Robust differential network analysis
Dayanıklı diferansiyel ağ analizi
- Tez No: 982897
- Danışmanlar: PROF. DR. AYLİN ALIN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güvenilir gen-eş ifade ağlarının başarılı şekilde oluşturulması, sistem biyolojisinin temel alanlarından biridir. Literatürde sıklıkla kullanılan Gen Eş-İfade Ağ Analizi (GEİAA), İki-Ağırlıklı Orta Korelasyon (İAOK) ve Kısmi en küçük kareler regresyonu (KEKKR) tabanlı geleneksel yaklaşımlar, biyolojik verilerde sıkça karşılaşılan aykırı değerler ve gürültüye oldukça duyarlıdır. Bu tür bozulmalar, yanlış bağlantıların oluşmasına, gerçek modüler yapıların bozulmasına ve biyolojik yorumlanabilirliğin azalmasına yol açabilmektedir. Bu tezde, uç gözlemlerin etkisini tamamen dışlamak yerine ağırlıklarını azaltarak hem biyolojik olarak anlamlı bilgiyi koruyan hem de ağ topolojisinin bütünlüğünü güvence altına alan Kısmi Dayanıklı M-Regresyonu (KDMR) tabanlı yeni bir ağ kurma yöntemi önerilmektedir. Önerilen yaklaşım üç farklı şekilde değerlendirilmiştir. İlk olarak, E. coli düzenleyici ağına dayalı olarak oluşturulan SynTReN300 sentetik veri setinde kontrollü simülasyon çalışmaları yapılmış ve KDMR tabanlı, GEİAA, İAOK ve KEKKR tabanlı yöntemlerle karşılaştırılmıştır. Çeşitli dağılımlar (ör. Normal, ağır kuyruklu t(2)) ve farklı kontaminasyon oranlarında (\%5–30) aykırı değer senaryoları test edilmiştir. Bulgular, KDMR tabanlı yöntemin özellikle özgüllük açısından rakip yöntemlere üstün geldiğini, çok daha az yanlış pozitif bağlantı ürettiğini ve özellikle F1 skoru ile Matthews Korelasyon Katsayısı (MKK) bakımından en dengeli ve güvenilir sonuçları verdiğini göstermiştir. İkinci analizlerde literatürde sıklıkla referans alınan 135 fare karaciğer ekspresyon verisine uygulanmıştır. Aykırı değer (örnek F2-221) çıkarılmadan ve çıkarıldıktan sonra yapılan analizler, KDMR tabanlı yaklaşımın yalnızca literatürde daha önce tanımlanmış biyolojik olarak anlamlı modülleri doğru biçimde yeniden yakalamakla kalmayıp aynı zamanda daha kararlı, homojen ve biyolojik açıdan zenginleştirilmiş modüller elde ettiğini ortaya koymuştur. Zenginleştirme analizleri de bu modüllerin obezite ile ilişkili biyolojik yollarla anlamlı şekilde ilişkili olduğunu doğrulamıştır. Üçüncü ve son adımda, normal kiloya sahip olan ve obez olan fareler karşılaştırılarak diferansiyel ağ analizi yapılmıştır. Modül korunum istatistikleri (Z-summary ve medianRank) bazı modüllerin iki koşul arasında yüksek derecede korunduğunu, bazı modüllerin ise obez durumda önemli ölçüde değiştiğini göstermiştir. Ayrıca modüller arası bağlantılılıktaki değişimlere dayalı analizler ile bazı genlerin obez durumda en çok bağlantıya sahip olan gen statüsünü kaybettiği ya da kazandığı ortaya koyulmuştur. Bu durum, obezitenin yalnızca gen ifade düzeylerini değil aynı zamanda ağın yapısal mimarisini de yeniden şekillendirdiğini göstermektedir. Sonuç olarak bu tez, KDMR tabanlı yaklaşımın klasik yöntemlere kıyasla daha güvenilir, gürültüye karşı daha dayanıklı ve biyolojik açıdan daha anlamlı sonuçlar sunduğunu ortaya koymaktadır. Çalışma, özellikle dayanıklı ağ analizinde biyoinformatik alanına katkılar sağlamaktadır.
Özet (Çeviri)
Successfully constructing reliable gene-coexpression networks is a fundamental area of systems biology. Traditional approaches based on Weighted Gene Co-expression Network Analysis (WGCNA), Biweight Midcorrelation (BICOR), and Partial Least Squares Regression (PLSR), frequently used in the literature, are highly susceptible to outliers and noise frequently encountered in biological data. Such distortions can lead to the formation of false connections, distortion of true modular structures, and reduced biological interpretability. This thesis proposes novel differential network analysis based on robust partial least sqaures regresion known as Partial Robust M-Regression (PRMR), which preserves biologically meaningful information and safeguards the integrity of the network topology by reducing the weights of outlier observations rather than completely excluding them. The proposed approach was evaluated in three different ways. First, controlled simulation studies were conducted on the SynTReN300 synthetic dataset, based on the E. coli regulatory network, and compared with PRMR-based, WGCNA, BICOR, and PLSR-based methods. Various distributions (e.g., normal, heavy-tailed t(2)) and outlier scenarios at different contamination rates (5–30\%) were tested. The findings showed that the PRMR-based method outperformed competing methods, particularly in terms of specificity, produced significantly fewer false-positive associations, and yielded the most stable and reliable results, particularly in terms of F1 score and Matthews Correlation Coefficient (MCC). Second analyses were applied to 135 mouse liver expression data frequently referenced in the literature. Analyses performed before and after outlier removal (e.g., F2-221) revealed that the PRMR-based approach not only accurately recaptured biologically significant modules previously identified in the literature but also yielded more stable, homogeneous, and biologically enriched modules. Enrichment analyses confirmed that these modules were significantly associated with obesity-related biological pathways. In the third and final step, differential network analysis was performed comparing normal-weight and obese mice. Module conservation statistics (Z-summary and medianRank) showed that some modules were highly conserved between the two conditions, while others changed significantly in the obese condition. Furthermore, analyses based on changes in intramodular connectivity revealed that some genes lost or gained the status of the most connected gene in the obese condition. This suggests that obesity reshapes not only gene expression levels but also the structural architecture of the network. In conclusion, this thesis demonstrates that the PRMR-based approach provides more reliable, more robust, and more biologically meaningful results compared to classical methods. The study contributes to the field of bioinformatics, particularly in robust network analysis.
Benzer Tezler
- Ring yapısına sahip bir mikroşebekede diferansiyel ve yönlü aşırı akım koruma şemalarının karşılaştırmalı analizi
Comparative analysis of differential and directional overcurrent protection schemes in a ring-structured microgrid
AHMET ERTAŞ
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RECEP YUMURTACI
- Privacy-preserving mechanisms for face verification systems
Yüz doğrulama sistemleri için gizliliği koruyucu mekanizmalar
MARAM H. W. ALAGHBAR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Stochastic modeling and analysis of noise in neuronal circuits
Başlık çevirisi yok
DENİZ KILINÇ
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER DEMİR
- Nötral sistemlerin dinamik davranış analizi
Analysis of dynamical behaviour of neutral systems
RÜYA ŞAMLI
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. SABRİ ARIK
- Investigation of the effects of MAS5, RMA and gcRMA preprocessing methods on an affymetrix zebrafish genechip® dataset using statistical and network parameters
MAS5, RMA ve gcRMA ön işleme metotlarının bir affymetrix zebrafish genechip® veri kümesi üzerine etkilerinin istatistiksel parametreler ve ağ parametreleri kullanılarak araştırılması
AHMET RAŞİT ÖZTÜRK
Yüksek Lisans
İngilizce
2010
Biyoistatistikİhsan Doğramacı Bilkent ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. DR. ÖZLEN KONU