Geri Dön

Using gene expression profiles of cancer patients with image-based deep learning approach to develop methods for classification and prediction of cancer while revealing critical genes

Kanser hastalarının gen ifade verileri kullanılarak kanserde kritik genlerin tanımlanması, kanser sınıflandırılması ve tahmini için görüntü-tabanlı derin öprenme yaklaşımı

PDF İndir

  1. Tez No: 687467
  2. Yazar: BÜŞRA NUR DARENDELİ KİRAZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALPER YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
  12. Bilim Dalı: Biyomühendislik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kanser, dünya genelinde ölümcül hastalıkların başında yer almaktadır. Teşhis ve tedavi aşamasındaki zorluklar hastalığın ilerleyişini engelleyememekte milyonlarca insanın ölümüne yol açmaktadır. Tümörlü hücrelerin sahip olduğu intra-tümor ve inter-tümör heterojenite özelliği kanserin bireylere özgü özelliklere sahiip bir hastalık olması sonucunu doğurmuştur. Her bireyin sahip olduğu tümör ve tümör mikroçevresi kendisine özgü olması sebebi ile genel tarama yöntemleri hastalığın erken tespitini zorlaştırmaktadır. Burada gen ekspresyon verileri üzerinde derin öğrenme yaklaşımı kullanılarak kanser teşhisine yeni bir bakış açısı kazandırmayı amaçladık. Genomdaki değişikliklerin birebir sonuçlarının görüldüğü gen ifade verilerinin derin öğrenme yöntemi kullanılarak eğitimi gerçekleştirilmiştir. Ek olarak, derin öğrenmenin yüksek doğrulukla belirlediği tümör ve normal dokuları belirlemede etkili olan kritik genlerin belirlenmesi amaçlanmıştır. Bu çalışmada, yaklaşık 30 farklı kanser hastasının RNA-Seq verileri ile Kanser Genom Atlas (TCGA) veri seti ve normal dokuların GTEx RNA-seq verileri kullanılmıştır. Eğitim için girdi verileri RGB formatına dönüştürülmüş ve eğitim bir Evrişimsel Sinir Ağı (CNN) ile gerçekleştirilmiştir. Eğitimli algoritma, gen ekspresyonu verilerine dayanarak kanseri \%97.7 doğrulukla tahmin edebilir. Ayrıca, hastalığın tahmini için etkili genleri belirlemek için eğitilmiş modele bir-piksel saldırı uyguladık.Bu yöntemin uygulanması sonucunda derin öğrenme modelinin tahmini üzerinde etkili olan 13 kritik gen belirlenmiştir. Sonuç olarak, geliştirilen derin öğrenme modeli ile tümör ve normal dokuları gen ifade verilerine bağlı olarak ayırt edebilen bir model geliştirilmiştir. Bu modelin tahmin mekanizması incelenerek kanser için biyobelirteç olmaya aday olan genler belirlenmiştir. Belirlenen genlerin literatür araştırılması yapıldığında kanserle ilişkileri görülmüştür. Gerçekleştirilen çalışma sonucu belirlenen bu genler deneysel verilerle desteklenerek kanser için biyobelirteç olarak kullanılanılabilir. Elde edilen sonuçlar doğrultusunda kişilere özgü kanserler gen bazında incelenerek, kişiye özgü tanı ve tedavilerin de uygulanabileceği gösterilmektedir.

Özet (Çeviri)

Cancer is one of the malignant diseases worldwide. Difficulties in diagnosis and treatment cannot prevent the progression of the disease and cause the death of millions of people. The intra-tumor and inter-tumor heterogeneity characteristic of tumor cells has resulted in cancer being a disease with individual characteristics. Since each individual has a unique tumor and tumor microenvironment, general screening methods make early detection of the disease difficult. Here, we aimed to provide new perspective of cancer diagnosis using deep learning approach on gene expression data. The training of gene expression data, in which the exact results of the changes in the genome are seen, was carried out using the deep learning method. In addition, it is aimed to identify critical genes that are effective in identifying tumor and normal tissues, which deep learning has determined with high accuracy. In this study, The Cancer Genome Atlas (TCGA) dataset with RNA-Seq data of approximately 30 different types of cancer patients and GTEx RNA-seq data of normal tissues were used. The input data for the training was transformed to RGB format and the training was carried out with a Convolutional Neural Netowk (CNN). The trained algorithm is able to predict cancer with 97.7\% accuracy, based on gene expression data. Moreover, we applied one-pixel attack on the trained model to determine effective genes for prediction of the disease. As a result of the application of this method, 13 critical genes that are effective on the prediction of the deep learning model were determined. As a result, with the developed deep learning model, a model that can distinguish tumor and normal tissues based on gene expression data has been developed. By examining the prediction mechanism of this model, genes that are candidates to be biomarkers for cancer were determined. When the identified genes were searched in the literature, their relationship with cancer was observed. These genes, which were determined as a result of the study, can be used as a biomarker for cancer by supporting experimental data. In line with the results obtained, it is shown that individual cancers can be examined on the basis of genes, and that individual diagnoses and treatments can also be applied.

Benzer Tezler

  1. Tez No

    754966

    Investigation and comparison of the therapeutic effects of palbociclib-loaded magnetic nanoparticles on 2D, 3D and ex-vivo breast cancer models

    Palbociclib yüklü manyetik nanoparçacıkların 2D, 3D ve ex-vivo meme kanseri modelleri üzerindeki terapötik etkisinin moleküler düzeyde incelenmesi ve karşılaştırılması

    MARYAM PARSIAN

    Doktora

    İngilizce

    İngilizce

    2022

    BiyoteknolojiOrta Doğu Teknik Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    DOÇ. DR. CAN ÖZEN

  2. Tez No

    513324

    Benign ve malign melanositik proliferasyonlarda epigenetik değişiklik belirteçleri 5-hidroksi metil sitozin ve histon deasetilaz-6'nın tanısal değeri ve histopatolojik prognostik parametrelerle ilişkisi

    Diagnostic value of epigenetic biomarkers, 5-hydroxy methyl cytosine and histone deacetylase-6 and the relationship with histopathological parameters in benign and malignant melanocytic proliferations

    ASLIHAN YAVAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    PatolojiAnkara Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. AYLİN HEPER

  3. Tez No

    754162

    Akciğer kanserli hastalarda KIFC1 proteininin ekspresyon ve metilasyon profillerinin araştırılması

    Investigation of expression and methylation profiles of KIFC1 protein in patients with lung cancer

    BETÜL ÇELİK

    Doktora

    Türkçe

    Türkçe

    2022

    Genetikİstanbul Üniversitesi

    Temel Onkoloji Ana Bilim Dalı

    PROF. DR. NECAT VAKUR OLGAÇ

  4. Tez No

    468781

    Göz kapağı, konjunktiva ve orbita tümörlü hastalarda bap1 ve bap1 ile etkileşimde bulunan bazı genlerin ekspresyon profillerinin belirlenmesi

    Determination of the expression profiles of BAP1 and BAP1 associated several genes in patients with eyelid,conjunctiva and orbita tumours

    AYÇA TAŞ

    Doktora

    Türkçe

    Türkçe

    2017

    BiyokimyaCumhuriyet Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. YAVUZ SİLİĞ

  5. Tez No

    738404

    PTCH1 geninde meydana gelen epigenetik değişimlerin mide kanserli olgularda incelenmesi

    Epigenetic analysis of PTCH1 gene in the patients with gastric cancer

    ERCE MATPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyoteknolojiBezm-İ Alem Vakıf Üniversitesi

    Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)

    DOÇ. DR. BİRSEN ELİBOL

    PROF. DR. ADEM AKÇAKAYA

Geri Dön