Μονάδα:
Κατεύθυνση ΒιοπληροφορικήΒιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2019-01-07
Συγγραφέας:
Βασιλοπούλου Χριστίνα
Στοιχεία επιβλεπόντων καθηγητών:
Κωνσταντίνος Ε. Βοργιάς, Καθηγητής, Τομέας Βιοχημείας και Μοριακής Βιολογίας,
Τμήμα Βιολογίας, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Πρωτότυπος Τίτλος:
Αξιοποίηση ομικών δεδομένων με σκοπό τη μελέτη και την ερμηνεία διαφορετικών αναπαραστάσεων ολοκληρωμένων δικτύων (Ιntegrated Networks)
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Αξιοποίηση ομικών δεδομένων με σκοπό τη μελέτη και την ερμηνεία διαφορετικών αναπαραστάσεων ολοκληρωμένων δικτύων (Ιntegrated Networks)
Περίληψη:
Στους τομείς της Συστημικής Βιολογίας και της Βιοπληροφορικής, μία
από τα μεγαλύτερες σύγχρονες προκλήσεις στην ανάπτυξη υπολογιστικών
εξατομικευμένων προσεγγίσεων σύνθετων ασθενειών είναι ο τρόπος με τον
οποίο μπορούν να εξαχθούν, να συνδυαστούν και να αναπαρασταθούν με τον
βέλτιστο τρόπο σύνολα multi- omics και κλινικών δεδομένων από δείγματα
ασθενών.
Απώτερος σκοπός της παρούσας εργασίας ήταν η ανάδειξη της βελτιωμέ-
νης απόδοσης που μπορεί να προσφέρουν σε ένα μοντέλο πρόγνωσης αναπα-
ραστάσεις υψηλότερης πολυπλοκότητας όπως είναι η τοπολογία ενός ολο-
κληρωμένου/ διασυνδεδεμένου δικτύου το οποίο συνδυάζει -omics δεδομένα
πολλαπλών κυτταρικών επιπέδων σε σύγκριση με χαμηλότερης πολυπλοκό-
τητας αναπαραστάσεις όπως είναι το διάνυσμα χαρακτηριστικών.
Συγκεκριμένα, στην παρούσα εργασία πραγματοποιήθηκε εξόρυξη -omics
δεδομένων από την τράπεζα δεδομένων Genomic Data Commons από 412
ασθενείς που πάσχουν από μυοδιηθητικό ουροθηλιακό καρκίνωμα της ουρο-
δόχου κύστης. Τα δεδομένα που συγκεντρώθηκαν αφορούν επίπεδα έκφρασης
γονιδίων και miRNA (microRNA) καθώς και εκτίμηση επιπέδων μεθυλίωσης
περιοχών του γονιδιώματος από δείγματα τα οποία έχουν ληφθεί τόσο από
τον πρωτογενή όγκο όσο και από φυσιολογικό ιστό του ιδίου οργάνου.
Σε αυτό το πλαίσιο, καταφέραμε να κατασκευάσουμε ένα βελ-
τιστοποιημένο αλγόριθμο εξόρυξης και επεξεργασίας της επιθυμητής βιολο-
γικής πληροφορίας από 1250 αρχεία και 435 δείγματα, με απώτερο σκοπό
τη πολλαπλή αναπαράσταση των δεδομένων με τη μορφή διανύσματος χαρα-
κτηριστικών, δικτύου και τοπολογικού διανύσματος χαρακτηριστικών. Για την
εκτίμηση της βελτίωσης της απόδοσης που μπορεί να προσφέρει κάθε ανα-
παράσταση πραγματοποιήθηκαν διερευνητικές αναλύσεις και πειράματα in
silico που πραγματεύονται προβλήματα ταξινόμησης. Επιλέγοντας τα πιο δια-
φοροποιημένα χαρακτηριστικά πραγματοποιήθηκε κατασκευή του ολο-
κληρωμένου δικτύου για το μυοδιηθητικό καρκίνωμα της ουροδόχου κύστης.
Στη συνέχεια, σχεδιάσαμε και κατασκευάσαμε την εξατομικευμένη αναπαρά-
σταση ενός ασθενούς αυτή τη φορά με τη μορφή δικτύου. Συμπερασματικά,
η διανυσματική αναπαράσταση προσφέρει βέλτιστα αποτελέσματα στο πρό-
βλημα ταξινόμησης κατηγορίας δειγμάτων, χρησιμοποιώντας τον αλγόριθμο
του k- κοντινότερου γείτονα και των δέντρων απόφασης. Η τοπολογική ανα-
παράσταση προσφέρει καλύτερη απόδοση στο μοντέλο ταξινόμησης των στα-
δίων καρκίνου (tumor stage) σε σχέση με την διανυσματική, χρησιμοποιώντας
τον αλγόριθμο του k- κοντινότερου γείτονα.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Βιοπληροφορική, Εξατομικευμένη Ιατρική, Μηχανική Μάθηση, Συστημική Βιολογία, Μελέτη Αναπαραστάσεων, Εξόρυξη δεδομένων
Αρ. σελίδων ευρετηρίου:
0
Αρ. βιβλιογραφικών αναφορών:
57
Αρχείο:
Δεν επιτρέπεται η πρόσβαση στο αρχείο έως 2024-11-08.
Vasilopoulou_Thesis.pdf
1 MB
Δεν επιτρέπεται η πρόσβαση στο αρχείο έως 2024-11-08.
