Streptozotosin ile diyabet oluşturulan ratlarda biyokimyasal belirteçlerin incelenmesi ve diyabet hastalığının yapay zekâ (makine öğrenmesi) algoritmaları ile tahmini
Examination of biochemical markers in rats injected with diabetes with streptozotocin and prediction of diabetes disease with artificial intelligence (machine learning) algorithms
- Tez No: 945582
- Danışmanlar: PROF. DR. VAHDETTİN ALTUNOK
- Tez Türü: Doktora
- Konular: Veteriner Hekimliği, Veterinary Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Veterinerlik Biyokimyası Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, deneysel olarak diyabet oluşturulan rat modellerinde biyokimyasal kan parametrelerine dayalı olarak yapay zekâ tabanlı teşhis sistemlerinin geliştirilmesi amaçlanmıştır. Araştırmada, geleneksel diyabet belirteçlerine ek olarak yeni biyokimyasal parametrelerin ya da parametre kombinasyonlarının tanıdaki rolü incelenmiş ve bu doğrultuda özgün bir sınıflandırma yaklaşımı önerilmiştir. Çalışma, Necmettin Erbakan Üniversitesi Deneysel Tıp Araştırma ve Uygulama Merkezi'nde, 22 adet Wistar albino rat kullanılarak gerçekleştirilmiş; diyabet modeli, 3 gün arayla uygulanan 40 mg/kg dozundaki streptozotosin ile deri altı enjeksiyon yoluyla diyabet modeli oluşturulmuştur. 52. günün sonunda serum glikoz, HbA1c, karaciğer enzimleri, vitamin D, mineraller ve lipit profili dâhil olmak üzere toplam 22 biyokimyasal parametre ölçülmüştür. Çalışma sonuçlarına göre, STZ uygulanan diyabet grubunda serum ALP, ALT, AST, bilirubin, demir, fruktozamin, glikoz, HDL, kalsiyum, kreatinin, magnezyum, resistin, total kolesterol, trigliserit, üre ve HbA1c düzeyleri kontrol grubuna göre anlamlı şekilde yüksek (p<0,05); albümin, PTH, total protein ve vitamin D düzeyleri ise anlamlı şekilde düşük (p<0,05) bulunmuştur. ANOVA F-istatistiğine göre HbA1c, fruktozamin ve glikoz sınıflandırmada en etkili değişkenler olarak belirlenmiştir. T-testi sonuçları fosfor ve çinko parametrelerinin düşük etkisini ortaya koymuştur. Lojistik regresyon analizinde ise ALP, demir, fruktozamin, glikoz ve vitamin D öne çıkmıştır. Yapılan deneysel çalışmalar, makine öğrenmesi algoritmalarının bu tezde kullanılan veri kümesiyle diyabeti %100 doğrulukla sınıflandırabildiğini göstermiştir. Sınıflandırma işlemi için HbA1c, glikoz ve fruktozaminin yanı sıra ALP, demir ve vitamin D parametrelerinin birlikteliği de önemli bulunmuştur. Fruktozamin ve glikozun her iki regresyon analizinde de belirgin şekilde öne çıkması, bu parametrelerin güçlü biyobelirteçler olduğunun doğrulandığını ve elde edilen bulguların literatürle uyumlu olduğunu göstermektedir. SMOTE yöntemiyle veri kümesi artırılmış, özellik seçimi sonrası karar ağaçları, Naive Bayes, k-NN ve yapay sinir ağı algoritmaları ile %100 doğruluk elde edilmiştir. Sonuçlar, yalnızca klasik glikoz parametrelerine değil, karaciğer fonksiyon testleri, mineral ve vitamin düzeyleri gibi parametrelere dayalı çok boyutlu bir yaklaşımın da diyabet tanısında etkili olduğunu göstermektedir. Bu çalışma, biyokimyasal belirteçlerin çok değişkenli analizlerle yorumlandığı, makine öğrenmesi algoritmalarıyla entegre edilen ilk yaklaşımlardan biri olması açısından literatüre özgün bir katkı sunmakta ve yapay zekâ destekli tanı sistemlerinin deneysel biyomedikal uygulamalardaki potansiyelini ortaya koymaktadır.
Özet (Çeviri)
This thesis aims to develop artificial intelligence-based diagnostic systems based on biochemical blood parameters in experimentally induced diabetes rat models. In the study, the role of new biochemical parameters or parameter combinations in diagnosis was examined in addition to traditional diabetes markers and a unique classification approach was proposed in this direction. The study was conducted at Necmettin Erbakan University Experimental Medicine Research and Application Center using 22 Wistar albino rats; the diabetes model was created by subcutaneous injection with streptozotocin at a dose of 40 mg/kg administered at 3-day intervals. At the end of the 52nd day, a total of 22 biochemical parameters were measured, including serum glucose, HbA1c, liver enzymes, vitamin D, minerals and lipid profile. According to the study results, in the STZ-applied diabetes group, serum ALP, ALT, AST, bilirubin, iron, fructosamine, glucose, HDL, calcium, creatinine, magnesium, resistin, total cholesterol, triglyceride, urea and HbA1c levels were significantly higher (p<0.05) than in the control group; albumin, PTH, total protein and vitamin D levels were significantly lower (p<0.05). According to the ANOVA F-statistic, HbA1c, fructosamine and glucose were determined as the most effective variables in classification. T-test results revealed a low effect of phosphorus and zinc parameters. In the logistic regression analysis, ALP, iron, fructosamine, glucose and vitamin D stood out. Experimental studies have shown that machine learning algorithms can classify diabetes with 100% accuracy with the dataset used in this thesis. In addition to HbA1c, glucose and fructosamine, the association of ALP, iron and vitamin D parameters was also found to be important for the classification process. The fact that fructosamine and glucose are prominent in both regression analyses shows that these parameters are confirmed to be strong biomarkers and the findings obtained are consistent with the literature. The dataset was increased with the SMOTE method, and 100% accuracy was achieved with decision trees, Naive Bayes, k-NN and artificial neural network algorithms after feature selection. The results show that a multidimensional approach based not only on classical glucose parameters but also on parameters such as liver function tests, mineral and vitamin levels is effective in diabetes diagnosis. This study makes an original contribution to the literature in terms of being one of the first approaches integrated with machine learning algorithms, where biochemical markers are interpreted with multivariate analyses, and reveals the potential of artificial intelligence-supported diagnostic systems in experimental biomedical applications.
Benzer Tezler
- Deneysel diyabet modeli oluşturulan ratlarda ketojenik diyetin adipokin düzeyleri, oksidan-antioksidan statü ve bazı biyokimyasal parametreler üzerine etkilerinin araştırılması
Investigation of the effects of ketogenic diet on adipokine levels, oxidant-antioxidant status and some biochemical parameters in rats for which an experimental diabetes model was created
FADİME GÖKTAŞ
Doktora
Türkçe
2024
Aksaray ÜniversitesiBiyoteknoloji ve Moleküler Biyoloji Ana Bilim Dalı
Yükleniyor...
- Streptozotosin ile deneysel olarak diyabet oluşturulan ratlarda Plantago major'un biyokimyasal etkileri
Biochemical effects of plantago major in rats with experimentally diabetes induced with streptozotocin
YASİN DURSUN
- Steptozotosin ile deneysel olarak diyabet oluşturulan ratlarda Plantago major'un oral flora ve immun sistem üzerine olan etkisi
The effects of Plantago major on oral flora and immun system in experimantal diabetic rats with streptozotocin
AYNUR AKÇAY
- Diplotaenia turcica kök ekstraktının tip 2 diyabetik rat pankreası antioksidanlar ve immunohistokimyası üzerine etkisi
The effect of Diplotaenia turcica root extract on antioxidants and immunohistochemistry of the pancreas of type 2 diabetic rats
SİNAN MEAN
- Tip 2 diyabetik ratlarda Rhaponticoides iconiensis (Tülüşah) ekstresinin antidiyabetik etkisinin araştırılması
The investigation of the antidiabetic effect of Rhaponticoides iconiensis (Tülüşah) extract in Type 2 diabetic rats
NİYAZİ DÜNDAR