Integration of multi-omics data for enlightening the molecular mechanisms of cancer: a case study on breast cancer subtype identification
Kanserin moleküler mekanizmalarını aydınlatmak için multi-omik verilerin entegrasyonu: meme kanseri alt tip tanımlaması üzerine bir vaka çalışması
- Tez No: 826461
- Danışmanlar: DR. ÖĞR. ÜYESİ BURCU GÜNGÖR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Computer Engineering and Computer Science and Control, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Biyomühendislik Bilim Dalı
- Sayfa Sayısı: 87
Özet
Gelişmiş genomik ve moleküler profilleme teknolojileri, kanser gelişimi ve ilerlemesinin arkasındaki düzenleyici mekanizmaların aydınlatılmasını hızlandırmış ve hedefe yönelik tedavilerin geliştirilmesini kolaylastırmıştır. Bu bağlamda, omik veri türleri arasındaki olası sistematik bağlantıların ve bunların tümör ilerlemesine katkılarının çözümlenmesi oldukça önemlidir. Bu tezde, meme kanserinde (BRCA) genomik ve epigenetik faktörlerin aydınlatılması, hastalık mekanizmalarının ortaya çıkarılması için çoklu omik veri analizine dayanan makine öğrenimi (ML) tabanlı bütünleştirici yaklaşımlar geliştirilmiştir. Bu bütünleştirici yaklaşımlar, gen ifadesi (mRNA), mikroRNA (miRNA) ve metilasyon verilerinden gelen bilgileri birleştirmektedir. Önerilen yöntemler, teşhis ve prognozu içeren hastalık mekanizmaları arasındaki boşluğu kapatmayı amaçlamaktadır. İlk çalışmamızda (3Mint), omik biyobelirteç gruplarının tespiti yoluyla gen seçimini iyileştirmek için biyolojik bilgiyi kullanarak grupların oluşturulmasını ve puanlanmasını gerçekleştirmeyi amaçlıyoruz. İkinci çalışmada (3Mont), yeni geliştirilen pro-gruplama ve önemli belirteçlerin puanlanması bileşenleri ile seçilen özellikler, makine öğrenmesi model geliştirme aşamasında kullanılmaktadır. Sonuç olarak bu tez çalışması, metilasyon verisini 2'li omik veriye (miRNA ve mRNA) dahil ederek daha az biyobelirteç ile BRCA moleküler alt tiplerinin benzer performans metrikleri ile sınıflandırılmasını amaçlamaktadır.
Özet (Çeviri)
Advanced genomic and molecular profiling technologies accelerated the enlightenment of the regulatory mechanisms behind cancer development and progression; and facilitated the development of targeted therapies. In this respect, unraveling the possible systematic connections between-omics data types and their contribution to tumor progression is crucial. In this thesis, new machine learning (ML)-based integrative approaches based on multi-omic data analysis have been developed to elucidate the genomic and epigenetic factors and reveal disease mechanisms in breast cancer (BRCA). These integrative approaches combine information from gene expression (mRNA), microRNA (miRNA) and methylation data. The proposed methods aim to bridge the interpretation gap between the disease mechanisms that drive onset and progression. In our first study (3Mint), in order to improve gene selection via detecting novel groups of cross-omics biomarkers, we aim to perform grouping and scoring of the features using biological knowledge. In the second study (3Mont), the features are selected with newly generated pro-grouping and feature importance scoring components, which are further used for machine learning model development. Thus, this thesis aims to incorporate methylation data into 2-omics data (miRNA and mRNA) for the classification of the BRCA molecular subtypes with lower number of biosignatures in terms of similar performance metrics.
Benzer Tezler
- Integration of multi-omics data for predicting individual colon cancer aetiology
Çoklu-omik verisinin entegrasyonu ile kişisel kolon kanseri mekanizmalarinin belirlenmesi
BEGÜM ÖZEMEK GÜNER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAcıbadem Mehmet Ali Aydınlar ÜniversitesiTıp Bilişimi Ana Bilim Dalı
PROF. DR. OSMAN UĞUR SEZERMAN
- Kanser alt gruplaması için çoklu-omik verilerin evrişimsel otokodlayıcı mimarisi ile entegrasyonu
Integration of multi-omics data with convolutional autoencoder architecture for cancer subtyping
HÜSEYİN UYAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR GÜMÜŞ
- Multi-omics data integration in the prediction of potential biomarkers and therapeutics in human cancers
Kanserlerde potansiyel biyobelirteç ve terapötiklerin tahmininde çoklu omik verilerin entegrasyonu
GİZEM GÜLFİDAN YILDIZ
Doktora
İngilizce
2024
BiyomühendislikMarmara ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. KAZIM YALÇIN ARGA
DOÇ. DR. BESTE TURANLI
- Kanser hücre hatlarında multi-omik verilerin ağ tabanlı entegrasyonundan öğrenme yoluyla ilaç yanıtının tahmin edilmesi
Predicting drug response through learning from network-based integration of multi-omics data in cancer cell lines
SINA DADMAND
Yüksek Lisans
İngilizce
2023
Mühendislik BilimleriKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. NURCAN TUNÇBAĞ
- Metabolism-oriented multiomics data integration
Farklı omı̇k verı̇lerı̇n metabolı̇zma odaklı entegrasyonu
AYCAN ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ ÇAKMAK