Geri Dön

Farklı kanser türlerine ait rnaseq verilerinde intron tutulumunun tespiti ve sınıflandırılmasında biyoinformatik yaklaşımların değerlendirilmesi

Evaluation of bioinformatic approaches in detection and classification of intron retention in rnaseq data of different cancer types

PDF İndir

  1. Tez No: 892058
  2. Yazar: ESMA GAMZE AKSEL
  3. Danışmanlar: PROF. DR. GÖKMEN ZARARSIZ, DOÇ. DR. VAHAP ELDEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Genetik, Biostatistics, Genetics
  6. Anahtar Kelimeler: IRFinder-S, İntron Tutulumu, Iread, Kanser, Whippet, Cancer, IRFinder-S, Intron Retention, Iread, Whippet
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İntron tutulumunun çeşitli kanser oluşum yolakları ile ilişkili olduğu bildirilmiştir. Güvenilir bir şekilde ölçülmesi zor olduğu için genellikle ihmal edilen bir alternatif kırpılma sınıfını oluşturur. Bu çalışmada NCBI-SRA veritabanından Meme-Üçlü Negatif Meme Kanseri alt tipi (n:67), Servikal (n:12), Kolorektal (n:144), Mide (n:160), Akciğer (n:62), Prostat (n:60) kanser türlerine ait kontrol ve tümör RNA-seq verileri indirilerek intron tutulumunu belirlemek için bildirilen IRFinder, IRFinder-S, iREAD, Whippet algoritma sonuçlarının değerlendirilmesi ve iş akış yönergesinin oluşturulması amaçlanmıştır. Elde edilen sonuçlara göre IRFinder, IRFinder-S, İREAD algoritmalarının belirlediği gen bölgelerinin kesişim noktasında kontrol grubuna göre tümör grubunda yukarı yönlü intron tutulumu meme (47 gen bölgesi), kolorektal (3 gen bölgesi), akciğer (2 gen bölgesi), mide (17 gen bölgesi) kanserinde belirlenmiştir. Aşağı yönlü intron tutulumu ise meme (3 gen bölgesi), akciğer (5 gen bölgesi), prostat (3 gen bölgesi) kanseri verilerinde belirlenmiştir. Servikal kanser verilerinde intron tutulumu kesişimleri belirlenememiştir. Kesişim bölgelerine ait Cohen Kappa sonuçlarına göre en uyumlu algoritmaların IRFinder ve IRFinder-S (%99) olduğu belirlenmiştir. İREAD'in ilk iki algoritma ile ortak tutulan intron bölgelerini kromozom sayısı başlangıç ve bitiş bölgeleri olarak belirleyebildiği Whippet algoritmasının ise belirleyemediği gözlenmiştir. Üç algoritmada (IRFinder, IRFinder-S, İREAD) bulunan genlerin yolak analizi sonuçlarına göre özellikle meme kanserinde ENSG00000074181 (NOTCH3) ve kolorektal kanserde ENSG00000080824 (HSPA90AA1), akciğer kanserinde ENSG00000183020 (AP2A2) ilgili dokulara özgü kanser yolakları ile ilişkili olabileceği aynı zamanda prostat kanseri aşağı yönlü intron tutulumu genlerinden ENSG00000160789 (LMNA) geninin de bu yolaklarda intron tutulumu bakımından ilişkili olabileceği dolayısıyla incelenmesi önerilmiştir. Literatür taramaları ve araştırma sonucu elde edilen verilere göre IRFinder, IRFinder-S ve İREAD algoritmalarında ortak bulunan tutulmuş intron bölgelerinin dikkate alınarak, yolak analizlerinin yapılması, validasyon çalışmalarının yapılması gerektiği, hastalık patogenezinin belirlenmesine yönelik yeni ip uçlarının keşfedilebileceği ön görülmüştür.

Özet (Çeviri)

Intron retention has been reported to be associated with various carcinogenesis pathways. It constitutes a class of alternative splicing that is often neglected because it is difficult to measure reliably. In the present study, we analysed the NCBI-SRA database (publicly available, paired-end data) of Breast-Triple Negative Breast Cancer subtype (n:67), Cervical (n:12), Colorectal (n:144), Gastric (n:160), Lung (n:62), Prostate (n:60) cancer types control and tumor RNA-seq data were downloaded to evaluate the reported IRFinder, IRFinder-S, iREAD, Whippet algorithm results to determine intron involvement and to create workflow guidelines. According to the obtained results, upstream intron retention in the tumor group at the intersection of gene regions determined by IRFinder, IRFinder-S, and iREAD algorithms was determined in breast (47 gene regions), colorectal (3 gene regions), lung (2 gene regions), gastric (17 gene regions) cancer compared to the control group. In downstream intron retention was determined in breast (3 gene regions), lung (5 gene regions), and prostate (3 gene regions) cancer data. Intron intersections could not be determined in cervical cancer data. According to the Cohen Kappa results of the intersection regions, the most compatible algorithms were IRFinder and IRFinder-S (99%). It was observed that IRFinder was able to identify the intron regions shared by the first two algorithms as chromosome number start-end regions. In contrast, the Whippet algorithm was not able to identify them. According to the pathway analysis results of the genes found in the three algorithms (IRFinder, IRFinder-S, IREAD), especially ENSG00000074181 (NOTCH3) in breast cancer and ENSG00000080824 (HSPA90AA1) in colorectal cancer, ENSG00000183020 (AP2A2) in lung cancer may be associated with related tissue-specific cancer pathways, and ENSG00000160789 (LMNA), one of the downstream intron retention genes in prostate cancer, may also be associated with intron retention in these pathways, and therefore, it was suggested to be examined. According to the literature reviews and the data obtained as a result of the research, it was suggested that pathway analyses should be performed, validation studies should be performed, and new clues for determining the pathogenesis of the disease could be discovered by taking into account the common intron regions found in IRFinder, IRFinder-S, and İREAD algorithms.

Benzer Tezler

  1. Tez No

    739767

    Determining novel target genes in WNT/𝛽-catenin signaling pathway using machine learning

    WNT/beta-catenin sinyal yolağında makine öğrenmesi ile hedef genler belirlenmesi

    CEMRE KEFELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Genetikİstanbul Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ANDRES OCTAVIO ARAVENA DUARTE

  2. Tez No

    980850

    Rna-seq gen ekspresyonu verileri üzerinde derin öğrenme ile kanser sınıflandırması ve uygulaması

    Cancer classification and application with deep learning on rna-seq gene expression data

    BÜŞRA ÇETİNKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA CEM KASAPBAŞI

  3. Tez No

    990678

    Dekonvolüsyon yöntemi ile akciğer kanseri hücre türü kompozisyonunun belirlenmesi ve hasta prognozunun incelenmesi

    Determination of lung cancer cell type composition and patient prognosis analysis using deconvolution method

    ÖZLEM TUNA

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    BiyomühendislikEge Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DR. YASİN KAYMAZ

  4. Tez No

    997699

    Tek hücre ve toplu gen ifadesi verilerinin üretken modeller ile bütünleşik analizi

    Integrated analysis of single-cell and bulk gene expression data using generative models

    SULTAN SEVGİ TURGUT ÖGME

    Doktora

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN AYDIN

    DR. ÖĞR. ÜYESİ ZEYNEB KURT

  5. Tez No

    695255

    Zebrafish as an in vivo model of drug screens for liver cancer: The role of phenothiazines

    Karaciğer kanserinde ilaç taramaları için in vivo model olarak zebra balığının incelenmesi: Fenotiyazinlerin rolü

    BÜŞRA KORKMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Moleküler Tıpİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. ÖZLEN KONU KARAKAYALI

    DR. GÜLÇİN ÇAKAN AKDOĞAN

Geri Dön