Διιδρυματικό ΠΜΣ Τεχνολογίες Πληροφορικής στην Ιατρική και τη Βιολογία
Βιβλιοθήκη Σχολής Θετικών Επιστημών

2015-09-14

2015

Σακελλαρίου Αργύρης

Σέργιος Θεοδωρίδης, Δημήτριος Μαρούλης, Εμμανουήλ Σαγκριώτης

Computational Methods for the Identification of Statistically Significant Genes: Applications to Gene Expression Data of Various Human Diseases

Αγγλικά

Υπολογιστικές Μέθοδοι για τον Προσδιορισμό Στατιστικώς Σημαντικών Γονιδίων: Εφαρμογές σε δεδομένα γονιδιακής έκφρασης από διάφορες ανθρώπινες νόσους

Σε αυτή την διατριβή αντιμετωπίσαμε το πρόβλημα της επιλογής γονιδίων από
ταξινομημένες λίστες. Προτείναμε μια νέα υβριδική μέθοδο επιλογής
χαρακτηριστικών (mAP-KL) που συνδυάζει με επιτυχία μια μέθοδο πολλαπλού ελέγχου
υποθέσεων και μια μέθοδο συσταδοποίησης (Affinity Propagation) μαζί με έναν
δείκτη ποιότητας συστάδων των Krzanowski & Lai, για την επιλογή ενός μικρού
αλλά αντιπροσωπευτικού υποσυνόλου γονιδίων. Υποβάλαμε τη μέθοδό μας σε διάφορες
αξιολογήσεις με δεδομένα προσομοίωσης μικροσυστοιχιών καθώς και με πραγματικά
δεδομένα μικροσυστοιχιών. Τα συνολικά αποτελέσματα της αξιολόγησης δείχνουν ότι
η mAP-KL παράγει συνοπτικά υποσύνολά από
-υπογραφές γονιδιακής έκφρασης οι οποίες σχετίζονται βιολογικά και μπορούν να
χρησιμεύσουν ως ένα πολύτιμο διακριτικό εργαλείο για διαγνωστικούς και
προγνωστικούς σκοπούς, με τον εντοπισμό πιθανών βιοδεικτών της νόσου σε ένα
ευρύ φάσμα ασθενειών. Τέλος, προκειμένου να δώσουμε στην ερευνητική κοινότητα
με τη δυνατότητα να εφαρμόσει την mAP-KL σε οποιοδήποτε σύνολο δεδομένων
γονιδιακής έκφρασης, αναπτύξαμε τη μεθοδολογία μας σε ένα Bioconductor/R-
πακέτο το οποίο συνοδεύεται και από άλλες επιπλέον λειτουργίες.

Μικροσυστοιχίες, δεδομένα γονιδιακής έκφρασης, ανάλυση σημαντικότητας, υβριδική μέθοδος επιλογής χαρακτηριστικών, βιοδείκτες

Ναι

27-34

Ναι

120

146

https://pergamos.lib.uoa.gr/uoa/dl/object/1309580/file.pdf

https://pergamos.lib.uoa.gr/uoa/dl/object/1309580