Geri Dön

Biyolojik ağlarda mutasyonlu alt ağların tespiti için önerilen etkin yaklaşım

An effıcıent approach for detectıng mutated subnetworks ın bıologıcal networks

PDF İndir

  1. Tez No: 860668
  2. Yazar: LIONEL NGOBESING ALANGEH
  3. Danışmanlar: DOÇ. DR. YILMAZ ATAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Computer Engineering and Computer Science and Control, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 110

Özet

Sağlık görevlilerinin, hesaplamalı biyologların ve biyoinformatik uzmanlarının kansere çare bulma mücadelesi, bugün dünyanın en zor sorunlarından biridir. Günlük olarak üretilen büyük miktarda genomik veri göz önüne alındığında, bu verilerin değerlendirilmesi ve araştırılması giderek zorlaşmaktadır. Bunun nedeni, kanser verilerinin heterojen olması, onkogeneze doğrudan yol açan sürücü genlerin yanı sıra onkogeneze katkıda bulunmayan yolcu genlerden oluşmasıdır. Bu nedenle, bu büyük veri yığınlarındaki yolcu genlerinden bu sürücü genlerini belirlemek giderek daha zor bir görev haline geliyor. Bu sorunu çözmek için geliştirilmiş önceki yöntemleri göz önünde bulundurarak, bu araştırmada hem LBSA-Sürücü adı verilen ağ tabanlı bir yöntem hem de kullanılacak bir mutasyon aşamasını entegre eden Yapay Tavşan Optimizasyonu (ARO) adlı biyo-ilhamlı bir yöntem öneriyoruz. kanser sürücü genlerini belirleme sorununu çözer. İlk yöntem, yeni bir Liste tabanlı simüle edilmiş tavlama uygulamasını kullanırken, ikinci yöntem, kanser sürücü genlerini keşfetmenin doğruluğunu artırmak için bir gen etkileşim ağı ile sırasıyla hem küresel hem de yerel aramayı ele almak için keşif ve sömürü yoluyla tavşanların hayatta kalma davranışını birleştirir. Modeller meme kanseri, beyin kanseri, prostat kanseri ve yumurtalık kanseri olmak üzere 4 farklı kanser türüne uygulanmaktadır. Sonuçlar, önerilen modelin, iyi bilinen etiketli kanonik sürücü genlerini tanımlayabildiğini ve bunları bilinmeyen kanser sürücü genlerine göre önceliklendirdiğini göstermektedir.

Özet (Çeviri)

The search for a cure for cancer is one of the most challenging problems faced by medical experts, computational biologists, and experts in bioinformatics today. With the vast amounts of genomic data generated daily, evaluating and investigating this data have become increasingly difficult. The heterogeneity of cancer data, consisting of passenger genes that do not contribute to oncogenesis and driver genes that directly lead to it, makes identifying these driver genes from passenger genes in large datasets a daunting task. In this research, we propose two methods to solve this problem: LBSA-Driver, a network-based method that uses a novel List-based simulated annealing implementation, and ARO, a bio-inspired method that integrates a mutation phase. ARO merges the survival behavior of rabbits through exploration and exploitation with a gene interaction network to improve the accuracy of discovering cancer-driver genes. In this study, both methods were applied to four types of cancers: breast, brain, prostate, and ovarian. The results showed that our proposed models can identify well-known labeled canonical driver genes while prioritizing them over unknown cancer driver genes.

Benzer Tezler

  1. Tez No

    825074

    Leveraging the molecular signatures of cancer for dynamic network

    Kanserin moleküler izlerinin dinamik ağ modellemede kullanılması

    ENES SEFA AYAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    BiyolojiKoç Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. NURCAN TUNÇBAĞ

  2. Tez No

    39286

    Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    DOÇ.DR. LEYLA GÖREN

  3. Tez No

    346194

    A novel structural protein-protein interaction network model: Its applications on drug off-target prediction and genotype-phenotype linkage

    Yeni bir yapısal protein-protein etkileşimi ağ modeli: Bu modelin ilaç uzak-hedeflerinin tahmininde ve genotip-fenotip bağlantısı kurmaktaki uygulamaları

    HATİCE BİLLUR ENGİN ARAS

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ATTİLA GÜRSOY

    PROF. DR. ZEHRA ÖZLEM KESKİN ÖZKAYA

  4. Tez No

    356063

    Evolving boolean graphs to model the topological and dynamical behavior of biological regulatory networks and their metanetworks

    Boolcu ağların evrimleştirilmesi ile biyolojik regulasyon ağlarının ve meta-ağlarının topolojik ve dinamik özelliklerinin modellenmesi

    BURÇİN DANACI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ERZAN

  5. Tez No

    894537

    Investigating the SARS-COV-2 specific antibody response in convalescent pediatric COVID-19 patients

    COVİD-19 tanısı alıp iyileşmiş pediatrik hastalarda SARS-COV-2'ye karşı spesifik antikor cevabının araştırılması

    FATMA ÖYKÜ ELASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Biyolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    PROF. DR. AYÇA SAYI YAZGAN

Geri Dön