Tek-hücre seviyeli çoklu-omik veri bütünleştirme
Single-cell multi-omics data integration
- Tez No: 931434
- Danışmanlar: PROF. DR. FATİH ERDOĞAN SEVİLGEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Computer Engineering and Computer Science and Control, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 139
Özet
Tek-hücre veri dizileme, hücresel heterojenliğin anlaşılmasında devrim yaratmış ve karmaşık biyolojik sistemlerin benzeri görülmemiş bir çözünürlükte incelenmesine olanak tanımıştır. Toplu dizilemenin aksine, tek-hücre seviyeli ölçümler farklı hücrelerdeki belirgin özniteliklerin hücresel çeşitlilik, soy ve hastalık mekanizmaları gibi kritik süreçlere etkisi hakkında değerli bilgiler sunmaktadır. Bu özniteliklerin geniş kapsamlı veri kümeleri kullanılarak karşılaştırmalı analizini kolaylaştırmak için birden fazla deneyden elde edilen tek-hücre verileri bir araya getirilmektedir. Veri kümelerinin doğrudan birlikte kullanılması içerdikleri toplu etki gürültüleri sebebiyle yanlış analizlere neden olmaktadır. Aynı tür omik veri kümelerini birlikte kullanabilmek amacıyla gelişmiş hesaplamalı yatay bütünleştirme yöntemleri kullanılarak ölçümler toplu etkiden arındırılmalıdır. Bunun ötesinde, aynı hücrelerden elde edilen birden fazla modalitenin bir arada kullanılmasıyla da hücresel ayrışma artmakta ve özelleşmiş hücre alt grupları için ayırt edici özniteliklerin tespiti kolaylaşmaktadır. Herhangi bir modaliteye aşırı eğilmeden, birleştirilen farklı omik ölçümlerdeki hücre ayrışmalarını ortaya çıkarılabilmek için yüksek başarımlı dikey ya da çoklu-omik bütünleştirme yöntemlerine ihtiyaç duyulmaktadır. Yatay ve dikey bütünleştirme için bahsedilen zorlukları ele almak için, bu tez çalışmasında derin öğrenme tabanlı bütünleştirme algoritmaları sunulmaktadır. Önerilen yatay bütünleştirme yöntemi SCPRO-HI, karşılaştırma için kullanılan yöntemlere göre toplu etki gürültüsünü etkili bir şekilde azaltarak siluet skorlarında %75 iyileşme ve biyolojik manada %13 oranında daha iyi korunma sağlamıştır. Dikey bütünleştirme algoritması SCPRO-VI, ARI metriğine göre hücresel heterojenliği %20 artırırken, en yakın komşu hücre eşleştirme performansını %18 oranında iyileştirerek nadir hücre popülasyonlarının tanımlanmasını ve karmaşık çoklu-omik etkileşimlerin anlaşılmasını kolaylaştırmıştır. Önerilen bütünleştirme algoritmaları, tek-hücre veri kümelerinin yüksek performansla yatay ve dikey bütünleştirilmesi için güçlü bir çerçeve sunmaktadır. Geliştirilen algoritmalar kullanılarak elde edilen verinin ileri analizlerdeki başarımını incelemek amacıyla bütünleşik veri üzerinde viral patogenezle ilişkili önemli biyobelirteçler analiz edilmiştir. Hücreler için tanımlanan viral aktivite seviyeleri sayesinde yüksek aktivite gösteren hücre altkümeleri tespit edilerek bu kümelerdeki ayırt edici biyobelirteçlerin öznitelik önem analizi ile belirlenmesi sağlanmıştır. HIV-1 hastalarına ait bütünleştirilmiş veri setlerinde, Granzyme-H gibi bilinen belirteçlerin yanı sıra MIAT geni gibi aday biyobelirteçler de ayırt edici faktörler olarak tespit edilerek viral patogenez hakkında yeni iç görüler sunulmuştur. Mevcut ve gelecekteki bu bulgular, viral enfeksiyonlara karşı hücresel tepkilerin daha derin anlaşılmasına katkı sağlayarak yeni terapötik stratejilerin geliştirilmesine ve hastalıkların erken tespitine olanak sunmaktadır.
Özet (Çeviri)
Single-cell sequencing has revolutionized the understanding of cellular heterogeneity and enabled the study of complex biological systems at an unprecedented resolution. Unlike bulk sequencing, single-cell measurements provide valuable insights into how distinct cellular features influence critical processes such as cellular diversity, lineage, and disease mechanisms. Single-cell data obtained from multiple experiments are integrated to facilitate the comparative analyses of these features using large-scale datasets. However, the direct use of datasets together can lead to inaccurate analyses due to batch effect noise. Therefore, to enable the joint use of omic datasets of the same type, measurements must be cleaned for batch effects using advanced computational horizontal integration methods. Beyond this, the simultaneous integration of multiple modalities obtained from the same cells enhances cellular separation and facilitates the identification of distinguishing features for specialized cell subgroups. High-performance vertical or multi-omic integration methods are needed to reveal cellular separations in integrated multi-omic measurements without overfitting any single modality. This thesis presents deep learning-based integration algorithms to address the challenges of horizontal and vertical integration. The proposed horizontal integration method SCPRO-HI effectively reduced batch effect noise, improving silhouette scores by 75% and preserving biological meaning 13% better than the compared methods. The vertical integration algorithm SCPRO-VI increased cellular heterogeneity by 20% according to the ARI metric while improving nearest-neighbor cell matching performance by 18%, facilitating the identification of rare cell populations and the understanding of complex multi-omic interactions. The proposed integration algorithms provide a robust framework for high-performance horizontal and vertical integration of single-cell datasets. Key biomarkers associated with viral pathogenesis were analyzed to evaluate the effectiveness of the integrated data in downstream analyses. Highly active cell subgroups were identified by viral activity levels defined for cells, and distinguishing biomarkers within these clusters were determined using feature importance analysis. In integrated datasets from HIV-1 patients, in addition to well-known markers such as Granzyme-H, candidate biomarkers such as MIAT gene were also identified as distinctive factors, offering new insights into viral pathogenesis. These current and future findings contribute to a deeper understanding of cellular responses to viral infections, paving the way for the development of novel therapeutic strategies and early disease detection.
Benzer Tezler
- Transcriptomic and physiological meta-analysis of multiple stress-resistant Saccharomyces cerevisiae strains
Çoklu streslere dayanıklı Saccharomyces cerevisiae suşlarının transkriptomik ve fizyolojik meta-analizi
ABDULKADİR ÖZEL
Yüksek Lisans
İngilizce
2025
Biyoteknolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. ZEYNEP PETEK ÇAKAR
DOÇ. DR. MEHMET BAYSAN
- Joint transmission coordinated multipoint technique in multi drone cells
Ortak iletim eşgüdümlü çoklu nokta tekniğinin çoklu dron hücrelerinde kullanımı
SERDAR TORUN
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Maximal ratio transmission based multiple antenna relaying systems with interference
Maksimum oran iletim tabanlı girişimli çoklu anten röleleme sistemleri
AWFA A.M.ALI ALADWANI
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSAL GÜÇLÜOĞLU
- Serviks kanserinde allokriptopin ve β-glukan ile geliştirilmiş hibrit sistemin endoplazmik retikulum (ER) stresi ve mTOR sinyal yolağı ile ilişkili olarak hücre ölüm yolaklarına olan etkisinin araştırılması
Investigation of the effect of the hybrid system developed with allocryptopin and b-glucan on cell death pathways in relation to endoplasmic reticulum (ER) stress and mtor signaling pathway in cervical cancer
MERVE SENA KARA
- Selektif immünglobulin a eksikliği olan otoimmün ve/veya inflamatuar hastalığı olan ve olmayan hastalarda sağlıklı kontrol grubu ile karşılaştırılarak immünfenotipin değerlendirilmesi.
Evaluation of immunophenotype in patients with selective immunoglobulin a deficiency with and without autoimmune and/or inflammatory diseases compared to a healthy control group.
BEGÜM POŞUL
Tıpta Uzmanlık
Türkçe
2024
Çocuk Sağlığı ve HastalıklarıHacettepe ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. DENİZ NAZİRE ÇAĞDAŞ AYVAZ