Geri Dön

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

  1. Tez No: 912685
  2. Yazar: UMAY GÜLFEM ELGÜN ÇİFTCİOGLU
  3. Danışmanlar: DOÇ. DR. ÖZKAN UFUK NALBANTOĞLU
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Metagenom verisinden yüksek çözünürlüklü biyobelirteç keşif algoritmaları

    Algorithms for discovery of high resolution biomarkers from metagenomic data

    AYŞENUR SOYTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Biyoinformatik Sistemler Biyolojisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZKAN UFUK NALBANTOĞLU

  2. Realistically simulating SARS-CoV-2 wastewater metagenome sequencing data

    SARS-CoV-2 atık su metagenom verisinin gerçekçi simülasyonu

    FATMA RABİA FİDAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    BiyolojiOrta Doğu Teknik Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. MEHMET SOMEL

    DR. NICK GOLDMAN

  3. Corynis lateralis (Hymenoptera:Cimbicidae) türünde mitokondri genomunun evrimi

    Evolution of the mitochondrial genome in Corynis lateralis (Hymenoptera:Cimbicidae)

    ÖZGÜL DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    BiyolojiCumhuriyet Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. ERTAN MAHİR KORKMAZ

  4. 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

    Türkçe

    2015

    GenetikCumhuriyet Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. ERTAN MAHİR KORKMAZ

  5. 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

    İngilizce

    2019

    Biyoteknolojiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN İNCE

    DOÇ. SEVCAN AYDIN