Geri Dön

Microrna - based drug repurposing analysis in glioblastoma multiforme via machine learning approaches

Makine öğrenmesi yaklaşımlarıyla glioblastoma multiformede mikrorna bazlı ilaç repozisyon analizleri

PDF İndir

  1. Tez No: 891722
  2. Yazar: ÖMER FARUK ERCEYLAN
  3. Danışmanlar: DOÇ. DR. ESRA GÖV
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
  12. Bilim Dalı: Biyomühendislik Bilim Dalı
  13. Sayfa Sayısı: 95

Özet

Glioblastoma (GBM) tüm beyin tümörleri arasında en yaygın kanserdir ve en kötü prognoza sahiptir. Bu tezde, GBM'nin biyomoleküler mekanizmalarını göstermek ve daha iyi anlamak için GBM verilerine çeşitli biyoinformatik analizler ve makine öğrenimi sınıflandırma teknikleri uyguladık. İlk olarak, analiz edilecek GBM veri kümeleri seçilmiştir. Ardından, transkriptom ve miRNA verilerinin ekspresyon analizleri gerçekleştirilmiştir. Değişmiş ekspresyona sahip genler ve miRNA'lar tanımlanmış, ortak genlerle birlikte eksprese edilen gen kümeleri ve miRNA'lar tarafından hedeflenen genler belirlenmiş ve ko-ekspresyon ağı çizilmiştir. Bu gen kümelerinin prognostik özellikleri incelenmiş ve Random Forest (RF), Support Vector Machine (SVM), Naive Bayes (NB) ve The K-Nearest Neighbours (KNN) gibi makine öğrenmesi sınıflandırma algoritmaları ile performans analizleri gerçekleştirilmiştir. Performans analizleri sonucunda RF, SVM ve KNN algoritmalarının %80'in üzerinde doğruluk skorları ile mevcut gen grupları ile çalışan güvenilir ve doğru sınıflandırma algoritmaları olduğu görülmüştür. Ayrıca yukarı ve aşağı doğru özellik seçimi ile elde edilen sonuçlara göre SEPT4, VAMP1, MAP1A, KIF5C, NPTX1 ve ATP8A1 genlerinin yüksek etkileşim verdiği ve GBM hastalığında önemli biyobelirteç adayları olabileceği tespit edilmiştir. Ayrıca elde edilen gen kümeleri ilaç yeniden konumlandırma analizleri için kullanılmıştır. Bu testler sonucunda gen ko-ekspresyon ağ modülü ve miRNA bazlı ko-ekspresyon ağ modülü verilerine ait gen kümelerinin içinde yer alan makine öğrenmesi analizlerinde en yüksek etkileşimlere sahip olan gen grupları ile ortak ilaçları belirlenmiştir. GBM tedavisinde kullanılabilecek, Emetine Dihydrochloride Hydrate (74), 16beta Bromoandrosterone, AS605240, 480743.cdx, BRD K00627859, HDAC6 inhibitörü ISOX, BRD-K12184916 ve 16-HYDROXYTRIPTOLIDE gibi çok sayıda ilaç adayı bulundu. Bu ilaçların ve küçük moleküllerin gelecekteki klinik çalışmalarda test edilebileceğini ve GBM tedavisi için yeni ilaç adayları olabileceği belirlenmiştir.

Özet (Çeviri)

Glioblastoma (GBM) is the most common cancer among all brain tumours and has the worst prognosis. In this thesis, we applied various bioinformatic analyses and machine learning classification techniques to GBM data to illustrate and better understand the biomolecular mechanisms of GBM. First, GBM datasets to be analysed were selected. Then, expression analyses of transcriptome and miRNA data were performed. Differentially expressed genes and miRNAs were identified, gene clusters co-expressed with common genes and genes targeted by miRNAs were identified, and the co-expression network was drawn. The prognostic properties of these gene clusters were examined and performance analyses were performed with machine learning classification algorithms such as Random Forest (RF), Support Vector Machine (SVM), Naive Bayes (NB) and The K-Nearest Neighbours (KNN). As a result of the performance analyses, RF, SVM and KNN algorithms were found to be reliable and accurate classification algorithms that work with existing gene groups with accuracy scores above 80%. In addition, according to the results obtained by upward and downward feature selection, it was determined that SEPT4, VAMP1, MAP1A, KIF5C, NPTX1 and ATP8A1 genes give high interaction and may be important biomarker candidates in GBM disease. In addition, the gene clusters obtained were used for drug repositioning analyses. As a result of these tests, the gene groups with the highest interactions in the gene clusters belonging to the gene co-expression network module and miRNA-based co-expression network module data in machine learning analyses and their common drugs were determined. A large number of drug candidates such as Emetine Dihydrochloride Hydrate (74), 16beta Bromoandrosterone, AS605240, 480743.cdx, BRD K00627859, HDAC6 inhibitor ISOX, BRD-K12184916 and 16-HYDROXYTRIPTOLIDE were found for the treatment of GBM. It was determined that these drugs and small molecules can be tested in future clinical trials and may be new drug candidates for the treatment of GBM.

Benzer Tezler

  1. Tez No

    501863

    Development of protein-conjugated spion-based theranostic nanoparticles as small RNA gene therapy vehicles in cancer treatment

    Küçük RNA taşınması ve kanser gen terapisinde kullanılmak amaçlı protein konjuge edilmiş, spion tabanlı teranostik nanopartiküllerin geliştirilmesi

    MUHAMMED KOÇAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    BiyolojiSabancı Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyomühendislik Ana Bilim Dalı

    PROF. DR. DEVRİM GÖZÜAÇIK

  2. Tez No

    654869

    Yeni nesil ilaç taşıyıcılar

    New generation drug carriers

    GÖZDE YURDABAK KARACA

    Doktora

    Türkçe

    Türkçe

    2020

    BiyomühendislikSüleyman Demirel Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. AYŞEGÜL ÖKSÜZ

  3. Tez No

    581969

    miRNA kullanılarak NOTCH1 ınhibisyonu ile kanser kök hücre ve tümör mikroçevresinin hedeflenmesi

    Inhibition of NOTCH1 signaling by MicroRNA for targeting cancer stem cell and tumor microenvironment

    ÜMMÜ GÜVEN

    Doktora

    Türkçe

    Türkçe

    2019

    Moleküler TıpEge Üniversitesi

    Kök Hücre Ana Bilim Dalı

    PROF. DR. GÜLPERİ ÖKTEM

    DOÇ. DR. BÜLENT ÖZPOLAT

  4. Tez No

    478539

    Meta-analysis of microRNA and gene selection using machine learning

    Makine öğrenmesi kullanarak microRNA meta-analizi ve gen seçimi

    ELNAZ PASHAEI

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN AYDIN

  5. Tez No

    416559

    Characterization of molecular-level changes due to MicroRNA-125b expression in breast cancer cells by spectroscopic and chemometric analysis techniques

    Meme kanseri hücrelerinde MikroRNA-125b ifadesinin moleküler düzeyde neden olduğu değişimlerin spektroskopik ve kemometrik analiz teknikleri ile karakterizasyonu

    NİHAL ŞİMŞEK ÖZEK

    Doktora

    İngilizce

    İngilizce

    2015

    BiyolojiOrta Doğu Teknik Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. FERİDE SEVERCAN

    DOÇ. DR. AYŞE ELİF ERSON BENSAN

Geri Dön