Kanser hücre hatlarında OTX015 (MK-8628/bırabresıb) ilaç yanıtının makine öğrenme modeli ile tahmini
Prediction of OTX015 (MK-8625/birabresib) drug response in cancer cell lines using machine learning model
- Tez No: 852697
- Danışmanlar: DOÇ. DR. UĞUR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Biyoteknoloji, Onkoloji, Bioengineering, Biotechnology, Oncology
- Anahtar Kelimeler: makine öğrenmesi, tahmin yöntemleri, kanser, ic50, r programlama, machine learning, prediction methods, cancer, ic50, r programming
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Tıbbi Biyoteknoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
Amaç: Deneysel süreçlerin optimize edilmesi, zaman ve maliyetin önemli ölçüde azaltılması, sağlık hizmetlerinde bireyselleştirilmiş tedavilere katkıda bulunulması için bileşik yanıtını temsil eden IC50 değerlerini tahmin etmek adına makine öğrenimi modelleri geliştirmeye ve bu modellerin Bromodomain Ekstra Terminal İnhibitörü olarak görev yapan OTX015'e ve farklı 6 bileşiğe (RVX-208, PFI-1, JQ1, I-BRD9, I-BET-762 ve AZD5153) uygulanarak performanslarının değerlendirilmesine odaklanılmıştır. Yöntem: Kanser hücre hatlarının gen ekspresyon seviyeleri ile OTX015 ve diğer bileşiklerin, kanser hücreleri için IC50 değerlerinin, R programı kullanılarak makine öğrenmesi modelleri oluşturuldu. Modeller, hiperparametre optimizasyonu ile iyileştirildi. Eğitilen modeller, daha önce hiç görmedikleri doğrulama verileri kullanılarak test edildi. Modellerin performansları, gerçek değerler ile tahmin değerlerinin mutlak farklarının ortalaması kullanılarak değerlendirildi. Bulgular: Çalışma, kanser hücre hatlarının gen ekspresyon seviyelerini ve bileşiklerin IC50 değerlerini kullanan makine öğrenmesi modellerinin analizleri sonucu özellikle SVM modelinin hem laboratuvar çalışmaları öncesi kanser hücre hatları için hem de bireyselleştirilmiş IC50 değerlerinin tahmin edilmesinde düşük hata skorları ile tutarlı ve genellenebilir bir performans sergilediği göstermektedir. Sonuç: Sonuçlar, makine öğrenme modellerinin ilaç keşfi süreçlerinde ve kişiselleştirilmiş tıptaki kullanılabilirliğini ortaya koymaktadır. Bu modeller, maliyetleri azaltarak hızlı sonuçlar sağlayabilir, bireyselleştirilmiş IC50 değerleri sunabilir; ancak daha güvenilir sonuçlar için modellerin geliştirilmesi, ek veri toplanması ve farklı bileşikler ile değerlendirilmesinin yanı sıra gerçek dünya verileri ile de deneyler yapılması gerekebilir.
Özet (Çeviri)
Objective: Optimizing experimental processes, significantly reducing time and costs, and contributing to personalized treatments in healthcare, the focus has been on developing machine learning models to predict IC50 values representing the compound response. These models were applied to evaluate the performance on OTX015, which functions as a Bromodomain Extra Terminal Inhibitor, as well as on six different compounds (RVX-208, PFI-1, JQ1, I-BRD9, I-BET-762, and AZD5153). Method: Gene expression levels of cancer cell lines were used to create regression models using the R programming language to predict the IC50 values for OTX015 and other compounds concerning cancer cells. The models underwent enhancement through hyperparameter optimization. Trained models were tested using validation data they had not previously encountered. The models' performances were assessed using mean absolute errors, which represent the average of the squared differences between the actual and predicted values. Results: The study, through the analysis of machine learning models using the gene expression levels of cancer cell lines and compound IC50 values, demonstrates that particularly the SVM model exhibits consistent and generalizable performance with low error scores for both pre-laboratory studies on cancer cell lines and predicting personalized IC50 values. Conclusion: The results highlight the utility of machine learning models in drug discovery processes and personalized medicine. These models can provide rapid results and personalized IC50 values, thereby reducing costs. However, for more reliable outcomes, it may be necessary to further develop the models, gather additional data, evaluate them with different compounds, and conduct experiments with real-world data.
Benzer Tezler
- Kanser hücre hatlarında sisplatin ve metformin'in mekanistik etkisinin araştırılması
Investigation of the mechanistic effects of cisplatin and metformin in cancer cell lines
ELİF DEMİRKAN
Yüksek Lisans
İngilizce
2021
GenetikKırşehir Ahi Evran ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. SERAP YALÇIN AZARKAN
- Molecular mechanisms of vincristine and paclitaxel resistance in MCF-7 cell line
MCF-7 hücre hattında paklitaksel ve vinkristin dirençliliğinin moleküler mekanizmaları
MELTEM DEMİREL KARS
Doktora
İngilizce
2008
BiyoteknolojiOrta Doğu Teknik ÜniversitesiBiyoteknoloji Bölümü
PROF. DR. ALİ UĞUR URAL
PROF. DR. UFUK GÜNDÜZ
- 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
- Kanser hücre hatlarında etodolak ve türevlerinin siklooksijenaz (COX-2) sentezi üzerine etkilerinin araştırılması
Investigation of the effects of etodolac and its derivatives on cyclooxygenase (COX-2) synthesis in cancer cell lines
SEVGİ KOÇYİĞİT
- Farklı kanser hücre hatlarında farnesolün in vitro etkilerinin araştırılması
The investigation of in vitro effects of farnesol at different cancer cell lines
NARMIN FEYZULLAZADE
Yüksek Lisans
Türkçe
2021
BiyoteknolojiEskişehir Osmangazi ÜniversitesiBiyoteknoloji ve Biyogüvenlik Ana Bilim Dalı
PROF. DR. İLKNUR DAĞ