Metagenom verisinden kronik hastalıklara ait kararlı biyobelirteçlerin tespitine yönelik algoritmaların geliştirilmesi
Development of algorithms for the detection of robust biomarkers on chronic diseases from metagenome data
- Tez No: 912685
- Danışmanlar: DOÇ. DR. ÖZKAN UFUK NALBANTOĞLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 140
Özet
Bağırsak mikrobiyomu, hastalık tanısı ve prognozu için hayati bilgiler sağlayarak insan sağlığında önemli bir rol oynamaktadır. Metagenomik uygulama sayısındaki artış, yeni nesil dizileme maliyetlerindeki düşüş ve mikrobiyom işlevlerinin derinlemesine anlaşılma isteği, genetik veri üretiminde hızlı bir artışa yol açmaktadır. Mikrobiyom analizi için, genellikle kohort başına, yüzlerce veya çoğunlukla binlerce veri üretilmektedir. Bu süreçte pratik ve teknik sınırlamalar olduğu için, az örnek sayısı-yüksek boyut sorunu, hipotezlerin testinde çeşitli zorlukları beraberinde getirmektedir. Büyük miktarlarda biyolojik verinin analizi için, gelişmiş matematiksel ve istatistiksel teknikleri kullanmak önemlidir. Son yıllarda, metagenomik veri analizinin merkezinde yer alan istatistik, derin öğrenme (DL) ve veri madenciliği alanları önemli ölçüde ilerleme kaydetmiştir. Yapılan çalışmalar ile DL' nin hacimli verilerden yeni biyolojik hipotezler veya keşifler elde edilebileceği ve ilgili metagenom verilerindeki kalıpları ayırt edebilme ve tanımlama potansiyeli gösterilmiştir. Bu tez çalışmasında bağırsak mikrobiyomu verilerindeki yüksek boyutluluk, veri standardizasyonu ve sınırlı verilerle ilgili zorluklara çözüm bulmak amacıyla yeni algoritmalar geliştirilmiştir. Bu algoritmalar, yüksek örneğe sahip birleştirilmiş hastalık verileri ile test edilmiş ve fenotip tahmini, kararlı biyobelirteç keşfi, tutarlılık analizi ve kıt verilerde sınıflandırma gibi birçok görevde üstün performans göstermiştir. Geliştirilen yaklaşımlar, genellenebilir olması, sağlamlığı, uyarlanabilirliği, genişletilebilir ve taşınabilir olması sebebiyle bir sağlık indeksi olarak hizmet edebilir ve klinik uygulamalar için umut verici bir yön sunabilir.
Özet (Çeviri)
The gut microbiome plays an important role in human health by providing vital information for disease diagnosis and prognosis. The increase in the number of metagenomics applications, the decrease in the costs of next generation sequencing, and desire for an in-depth understanding of microbiome functions have led to a rapid increase in genetic data production. The metagenome data has typically been produced in the orders of tens, hundreds or mostly in thousands per cohort. As there are practical and technical limitations resulting in this process, the small sample size-large dimension problem brings along hypothesis testing difficulties. It is important to use advanced mathematical and statistical techniques for the analysis of biological data. In recent years, the fields of statistics, deep learning (DL), and data mining have made significant progress. Studies have shown that DL has the potential to distinguish and identify patterns in metagenome data. In this thesis, new algorithms have been developed to find solutions to the challenges of high dimensionality, data standardization, and limited data in the gut microbiome datasets. These algorithms have been tested with large sample size merged data and have shown superior performance in many tasks such as phenotype prediction, robust biomarker discovery, consistency analysis, and classification with scarce data. Proposed approaches can serve as a wellness index due to their generalizability, robustness, adaptability, extensibility, and portability, and may offer a promising direction for clinical applications.
Benzer Tezler
- Metagenom verisinden yüksek çözünürlüklü biyobelirteç keşif algoritmaları
Algorithms for discovery of high resolution biomarkers from metagenomic data
AYŞENUR SOYTÜRK
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBiyoinformatik Sistemler Biyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN UFUK NALBANTOĞLU
- Realistically simulating SARS-CoV-2 wastewater metagenome sequencing data
SARS-CoV-2 atık su metagenom verisinin gerçekçi simülasyonu
FATMA RABİA FİDAN
Yüksek Lisans
İngilizce
2022
BiyolojiOrta Doğu Teknik ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. MEHMET SOMEL
DR. NICK GOLDMAN
- Corynis lateralis (Hymenoptera:Cimbicidae) türünde mitokondri genomunun evrimi
Evolution of the mitochondrial genome in Corynis lateralis (Hymenoptera:Cimbicidae)
ÖZGÜL DOĞAN
Yüksek Lisans
Türkçe
2015
BiyolojiCumhuriyet ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. DR. ERTAN MAHİR KORKMAZ
- Neodiprion sertifer (Hymenoptera:Diprionidae) türünün total mitokondri genomu üzerine araştırmalar
Investigation on the complete mitogenome of Neodiprion sertifer (Hymenoptera:Diprionidae)
MERVE NUR ÖRDEK
Yüksek Lisans
Türkçe
2015
GenetikCumhuriyet ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. DR. ERTAN MAHİR KORKMAZ
- Anaerobic biodegradation potential of petroleum derived wastes under nitrate and iron reducing conditions
Petrol türevli atıkların nitrat ve demir indirgeyici ortamlarda anaerobik biyodegredasyon potansiyeli
MİHRİBAN SEYİS
Yüksek Lisans
İngilizce
2019
Biyoteknolojiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN İNCE
DOÇ. SEVCAN AYDIN