Prediction of RNA editing sites by machine learning and role of RNA editing in functional disease mechanisms
RNA düzenleme noktalarının makine öğrenimi ile tahmin edilmesi ve RNA düzenlemenin fonksiyonel hastalık mekanizmalarındaki rolü
- Tez No: 877875
- Danışmanlar: PROF. DR. UĞUR ÖZBEK
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Acıbadem Mehmet Ali Aydınlar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Biyoinformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
RNA Düzenleme Noktalarının Makine Öğrenimi ile Tahmin Edilmesi ve RNA Düzenlemenin Fonksiyonel Hastalık Mekanizmalarındaki Rolü Adenozin- inozine RNA düzenlemesi, gen regülasyonu, alternatif uçbirleştirme, mRNA stabilitesi gibi birçok biyolojik işlevde kritik bir rol oynar ve çeşitli hastalıklarla bağlantılıdır. Bu nedenle, RNA düzenleme noktalarını doğru bir şekilde tanımlamak, araştırma ve tıp için büyük önem taşımaktadır. Ancak, RNAseq verilerinin analizi, haritalama hataları nedeniyle yanlış pozitif sonuçlara yol açmaktadır. Tezin ilk bölümünde, daha önce onaylanmış düzenleme noktalarından elde edilen sekans ve yapısal verileriyle kullanan destek vektör makineleri tabanlı bir makine öğrenimi yaklaşımı oluşturulmuştur. Bu yaklaşım yeni RNA düzenleme noktalarını doğru biçimde tahmin etmeyi amaçlamaktadır. Sınıflandırıcı, doğrulanmış veriler üzerinde güçlü bir performans sergileyerek %92,8 duyarlılık, %77,1 özgüllük ve %90,2 genel doğruluk elde etmiştir. Bu yöntemi geniş kitlelere ulaştırabilmek için RDDSVM adında açık kaynaklı bir yazılım geliştirilmiştir. RNA düzenlemesi ve gen ifadesi arasındaki korelasyon kullanılarak, TCGA tümör örneklerinde düzenleyici noktalar ve yeni kanser spesifik prognostik RNA düzenleme biyobelirteçleri araştırılmıştır. BRCA, THCA ve LUAD'da belirlenen düzenleyici RNA düzenleme noktalarının hastaların prognozu üzerindeki etkisi değerlendirilmiştir. Sadece LUAD tümör örneklerindeki RNA düzenleme noktaları hastaların prognozu için önemli bulunmuştur. EROL1, PSMB2 gibi yeni genler, düzenleme seviyeleri LUAD hastalarının prognozuyla yakından ilgili olan birden fazla düzenleyici RNA düzenleme noktasına sahiptir. Bu genlerdeki düzenleme olaylarının niceliklendirilmesi, LUAD hastalarının tümör dokusunda prognostik biyobelirteçler olarak kullanılabilir.
Özet (Çeviri)
Prediction of RNA Editing Sites by Machine Learning and Role of RNA Editing in Functional Disease Mechanisms Adenosine to inosine editing plays a crucial role in several biological functions such as gene regulation, alternative splicing, mRNA stability, and is linked to various human diseases. Thus, accurately identifying RNA editing sites holds significant value for both research and medicine. However, computational analysis of RNAseq data often leads to false-positives due to mapping errors. In the initial section of the dissertation, a machine learning approach was introduced, utilizing support vector machines to train on sequence and structural data from previously confirmed editing sites, aiming to predict new RNA editing sites. The classifier demonstrated robust performance on validated data, achieving a sensitivity of 92,8%, a specificity of 77,1%, and an overall accuracy of 90,2%. To make this method widely accessible, an open-source software called RDDSVM was created. The correlation of RNA editing, and gene expression were also investigated in TCGA tumor samples in search for regulatory sites and new cancer specific prognostic RNA editing biomarkers. After determination of regulatory RNA editing sites in BRCA, THCA and LUAD, the impact of the editing frequency of those regulatory sites on the prognosis of the patients were evaluated. Only the RNA editing sites in LUAD tumor samples were found to be important for the prognosis of the patients. EROL1, PSMB2 were novel genes which had multiple regulatory RNA editing sites with editing levels are closely related to prognosis of LUAD patients. The quantification of those single editing events in those genes can be used as prognostic biomarkers in tumor tissue of LUAD patients.
Benzer Tezler
- Bayesçi gizli sınıf analizi ve makine öğrenimi yöntemleri ile CRISPR Cas9 gen düzenlemesinde hedef dışı skorların tahmini
Prediction of off-target scores in CRISPR Cas9 gene editing with bayesian latent class analysis and machine learning methods
ALİ MERTCAN KÖSE
Doktora
Türkçe
2024
BiyoistatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. OZAN KOCADAĞLI
- Characterizing novel RNA editing sites in the 3'UTR of F11R in breast cancer
Meme kanserinde F11R geninin 3'UTR bölgesindeki yeni RNA düzenleme noktalarının karakterizasyonu
DENİZ KARAGÖZOĞLU
Yüksek Lisans
İngilizce
2025
BiyolojiOrta Doğu Teknik ÜniversitesiBiyolojik Bilimler Ana Bilim Dalı
PROF. DR. AYŞE ELİF ERSON BENSAN
- Makine öğrenmesi modelleri kullanarak CRISPR-Cas9 tabanlı gen düzenleme sistemlerinin optimizasyonu
Optimization of CRISPR-Cas9 based genome editing systems using machine learning models
ALPEREN TOKGÖZ
Yüksek Lisans
Türkçe
2025
BiyomühendislikFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZAL YILDIRIM
- Structure prediction of TB rPOß and its mutations binding analysis
TB rPOß geni modellenmesi ve mutasyon bağlanma analizi
ERÇİN DİNÇER
Yüksek Lisans
İngilizce
2012
BiyoteknolojiKadir Has ÜniversitesiHesaplamalı Biyoloji ve Biyoinformatik Ana Bilim Dalı
PROF. DR. KEMAL YELEKÇİ
- Preeklampsili hastaların plasenta, plasenta yatağı ve kordon dokusunda gen ekspresyon analizi
Gene expression analysis in placenta, placental bed and cord tissue of patients with preeclampsia
ZEYNEP ŞİMŞEK
Yüksek Lisans
Türkçe
2022
BiyolojiYıldız Teknik ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. NEHİR ÖZDEMİR ÖZGENTÜRK