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
- Pankreas kanser dokularında ING4 gen ifade seviyesinin ve P53 gen mutasyonlarının araştırılması
The investigation of ING4 gene expression level and p53 gene mutations in pancreatic cancer tissues
İBRAHİM HALİL YILDIRIM
Doktora
Türkçe
2010
Tıbbi BiyolojiGaziantep ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. CELALETTİN CAMCI
PROF. DR. ECİR ALİ ÇAKMAK
- Çeşitli baharatlar kullanılarak hazırlanan kefir örneklerinin duyusal açıdan değerlendirilmesi
Sensory evaluation of kefir samples prepared with various spices
AHMET UĞUR IŞIK
Yüksek Lisans
Türkçe
2025
Gastronomi ve Mutfak Sanatlarıİstanbul Gelişim ÜniversitesiGastronomi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEVRUZ BERNA TATLISU
- Yetersiz donatı bindirme boyu bulunan kolonların aktif FRP sargısı ile güçlendirilmesi
Strengthening of inadequetly lap-spliced reinforced concrete columns using active FRP confinement
ERKAN AKPINAR
Doktora
Türkçe
2010
Deprem MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEVKET ÖZDEN
- Suggested activities to improve 10th grade EFL students' 21st century critical thinking skills through poetry in Spice Up
Spice Up ders kitabında şiir yoluyla 10. sınıf İngilizce yabancı dil öğrencilerinin 21. yüzyıl eleştirel düşünme becerilerini geliştirmek için önerilen etkinlikler
NURBANU ARABACI
Yüksek Lisans
İngilizce
2025
Eğitim ve ÖğretimUfuk ÜniversitesiYabancı Diller Eğitimi Ana Bilim Dalı
PROF. DR. ARİF SARIÇOBAN
- Takım tezgâhlarında optimal yörünge planlama: Evrimsel algoritmalar ve eğri uydurma yöntemleri ile performans iyileştirme
Optimal trajectory planning in machine tools: Performance improvement with evolutionary algorithms and curve fitting methods
GAMZE DEMİR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. REVNA ACAR VURAL