A hybrid feature selection model for genome wide association studies
Bütünsel genom ilişkilendirme çalışmaları için hibrid öznitelik seçme modeli
- Tez No: 343106
- Danışmanlar: PROF. DR. NAZİFE BAYKAL, YRD. DOÇ. DR. YEŞİM AYDIN SON
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Moleküler Tıp, Biyoteknoloji, Computer Engineering and Computer Science and Control, Molecular Medicine, Biotechnology
- Anahtar Kelimeler: Bütünsel Genom İlişkilendirme Çalışmaları, Karar Ağacı, Destek Vektör Makinası, Prostat Kanseri, Melanoma, Genome Wide Association Studies, Decision Tree, Support Vector Machine, Prostate Cancer, Melanoma
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Sağlık Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bütünsel genom ilişkilendirme çalışmaları karmaşık hastalıklar ve SNPler arasındaki ilişkileri keşfetmektedir. Bu çalışmalar yüksek miktarda çok boyutlu veri sunmaktadır. Ayrıca SNPler, hastalıklar ve fenotipler arasındaki ilişkiler genellikle doğrusal değildir. Yüksek miktarlı çok boyutlu verilerle çalışmak ve aralarındaki ve doğrusal olmayan ilişkileri bulabilmek için veri madenciliğine ihtiyaç duyulmaktadır. Genotip ve fenotip bilgilerini birleştirerek bunlar üzerinde çıkarsama yapan, karar ağacı ve destekçi vektör makinasından oluşan bir hibrid sistem tasarlanmıştır. Tasarlanan model NCBIın dbGaP veritabanından indirilmiş olan prostat ve melanoma veri kümeleri üzerinde denenmiştir. Prostat veri kümesinde sadece genotip bilgileri kullanıldığında %71,67lik kesinlik sonucu, sadece fenotip bilgileri kullanıldığında %84,3 kesinlik sonucu; genotip ve fenotip bilgileri birleştirildiğinde ise %93,81?e yükselen kesinlik sonucu elde edilmiştir. Melanoma veri kümesinde sadece genotipler kullanıldığında %57,12, sadece fenotip bilgileri kullanıldığında %75,18 ve fenotip ile genotip bilgileri birleştirildiğinde %86,35lik bir kesinlik sonucu elde edilmiştir. Prostat üzerinde çalıştırılan sistem, %90.92lik duyarlılık ve 0.91lik ROC eğrisi altında kalan alan ile Prostata Özel Antijen Testine üstünlük göstermiştir. Melanoma için ise hibrid modelin seçmiş olduğu fenotip ve genotip özellikleri bundan önceki çalışmalarda incelenmiş olup bu durum kurulan hibrid sistemin melanoma için en ayırt edici özellikleri seçme yetisi olduğunu göstermektedir. Bu sayede melanoma için kurulan hibrid sistemin risk gruplarını ayırt etme potansiyeli bulunmaktadır.
Özet (Çeviri)
Through Genome Wide Association Studies (GWAS) many SNP-complex disease relations have been investigated so far. GWAS presents high amount high dimensional data and relations between SNPs, phenotypes and diseases are most likely to be nonlinear. In order to handle high volume-high dimensional data and to be able to find the nonlinear relations, data mining approaches are needed. A hybrid feature selection model of support vector machine and decision tree has been designed. This model also combines the genotype and phenotype information to increase the diagnostic performance. The model is tested on prostate cancer and melanoma data that have been downloaded from NCBIs dbGaP database. On prostate cancer data the hybrid system performed 71.67% accuracy on data set consists of only genotypes, 84.23% accuracy on data set consists of only phenotypes and when genotyping and phenotypes are integrated accuracy increased to 93.81%. On melanoma data, the hybrid system performed 57.12% accuracy for only genotypes, 75.48% accuracy for only phenotypes and when genotyping and phenotypes are integrated accuracy increased to 86.35%. For prostate cancer case the hybrid systems has performance indicators of 90.92% of sensitivity and 0.91 AUC, which outperforms Prostate Specific Antigen (PSA) test. In melanoma case selected phenotypic and genotypic features were also examined by previous studies that shows the ability of the system to select most predictive features so the hybrid system on melanoma case has a potential to be used for identifying the risk groups.
Benzer Tezler
- Bilişsel radyoda özdeğer tabanlı spektrum sezme yöntemleri
Eigenvalue based spectrum sensing techniques for cognitive radio
SERDAR İNGÖK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. M. ERTUĞRUL ÇELEBİ
- Biyomedikal sinyallerde veri ön-işleme tekniklerinin medikal teşhiste sınıflama doğruluğuna etkisinin incelenmesi
The investigation of effect of data pre-processing techniques to classification accuracy on medical diagnosis in biomedical signals
KEMAL POLAT
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SALİH GÜNEŞ
- CNC takım tezgahlarında hızlı talaş kaldırma prosesinin teorik ve deneysel incelenmesi
Theoretical and experimental study of high speed machining process in CNC machine tools
ERDAL GAMSIZ
- Düşük bir hızlarında konuşma kodlama ve uygulamaları
Low bit rate speech coding and applications
TARIK AŞKIN
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÜNSEL DURUSOY
- A new host-based hybrid intrusion detection system architecture using machine learning algorithms with feature selection
Özellik seçimi ve öğrenme algoritmalarını kullanan yeni bir sunucu tabanlı melez saldırı tespit sistemi mimarisi
MURAT TOPALLAR
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
DOÇ. DR. KEMAL CILIZ