Συντάχθηκε 23-09-2015 11:17
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
ΛΕΣΚΑ ΒΑΛΣΑΜΩ
με θέμα
Γενετική Ανάλυση γονιδιακών δεδομένων για την κατάταξη των διπολικών διαταραχών
Genetic Data analysis for Classification of bipolar disorders
Παρασκευή 25 Σεπτεμβρίου 2015, 11πμ
Αίθουσα 2042, Εξωτερικά του Κτίριου Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Μιχάλης Ζερβάκης (επιβλέπων)
Καθηγητής Κωνσταντίνος Μπάλας
Καθηγητής Ευριπίδης Πετράκης
Περίληψη
Τα τελευταία χρόνια η ανάλυση μικροσυστοιχειών DNA έχει γίνει ένα ευρέως χρησιμοποιούμενο εργαλείο για μέτρηση των τιμών έκφρασης χιλιάδων γονίδιων και για την ανάλυση δεδομένων. Η τεχνολογία αύτη μπορεί να φανεί χρήσιμη για την κατάταξη πολύπλοκων ασθενειών, όπως η διπολική διαταραχή, παρέχοντας χρήσιμες πληροφορίες για το γενετικό τους υπόβαθρο. Η διπολική διαταραχή είναι μια κληρονομική διανοητική νόσος η οποία χαρακτηρίζεται από επαναλαμβανόμενα επεισόδια μανίας και κατάθλιψης τα οποία πηγάζουν από πολλούς γενετικούς και περιβαλλοντολογικούς παράγοντες. Υπάρχουν 5 βασικοί τύποι διπολικής διαταραχής: διπολική διαταραχή I, διπολική διαταραχή IΙ, διπολική διαταραχή που δε μπορεί να καθοριστεί, κυκλοθυμία και διπολική διαταραχή ταχείας εναλλαγής. Η κατάταξη των διπολικών διαταραχών, μπορεί να επιδράσει στην κατανόηση της παθολογίας της ασθένειας. Με τον τρόπο αυτό παρέχονται σημαντικές δυνατότητες στην έρευνα της αλληλεπίδρασης μεταξύ γενετικών και περιβαλλοντολογικών παραγόντων, που σχετίζονται με την παθογένεια. Επίσης, αύτη η δυνατότητα μπορεί να φανεί απαραίτητη για την καθοδήγηση της σωστής πρόγνωσης και θεραπείας για την πετυχημένη αντιμετώπιση της νόσου. Στην εργασία αυτή προσπαθήσαμε να κατατάξουμε τις διπολικές διαταραχές χρησιμοποιώντας τις εκφράσεις γονιδίων δύο διαφορετικών πληθυσμών.
Η ανάλυση μικροσυστοιχειών συνήθως οδηγεί σε σύνολα δεδομένων που περιέχουν ένα μικρό αριθμό δειγμάτων με έναν πολύ μεγάλο αριθμό γονιδίων. Αρχικά, για να προκύψουν χρήσιμα πληροφορικά σύνολα γονιδίων, τα όποια είναι ικανά να μειώσουν την διαστατικότητα των συνόλων δεδομένων και να μεγιστοποιήσουν την απόδοση των ταξινομητών, χρησιμοποιείται μια μέθοδος φιλτραρίσματος. Στη συνέχεια, σημαντικός στόχος της παρούσας εργασίας είναι η εξαγωγή σταθερών αποτελεσμάτων των μεθόδων φιλτραρίσματος και των ταξινομητών. Για το λόγο αυτό, χρησιμοποιείται ένα πλαίσιο που ονομάζεται “Stable Bootstrap Validation” (SBV), το οποίο έχει παρουσιαστεί από τον Νίκο Χλή στη διπλωματική του εργασία. Το πλαίσιο SBV χρησιμοποιεί bootstrap αναδειγματοληψία του αρχικού συνόλου παράλληλα με ένα κριτήριο το οποίο καθορίζει την σταθερότητα της παρατηρούμενης απόδοσης του ταξινομητή και τη βιολογική ερμηνεία των γονιδίων, γνωστή στη βιβλιογραφία ως ‘γονιδιακή υπογραφή’. Επίσης, παρουσιάζονται μεθοδολογίες που αφορούν την διαφοροποίηση, τη συνοχή καθώς και την ικανότητα γενίκευσης της γονιδιακής υπογραφής. Τέλος, στην παρούσα διπλωματική εργασία εξάγεται μια γονιδιακή υπογραφή 32 κοινών γονιδίων, η οποία συνδέεται στενά με πολλές πτυχές της διπολικής διαταραχής.
Abstract
In the resent years DNA microarray analysis has become a widely used tool for gene expression profiling and data analysis. This technology can be useful in the classification of complex diseases such as bipolar disorder, providing useful information for its genetic background. Bipolar disorder is a common, heritable mental illness characterized by recurrent episodes of mania and depression that manifests from multiple genetic and environmental factors. There are five basic types of bipolar disorder; bipolar I disorder, dipolar II disorder, Bipolar Disorder Not Otherwise Specified (BP-NOS), Cyclothymic Disorder and Rapid-cycling Bipolar Disorder. The ability to classify dipolar disorders may have a major impact on our understanding of disease pathophysiology and may provide important opportunities to investigate the interaction between genetic and environmental factors involved in pathogenesis. Also this ability may be essential to guide appropriate therapy and determine prognosis for successful treatment. The aim of this diploma thesis is to classify the bipolar disorders using gene expressions from two different populations.
Microarray analysis normally leads to datasets which contain a small number of samples which have a large number of gene expression levels as features. In order to extract useful informative sets of genes that can reduce dimensionality and maximize the performance of classifiers, feature selection algorithms were used. Another aim of this study is to achieve stable performance assessment of feature selection and classification methods. In that manner, the genetic evaluation framework named “Stable Bootstrap Validation” (SBV), introduced be Nick Chlis, is presented. The SBV utilizes bootstrap resampling of the original dataset and an explicit criterion that determines the stability of the observed classification accuracy and the biological interpretation of genes, also called genomic signature. Moreover, methodologies for evaluating the discrimination, consistency and generalization ability of the observed results are also introduced. In this diploma thesis a unified “32 common gene signature” was extracted, which is closely associated with several aspect of bipolar disorders.
