Survival time prediction of cancer patients
Kanser hastalarının yaşam süresi tahmini
- Tez No: 491116
- Danışmanlar: YRD. DOÇ. ZERRİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Biyoinformatik, Bioinformatics
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda, deneysel verilerdeki kirliliği en aza indirmek ve genlerin biyolojik süreçteki ortak rollerini tanı-tahmin modeline ekleyebilmek için araştırmacılar birden fazla veri türünü entegre etmektedir. Bu bağlamda son yapılan çalışmalar protein etkileşim ağlarının, bilimsel tanı yöntemlerinin başarısını arttırdığını göstermektedir. Bu çalışmada, böbrek (KIRC) ve beyin (GBM) kanseri hastalarına ait gen transkriptom ve protein seviye bilgilerini protein etkileşim ağları ile bütünleştirerek, hastaların olası yaşam süresini başarıyla tahmin edebilecek belirteçler (biyomarker) bulunması amaçlanmıştır. Bu amaçla transkriptom düzeyindeki mRNA ifadesi (RNA-seq) ve protein (RPPA) verileri insan genomundaki protein etkileşimlerini modelleyen bir ağ modeli ile entegre edilmiştir. Hastaların yaşam süresi, belli bir miktar belirteç seçip, ardından bu belirteçleri gözetimli öğrenme yöntemine girdi olarak vererek tahmin edilmiştir. Geliştirdiğimiz yeni entegre yöntemin, RPBioNet, iki kanser türü için de,“sadece protein”ve“sadece mRNA”yöntemlerinden daha başarılı sonuç verdiği görülmüştür.
Özet (Çeviri)
In recent years, in order to reduce noise in experimental data and to add the common role of genes in biological processes into diagnostic and prognostic prediction models, researchers entegrates more than one data type. In this context, many studies have shown that protein interaction networks increase the success of scientific diagnosis. This study aims to find biomarkers that successfully predict the potential survival time of cancer patiens by merging gene transcriptome and protein level data belonging to kidney renal clear cell carcinoma (KIRC) and glioblastoma multiforme (GBM). For this purpose, expression level of mRNA (RNA-seq) and protein (RPPA) data entegrated a with network modelling protein interactions in the human genome. Survival time of patients will be predicted by selecting certain amount of biomarkers and feeding those as inputs to the supervied learning method. For both cancer types, this study showed that our new entegrated method, RPBioNet, outperforms both“only protein”and“only mRNA”methods.
Benzer Tezler
- Akciğer kanseri tanılı hastaların tanı anında bakılan lipid düzeyleri ve oranlarının prognoz tahminindeki yerinin değerlendirilmesi
Evaluation of the lipid levels and ratios measured at the time of diagnosis in patients with lung cancer for the prediction of prognosis
FERHAT ARSLAN
Tıpta Uzmanlık
Türkçe
2021
İç HastalıklarıKırıkkale Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İRFAN KARAHAN
- Non-metastatik meme kanseri tanılı hastalarda“predict”çevrimiçi sağkalım öngörü hesaplayıcısının sonuçlarının gerçek yaşam verileri ile karşılaştırılması
Comparision of the results of the“predict”online survival prediction calculator with real life data in patients diagnosed with non-metastatic breast cancer
CANSU ÖZEN
Tıpta Uzmanlık
Türkçe
2024
OnkolojiBolu Abant İzzet Baysal Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. NADİRE KÜÇÜKÖZTAŞ
- Akciğer kanseri tanısı alan hastaların başlangıç serum sodyum ve globülin oranının prognoz tahminindeki yeri
The role of initial serum sodium and globulin ratio in prognosis prediction in patients diagnosed with lung cancer
MEHMET EMİN YERLİ
Tıpta Uzmanlık
Türkçe
2021
OnkolojiKırıkkale Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. HATİCE KELEŞ
- Fully automated deep learning and machine learning –based prognosis models for survival prediction of brain tumor patients using multi-modal mri images
Multimodal mrı görüntüleri kullanarak beyin tümörü hastalarının hayatta kalma tahmini için tam otomatik derin öğrenme ve makine öğrenme tabanlı prognoz modelleri
ABDELA AHMED MOSSA
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
- Kolon kanseri tanısı alan hastaların başlangıç sodyum ve globulin değerlerinin prognoz tahminindeki yeri
The role of initial sodium and globulin values in the prognosis prediction of patients diagnosed with colon cancer
YUSUF CAN YAVAŞ
Tıpta Uzmanlık
Türkçe
2021
İç HastalıklarıKırıkkale Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. HATİCE KELEŞ