Automated sequence variant classification tool for DNA diagnostics
Genetik tanı için otomatik dizi değişkeni sınıflandırma aracı
- Tez No: 880288
- Danışmanlar: PROF. DR. HASAN TAYFUN ÖZÇELİK
- Tez Türü: Yüksek Lisans
- Konular: Genetik, Genetics
- Anahtar Kelimeler: DNA dizileme, Genetik varyasyon, Moleküler genetik, DNA sequencing, Genetic variation, Molecular genetic
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Moleküler Biyoloji ve Genetik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
DNA dizilemesindeki ilerlemeler, genom hakkındaki bilgilerimizi son yıllarda hızla geliştirdi. Bugün bu gelişmeler, hala çözümlenmeyi bekleyen binlerce genetik değişkeni (varyant) ortaya çıkarıyor. Bu değişkenler ile hastalıklar arasındaki ilişkileri tespit etmek, hastalıkların biy-olojisini daha iyi anlamamızı ve etkin tedavi yöntemleri geliştirmemizi sağlamaktadır. Bu amaçla American College of Medical Genetics and Genomics (ACMG) gibi klinik kuruluşlar, DNA değişkenlerini yorumlamak için standartlar ve kılavuzlar geliştirmiştir. Clinical Genomics Resource (ClinGen) ise bu kılavuzlara ekstra açıklamalar getirerek katkıda bulunmuştur. Ancak kılavuzların uygulanması oldukça zaman almakta ve klinik genetik alanında önemli ölçüde uzmanlık gerektirmektedir. Süreci otomatikleştirmek için geliştirilmiş bilgisayımsal araçlar, (i) sistemlerinin işleyişine yönelik detaylı anlatımlar sunmamakta, (ii) en son yayınlanan spesifikasyonları tam olarak takip edememekte ve (iii) uzmanlarca yapılan değişken sınıflamaları ile yüksek tutarlılık gösterememektedir. Bu çalışmada, BayesDel, ClinVar, Ensembl, gnomAD, PhyloP, RepeatMasker, SpliceAI ve UniProt gibi in silico tahmin araçları ve büyük veritabanları gibi kaynaklardan gelen bilgileri bir araya getirerek ACMG Standartları ve ClinGen spesifikasyonlarına dayalı olarak DNA değişkenlerini otomatik olarak yorumlayan ACMG tabanlı bir değişken sınıflandırma aracı (AAVC) sunulmaktadır. Bu araç, FDA onaylı değişken sınıflandırma veritabanıyla yüksek bir uyum (%99.67) göstermekte, Türk Varyomunda klinik olarak harekete geçilebilir genlerde iki yüzden fazla yeni değişkeni ortaya çıkarmakta ve ClinVar'da sınıflandırılamayan en az 57.000 değişkeni patojenik veya olası patojenik olarak yeniden sınıflandırabilmektedir. Bu çalışma, ACMG standartlarına göre DNA değişkenlerinin hızlı ve doğru bir şekilde yorumlanmasını sağlayan bir çerçeve sunmaktadır.
Özet (Çeviri)
Advancements in DNA sequencing rapidly improved our understanding of the genome in re-cent years. Today, these advances are revealing thousands of genetic variants that are still wait-ing to be deciphered. Establishing the association between genetic variation and diseases ena-bles us to better appreciate the biology of diseases and to develop effective therapeutical solu-tions. To this end, clinical organizations such as American College of Medical Genetics and Ge-nomics (ACMG) developed standards and guidelines to interpret sequence variants. Clinical Genomics Resource (ClinGen) provided further specifications to the guidelines to improve the interpretations. However, implementation of the guidelines takes considerable time and re-quires substantial expertise in clinical genetics. Available computational tools to automate the process (i) do not comprehensively describe how their frameworks function, (ii) fail to com-pletely follow the latest specifications and (iii) lack high consistency with variant classifications manually performed by experts. Here, this work presents automated ACMG-based variant clas-sifier (AAVC), which computationally interprets sequence variants based on the ACMG Guide-lines and the ClinGen Specifications by aggregating information from large public databases and in silico prediction tools including BayesDel, ClinVar, Ensembl, gnomAD, PhyloP, Re-peatMasker, SpliceAI and UniProt. The tool demonstrates a high concordance (99.67%) with FDA-approved variant classification database, reveals more than two hundred novel variants in clinically actionable genes in the Turkish Variome and reclassifies at least 57,000 inconclusive variants in ClinVar as pathogenic or likely pathogenic. The work provides a comprehensive framework to enable rapid and accurate interpretation of sequence variants by the ACMG Standards.
Benzer Tezler
- Data-driven process mining for production line optimization using IIOT and big data technologies
IIOT ve büyük veri teknolojileri kullanılarak veri odaklı süreç madenciliği ile üretim hattı uygulaması
BEYZA YAPAKÇI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ALP ÜSTÜNDAĞ
- Acil yardım çağrısı jestlerinin bilgisayarla görü ve derin öğrenme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of emergency call gestures using computer vision and deep learning methods
FERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN
- Meme ve/veya over kanseri öyküsü olan hastalarda ilişkili genlerin yeni nesil dizileme yöntemi ile incelenmesi
Investigation of associated genes in patients with a history of breast and/or ovarian cancer by next generation sequencing
CANBERK AKKAŞ
Tıpta Uzmanlık
Türkçe
2024
Genetikİstanbul Medeniyet ÜniversitesiTıbbi Genetik Ana Bilim Dalı
DOÇ. DR. FİLİZ ÖZEN
- Türkçe ağızların tanınmasında derin öğrenme tekniğinin kullanılması
Identification of Turkish dialects using deep learning techniques
GÜLTEKİN IŞIK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HARUN ARTUNER
- Multi-agent planning with automated curriculum learning
Otomatik müfredat öğrenmesi ile çoklu ajan planlaması
ONUR AKGÜN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE