Kansere neden olan gen mutasyonlarının ve gen etkileşimlerinin yapay zeka yöntemleri ile belirlenmesi
Identification of cancer-causing gene mutations and gene interactions with artificial intelligence methods
- Tez No: 925878
- Danışmanlar: PROF. DR. EYYÜP GÜLBANDILAR
- 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: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Donanımı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Moleküler kanser etkenlerinin belirlenmesi hassas onkoloji açısından kritik öneme sahiptir. Bu çalışmada öncelikle; kanser sürücü genlerinin hangileri olduğu, hastalık süresince nasıl bir rol oynadıkları ve birbirleriyle etkileşimlerinin olup olmadığı gibi soruların cevaplarını tahmin etmek amacıyla mutasyon ve gen ifade verilerini kullanarak karma yöntemli iki aşamalı bir algoritma geliştirilmiştir. Kural tabanlı kontrol, ağırlıklı mutasyon skoru ve çeyrekler açıklığı hesaplarına dayanan bu hibrit kümeleme algoritması 8 farklı kanser kohortunda test edilmiştir. Yakın zamanlarda yayınlanmış 4 farklı çalışma ile yapılan karşılaştırmalar sonucunda, bu algoritmanın genel performans açısından bu 4 çalışmadan daha iyi olduğu anlaşılmıştır. Bu çalışma kapsamında ayrıca paraganglioma, düşük dereceli glioma ve glioblastoma gibi merkezi sinir sistemi tümörlerinin sürücü genler ve gen ifadeleri açısından karşılaştırılması yapılmış, ortak sürücü genlerin ve ifadeleri değişmiş genlerin hücresel çoğalma mekanizmalarındaki rolleri ve birbirleriyle etkileşimleri de araştırılmıştır. Analizler sonucunda ATRX, NF1, MUC16 ve TTN genlerinin her üç tümör tipi için de sürücü gen adayı oldukları belirlenmiş; FSTL5, GABRG2, VSNL1 ve LPL genlerinin de ekspresyonu en çok değişen ortak genler olduğu bulunmuştur. Bulgular sonucunda, belirtilen genlerin glial ve nöroendokrin hücre tümörlerinin tedavisinde potansiyel hedefler olabileceği ortaya konulmuştur. Bu tez kapsamında yapılan son çalışmada ise paraganglioma/feokromositoma, düşük dereceli glioma ve glioblastoma tümörlerinin klinik ve moleküler verilerle ağırlıklı oy tabanlı bir topluluk sınıflandırma algoritması tasarımı yapılmıştır. Algoritma, en yüksek doğru sınıflandırma başarısına sahip 6 sınıflandırıcı (Yapay Sinir Ağları, Lojistik Regresyon, Ekstra Ağaçlar, Rastgele Orman, Gradyan Arttırma ve Aşırı Gradyan Arttırma) ile oluşturulmuştur. Yapılan deneyler sonucunda %90,4'lük bir doğruluk oranına ulaşılmış, böylece iyi bir sınıflandırma performansı elde edilmiştir. Bulgular, bu yöntemin merkezi sinir sistemi tümörleri için tedavi planlamasında önemli bir destek olabileceğini göstermiştir.
Özet (Çeviri)
Determination of molecular cancer factors is of critical importance for precision oncology. In this study, first of all, a two-stage mixed-method algorithm was developed using somatic mutation and gene expression data to predict the answers to questions such as which cancer driver genes are, what role they play during the disease, and whether they interact with each other. This hybrid clustering algorithm, based on rule-based control, weighted mutation score, and interquartile range calculations, was tested in 8 different cancer cohorts. The algorithm was compared with 4 different studies published recently. The comparisons showed that this algorithm is better than the 4 studies compared in terms of overall performance. Within the scope of this study, a comparative analysis was conducted on driver genes and gene expressions in central nervous system tumors such as paraganglioma, low-grade glioma, and glioblastoma. As a result of the analyses, the genes ATRX, NF1, MUC16, and TTN were identified as potential driver gene candidates across all three tumor types. FSTL5, GABRG2, VSNL1, and LPL were also identified as common genes with the most significant changes in expression. The findings showed that, these genes were identified as potential therapeutic targets for the treatment of glial and neuroendocrine cell tumors. The final study within the scope of this thesis involves designing a weighted vote-based ensemble classification algorithm for paraganglioma/pheochromocytoma, lowgrade glioma, and glioblastoma tumors using clinical and molecular data. The algorithm was developed using the 6 classifiers with the highest accuracy (Artificial Neural Networks, Logistic Regression, Extra Trees, Random Forest, Gradient Boosting and Extreme Gradient Boosting). As a result of the experiments, an accuracy rate of 90.4% was achieved, indicating strong classification performance. These findings suggest that this method could provide significant support in treatment planning for central nervous system tumors.
Benzer Tezler
- Pseudamanas syringae ve pathavarlarının tanılanmalarında biyokimyasal ve morfolojik özelliklerin belirlenmesi üzerinde araştırmalar
Başlık çevirisi yok
A.ALEV GÖKDEMİR
Yüksek Lisans
Türkçe
1987
ZiraatEge ÜniversitesiBitki Koruma Ana Bilim Dalı
YRD. DOÇ. DR. HİKMET SAYGILI
- Malignite ile tek gen mutasyonları ve kromozom düzensizliklerinin ilişkisi üzerine araştırmalar
Investigations on the relationship between malignancy and a single gene mutation and chromosomal abnormalities
M. NAİL ALP
Doktora
Türkçe
1983
Tıbbi BiyolojiDicle ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
DOÇ.DR. NURETTİN BAŞARAN