Διερεύνηση βιολογικών πληροφοριών σε σχέση με την τοξικότητα:
εφαρμογή σε πρωτεϊνικά δεδομένα νανοσωματιδίων

Ρούσση, Αλεξάνδρα; Roussi, Alexandra

dc.contributor.author	Ρούσση, Αλεξάνδρα	el
dc.contributor.author	Roussi, Alexandra	en
dc.date.accessioned	2015-12-01T11:34:29Z
dc.date.available	2015-12-01T11:34:29Z
dc.date.issued	2015-12-01
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41719
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.10957
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Protein corona of nanomaterials	en
dc.subject	Toxicity	en
dc.subject	Gene ontology	en
dc.subject	Bioconductor	en
dc.subject	R	en
dc.subject	Enrichment analysis	en
dc.subject	Βιοστατιστική	el
dc.subject	Πρωτεϊνικό στέμμα νανοϋλικών	el
dc.subject	Τοξικότητα	el
dc.subject	Δεδομένα πρωτεϊνικής έκφρασης	el
dc.subject	Ανάλυση εμπλουτισμού	el
dc.title	Διερεύνηση βιολογικών πληροφοριών σε σχέση με την τοξικότητα: εφαρμογή σε πρωτεϊνικά δεδομένα νανοσωματιδίων	el
heal.type	bachelorThesis
heal.secondaryTitle	Exploration of biological information related to toxicity: application to nanoparticle proteomics data	en
heal.classification	Bioinformatics	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-09
heal.abstract	This diploma thesis focused on the scientific area of Bioinformatics and in particular Biostatistics and its application to nanotechnology, and specifically on the data class known as protein corona of nanomaterials which is a scientific area of increasing interest. The properties of these data have been recorded by protein clustering techniques in order to predict the toxicity of nanomaterials. In this work, it is their biological information that is investigated by using gene ontology terms (Gene Ontology, GO). In particular, a series of mathematical algorithms were applied to three different proteomic data sets in order to find the data relationships, their classification and grouping based on their functional properties and the over-expression analysis of proteins in the environment they are being tested. For the analysis presented, available algorithms of the open source software Bioconductor were used in the environment of statistical programming language R. Firstly protein and gene identifiers were converted to GO biological function identifiers, in order to create GO graphs which illustrate the relationship between GO terms and hence between proteins/genes. Then, we classified genes into their functional classes and calculated their similarities. Finally, enrichment analysis was performed using different libraries to identify which proteins and therefore genes are more than usually expressed on the inlet conditions of a nanoparticle in the human organism. Our results showed that the estimated overexpressed genes which reveal the biological identity of a nanoparticle, are frequently related to cellular functions associated with toxicity. These cellular functions are: activation of complement, cell association, lipid transport, activation and response of the immune system and blood coagulation	en
heal.abstract	Η διπλωματική αυτή εργασία εστιάζει στην επιστημονική περιοχή της Βιοπληροφορικής και πιο ειδικά της Βιοστατιστικής με εφαρμογή στην νανοτεχνολογία, και συγκεκριμένα σε μια ιδιαίτερα αναπτυσσόμενη τάξη δεδομένων γνωστή ως πρωτεϊνικό στέμμα νανοϋλικών. Οι ιδιότητες αυτών των δεδομένων έχουν καταγραφεί με τεχνικές πρωτεϊνικής συσταδοποίησης με απώτερο σκοπό την πρόβλεψη της τοξικότητας των νανοϋλικών. Στην παρούσα εργασία διερευνούμε την βιολογική τους πληροφορία με χρήση όρων γονιδιακής οντολογίας (Gene Ontology, GO). Συγκεκριμένα μια σειρά μαθηματικών αλγορίθμων εφαρμόστηκαν σε τρία διαφορετικά σύνολα δεδομένων πρωτεϊνικής έκφρασης με στόχο την εύρεση των σχέσεων μεταξύ τους, την ταξινόμηση και ομαδοποίησή τους με κριτήριο τις λειτουργικές τους ιδιότητες και την ανάλυση υπερέκφρασης τους στο περιβάλλον που εξετάζονται. Για την ανάλυση που παρουσιάζεται χρησιμοποιήσαμε διαθέσιμους αλγόριθμους του ανοικτού πηγαίου κώδικα λογισμικού Bioconductor στο περιβάλλον της στατιστικής γλώσσας προγραμματισμού R. Αρχικά μετατρέψαμε τις ταυτότητες των πρωτεϊνών/γονιδίων σε GO ταυτότητες βιολογικών διαδικασιών ή και βιολογικών μονοπατιών ώστε να δημιουργήσουμε GO γραφήματα, τα οποία απεικονίζουν τις σχέσεις των GO όρων και κατ’ επέκταση των γονιδίων μεταξύ τους. Έπειτα ταξινομήσαμε τα γονίδια στις λειτουργικές τους κατηγορίες και υπολογίσαμε τις ομοιότητες τους. Τέλος, με χρήση διαφορετικών βιβλιοθηκών πραγματοποιήθηκε η ανάλυση εμπλουτισμού κατά την οποία εντοπίσαμε ποιές πρωτεΐνες, και κατά συνέπεια γονίδια, δραστηριοποιούνται περισσότερο από το σύνηθες κατά την είσοδο νανοσωματιδίων στον ανθρώπινο οργανισμό. Τα αποτελέσματα έδειξαν ότι τα γονίδια που υπερεκφράζονται σε αυτές τις συνθήκες, και δημιουργούν την βιολογική ταυτότητα του νανοσωματιδίου, αφορούν κυτταρικές λειτουργίες που σε μεγάλο βαθμό σχετίζονται με την τοξικότητα. Οι κυτταρικές αυτές λειτουργίες είναι η ενεργοποίηση του συμπληρώματος, η κυτταρική συσχέτιση, η μεταφορά λιπιδίων, η ενεργοποίηση και απόκριση του ανοσοποιητικού συστήματος καθώς και η πήξη του αίματος.	el
heal.advisorName	Σαρίμβεης, Χαράλαμπος	el
heal.committeeMemberName	Κέκος, Δημήτριος	el
heal.committeeMemberName	Χαριτίδης, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Χημικών Μηχανικών. Τομέας Ανάλυσης, Σχεδιασμού και Ανάπτυξης Διεργασιών και Συστημάτων (ΙΙ). Μονάδα Αυτόματης Ρύθμισης και Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	233 σ.
heal.fullTextAvailability	false