Βιοπληροφορικές προσεγγίσεις περί της αποσαφήνισης της καρκινογένεσης με την διαμεσολάβηση των long non-coding RNAs

Διπλωματική Εργασία uoadl:2779389 78 Αναγνώσεις

Μονάδα:
Κατεύθυνση Βιοπληροφορική
Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2018-07-29
Έτος εκπόνησης:
2018
Συγγραφέας:
Μαρκοπούλου Καλλιόπη
Στοιχεία επιβλεπόντων καθηγητών:
Καθηγητής Κωνσταντίνος Βοργιάς (Επιβλέπων) Τομέα Βιοχημείας & Μοριακής Βιολογίας, Τμήμα Βιολογίας, Πανεπιστήμιο Αθηνών

Αναπληρωτής Καθηγητής Ιωάννης Τρουγκάκος Τομέα Βιολογίας Κυττάρου & Βιοφυσικής, Τμήμα Βιολογίας, Πανεπιστήμιο Αθηνών

Ερευνητής B Χατζηιωάννου Αριστοτέλης Μεταβολική Μηχανική και Βιοπληροφορική, Ινστιτούτο Βιολογίας, Φαρμακευτικής Χημείας & Βιοτεχνολογίας, Εθνικό Ίδρυμα Ερευνών
Πρωτότυπος Τίτλος:
Βιοπληροφορικές προσεγγίσεις περί της αποσαφήνισης της καρκινογένεσης με την διαμεσολάβηση των long non-coding RNAs
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Βιοπληροφορικές προσεγγίσεις περί της αποσαφήνισης της καρκινογένεσης με την διαμεσολάβηση των long non-coding RNAs
Περίληψη:
Η σύγχρονη επανάσταση στη γονιδιωματική και η έκρηξη στην παραγωγή υψηλής ποιότητας δεδομένων που αυτή έχει προκαλέσει, έχουν ανοίξει νέες συναρπαστικές ερευνητικές θεραπευτικές οδούς που σχετίζονται με την ερευνά για τον καρκίνο και άλλες γενετικές ασθένειες. Ταυτόχρονα, ο μεγάλος όγκος δεδομένων που παράγεται, δημιουργεί νέες προκλήσεις όσον αφορά τη διαχείριση και κυρίως, την ορθολογική τους εξόρυξη. Πέρα από τις νέες προκλήσεις, η σύγχρονη αφθονία των βιολογικών δεδομένων μπορούν να βοηθήσουν στην αναγνώριση νέων εξατομικευμένων γονιδιακών υπογράφων και ομάδων ασθενών που μοιράζονται παρόμοια μοριακά χαρακτηριστικά. Η χρήση αυτών των υπογράφων επιτρέπει στους ερευνητές να λαμβάνουν ακριβέστερες αποφάσεις σχετικά με την πρόγνωση, την πρόβλεψη και τις εξατομικευμένες θεραπείες του καρκίνου.
Η σωστή απεικόνιση των γονιδιωματικών δεδομένων που αποτελούνται από πολυδιάστατα χαρακτηριστικά είναι ένα βασικό εργαλείο για την γονιδιωματική ανάλυση του καρκίνου, καθώς επιτρέπουν στον χρήστη να διερευνήσει οπτικά τα δεδομένα, να δημιουργήσει υποθέσεις και να παράγει την πληροφορία που απαιτείται για την μεταγενέστερη μείωση των διαστάσεων. Στην συγκεκριμένη εργασία, παρουσιάζουμε την εφαρμογή μιας νέας προσέγγισης για την απεικόνιση δεδομένων μέσω του αλγόριθμου t-Distributed Stochastic Neighbor Embedding (t-SNE). Το t-SNE είναι ένας αλγόριθμος - τεχνική που χρησιμοποιείται για την μείωση των διαστάσεων, ομαδοποιεί και οπτικοποιεί πολυδιάστατα δεδομένα, δίνοντας σε κάθε σημείο μια ορισμένη θέση σε έναν δισδιάστατο ή τρισδιάστατο χάρτη μειώνοντας την τάση τους να συγκεντρώνονται στο κέντρο του. Εφαρμόσαμε τον αλγόριθμο σε έναν ολοκληρωμένο σύνολο δεδομένων γονιδιακής έκφρασης, χρησιμοποιώντας 3012 δείγματα από πέντε διαφορετικούς τύπους καρκίνου, που προέρχονται από τον Άτλα του Γονιδιώματος του Καρκίνου (TCGA). Πραγματοποιήσαμε διαφορά υπολογιστικά πειράματα για την τελειοποίηση του αλγόριθμου με διαφορετικά σύνολα δεδομένων (π.χ. γονίδια που κωδικοποιούν πρωτεΐνες, lncRNAs). Τελικά, διαπιστώσαμε ότι εφαρμογή του t-SNE στα lncRNAs βελτιώνει τη συνολική ομαδοποίηση μεταξύ των πέντε διαφορετικών τύπων καρκίνου που χρησιμοποιήθηκαν. Αυτό το αποτέλεσμα, υπογραμμίζει την πιθανή αξία αυτών των μορίων ως πιθανούς προγνωστικούς, διαγνωστικούς και θεραπευτικούς στόχους.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Αλληλούχιση νέας γενιάς, γονιδιακή έκφραση, καρκίνος
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
3
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
85
Αριθμός σελίδων:
113

Μαρκοπουλου_Καλλιοπη_Διπλωματικη_final.pdf
5 MB
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.