Geri Dön

Network medicine-based discovery of biomarkers for pancreatic cancer

Pankreas kanseri için ağ tıbbı tabanlı biyobelirteç keşfi

PDF İndir

  1. Tez No: 693776
  2. Yazar: ŞAFAK KILIÇ
  3. Danışmanlar: PROF. DR. ŞEFİKA KUTLU ÜLGEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Kimya Mühendisliği, Biyoistatistik, Chemical Engineering, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Pankreas duktal adenokarsinomu (PDAC), pankreas kanserinin en sık görülen türüdür. Yüksek ölüm oranı ve teşhisinin güçlüğü nedeniyle PDAC yeni yaklaşımlarla biyobelirteç keşfi için öncelikli bir adaydır. Bu çalışmada ayrımsal gen ekspresyon analizi, kısıtlama bazlı metabolik ağ inşası ve analizi (COBRA), ve protein-protein etkileşim (PPI) ve gen eş ekspresyon ağları kullanılarak kanser ve sağlıklı pankreas dokusunun kıyaslanmasında yüksek hacimli veri kullanılmıştır. PPI ve eş ekspresyon ağlarının kümelenmesi, ayrımsal ekspresyon ve COBRA analizlerinin sonucunu biyolojik bağlam içerisine yerleştirmek için kullanılmıştır. Ayrımsal ekspresyon analizi, TCGA ve GTEx veritabanlarından alınan gen ekspresyon verisi içerisinde 826 farklı ekspresyona sahip gen (DEG) keşfetmiştir. COBRA yöntemlerinin kullanılabilmesi için gen ekspresyon verisi Recon3D isimli 10,600 reaksiyon içeren jenerik insan metabolik modelini sırasıyla 5,879 ve 5,812 reaksiyon içeren kanser ve sağlıklı dokuya özgü modellere çevirmekte kullanılmıştır. Bu iki modelin metabolik akı profilleri akı örnekleme yöntemiyle keşfedilmiş ve reaksiyon bazında birbiriyle kıyaslanarak anlamlı fark gösteren 1,960 içsel reaksiyon, 338 de değişim reaksiyonu ortaya çıkarılmıştır. Bu reaksiyonların kapsamı, sadece iki model arasındaki akı ortalaması farkı, akı profillerinin iki standart sapmasından büyük olan 250 içsel reaksiyonu ve 14 değişim reaksiyonunu kapsayacak şekilde daraltılmıştır. 55 genin aynı anda DEG oldukları ve anlamlı akı farklılıkları gösteren reaksiyonlarla ilintili oldukları bulunmuştur. Bu genlerin, ve bunlara ek olarak PPI ve eş ekspresyon ağlarındaki en çok DEG ya da metabolik farklılık gösteren geni içeren 5 kümedeki genlerin Gen Ontolojisi (GO) terimleri, Hastalık Ontolojisi (DO) terimleri ve bilinen biyolojik yolaklar ile ilişkilendirilmesi yapılmıştır. Bu ilişkilendirme sonucunda kanser genleri ve hücre-hücre adhezyonu, bağışıklık tepkisi ve reaktif oksijen türleri (ROS) baskısı süreçleri ve diğer süreçler arasındaki ilişkiler ortaya konmuştur.

Özet (Çeviri)

Pancreatic ductal adenocarcinoma (PDAC) is the most common type of pancreatic cancer. Due to its high lethality and difficult diagnosis, PDAC is a prime candidate for biomarker discovery using novel approaches. This study uses high-throughput gene expression and protein-protein interaction data to apply differential gene expression analysis, constraint-based reconstruction and analysis (COBRA) of the metabolic network, and the construction of protein-protein interaction (PPI) and gene coexpression networks, comparing cancerous and healthy pancreatic tissue. Clustering of PPI and coexpression networks is used to place differential expression and COBRA results in biological context and find gene clusters which describe cancer-related processes. Differential expression analysis on TCGA and GTEx databases found 826 differentially expressed genes (DEGs). For COBRA methods, gene expression data was used to filter the 10,600 metabolic reactions in the Recon3D generic human metabolic model into cancer and healthy tissue-specific models, containing 5,879 and 5,812 reactions, respectively. The metabolic flux profiles of these models were discovered via flux sampling, revealing 1,960 significantly different internal reactions and 338 significantly different exchange reactions. These were narrowed down to 250 internal reactions and 14 exchange reactions whose mean flux difference between two models was greater than two standard deviations of the flux distributions. 55 genes were found to both be DEGs and exhibit significant flux differences in their associated reactions. These genes and the top 5 PPI or coexpression clusters with the highest proportion of DEGs or genes with significant metabolic differences were annotated with Gene Ontology (GO) and Disease Ontology (DO) terms, as well as with known biological pathways. The annotation revealed associations between cancer genes and cell-cell adhesion, immune response, and reactive oxygen species (ROS) stress processes, among others.

Benzer Tezler

  1. Tez No

    610656

    Network-based discovery of molecular targeted agent treatments in hepatocellular carcinoma

    Hepatosellüler karsinomda hedefe yönelik moleküler ajan tedavilerinin ağa dayalı keşfi

    RUMEYSA FAYETÖRBAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Biyoenformatik Ana Bilim Dalı

    DOÇ. DR. NURCAN TUNÇBAĞ

  2. Tez No

    497861

    Estimation of heart disease based on data mining using patients health database

    Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini

    AZHAR HATEM JEBUR AL BAIDHANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    Assist. Prof. YASA EKŞİOĞLU ÖZOK

  3. Tez No

    480285

    Ekonomide öncü göstergeler ile büyüme tahmini uygulaması

    An application of growth prediction in economy with leading indicators

    EZGİ DÜLGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET SERDAR GÜZEL

  4. Tez No

    729840

    Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi

    Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques

    DENİZHAN DEMİRKOL

    Doktora

    Türkçe

    Türkçe

    2022

    Biyoistatistikİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM EROL

  5. Tez No

    737560

    Comparative whole genome sequencing and bioinformatic analysis of afreeze-thaw stress-resistant, industrial Saccharomyces cerevisiae strain

    Donma-erime stresine dirençli bir endüstriyel Saccharomyces cerevisiae suşunun karşılaştırmalı tüm genom dizileme ve biyoinformatik analizi

    BURCU TUĞBA ŞİMŞEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Genetikİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. ZEYNEP PETEK ÇAKAR

Geri Dön