Είναι πλέον αποδεκτό ότι οι αγγειακές βιολογικές διαδικασίες επηρεάζονται από την τοπική αιμοδυναμική. Πειράματα in vivo, in vitro και αριθμητικές μελέτες επιβεβαίωσαν ότι τα μοντέλα της ροής στην αρτηριοφλεβική αναστόμωση (ΑΦΑ) είναι αυστηρά εξαρτημένα από τη γεωμετρία της περιοχής. Στην παρούσα εργασία μελετήθηκε το πεδίο ροής του αίματος σε "εικονικές γεωμετρίες" των ΑΦΑ μέσω μεθόδων υπολογιστικής ρευστομηχανικής. Με τον όρο "εικονική γεωμετρία" καλούμε μια γεωμετρία που δεν προσδιορίζεται από μετρήσεις σε πραγματικές αναστομώσεις αλλά προσομοιάζει προσεγγιστικά σ'αυτή. Ως οριακές συνθήκες του προβλήματος ετέθησαν κατανομές ταχύτητας που είχαν μετρηθεί σε συγκεκριμένες θέσεις εισόδου στο επίπεδο αρτηρίας και φλέβας της ΑΦΑ. Η μελέτη του πεδίου ροής περιλαμβάνει την κατανομή ταχυτήτων σε όλη την περιοχή της ΑΦΑ, τον προσδιορισμό και μελέτη των περιοχών ανακυκλοφορίας, κατανομή των πιέσεων και των διατμητικών τάσεων στο τοίχωμα της ΑΦΑ. Η μελέτη του πεδίου ροής περιλαμβάνει τη σύγκριση των υπολογιστικά λαμβανομένων μεγεθών με τα αντίστοιχα αποτελέσματα εκ της βιβλιογραφίας. Σε ένα ξεχωριστό μέρος της εργασίας αναλύονται οι ΑΦΑ και οι τεχνικές τους, οι επιπλοκές τους καθώς και τα εμβιομηχανικά χαρακτηριστικά τους. Επίσης αναλύεται η συσχέτιση των αιμοδυναμικών διαταραχών με την ανάπτυξη ινομυϊκής υπερπλασίας. / It is widely accepted that the vascular biological procedure is influenced by the local hemodynamics. Experiments in vivo, in vitro and numerical studies have confirmed that the flow models in Arteriovenous Anastomosis (AVA) depend strongly on the area geometry. This project goes through the flow distribution in “virtual geometries”of AVA using computational fluid dynamics (CFD). The term “virtual geometry” refers to a type of geometry which is not determined by calculations of real anastomosis but roughly simulates it. The boundary conditions of the problem were the velocity distributions that were calculated in specific entrance points in artery and vein of the AVA. The study of the flow distribution encompasses the velocity distribution in the whole area of the AVA, the specification and investigation of back flow areas, the distribution of pressure and shear stress in the AVA walls. It also encompasses the comparison of computated results to the equivalent measurements accumulated from the international bibliography. A separate chapter of this study refers to different kinds of AVA and their techniques, complications and biomechanical characteristics. Furthermore, it elaborates the correlations of the hemodynamical disorders and intimal hyperplasia.

Στη διατριβή αυτή παρουσιάζονται τα αποτελέσματα έρευνας σε δείγμα 1019 μαθητών και μαθητριών της Γ΄ τάξης (1,48 % του μαθητικού πληθυσμού) Γενικού Λυκείου, του σχολικού έτους 2007 – 08. Ο στόχος της έρευνας τριπλός: πρώτον η διερεύνηση των γνώσεων των μαθητών σε βασικές έννοιες και μηχανισμούς της μοριακής γενετικής καθώς και διαδικασιών της γενετικής μηχανικής. Δεύτερον, η αποτύπωση των στάσεων έναντι σύγχρονων εφαρμογών της βιοτεχνολογίας καθώς και των κριτηρίων που χρησιμοποιούν οι μαθητές για να αιτιολογήσουν την στάση τους και τρίτον, η συσχέτιση μεταξύ των γνώσεων και των στάσεων. Σύμφωνα με τα αποτελέσματά μας, οι μαθητές αντιμετωπίζουν σοβαρά προβλήματα γνώσεων στους προαναφερθέντες τομείς. Οι κύριες δυσκολίες τους εντοπίζονται στην κατανόηση της λειτουργίας του γονιδίου και της σύνδεσής του με άλλες δομές (πρωτεΐνες και χρωμοσώματα), στη γνώση της ύπαρξης του ίδιου γενετικού υλικού σε όλα τα κύτταρα ενός οργανισμού καθώς και στην άγνοια για την διαφορική έκφραση των γονιδίων στα διάφορα είδη κυττάρων και τέλος στη γνώση της καθολικότητας του γενετικού κώδικα. Επίσης, οι μαθητές δεν γνωρίζουν την έννοια του όρου «Βιοτεχνολογία» και τις σύγχρονες εφαρμογές της και συγχέουν τη Βιοτεχνολογία με τη Βιολογία, χωρίς να εστιάζουν στον όρο «τεχνολογία» που η πρώτη εμπεριέχει, όπως επίσης και τη γενετική μηχανική με τη μοριακή βιολογία. Όσον αφορά τη στάση έναντι εφαρμογών της σύγχρονης βιοτεχνολογίας, οι μαθητές εμφανίζονται θετικοί στη χρήση της γενετικής ανάλυσης, στη θεραπευτική κλωνοποίηση και στη γονιδιακή θεραπεία, ενώ εμφανίζονται αρνητικοί έναντι των ΓΤΟ, καθώς και έναντι της αναπαραγωγικής κλωνοποίησης και της επιλογής γενετικών χαρακτηριστικών. Τέλος, όσον αφορά τη σχέση μεταξύ γνώσεων και στάσεων φαίνεται ότι η καλύτερη γνώση επηρεάζει τη στάση, όχι όμως με ενιαίο τρόπο: σε άλλες εφαρμογές της βιοτεχνολογίας η στάση είναι θετική και σε άλλες αρνητική. Έτσι, αυτοί που έχουν περισσότερες γνώσεις γενετικής και βιοτεχνολογίας, είναι πιο θετικοί κυρίως έναντι της γονιδιακής θεραπείας και δευτερευόντως έναντι των ΓΤΟ, ενώ είναι πιο αρνητικοί στην αναπαραγωγική κλωνοποίηση και την επιλογή χαρακτηριστικών των απογόνων. Επίσης, δεν εμφανίζεται διαφοροποίηση (στατιστικά σημαντική) σε σχέση με τα διάφορα γενετικά τεστ για λόγους δικαιοσύνης και υγείας, ούτε επίσης και για τη θεραπευτική κλωνοποίηση. Με βάση τα αποτελέσματά μας αναφορικά με τα κριτήρια υιοθέτησης στάσεων των μαθητών έναντι εφαρμογών της βιοτεχνολογίας, φαίνεται ότι αυτά ήταν κυρίως η επίκληση κινδύνων, η επίκληση χρησιμότητας και τέλος η επίκληση ηθικής. Η επίκληση γνώσης δεν ήταν ιδιαίτερα συχνή. / This thesis presents the results of a research conducted on a sample of 1019 students attending high school on the 12th grade (1,48% of total student population) in schools which lead to general diplomas, of the school year 2007 – 2008. The objective of the research had three tiers: firstly to investigate the knowledge of students in basic concepts and fundamental knowledge of molecular genetics and genetic engineering procedures. Secondly, to record student attitudes towards modern biotechnology applications and the criteria they use to justify them and thirdly, to find the relationship between knowledge and the according attitudes. According to our results, students are facing serious problems of scientific knowledge in the above mentioned areas. Their main difficulties are found to be in the areas of understanding the way genes function and their association with other structures (proteins and chromosomes), the knowledge of the existence of the same genetic material in all cells of an organism, the ignorance of the differential expression of genes in different cell types, and finally the knowledge of the universality of the genetic code. Also, students do not know the meaning of the term Biotechnology and its modern applications and confuse Biotechnology with the science of Biology and do not focus on the word "technology" that the first one includes, and they also confuse genetic engineering with molecular biology. Regarding the attitude on modern biotechnology applications, students are positive to the use of genetic analysis for therapeutic cloning and gene therapy, and appear negative towards GMOs and against reproductive cloning and selection of genetic features. Finally, the relationship between knowledge and attitude tend to show that better knowledge affects attitude, but not in a unified manner: in some applications of biotechnology attitude is positive and in some others negative. Thus, those who have better knowledge of genetics and biotechnology are mainly more positive towards gene therapy and in a second level towards GMOs, while they are more negative against reproductive cloning and selection of offspring genetic features. There seems to be no (statistically significant) differentiation according to the various genetic tests for reasons of justice, for reasons of health and for therapeutic cloning. Based on our results as of the criteria through which students adopt attitudes towards biotechnology applications, it appears that these were mainly relied to risks and usefulness for mankind, and also morality. The invocation of knowledge was not very frequent.

The advent of efficient genome sequencing tools and high-throughput experimental biotechnology has lead to an enormous progress in life sciences. Among the most important innovations is the microarray technology. It allows to quantify the expression of thousands of genes simultaneously by measuring the hybridization from a tissue of interest to probes on a small glass or plastic slide. Before launching into microarray research it is important to recall that the characteristics of this data include a fair amount of noise and an atypical dimensionality (which makes difficult the use of classic statistics tools – experimental samples in the order of dozens and measured parameters in thousands or tens of thousands). Therefore, the main goal of this thesis is the development of adequate computational methods and algorithms, capable of extracting valuable biological knowledge from this type of data. Applications of microarray technology as a tool for gene expression analysis range from the assignment of functional categories for genes of unknown biological function (based on the analysis of genes with already established biological role), to precise and early diagnosis of different tumor malignancies. However, the main goal of computational analysis of gene expression data is the extraction of regulatory knowledge at genetic level that may be used to provide a broader understanding on the functioning of complex cellular systems. In this direction, revealing the structures of regulatory networks based of gene expression data becomes a pivotal task. The thesis contributes with a framework for the discovery of biological functional category of genes based on the synergy of ICA and a dynamic SOM-based clustering algorithm, that accurately finds groups of co-regulated genes, while identifying interesting regulatory signals within the data with the help of ICA decomposition. We also pursue the task of molecular characterization of different tumor types using gene expression profiling, by providing a novel method for tissue samples classification, based on an ensemble of classifiers sequentially trained on reweighted versions of the data. The algorithm, known as boosting, is adapted to peculiarities of gene expression data and employed in conjunction with SVMs. Additionally, the novel concept of finding predictive genes whose signatures are significant for phenotype discrimination is treated. Finally, the thesis presents a method developed for reverse-engineering gene regulatory networks based on recurrent neuro-fuzzy networks, which exploits the advantages of fuzzy-based models, in terms of results interpretability, and those of neural systems, in terms of computational power and time series prediction capabilities. / H έλευση ικανών υπολογιστικών εργαλείων για την μελέτη της γενομικής ακολουθίας και της ερευνητικής βιοτεχνολογίας υψηλής ανάλυσης, οδήγησε σε μια τεράστια πρόοδο στις επιστήμες ζωής. Μεταξύ των πιο σημαντικών καινοτομιών είναι η τεχνολογία μικροσυστοιχιών. H τεχνολογία αυτή επιτρέπει την ποσοτικοποίηση της έκφρασης χιλιάδων γονιδίων ταυτόχρονα, μετρώντας τον υβριδισμό από έναν ιστό ενδιαφέροντος έως σε δείγματα σε μικρό γυαλί η σε πλαστικά τσιπ. Πριν ξεκινήσουμε την έρευνα πάνω στις μικροσυστοιχίες είναι σημαντικό να θυμόμαστε ότι τα χαρακτηριστικά των δεδομένων αυτής περιλαμβάνουν αρκετό ποσό θορύβου και ένα μη τυπικό αριθμό διαστάσεων (το οποίο καθιστά δύσκολη την χρήση κλασσικών στατιστικών μεθόδων – μέγεθος δείγματος σε δωδεκάδες και μέγεθος χαρακτηριστικών σε χιλιάδες η δεκάδες η εκατοντάδες). Επομένως, ο κύριος στόχος αυτής της διδακτορικής εργασίας είναι η ανάπτυξη ικανών υπολογιστικών μεθόδων και αλγόριθμων έτσι ώστε να εξάγουν πολύτιμη βιολογική γνώση από τον συγκεκριμένο τύπο δεδομένων. Εφαρμογές της τεχνολογίας μικροσυστοιχιών σαν ένα εργαλείο για την ανάλυση έκφρασης γονιδίων ξεκινούν από την εύρεση και απόδοση λειτουργικών κατηγοριών για γονίδια άγνωστης βιολογικής λειτουργικότητας (βασισμένη στην ανάλυση των γονιδίων ήδη εδραιωμένου βιολογικού ρόλου) έως την ακριβή και πρώιμη διάγνωση διαφορετικών κακοήθων όγκων. Όμως ο κύριος στόχος της υπολογιστικής ανάλυσης της έκφρασης γονιδίων είναι η εξαγωγή ρυθμιζόμενης γνώσης στο γενετικό επίπεδο το οποίο μπορεί να χρησιμοποιηθεί ώστε να παρέχει μία ευρύτερη κατανόηση της λειτουργίας πολύπλοκων κυτταρικών συστημάτων. Σε αυτή την κατεύθυνση, το να αναδεικνύεις τις δομές ρυθμιστικών δικτύων βασισμένων στην έκφραση γονιδίων γίνεται καίριο έργο. Η διδακτορική διατριβή συνεισφέρει στο πλαίσιο για την ανακάλυψη βιολογικά λειτουργικών κατηγοριών γονιδίων βασισμένη στην συνεργία της ΙCA και της δυναμικού βασισμένου στη SOM ομαδοποίηση αλγορίθμου η οποία με ακρίβεια βρίσκει ομάδες γονιδίων που συν-ρυθμίζονται ενώ παράλληλα αναγνωρίζει ενδιαφέροντα ρυθμιστικά σήματα μέσα στα δεδομένα με τη βοήθεια της ΙCA αποδόμησης. Eπίσης, προσανατολιζόμαστε στην εύρεση του μοριακού χαρακτηρισμού διαφορετικών τύπων όγκων χρησιμοποιώντας το προφίλ της γονιδιακής έκφρασης, βασισμένο σε ένα σύνολο κατηγοριοποιητών οι οποίοι εκπαιδεύτηκαν σειριακά σε επανασταθμισμένες παραλλαγές των δεδομένων. Ο αλγόριθμος, γνωστός και σαν boosting, έχει προσαρμοστεί στις ιδιαιτερότητες των δεδομένων έκφρασης γονιδίου και εφαρμόζεται σε συνδυασμό με τα SVMs. Επιπλέον, εξετάζεται η πρωτοποριακή τεχνική της εύρεσης προβλέψιμων τιμών των οποίων οι υπογραφές είναι σημαντικές για τον χαρακτηρισμό φαινότυπου. Τελικά, η παρούσα διδακτορική διατριβή παρουσιάζει μια μέθοδο που αναπτύχθηκε για αντίστροφα μηχανικά ελεγχόμενα από γονίδια νευρωνικά δίκτυα βασισμένα σε αναδρομικά νευρωνικά δίκτυα τύπου fuzzy, τα οποία αξιοποιούν τα πλεονεκτήματα των μοντέλων τύπου fuzzy σε βάση επεξηγηματικότητας αποτελεσμάτων, και αυτών των νευρωνικών δικτύων σε βάση υπολογιστικής δύναμης και ικανότητας πρόβλεψης χρονοσειρών.