Parkinson hastalığında bilişsel bozulmanın nörogörüntüleme ve multi-omiks veri entegrasyonu ile makine öğrenmesi kullanılarak araştırılması
Investigation of cognitive impairment in parkinson's disease using neuroimaging and multi-omics data integration with machine learning
- Tez No: 918239
- Danışmanlar: PROF. DR. SÜLEYMAN YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Mikrobiyoloji, Science and Technology, Microbiology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Mikrobiyoloji Ana Bilim Dalı
- Bilim Dalı: Tıbbi Mikrobiyoloji Bilim Dalı
- Sayfa Sayısı: 131
Özet
Parkinson hastalığı (PH), dünya çapında 6 milyondan fazla kişiyi etkileyen, alfa-sinüklein (α-Syn) agregasyonu ve önemli motor ve motor olmayan bozukluklarla karakterize çok yönlü bir nörodejeneratif hastalıktır. Motor olmayan semptomları arasında, bilişsel bozukluk (CI) özellikle yaygındır ve hafif bilişsel bozukluktan (MCI) Parkinson hastalığı demansına (PDD) kadar ilerlemektedir. Nörogörüntüleme teknolojilerindeki son gelişmeler, özellikle dinlenme durumundaki fonksiyonel MRI, PH'nin patofizyolojisi ve ilişkili bilişsel bozukluklar hakkında önemli bilgiler sağlamaktadır. Eş zamanlı olarak, metagenomik çalışmalar bağırsak mikrobiyomunun nörodejeneratif süreçlerdeki rolünü vurgulamış, mikrobiyom ve nörogörüntüleme verilerinin entegre edilerek yeni biyobelirteçlerin ve terapötik hedeflerin ortaya çıkarılmasının potansiyelini vurgulamıştır. Ortak model, bağımsız modellere göre daha üstün doğruluk ve AUC değerleri elde etti (RF: doğruluk = 0.889, AUC = 0.972; XGBoost: doğruluk = 0.722, AUC = 0.921; SVM: doğruluk = 0.778, AUC = 0.866; Lojistik Regresyon: doğruluk = 0.778, AUC = 0.852). Faecalibacterium, Bacteroides, Streptococcus, Veillonella ve Gemella gibi temel mikrobiyal taksonlar, belirginlik, yönetici işlev ve duygu düzenlemesinde yer alan beyin bölgeleriyle ilişkilendirilmiştir. Bu çalışma, PH'deki bilişsel bozukluğun potansiyel mikrobiyal ve nörogörüntüleme biyobelirteçlerini belirlemek için tükürük ve gayta örneklerinden 16S rRNA verilerini rs-fMRI verileriyle entegre ederek biyobelirteçleri keşfetmeye odaklanmaktadır. İstatistiksel test, rastgele orman sıralaması ve kısmi korelasyon analizi dahil olmak üzere gelişmiş özellik seçimi tekniklerinden yararlanarak hem doğrusal hem de doğrusal olmayan makine öğrenimi modellerini değerlendirerek, öngörücü performansı artırmayı ve sağlam biyobelirteçlerin belirlenmesi amaçlanmıştır.
Özet (Çeviri)
Parkinson's disease (PH) is a multifaceted neurodegenerative disease characterized by alpha-synuclein (α-Syn) aggregation and significant motor and non-motor impairments, affecting more than 6 million people worldwide. Among its non-motor symptoms, cognitive impairment (CI) is particularly prevalent and progresses from mild cognitive impairment (MCI) to Parkinson's disease dementia (PDD). Recent advances in neuroimaging technologies, particularly resting-state functional MRI (rs-fMRI), provide important insights into the pathophysiology of PH and associated cognitive impairments. Concurrently, metagenomic studies have highlighted the role of the gut microbiome in neurodegenerative processes, highlighting the potential of integrating microbiome and neuroimaging data to uncover new biomarkers and therapeutic targets. Specifically, the joint model achieved an accuracy of 0.889 and an AUC of 0.972 using Random Forest, surpassing other models such as XGBoost (accuracy = 0.722, AUC = 0.921), SVM (accuracy = 0.778, AUC = 0.866), and Logistic Regression (accuracy = 0.778, AUC = 0.852). Key microbial taxa such as Faecalibacterium, Bacteroides, Streptococcus, Veillonella, and Gemella were associated with brain regions involved in salience, executive function, and emotion regulation. This study focuses on the discovery of biomarkers by integrating 16S rRNA gene amplicon sequencing data from saliva and stool samples with rs-fMRI data to uncover potential microbial and neuroimaging biomarkers of cognitive impairment in PD. Advanced feature selection methods, including statistical testing, random forest ranking, and partial correlation analysis, were employed to enhance predictive accuracy and identify robust biomarkers.
Benzer Tezler
- Parkinson hastalığında bilişsel bozulmanın seyrinde görsel algısal işlevler ve olaya ilişkin eeg koherans analizi ile ilişkisi
The correlation between visuospatial functions during cognitive impairment and event related eeg coherence analysis in parkinson disease
FADİME ÇADIRCI
Yüksek Lisans
Türkçe
2016
Nörolojiİstanbul Medipol ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. LÜTFÜ HANOĞLU
PROF. DR. BAHAR GÜNTEKİN
- Parkinson hastalığında klinik evre ve kognitif yıkım için retinal sinir lifi kalınlığı bir biyobelirteç olabilir mi?
Can retinal nerve fiber thickness be A biomarker for clinical stage and cognitive destruction in parkinson's disease?
SİBEL ÖZDEMİR
Tıpta Uzmanlık
Türkçe
2020
NörolojiZonguldak Bülent Ecevit ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. BİLGE PİRİ ÇINAR
- Parkinson ve alzheimer hafif kognitif bozukluğu olan hastaların kognitif profillerinin karşılaştırılması
Comparison of cognitive profiles of patients with parkinson and alzheimer's mild cognitive disorder
SÜMEYYE YAKUT
Yüksek Lisans
Türkçe
2024
Nörolojiİstanbul Medipol ÜniversitesiBilişsel Rehabilitasyon Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZDEN ERKAN OĞUL
PROF. DR. LÜTFÜ HANOĞLU
- Parkinson hastalarında bilişsel bozukluk düzeylerinin bazal ganglionların hacimleri ve korteks kalınlığı ile ilişkisinin incelenmesi
Investigation of the relationship of cognitive impairment levels with the basal ganglion volumes and cortical thickness in parkinson's patients
NECATİ EMRE ŞAHİN
Doktora
Türkçe
2025
AnatomiKarabük ÜniversitesiAnatomi Ana Bilim Dalı
DOÇ. DR. ZÜLAL ÖNER
PROF. DR. GÜLHAN ERTAN AKAN
- Parkinson hastalarında nöropsikometrik ve duyu profili ilişkisi
Relationship between neuropsychometric and sensory profiles in parkinson disease patients
ZEYNEP ÇORAKCI
Yüksek Lisans
Türkçe
2019
Nörolojiİstanbul Medipol ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. LÜTFÜ HANOĞLU