Application of machine learning for the identification of novel diagnostic and therapeutic biomarkers for COVİD-19 by using transcriptomic data
Transkriptomik verileri kullanarak COVİD-19 için yeni teşhis ve tedavi biyobelirteçlerinin belirlenmesinde makine öğreniminin uygulanması
- Tez No: 983694
- Danışmanlar: DR. ÖĞR. ÜYESİ ATHANASIA PAVLOPOULOU
- Tez Türü: Doktora
- Konular: Biyoloji, Genetik, Biology, Genetics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: İzmir Uluslararası Biyotıp ve Genom Enstitüsü
- Ana Bilim Dalı: Genom Bilimleri ve Moleküler Biyoteknoloji Ana Bilim Dalı
- Bilim Dalı: Moleküler Biyoloji ve Genetik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET SARS-CoV-2 koronavirüsünün neden olduğu COVID-19, dünya genelinde milyonlarca ölüme yol açmıştır. COVID-19 artık bir pandemi olarak değerlendirilmemekle birlikte, SARS-CoV-2'nin sirkülasyonu devam etmekte, bu da kesintisiz gözetim ve uyarlanabilir stratejiler gerektirmektedir. Bu çalışmanın amacı, çoklu doku transkriptomlarını bütünleştirerek makine öğrenimi (ML) teknikleri yoluyla COVID-19'a özgü tanısal ve terapötik biyobelirteçler keşfetmektir. Bu kapsamda kan, nazofaringeal sürüntü, bronkoalveoler lavaj sıvısı (BALF), akciğer, kalp, böbrek, karaciğer ve beyin gibi dokulardan elde edilen 736 RNA-sekans örneği, tekdüze bir Nextflow/Nf-Core iş akışıyla yeniden işlenmiştir. Özellik seçimi ve sınıflandırma, iç içe çapraz doğrulama altında elastik ağ, rastgele orman, XGBoost ve destek vektör makinelerinden oluşan bir topluluk yöntemi kullanılarak gerçekleştirilmiştir. Ayrıca, farklı şekilde eksprese edilen genler için işlevsel zenginleştirme analizi yürütülmüştür. SARS-CoV-2 enfeksiyonu ile ilişkili en üst sıradaki genler, kemokinler ve sitokinler gibi pro- ve anti-inflamatuar faktörleri de içeren bağışıklık sistemi bileşenlerini kodlamaktadır. Sonuç olarak, çoklu doku transkriptomlarının sağlam ML yaklaşımlarıyla uyumlandırılması, klinikte uygulanabilir kompakt bir gen paneli ortaya koymuş ve COVID-19 için ilaç geliştirilebilir yolakları aydınlatmıştır. Bu metodolojik çerçeve, gelecekteki salgın tehditlerine de uyarlanabilir.
Özet (Çeviri)
ABSTRACT COVID-19, caused by the coronavirus SARS-CoV-2, has caused millions of deaths globally. Although COVID-19 is not considered a pandemic, SARS-CoV-2 is constantly present, requiring ongoing surveillance and adaptive strategies. The aim of the present study is to integrate multi-tissue transcriptomes and deploy machine learning (ML) techniques to discover COVID-19-specific diagnostic and therapeutic biomarkers. To this end, a compendium of 736 RNA-seq samples (blood, nasopharyngeal swab, BALF, lung, heart, kidney, liver, and brain) was reprocessed using a uniform Nextflow/Nf-Core workflow. Feature selection and classification were performed using an ensemble of elastic net, random forest, XGBoost, and support vector machines within cross-validation. Moreover, functional enrichment analysis of the detected differentially expressed genes was conducted. The identified top-ranking genes associated with SARS-CoV-2-infection are encoding components of the immune system, including pro- and anti-inflammatory factors, such as chemokines and cytokines. In conclusion, by harmonizing multi-tissue transcriptomes with robust ML generated a compact, clinically applicable gene panel and elucidated druggable pathways for COVID-19. This methodological framework can be extrapolated to future epidemic threats as well.
Benzer Tezler
- 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
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Beyin tümörü segmentasyonu için yeni bir üç boyutlu U-Net tabanlı derin öğrenme mimarisi
A novel three-dimensional U-Net based deep learning architecture for brain tumor segmentation
AYŞE BAŞTUĞ KOÇ
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- AI-driven enhancement and risk detection in microwave systems
Mikrodalga sistemlerde yapay zeka destekli iyileştirme ve risk tespiti
İBRAHİM HALİL BAYAT
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
DR. ÖĞR. ÜYESİ SEMİH DOĞU
- Train set complexity tunning for imbalance learning
Dengesiz öğrenme için eğitim seti karmaşıklığının ayarlanması
MEHMET ULAŞ
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. MEHMET ALİ ERGÜN