Εφαρμογή βιοπληροφορικών τεχνικών και αλγορίθμων μηχανικής μάθησης με σκοπό την ανεύρεση διαγνωστικών, προγνωστικών και προβλεπτικών βιοδεικτών για τον καρκίνο της ουροδόχου κύστης

Σαραφίδης, Μιχαήλ; Sarafidis, Michail

dc.contributor.author	Σαραφίδης, Μιχαήλ
dc.contributor.author	Sarafidis, Michail	en
dc.date.accessioned	2023-02-15T08:32:12Z
dc.date.available	2023-02-15T08:32:12Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57135
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24833
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Καρκίνος ουροδόχου κύστης	el
dc.subject	Βιοδείκτες	el
dc.subject	Βιοπληροφορική	el
dc.subject	Μικροσυστοιχίες	el
dc.subject	Μετα-ανάλυση	el
dc.subject	Bladder cancer	en
dc.subject	Biomarkers	en
dc.subject	Bioinformatics	en
dc.subject	Microarrays	en
dc.subject	Meta-analysis	en
dc.title	Εφαρμογή βιοπληροφορικών τεχνικών και αλγορίθμων μηχανικής μάθησης με σκοπό την ανεύρεση διαγνωστικών, προγνωστικών και προβλεπτικών βιοδεικτών για τον καρκίνο της ουροδόχου κύστης	el
heal.type	doctoralThesis
heal.classification	Βιοϊατρική Τεχνολογία - Βιοπληροφορική	el
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2022-11-25
heal.abstract	Η συγκεκριμένη διδακτορική διατριβή αφορά στην εφαρμογή βιοπληροφορικών τεχνικών και αλγορίθμων μηχανικής μάθησης με σκοπό την ανεύρεση διαγνωστικών, προγνωστικών και προβλεπτικών – ως προς την απόκριση στη θεραπεία – βιοδεικτών για τον καρκίνο της ουροδόχου κύστης. Ο καρκίνος της ουροδόχου κύστης αποτελεί μία ετερογενή ασθένεια με μεγάλη επίπτωση και επιπολασμό παγκοσμίως, η οποία ευθύνεται για σημαντική νοσηρότητα και θνητότητα. Στο πλαίσιο αυτής της εργασίας, πραγματοποιήθηκε μια συστηματική αναζήτηση η οποία συγκέντρωσε όλα τα δεδομένα γονιδιακής έκφρασης από μικροσυστοιχίες DNA που έχουν καταχωρηθεί στη βάση δεδομένων Gene Expression Omnibus (GEO) του Εθνικoύ Κέντρου Πληροφοριών Βιοτεχνολογίας (NCBI) των Η.Π.Α. και αφορούσαν στη μελέτη και σύγκριση υγιών και καρκινικών ιστών για τη συγκεκριμένη ασθένεια. Από τη συστηματική ανασκόπηση εντοπίστηκαν 18 σύνολα δεδομένων που πληρούσαν τα κριτήρια της αναζήτησης και τα οποία συμπεριλήφθηκαν στην ενοποιητική μετα- ανάλυση. Για τα σύνολα αυτά, λήφθηκαν τα πρωτογενή δεδομένα, προ-επεξεργάστηκαν ανάλογα με τον τύπο της μικροσυστοιχίας και, αφού ελέγχθηκαν ποιοτικά, ενσωματώθηκαν, έπειτα από κανονικοποίηση, σε ένα ενοποιημένο μετα-σύνολο δεδομένων. Το ενοποιημένο αυτό μετα-σύνολο δεδομένων χρησιμοποιήθηκε για τον προσδιορισμό των διαφορικά εκφραζόμενων γονιδίων μεταξύ των υγιών και των καρκινικών δειγμάτων. Έπειτα, πραγματοποιήθηκε η ανάλυση του δικτύου των πρωτεϊνών που παράγονται από αυτά τα γονίδια και ανιχνεύθηκαν τα σημαντικά γονίδια – κόμβοι του δικτύου. Ακόμη, εφαρμόστηκε η ανάλυση του δικτύου της σταθμισμένης γονιδιακής συνέκφρασης, η οποία αποτελεί μία μη επιβλεπόμενη τεχνική, και ανιχνεύθηκαν τα γονίδια – κόμβοι, τα οποία παρουσίαζαν μεγάλη συσχέτιση με το φαινότυπο των δειγμάτων. Στη συνέχεια, εντοπίστηκαν τα κοινά γονίδια – κόμβοι των δύο παραπάνω μεθόδων, τα οποία και αποτέλεσαν τα γονίδια – κόμβους «κλειδιά» της παρούσας έρευνας. Τα συγκεκριμένα γονίδια μελετήθηκαν αρχικά για τη διαφορική έκφρασή τους σε δείγματα από ούρα και πλάσμα αίματος ασθενών με καρκίνο ουροδόχου κύστης και υγιών μαρτύρων. Ακολούθως, αναλύθηκε η προγνωστική ικανότητα των γονιδίων αυτών με χρήση μονο-μεταβλητής, πολυ-μεταβλητής και LASSO ανάλυσης παλινδρόμησης. Επίσης, υλοποιήθηκε η ανάλυση των καμπυλών επιβίωσης Kaplan – Meier και του λειτουργικού χαρακτηριστικού δέκτη (ROC) για τον προσδιορισμό των γονιδίων με προγνωστική αξία και κατασκευάστηκε ένα μοντέλο πρόγνωσης με βάση την έκφραση τριών γονιδίων. Το μοντέλο αυτό ελέγχθηκε ως προς την απόδοσή του σε δύο ανεξάρτητα σύνολα δεδομένων, παρουσιάζοντας ιδιαίτερα καλή απόδοση. Ακόμη, με την εφαρμογή των ανωτέρω μεθόδων, αναλύθηκε η προβλεπτική ικανότητα των γονιδίων αυτών όσον αφορά την πρόβλεψη της ανταπόκρισης των ασθενών με διηθητικό καρκίνο ουροδόχου κύστης στην προ- εγχειρητική χημειοθεραπεία. Έτσι, δημιουργήθηκε ένα μοντέλο πρόβλεψης με βάση την έκφραση έξι γονιδίων, το οποίο ελέγχθηκε σε δύο ανεξάρτητα σύνολα δεδομένων, παρουσιάζοντας καλή απόδοση. Από τις ανωτέρω αναλύσεις, προσδιορίστηκε ένα σύνολο εννέα γονιδίων – βιοδεικτών τα οποία βρέθηκε να εκφράζονται διαφορικά στα ούρα ή στο πλάσμα αίματος μεταξύ των ασθενών με καρκίνο ουροδόχου κύστης και των υγιών μαρτύρων, και, παράλληλα, φάνηκε να κατέχουν κάποια προγνωστική ή προβλεπτική ικανότητα. Η έκφραση των συγκεκριμένων βιοδεικτών στον ιστό της ουροδόχου κύστης ασθενών αλλά και υγιών μαρτύρων επιβεβαιώθηκε με χρήση εικόνων ανοσοϊστοχημείας και με την αξιοποίηση δημόσιων πλατφορμών βιοπληροφορικής. Τέλος, οι συγκεκριμένοι εννέα βιοδείκτες χρησιμοποιήθηκαν ως χαρακτηριστικά για την υλοποίηση μοντέλων ταξινόμησης, τα οποία φάνηκε να παρουσιάζουν ιδιαίτερα υψηλή απόδοση ως προς την διακριτοποίηση των δειγμάτων σε καρκινικά και υγιή, αναδεικνύοντας τη διαγνωστική αξία των συγκεκριμένων βιοδεικτών.	el
heal.advisorName	Κουτσούρης, Δημήτριος - Διονύσιος	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	en
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Μπαμίδης, Παναγιώτης	el
heal.committeeMemberName	Ζουμπουρλής, Βασίλειος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.committeeMemberName	Έξαρχος, Θεμιστοκλής	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Βιοϊατρικής Τεχνολογίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	176 σ.	el
heal.fullTextAvailability	false