Yeni tanı akut lenfoblastik lösemi hastalarının RNA dizileme analizleriyle risk sınıflandırması
Risk classification of newly diagnosed acute lymphoblastic leukemia patients by RNA sequencing analysis
- Tez No: 819728
- Danışmanlar: PROF. DR. MÜGE SAYİTOĞLU, DR. ÖĞR. ÜYESİ ÖZLEM ULUCAN AÇAN
- Tez Türü: Doktora
- Konular: Genetik, Genetics
- Anahtar Kelimeler: Dizi analizi, Dizi analizi-RNA, Lenfoblastik lösemi-akut, Lösemi, Makine öğrenmesi, Philadelphia kromozomu, Prekürsör hücreli lenfoblastik lösemi-lenfoma, Proteinler, RNA, Risk faktörleri, Sequence analysis, Sequence analysis-RNA, Leukemia, Machine learning, Philadelphia chromosome, Precursor cell lymphoblastic leukemia-lymphoma, Proteins, RNA, Risk factors
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Genetik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
B-hücreli Akut lenfoblastik lösemili (B-ALL) ergen ve genç erişkin (AYA) hastalarının yönetimi, çocuklardan veya yaşlı erişkin hastalardan farklı zorluklarla karşı karşıyadır. Kapsamlı bir teşhis yaklaşımı ile tüm genetik değişikliklerin eşzamanlı analizine imkân veren bir teknik ile doğru sınıflandırma, hastaların etkili bir şekilde tedavi edilmesi için önem taşımaktadır. Dünya Sağlık Örgütü (WHO) sınıflandırmasının 2016 yılındaki güncellemesinde kılavuzlara dahil edilen B-ALL alt türlerinden olan Philadelphia kromozomu benzeri ALL“Ph-like”, AYA B-ALL hastalarının %25'ini oluşturur ve en heterojen olanıdır. Teşhisi zordur, ileri moleküler analizler gerektirir ve bu hasta grubu rutin klinik testler ile hastaya özgü hedefli tedaviye yönlendirilememektedir. Bu tez çalışmasında ilk olarak Alman çalışma grubu Walter ve ark.'dan temin edilen 207 B-ALL hastasına ait“count”verisi Rassal Orman makine öğrenme algoritmasında“Ph-like”hastaları sınıflandırmak için geliştirilecek model için eğitim veri seti olarak kullanılmıştır. Ardından RNA dizilemesini yaptığımız 9 hastanın bu model kullanılarak“Ph-like”sınıflaması yapılmış, buna ek olarak, hastalarımızın füzyon ve tek nükleotid varyasyon (SNV) analizleri gerçekleştirilmiş ve hedefe yönelik tedaviye yönlendirilebilecek varyasyonlar belirlenmiştir. Yüksek hassasiyette ve düşük hata oranına (%97 ve %33) sahip 21 gen eğitilen modelimizde üç hastamız“Ph-like”olarak sınıflanmıştır. Bu üç hastalarda, literatürde daha önceden tanımlanan TPM4::KLF2, EBF1::PDGFRB ile RCSD1::ABL1 füzyonları saptanmıştır. Bu bulgu modelimizin doğruluğunu performan değerlerine ek olarak güçlendirmektedir. Ayrıca diğer sınıfta bulunan hastalarda ise CDKN2B::LY665B, DUS3L::PRR22 ve CTSD::IFITM10 füzyonları saptanmıştır. Her iki grupta da B-ALL hasta grubunda sıklıkla görünen SNV'ler tespit edilmiştir. Klinikte belirlenmesi zor olan“Ph-like”hasta grubunu sınıflandırabilecek algoritmalar konvansiyonel teknikler temellidir ve hassasiyetleri düşüktür. Geliştirdiğimiz bu makine öğrenmesi algoritması ile hem yüksek doğrukla bu hastalar tanımlanabilecek hem de bu hasta grupları tanımlandıkça tanı/takip/tedavide kullanılabilecek moleküler adaylar tanımlanabilecektir.
Özet (Çeviri)
Management of adolescent and young adult (AYA) patients with B-cell acute lymphoblastic leukemia (B-ALL) face different challenges than other age groups. Among the subtypes included in World Health Organization (WHO) the guidelines Philadelphia-like ALL“Ph-like”is the most heterogeneous subtype and accounting for 25% of AYA B-ALL patients which are difficult to diagnose. Using a comprehensive diagnostic approach is crucial for effectively treating AYA B-ALL. The count data of B-ALL patients (n= 207) obtained from the German Study group Walter et al. was used as a training data set for“Ph-like”clasifier trained with Random Forest machine learning. Our patients (n=9) for whom we performed RNA sequencing were classified in this model. In addition, fusion and single nucleotide variation (SNV) analyses of our patients were performed and variations that could be directed to targeted therapy were determined. This trained model with 21 genes has high sensitivity and low error rate (97% and 33%) and our 3 patients were classified as“Ph-like”. These three patients have fusion transcripts, TPM4::KLF2, EBF1::PDGFRB and RCSD1::ABL1 , which were previously described in the literature. In addition, CDKN2B::LY665B, DUS3L::PRR22 and CTSD::IFITM10 fusions were detected in B-ALL other patients. In both groups, SNVs that are frequently observed in the B-ALL patient group, have been described. Algorithms that can classify the“Ph-like”patient group are based on conventional techniques and they have low sensitivity. Here we propose a machine learning algorithm to detect these patients with high accuracy and offer a workflow that can suggest molecular candidates that can be used in diagnosis/follow-up/treatment.
Benzer Tezler
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Bazı yer ve sırık fasulye çeşitlerinde optimal melezleme şartlarının tespiti üzerine bir araştırma
Başlık çevirisi yok
TÜRKAN KOÇLU
- Makro besin elementlerinin (NPK) İzmir'de Mayıs ayında açığa dikilen 4-6 cm çevre büyüklüğündeki Gladiolus cinsine ait“hunting song”ve“Novalüx”kültür çeşitlerinin yumrularının gelişmeleri üzerine etkileri
Başlık çevirisi yok
TAHA ALİ AMEN
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ADNAN HATİPOĞLU
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Gebelik ve doğum olgularında prolaktin düzeylerinin değerlendirilmesi
The Evaluation of prolactin values during pregnancy labour and in deliveries
TÜLİN AKAN
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ.DR. MÜLAZIM YILDIRIM