Γονιδιακές υπογραφές για την πρόγνωση ασθενών με ΜΜΚΠ(Μη Μικροκυτταρικό Καρκίνο του Πνεύμονα) βάσει δεδομένων μικροσυστοιχιών και τεχνητής νοημοσύνης

Διπλωματική Εργασία uoadl:2863395 214 Αναγνώσεις

Μονάδα:
Κατεύθυνση Φαρμακευτική Ανάλυση - Έλεγχος ποιότητας
Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2019-02-20
Έτος εκπόνησης:
2019
Συγγραφέας:
Λεοντής Αριστείδης
Στοιχεία επιβλεπόντων καθηγητών:
Ιωάννης Λουκάς, Αναπληρωτής Καθηγητής του Τομέα Φαρμακευτικής Χημείας, Τμήμα Φαρμακευτικής, ΕΚΠΑ
Πρωτότυπος Τίτλος:
Γονιδιακές υπογραφές για την πρόγνωση ασθενών με ΜΜΚΠ(Μη Μικροκυτταρικό Καρκίνο του Πνεύμονα) βάσει δεδομένων μικροσυστοιχιών και τεχνητής νοημοσύνης
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Γονιδιακές υπογραφές για την πρόγνωση ασθενών με ΜΜΚΠ(Μη Μικροκυτταρικό Καρκίνο του Πνεύμονα) βάσει δεδομένων μικροσυστοιχιών και τεχνητής νοημοσύνης
Περίληψη:
Ο καρκίνος του πνεύμονα είναι μία από τις πιο θανατηφόρες ασθένειες του 21ου αιώνα. Χωρίζεται σε υποκατηγορίες ανάλογα την παθοφυσιολογία που εμφανίζεται. Ο πιο διαδεδομένος τύπος καρκίνου του πνεύμονα είναι ο μη μικροκυτταρικός καρκίνος, οποίος χωρίζεται σε επιπλέον κατηγορίες με πιο βασική το αδενοκαρκίνωμα. Για την διάγνωση της ασθένειας υπάρχουν επί του παρόντος πολλές εναλλακτικές, ενώ μια μέθοδος που κερδίζει έδαφος είναι η εξέταση στο εργαστήριο με μικροσυστοιχίες. Οι διαθέσιμες θεραπευτικές επιλογές ποικίλλουν ανάλογα με το μοριακό προφίλ του κάθε καρκίνου.

Στην παρούσα ερευνητική εργασία έγινε η ανάλυση, με τη χρήση τεχνητής νοημοσύνης και υπολογιστικών μεθόδων, αποτελεσμάτων από πειράματα με μικροσυστοιχίες της Affymetrix, αντλημένα από τις βάσεις δεδομένων GEO και Array Express ούτως ώστε να βρεθούν συγκεκριμένα γονίδια προγνωστές, τα οποία μπορούν να βοηθήσουν στην πρόβλεψη της κλινικής έκβασης του καρκίνου του πνεύμονα (και πιο συγκεκριμένα του αδενοκαρκινώματος) και επίσης θα μπορούσαν να χρησιμοποιηθούν για τη δημιουργία γενετικών υπογραφών.

Εκπαιδεύτηκε επίσης, μεταξύ πολλών, συγκεκριμένο μοντέλο-learner, το οποίο είχε τη δυνατότητα να κατατάσσει ασθενείς με αδενοκαρκίνωμα σε ασθενείς με καλή ή κακή πιθανότητα επιβίωσης. Ο επεξεργασία και το φιλτράρισμα των δεδομένων, ώστε να μπορούν να αναλυθούν πιο γρήγορα και εύκολα καθώς και οι υπόλοιποι υπολογισμοί έγιναν κυρίως με τη βοήθεια της γλώσσας προγραμματισμού R και των στατιστικών πακέτων που έχουν αναπτυχθεί για αυτή. Οι πιο σημαντικοί προγνωστές που προβλέφθηκαν ανήκουν σε ομάδες γονιδίων που εμπλέκονται στον καρκίνο του πνεύμονα εκτός από έναν, ο οποίος έχει την πιθανότητα να αποτελεί έναν καινούργιο βιολογικό δείκτη.

Οι προγνωστές μπορούν να βοηθήσουν στην δημιουργία γενετικών υπογραφών, αλλά και να ανοίξουν νέους ορίζοντες στην αναζήτηση μορίων στόχων για θεραπεία. Τέλος, το μοντέλο που προσδιορίστηκε έρχεται να προσθέσει ένα ακόμη εργαλείο στην αναζήτηση της καλύτερης θεραπείας για έναν ασθενή με αδενοκαρκίνωμα.
Κύρια θεματική κατηγορία:
Επιστήμες Υγείας
Λέξεις-κλειδιά:
ΜΜΚΠ, μικροσυστοιχίες, επιβίωση
Ευρετήριο:
Όχι
Αρ. σελίδων ευρετηρίου:
0
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
63
Αριθμός σελίδων:
83
Διπλωματική Λεοντής 2019-final.pdf (4 MB) Άνοιγμα σε νέο παράθυρο