Geri Dön

Computational approaches for improving analysis of diagnostic next-generation sequencing

Tanısal yeni nesil dizilemenin analizini iyileştirmeye yönelik hesaplamalı yaklaşımlar

PDF İndir

  1. Tez No: 855567
  2. Yazar: ERDEM TÜRK
  3. Danışmanlar: DOÇ. DR. BARIŞ ETHEM SÜZEK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Genetik, Computer Engineering and Computer Science and Control, Genetics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Muğla Sıtkı Koçman Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoinformatik Ana Bilim Dalı (Disiplinlerarası)
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 201

Özet

Yeni nesil genom dizileme teknolojisinin, özellikle de insan tüm ekzom dizilemesinin yaygın kullanımıyla, klinik genetik testler önemli bir geçiş yaşamıştır. Bu teknoloji çeşitli insan hastalıklarıyla ilişkili genetik anormallikleri tespit etmede oldukça faydalı olsa da, dizilenmemiş bölgelerdeki varyasyonların kaçırılması gibi engelleri barındırmaktadır. Bu tanısal boşluklar dizi kalitesi, yetersiz derinlik ve ekzom yakalama kitlerinin sınırları gibi çeşitli faktörlerden kaynaklandığı için doğruluğu artırmak adına yeni yaklaşımlar gerekmektedir. Gerçekleştirilen tez çalışması kapsamında geliştirilen Deleterious Variants on Uncovered Regions (DEVOUR), ekzom dizilemesinin kapsamadığı alanları keşfeden ve bu alanlarda tespit edilen varyantları açıklayan bir sistemdir. DEVOUR, tanısal boşlukları gidermek ve karar vericilere yardımcı olmak için, genetik varyantlar hakkında bilgi içeren mevcut veri tabanlarını kullanarak genomun bugüne kadar keşfedilmemiş bölgelerinde klinik açıdan önemli varyasyonları bulmayı amaçlamaktadır. Benzer şekilde, genetik varyasyon çalışmaları, klinik açıdan önemli varyasyonları zararsız olanlardan ayırma sorunuyla karşı karşıyadır. Bu, özellikle tüm kalıtsal hastalıkların yarısından fazlasından sorumlu olan nokta mutasyonları bağlamında geçerlidir. Yeni nesil dizileme teknolojisinin devreye girmesi, büyük veri setlerinin oluşturulmasına yol açmıştır; ancak, klinik açıdan önemli olmayan varyasyonlar ile zararsız olanlar arasında ayrım yapmak zorlu bir çaba olmaya devam etmektedir. Nokta mutasyonlarının etkilerini doğru bir şekilde tahmin etmek için, in-silico yaklaşımlar önemli bir araç olarak ortaya çıkmıştır. Öte yandan, evrimsel korunmaya dayanan mevcut araçlar, evrimsel koruma kalıplarındaki sapmaları göz ardı edebilir. Bu tezde, AlphaFold algoritmasının yapısal verileri, mevcut mutasyon analiz teknikleriyle entegre edilmiştir. Bu entegrasyonun amacı, özellikle mutasyonlar mevcut evrimsel korunuma dayalı modellerle çeliştiğinde, varyant etkilerinin daha nüanslı ve kapsamlı bir incelemesini sağlamaktır. Bu girişimler bir bütün olarak ele alındığında, modern dizileme teknolojisi çağında genetik testlerin ve varyant analizinin hassasiyetini ve kapsamlılığını artırma yönünde önemli bir adım teşkil etmektedir.

Özet (Çeviri)

With the widespread use of next-generation genome sequencing, particularly human whole-exome sequencing, the landscape of clinical genetic testing has undergone a transformational transition. There are still hurdles to be faced, such as the possibility of missing variations in regions that have not been sequenced, even though this technology has shown to be quite useful in identifying genetic anomalies that are associated with a variety of human diseases. It is necessary to find a solution to enhance accuracy since diagnostic gaps are caused by several factors, including the quality of the sequencing, the lack of appropriate depth, and the limits of the exome capture kits. Deleterious Variants on Uncovered Regions (DEVOUR) is a complete system that is introduced in this thesis. Its purpose is to discover and annotate areas that are not covered by exome sequencing, which ultimately increases the precision of genetic diagnosis. To bridge diagnostic gaps and assist decision-makers in assessing whether or not more testing and validation are required, DEVOUR intends to find clinically relevant variations in hitherto unexplored areas of the genome by utilizing current databases that include information on genetic variants. In the same vein, the area of genetic variation study is confronted with the issue of separating clinically relevant variations from benign ones. This is especially true in the context of point mutations, which are responsible for more than fifty percent of all identified hereditary illnesses. The introduction of Next-Generation Sequencing technology has resulted in the creation of vast datasets; nonetheless, distinguishing between variations that are not clinically relevant and those that are benign continues to be a challenging endeavor. To accurately forecast the effects of point mutations, in silico approaches have emerged as a crucial tool. On the other hand, current pipelines that rely on evolutionary conservation could overlook departures from conservation patterns. The AlphaFold algorithm's structural data is integrated with well-established mutation assessment techniques in this thesis. The purpose of this integration is to give a more nuanced and thorough examination of variant impacts, particularly in situations when mutations defy established patterns of evolutionary conservation. These initiatives, when taken as a whole, constitute a substantial step forward in the direction of enhancing the precision and comprehensiveness of genetic testing and variant analysis in this era of modern sequencing technology.

Benzer Tezler

  1. Tez No

    907458

    Genome-scale metabolic characterization of Alzheimer's disease brain with multi-omics data analysis

    Multi-omik veri analizi ile Alzheimer hastalığı olan beyinin genom ölçekli metabolik karakterizasyonu

    HATİCE BÜŞRA LÜLECİ

    Doktora

    İngilizce

    İngilizce

    2024

    BiyoistatistikGebze Teknik Üniversitesi

    Biyoinformatik Sistemler Biyolojisi Ana Bilim Dalı

    PROF. DR. TUNAHAN ÇAKIR

  2. Tez No

    887780

    İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi

    Variant analysis in human gene networks using surrogate modelling and machine learning

    FURKAN AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  3. Tez No

    19348

    Yapay zeka ve uygulamaları

    Artificial intelligence and its applications

    A.SEMİH ÖZKUL

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. ORHAN KURUÜZÜM

  4. Tez No

    353752

    Tek silindirli bir dizel motorun tork oluşum modeli ve kontrolü

    A model of torque generation process and control of single cylinder diesel engi̇ne

    SEMİH ARAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ FUAT ERGENÇ

  5. Tez No

    746261

    Detection and measurement of multi-COVID-19 infection using CT scans

    Başlık çevirisi yok

    SAFAA ADNAN AHMED BAYATLY

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MESUT ÇEVİK

Geri Dön