning
Yapay öğrenme için yerel çoklu çekirdek algoritmaları
MEHMET GÖNEN
Doktora
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ETHEM ALPAYDIN
- 16S rRNA taksonomik sınıflandırmasında yapay sinir ağlarına dayalı taksonomik metrik öğrenme yöntemlerinin geliştirilmesi
The development of ann based taxonomic metric learning for 16s rRNA taxonomic classification
SAMED SAKA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBiyoinformatik Sistemler Biyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN UFUK NALBANTOĞLU
- Yeni bir çapraz geçerleme yöntemi ve biyoinformatik alanında öznitelik seçimi üzerinde uygulanması
A novel cross validation method and an application to feature selection in bioinformatics
AHMET ALPTEKİN
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OLCAY KURŞUN
- Efficient optimization algorithms for computational biology
Hesaplamalı biyolojide etkin eniyileme algoritmaları
OĞUZ CAN BİNATLI
Doktora
İngilizce
2024
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği ve Operasyon Yönetimi
PROF. DR. MEHMET GÖNEN