Geri Dön

Artificial intelligence assisted drop pattern analysis and RNAseq profiling for early diagnosis and follow-up of bladder cancer

Mesane kanserinin erken tanı ve takibinde yapay zeka destekli damla motif analizi ve RNAseq profilleme

PDF İndir

  1. Tez No: 807744
  2. Yazar: RAMİZ DEMİR
  3. Danışmanlar: PROF. DR. DEVRİM GÖZÜAÇIK
  4. Tez Türü: Doktora
  5. Konular: Moleküler Tıp, Molecular Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Hücresel ve Moleküler Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Mesane kanseri, üriner sistemde en yaygın görülen kanser türlerinden biridir. Mevcut mesane kanseri tanı ve takip teknikleri zaman alıcı, pahalı ve invazivdir. Klinik uygulamada, mesane kanseri tanısında kullanılan altın standard, invaziv bir yöntem olan biyopsi alımı ve bunu takiben histopatolojik analizlerdir. Son yıllarda, mesane kanseri biyobelirteçlerini içeren maliyetli testler geliştirildi, ancak bu testlerin yüksek yanlış pozitiflik ve yanlış negatiflik oranları, güvenilirliklerini sınırlıyor. Bu nedenle, yeni ve pratik teşhis testlerinin geliştirilmesine acil bir ihtiyaç vardır. Bu tezde hastalardan alınan kan ve idrar örneklerinin damlacık motiferini analiz ederek derin öğrenme ve yapay zeka destekli hızlı, ucuz ve güvenilir bir teşhis yöntemi geliştirdik. Buharlaşan kan veya idrar birikintilerinin damlacık motif analizi, hasta ve normal kontrol numuneleri kullanılarak yapıldı. Önerilen yapay zeka destekli yardımcı modelimiz (ImageNet ile eğitilmiş ResNet-18), damlacıklar arasında sistematik olarak uygulanarak, hastalardan türetilen numuneleri yüksek doğrulukla kontrollerden tam olarak ayıran paylaşılan uzamsal davranışları ve altta yatan morfolojik kalıpları ortaya çıkarmak için karşılaştırmalara olanak tanımaktadır. Kurutulmuş idrar veya kan damlalarının farklı koşullar altında oluşturduğu karmaşık modellerin tanınması ve sınıflandırılmasına dayalı yenilikçi teşhis yöntemi sunulmuştur. Sonuçlarımız, AI tabanlı modellerin mesane kanserinin invaziv olmayan ve doğru teşhisi için büyük bir potansiyele sahip olduğunu göstermektedir. Yukarı ve aşağı regüle edilmiş genler, gradyan artmış veya azalmış genler, vakaya özgü genler ve mesane kanserinden salgılanan proteinleri kodlayan genler dahil olmak üzere farklı gen sınıflarında mesane kanseri için potansiyel aday belirteçleri belirlemek için RNA dizilime de yapıldı. Elde edilen sonuçlara göre, çeşitli yeni genlerin mesane kanseri teşhisinde kullanılabilecek aday belirteçler olduğu bulunmuştur. Örneğin, OVOL2 geninin mesane kanseri için bir hastalıksız sağkalım belirteci olduğu bulundu. Ek olarak, mesane tümörlerinden salgılanan onbir proteini kodlayan genin potansiyel olarak salgılanan adaylar olduğu bulundu. Ayrıca, salgılanan proteinleri kodlayan genlerin damlacık modellerine olası katkısını araştırmak için kan veya idrar damlacık motiflerinin bu salgılanan proteinleri kodlayan genlerle entegrasyonu gerçekleştirildi. Genlerin ekspresyon düzeylerinin hastaların kan ve idrar damlacık modelleri arasında farklılaştığı bulundu, bu mesane tümörü varyasyonları olan hastaların belirlenmesi için alternatif bir bakış açısı olabilir. Moleküler analiz için RNAseq çıktılarından iki gen seçildi. Bunlardan biri CRISPR/Cas9 sistemi kullanılarak ifadesi devre dışı (KO) bırakıldı. KO-T24 mesane hücre hatları, vahşi tipe kıyasla üç boyutlu hücre kültürü sisteminde artan sferoid çapı göstermiştir. Bir başka seçilen gen de tümör örneklerinde mRNA ifade düzeyi açısından değerlendirilmiş ve genin ifade düzeyinin tümörlerde kontrol dokusuna göre artmış olduğu saptanmıştır. Sonuç olarak, farklı koşullar altında kurumuş idrar veya kan damlalarının oluşturduğu karmaşık modelleri tanımaya ve sınıflandırmaya dayalı yenilikçi tanı yöntemi sunulmuştur. Sonuçlarımız, AI tabanlı sistemlerin mesane kanserinin invaziv olmayan ve doğru teşhisi için büyük bir potansiyele sahip olduğunu göstermektedir. RNA dizilemesinden belirlenen aday genlerin, mesane kanserinin moleküler biyolojisini anlamada ve mesane kanseri yönetiminde yeni terapötik perspektifler sunması beklenmektedir.

Özet (Çeviri)

Bladder cancer is one of the most common cancer types in the urinary system. Current bladder cancer diagnosis and follow-up techniques are time-consuming, expensive, and invasive. The gold standard for the diagnosis of bladder cancer in clinical practice is invasive biopsy followed by histopathological analysis. In recent years, costly tests involving bladder cancer biomarkers were developed, but these tests have high false-positivity and false-negativity rates, limiting their reliability. Hence, there is an urgent need for the development of novel and practical diagnostic tests. In this thesis, by analyzing droplet patterns of blood and urine samples from patients, we developed a deep learning- and artificial intelligence-assisted quick, cheap, and reliable diagnosis method. Droplet pattern analysis of evaporated blood or urine deposits was performed using patient and normal control samples. Our proposed AI-assistant model (ResNet-18 pre-trained ImageNet) can be systematically applied across droplets, enabling comparisons to reveal shared spatial behaviors and underlying morphological patterns, which precisely differentiate patient-derived samples from controls with high accuracy. The innovative diagnostic method has been presented based on the recognition and classification of complex patterns formed by dried urine or blood drops under different conditions. Our results indicate that AI-based model have a great potential for a non-invasive and accurate diagnosis of bladder cancer. RNA sequencing was also performed to identify potential candidate markers for bladder cancer in different gene classes, including up and downregulated genes, gradient-increased or decreased genes, case-specific genes, and upregulated genes encoding secreted proteins. According to the results, various novel genes have been found to be candidate markers that can be used for bladder cancer diagnosis. For example, the OVOL2 gene was found to be a disease-free marker for bladder cancer. In addition, eleven genes encoding secreted proteins were found to be potential secreted candidates from bladder tumors. Also, the integration of blood or urine droplet patterns with these secreted proteins was performed to investigate the possible contribution of these secreted proteins to droplet patterns. It was found that expression levels of these genes were differentiated among patients' blood and urine droplet patterns may be an alternative perspective to determine patients who have bladder tumor variations. Two genes were also chosen from RNAseq outputs for molecular analysis. One of them was knocked out (KO) using CRISPR/Cas9 system. The KO-T24 bladder cell line has shown increased spheroid diameter in three-dimensional cell culture system compared to wild type. Another chosen gene was also evaluated for mRNA expression level in tumor samples, and the expression level of the gene was found to be increased in the tumors compared to control tissue. In conclusion, the innovative diagnostic method has been presented based on recognizing and classifying complex patterns formed by dried urine or blood drops under different conditions. Our results indicate that AI-based systems have great potential for a non-invasive and accurate diagnosis of bladder cancer. Determined candidate genes from RNA sequencing will be expected to understand the molecular biology of bladder cancer and discover new therapeutic perspectives in bladder cancer management.

Benzer Tezler

  1. Tez No

    962216

    İnsansız hava araçlarına yönelik siber tehditlerin yapay zeka destekli tespiti ve adli analizi

    Artificial intelligence-assisted detection and forensic analysis of cyber threats to unmanned aerial vehicles

    YUSUF AFŞİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH ERTAM

  2. Tez No

    934542

    Gelecek nesil kablosuz ağlarda cihazdan cihaza haberleşme için yapay zeka destekli röle tespiti

    Artificial intelligence assisted relay dedection for device-to-device communication in future generation wireless networks

    MUHARREM SIRMA

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN KAVAK

  3. Tez No

    937218

    Yüksek LDL düzeyi olan hastalarda aterosklerotik kardiyovasküler hastalık riskinin yapay zekâ yardımıyla belirlenmesi

    Artificial intelligence assisted risk assessment of atherosclerotic cardiovascular disease in patients with elevated low-density lipoprotein cholesterol levels

    HAKAN ÖMER KARATAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    İç HastalıklarıMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ALİ SERDAR FAK

  4. Tez No

    675021

    Görme engelliler için yapay zeka destekli yapay görme sistemi

    Artificial intelligence assisted artificial vision system for blind individuals

    CEM ÖZGÖNÜL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    FizyolojiHacettepe Üniversitesi

    Fizyoloji Ana Bilim Dalı

    PROF. DR. ETHEM GELİR

  5. Tez No

    942388

    Öğretmenlerin teknolojik pedagojik alan bilgisi hazır bulunuşluk ve yapay zekâ eğitimine yönelik tutum ölçeklerinin yapay zekâ destekli dilsel uyarlama, geçerlik ve güvenirlik çalışması

    Artificial intelligence assisted linguistic adaptation, validity and reliability study of teachers' technological pedagogical content knowledge readiness and attitude scales towards artificial intelligence education

    SULTAN BURCU TÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilim ve TeknolojiGazi Üniversitesi

    Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı

    PROF. DR. YÜKSEL ALTUN

Geri Dön