Συντάχθηκε 16-09-2014 13:14
από Esthir Gelasaki
Email συντάκτη: egelasaki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: υπάλληλος.
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΑΛΕΒΥΖΑΚΗ ΑΝΔΡΟΝΙΚΗΣ
με θέμα
ΜΕΘΟΔΟΙ ΔΙΠΛΗΣ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗΣ “biclustering” ΓΙΑ ΕΠΙΛΟΓΗ ΓΟΝΙΔΙΑΚΩΝ ΔΕΙΚΤΩΝ ΑΠΟ ΚΥΤΤΑΡΙΚΕΣ ΣΕΙΡΕΣ
Πέμπτη 18 Σεπτεμβρίου 2014 , 5 μμ
Αίθουσα 137.Π39, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Ζερβάκης Μιχαήλ (επιβλέπων)
Καθηγητής Λιάβας Αθανάσιος
Καθηγητής Πετράκης Ευριπίδης
Περίληψη
Η ανάλυση μικροσυστοιχιών DNA παρέχει τη δυνατότητα μελέτης της γονιδιακής έκφρασης. Το προφίλ της γονιδιακής έκφρασης που παράγεται, απεικονίζει το υποσύνολο των γονιδιακών μεταγραφών που εκφράζονται σε ένα κύτταρο ή έναν ιστό. Με την εξέλιξη της βιοπληροφορικής τα προφίλ της γονιδιακής έκφρασης αναλύονται με στόχο την επίλυση ζητημάτων που αφορούν γονίδια που εκφράζονται σε παθολογικές καταστάσεις. Τα δεδομένα γονιδιακής έκφρασης αναπαρίστανται με τη μορφή πινάκων όπου γραμμές αποτελούν τα γονίδια και στήλες τις διάφορες πειραματικές συνθήκες. Στόχο των διάφορων τεχνικών ομαδοποίησης αποτελεί η εξαγωγή σημαντικών βιολογικών πληροφοριών που αφορούν ομάδες γονίδιων κάτω από συγκεκριμένες συνθήκες ή αντίστροφα. Στην παρούσα εργασία πραγματοποιείται η εφαρμογή της μεθόδου διπλής κατηγοριοποίησης δεδομένων γονιδιακής έκφρασης που προέρχονται από δείγματα παθολογίας του καρκίνου του μαστού ,των ωοθηκών, του ενδομητρίου και του τραχήλου της μήτρας , συγκεντρωμένα σε ένα πίνακα δεδομένων με στόχο την τελική επιλογή γονιδιακών δεικτών από κυτταρικές σειρές. Η μεθοδολογία που προτείνεται περιλαμβάνει την εφαρμογή του αλγορίθμου διπλής κατηγοριοποίησης Cheng and Church εφαρμόζοντας σε αυτόν μια σειρά βελτιώσεων ούτως ώστε να εξάγουμε ταυτόχρονα ομάδες γονιδίων με ομοιόμορφη συμπεριφορά αλλά και συγκεκριμένο εύρος τιμών. Τα αποτελέσματα που προκύπτουν πέραν της στατιστικής τους σημαντικότητας αξιολογούνται βιολογικά εξετάζοντας τις διεργασίες και τα μονοπάτια που ενεργοποιούνται και υποδηλώνονται από τα γονίδια κάθε εξαγόμενης ομάδας και συσχετίζονται με την πραγματική παθολογία. Η βιολογική ανάλυση της μεθόδου διπλής κατηγοριοποίησης ανέδειξε: α) ομάδες-γονιδιακών παθολογικών δεικτών για κάθε καρκινικό τύπο και β) ομάδες-γονιδιακών παθολογικών δεικτών για το σύνολο των τεσσάρων καρκινικών τύπων γ) 23 πολυγονιδιακούς καρκινικούς δείκτες για όλες τις ομάδες των καρκινικών τύπων και δ) έναν ειδικό καρκινικό δείκτη για τους τέσσερις καρκινικούς τύπους και το σύνολο των τεσσάρων καρκινικών τύπων.
Abstract
DNA microarray analysis allows the study of gene expression. Gene expression generated profile illustrates the subset of gene transcripts that are expressed in a cell or a tissue. With the development of bioinformatics profiles of gene expression analyzed in order to solve issues related with genes expressed in pathological conditions. Gene expression data is represented as tables where rows refer to genes and columns to experimental conditions. Object of various clustering techniques is to extract relevant biological information on groups of genes under specific conditions or versa. Our present work refers to the method of biclustering of gene expression data classification from pathology of breast, ovarian, endometrial and cervical cancer, with the aim of selecting gene markers of cell lines. Proposed methodology involves the application of biclustering algorithm Cheng and Church with an number of improvements in order to extract simultaneously sets of co -regulated genes with small range. Results beyond their statistical significance, are biologically evaluated by examining processes and pathways of genes of each group and correlated it with actual pathology. Biological analysis has shown: a) gene-groups of cancer type specific pathologic markers, b) gene-groups of cancer pathologic markers, c) 23 multigene tumor markers and d) one specific tumor marker of each group and all cancer types.
