Enhancing splice variant prediction: evaluatingbioinformatics tools and the impact of training data in thecontext of genetic disorders
Splıce varyant tahmininin iyileştirilmesi: Genetikhastalıklarda biyoinformatık araçlarındeğerlendirilmesi ve eğitim verisinin etkisi
- Tez No: 995415
- Danışmanlar: PROF. DR. YEŞİM AYDIN SON, DOÇ. DR. BÜŞRANUR ÇAVDARLI
- Tez Türü: Doktora
- Konular: Tıbbi Biyoloji, Biyoistatistik, Genetik, Medical Biology, Biostatistics, Genetics
- Anahtar Kelimeler: DNA mutasyon analizi, İşlemsel biyoloji, DNA mutational analysis, Computational biology
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Sağlık Bilişimi Ana Bilim Dalı
- Bilim Dalı: Tıbbi Bilişim Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
plice bölgelerini etkileyen genetik varyantların doğru şekilde tanımlanması, hastalık mekanizmalarının anlaşılması ve klinik varyant yorumlamasının iyileştirilmesi açısından kritik öneme sahiptir. Derin öğrenme tabanlı splice tahmin araçları kanonik splice-bölge varyantlarında yüksek performans gösterse de, bu araçların ekzonik bölgeleri etkileyen splice varyantları tespit etme yetenekleri sınırlı kalmaktadır. Bu sınırlılık, öncelikle deneysel olarak doğrulanmış ekzonik varyantların azlığı ve model mimarilerinin düzenleyici ekzonik bölgeler yerine kanonik splice motiflerine odaklanacak şekilde tasarlanmış olmasından kaynaklanmaktadır. Bu tez kapsamında, güncel splice tahmin araçları bağımsız ve deneysel olarak doğrulanmış veri setleri kullanılarak sistematik biçimde değerlendirilmiş ve özellikle ekzonik varyant performansına odaklanılmıştır. Patojenik ve benign varyantları içeren, bugüne kadar raporlanmış en büyük doğrulanmış ekzonik splice-etkileyici varyant veri seti derlenmiş ve oluşturulmuştur. Karşılaştırmalı analizler, tüm araçlarda ekzonik varyantlar için kanonik splice-bölge mutasyonlarına kıyasla tutarlı bir performans düşüşü olduğunu göstermiştir.Bu boşluğu gidermek amacıyla, Pangolin derin öğrenme modeli, yeni oluşturulan doğrulanmış ekzonik splice varyantları eğitim veri setine dahil edilerek yeniden eğitilmiştir. Yeniden eğitilen model, özgün Pangolin modelinin genel performansını aşamamış olsa da, özellikle daha yüksek tahmin eşiklerinde ekzonik spliceetkileyici varyantlar için artmış duyarlılık, daha kararlı performans ve azalmış yanlış negatif oranları sergilemiştir. Ayrıca modelin, ekzonik splicing güçlendirici ve susturucu bölgelerinde (ESE/ESS) yer alan varyantları tespit etme başarısının arttığı gözlemlenmiştir. Sonuç olarak bu çalışma, mevcut splice tahmin araçlarının kapsamlı bir değerlendirmesini sunmakta, ekzonik varyant tespiti için hedefe yönelik yeniden eğitimin faydasını ortaya koymakta ve daha doğru ve klinik açıdan anlamlı splice-etkileyici varyant tahmin modellerinin geliştirilmesi için bir temel oluşturmaktadır.
Özet (Çeviri)
Accurate identification of splice-altering genetic variants is critical for understanding disease mechanisms and improving clinical variant interpretation. Although deep learning–based splice prediction tools perform well for canonical splice-site variants, their ability to detect exonic splice-altering variants remains limited. This limitation is primarily due to the scarcity of experimentally validated exonic variants and model architectures optimized for canonical splice motifs rather than regulatory exonic regions. In this thesis, we systematically evaluate state-of-the-art splice prediction tools using independent, experimentally validated datasets, with a specific focus on exonic variant performance. We curated and assembled the largest validated exonic splice-altering variant dataset reported to date, including both pathogenic and benign variants. Benchmarking analyses revealed consistent performance degradation across tools for exonic variants compared to canonical splice-site mutations. To address this gap, we retrained the Pangolin deep learning model by explicitly incorporating validated exonic splice variants into its training data. While the retrained model did not surpass the overall performance of the original Pangolin model, it demonstrated improved sensitivity, stability, and reduced false-negative rates for exonic splice-altering variants, particularly at higher prediction thresholds. Notably, the model showed improved detection of variants located in exonic splicing enhancer and silencer regions (ESE/ESS). Overall, this study provides a comprehensive evaluation of current splice prediction tools, demonstrates the benefit of targeted retraining for exonic variant detection, and establishes a foundation for developing more accurate and clinically relevant splice-altering variant prediction models.
Benzer Tezler
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Ege ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Isı borusu prensibinin güneşli su ısıtıcılarına ve damıtmaya uygulanması
Başlık çevirisi yok
ALİ YÜCEL UYAREL
- Batı Anadolu linyitlerinin koklaşabilme özelliklerinin incelenmesi
The Investigation of cokingability properties of west-anatolia lignites
JALE YANIK
- Protein biyosentez inhibitörlerinin bazı bitki viruslarına etkileri üzerinde araştırmalar
Research on the effects of protein biosynthesis inhibitors on some plant viruses
SEBİLA AKSOY