Geri Dön

Machine learning-based subtyping of renal cancer via non-apoptotic cell death pathways

Cell death pathways apoptotik olmayan hücre ölüm yollari üzerinden böbrek kanserinin alt tiplerine makine öğrenmesi tabanli ayrilmasi

PDF İndir

  1. Tez No: 964057
  2. Yazar: HAKAN KAHRAMAN
  3. Danışmanlar: DOÇ. DR. PINAR PİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Moleküler Tıp, Tıbbi Biyoloji, Bioengineering, Molecular Medicine, Medical Biology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Gebze Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Apoptoz dışı programlanmış hücre ölümü, geleneksel apoptoz mekanizmasının ötesine geçen yeni yolların ortaya çıkmasıyla birlikte giderek daha fazla ilgi görmektedir. Bu çalışma, yakın zamanda tanımlanan apoptoz dışı hücre ölümü mekanizmalarının—nekroptoz, piroptoz, ferroptoz, parthanatos, otofajik hücre ölümü ve cuproptosis—moleküler temelini ve bu yolların farklı kanser türlerindeki özgül rollerini ortaya koymayı amaçlamaktadır. Araştırma, bu mekanizmaların kanser biyolojisindeki önemini ve gen ekspresyon profilleri aracılığıyla kanser türlerini ayırt etme potansiyelini incelemektedir. Apoptoz dışı programlanmış hücre ölümü (PCD) mekanizmaları, tümör davranışının kritik düzenleyicileri olarak öne çıkmış ve biyobelirteç keşfi ile kanser alt türlerinin sınıflandırılması için yeni fırsatlar sunmuştur. Bu çalışma, bu PCD yollarından türetilen gen ekspresyon imzalarının çeşitli kanser türlerinde tanısal değerini araştırmaktadır. The Cancer Genome Atlas (TCGA) veriseti kullanılarak özellikle böbrek kanserlerinde (KIRC, KIRP, KICH), aktivatör ve inhibitör genlerin düzenlenmesinin belirgin şekilde bozulduğu kanser türleri sistematik olarak belirlenmiştir. Biyolojik olarak anlamlı özellikler (örneğin entropi, PCA, yolak ortalamaları) kullanılarak, böbrek kanseri alt türlerini %94 doğrulukla sınıflandırabilen çok sınıflı makine öğrenmesi modelleri geliştirilmiştir. Boyut indirgeme ve SHAP tabanlı yorumlanabilirlik analizleri, bu alt türlerin özellikle piroptoz ve otofajik hücre ölümü tarafından şekillenen belirgin moleküler desenler sergilediğini ortaya koymuştur. Doku sınıflandırması ve tümör tanımlaması için gerçek zamanlı tahminler sunan Flask tabanlı bir web platformu (kidneycancerscope.com) geliştirilmiştir. Bu çalışma, apoptoz dışı hücre ölümü gen imzalarının kanser sınıflandırması için biyobelirteçler olarak kullanılabileceğini göstermekte ve yapay zeka destekli tanı platformlarının geliştirilmesini desteklemektedir.

Özet (Çeviri)

Non-apoptotic programmed cell death (PCD) has attracted growing interest due to the discovery of alternative mechanisms that function independently of traditional apoptosis. This study aims to elucidate the molecular foundations of recently characterized non-apoptotic PCD pathways—namely necroptosis, pyroptosis, ferroptosis, parthanatos, autophagic cell death, and cuproptosis—and to explore their specific roles across various cancer types. Emphasis is placed on understanding how these pathways contribute to cancer biology and their potential utility in distinguishing cancer types based on gene expression patterns. Non-apoptotic PCD mechanisms have emerged as pivotal regulators of tumor progression, presenting novel avenues for biomarker discovery and cancer subtype classification. In this study, we evaluate the diagnostic relevance of gene expression signatures associated with these pathways across a diverse set of cancer types. Leveraging data from The Cancer Genome Atlas (TCGA), we identified specific cancers—particularly subtypes of kidney cancer—where the regulation of key activator and inhibitor genes is significantly altered. By constructing biologically informed features such as pathway-specific means, principal components, and entropy-based metrics, we trained multi-class machine learning models that achieved 94% accuracy in classifying kidney cancer subtypes (KIRC, KIRP, KICH). Dimensionality reduction techniques and SHAP-based interpretability analyses revealed distinct molecular profiles for each subtype, with pyroptosis and autophagic cell death emerging as dominant discriminative pathways. To facilitate real-time diagnostic application, we developed a Flask-based web platform (kidneycancerscope.com) capable of performing tissue classification and tumor subtype prediction. Overall, our findings highlight the potential of non-apoptotic cell death gene signatures as biomarkers for cancer classification and support the advancement of AI-powered diagnostic tools.

Benzer Tezler

  1. Tez No

    953177

    Contributions to machine learning in biomedical informatics

    Biyomedikal enformatikte makine öğrenmesine katkılar

    İNCİ MELİHA BAYTAŞ

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMichigan State University

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. ANIL KUMAR JAIN

  2. Tez No

    733247

    A web tool to explore, annotate and classify the Acibadem breast cancer cohort RNAseq data with gene signatures and clinical/mutation data, according to molecular subtypes

    Acıbadem meme kanseri kohortu RNA-seq verilerini gen imzalari ve klinik/mutasyon verileriyle moleküler alt tiplere göre keşfetmek, betimlemek ve sınıflandırmak için bir web aracı

    KÜBRA ÇALIŞIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Biyoistatistikİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. ÖZLEN KONU KARAKAYALI

  3. Tez No

    854797

    Efficient optimization algorithms for computational biology

    Hesaplamalı biyolojide etkin eniyileme algoritmaları

    OĞUZ CAN BİNATLI

    Doktora

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği ve Operasyon Yönetimi

    PROF. DR. MEHMET GÖNEN

  4. Tez No

    887199

    Machine learning based selection of candidate wells for extended shut-in due to fluctuating oil prices

    Değişken petrol fiyatları nedeniyle uzun süreli kapatılması gereken kuyuların makine öğrenmesi ile belirlenmesi

    BEYZA LOBUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İHSAN BURAK KULGA

    DOÇ. DR. FAZIL EMRE ARTUN

  5. Tez No

    888132

    Standart penetrasyon deney verileri ile zemin parametrelerinin makine öğrenmesi tabanlı tahmini

    Machine learning based prediction of soil parameters with standard penetration test data

    HATİCE BEYZA URGANCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiKTO Karatay Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ESRA URAY

Geri Dön