Gen ekspresyon analiz verileri aracılığıyla Alzheimer hastalığı tedavisi için yeni ilaç hedeflerinin belirlenmesi
Identification of novel drug targets for the treatment of Alzheimer's disease using gene expression analysis data
- Tez No: 958335
- Danışmanlar: DOÇ. DR. BURÇİN KAYMAZ
- Tez Türü: Doktora
- Konular: Genetik, Tıbbi Biyoloji, Genetics, Medical Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Tıbbi Biyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 126
Özet
Bu çalışmanın amacı, Alzheimer hastalığında etkili olabilecek yeni moleküler ilaç hedeflerini belirlemek ve bu hedeflere yönelik küçük moleküller önererek tedavi geliştirme sürecine katkı sağlamaktır. Bu kapsamda, farklı veri türlerinden (mikroarray, bulk RNA-seq ve single-cell RNA-seq) elde edilen gen ekspresyon verileri analize tabi tutulmuştur. Mikroarray ve bulk RNA-seq verileri DExMA ve edgeR gibi araçlar kullanılarak normalize edilmiş, diferansiyel gen ekspresyon analizleri gerçekleştirilmiştir. Single-cell RNA-seq verileri ise Seurat ve Harmony paketleriyle entegre edilerek hücre tipi spesifik ifade değişiklikleri ortaya çıkarılmıştır. Analiz sonuçları ile belirlenen anlamlı genler üzerinden protein-protein etkileşim (PPI) ağları oluşturulmuş ve ağ merkezindeki hub genler tespit edilmiştir. İlaç-gen etkileimlerini belirlemek için ChEMBL veritabanlarından yararlanılmıştır. Belirlenen hub genlerle etkileşimli mevcut veya deneysel ilaçlar incelenmiş, ardından REINVENT4 jeneratif yapay zeka platformu kullanılarak yeni küçük moleküller üretilmiştir. Üretilen moleküller ADMET-AI aracılığıyla farmakokinetik ve toksikolojik özellikler açısından değerlendirilmiş, ilaç benzerliği ve güvenlik kriterlerine uyan adaylar seçilmiştir. Seçilen moleküllerin hedef proteinlere bağlanma potansiyeli AutoDock Vina ile yapılan moleküler yerleştirme analizleriyle doğrulanmıştır. Çalışmanın bulguları, Alzheimer hastalığında hub gen olarak tespit edilen YY1, KAT2A ve STAT3 genlerinin; diğer genlere göre yeni üretilen moleküllerle daha iyi etkileştiğini göstermiştir. Sonuç olarak, bu çalışma Alzheimer hastalığında hem mevcut hem de yeni geliştirilen moleküller üzerinden terapötik hedeflerin belirlenmesine yönelik çok katmanlı bir in silico yaklaşım sunmuş ve gelecekteki deneysel doğrulama çalışmaları için adaylar ortaya koymuştur.
Özet (Çeviri)
The aim of this study was to identify novel molecular drug targets that could be effective in Alzheimer's disease and to contribute to the drug development process by proposing small molecules directed against these targets. In this context, gene expression data obtained from different data types (microarray, bulk RNA-seq, and single-cell RNA-seq) were analyzed. Microarray and bulk RNA-seq data were normalized using tools such as DExMA and edgeR, and differential gene expression analyses were performed. Single-cell RNA-seq data were integrated using the Seurat and Harmony packages to reveal cell type-specific expression changes. Protein-protein interaction (PPI) networks were constructed based on the significant genes identified through the analyses, and hub genes located at the center of the network were determined. To identify drug targets, the ChEMBL database was utilized. Existing or experimental drugs interacting with the identified hub genes were examined, and subsequently, new small molecules were generated using the REINVENT4 generative artificial intelligence platform. The generated molecules were evaluated in terms of pharmacokinetic and toxicological properties using ADMET-AI, and candidates meeting drug-likeness and safety criteria were selected. The binding potential of the selected molecules to the target proteins was validated through molecular docking analyses performed with AutoDock Vina. The findings of the study demonstrated that the hub genes YY1, KAT2A, and STAT3 exhibited better interactions with the newly generated molecules compared to other genes. In conclusion, this study presented a multi-layered in silico approach for the identification of therapeutic targets based on both existing and newly designed molecules in Alzheimer's disease and proposed candidates for future experimental validation studies.
Benzer Tezler
- Development of mirna biomarkers for the differentiation between gingivitis and periodontitis: A pilot study
Gingivitis ve periodontitis ayrımı için mirna biyobelirteçlerinin geliştirilmesi: Pilot çalışma
DHAFIR LATIEF FAYADH FAYADH
Doktora
İngilizce
2023
BiyokimyaSüleyman Demirel ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CALAPOĞLU
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Metabolism-oriented multiomics data integration
Farklı omı̇k verı̇lerı̇n metabolı̇zma odaklı entegrasyonu
AYCAN ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ ÇAKMAK
- Arabidopsis thaliana'da normal büyüme ve abiyotik stres koşulları altında sro (sımılar to RCD one) gen ailesinin genom çapında tanımlanması ve ekspresyon profil analizi
Genome-wide identification and expression profiling of sro (similar to RCD one) gene family in arabidopsis thaliana under normal growth and abiotic stress conditions
ABDİ YILMAZ
Yüksek Lisans
Türkçe
2025
BiyolojiSüleyman Demirel ÜniversitesiBiyoloji Ana Bilim Dalı
DOÇ. DR. TİJEN DEMİRAL SERT
ÖĞR. GÖR. MUHAMMAD SAMEEULLAH
- GW8510 farmakolojik inhibitörünün ın vitro pankreas kanseri modeli üzerine etkilerinin araştırılması
Investigation of the effects of GW8510 pharmacological inhibitor on in vitro pancreatic cancer model
DUYGU GENÇALP