11 |
Μελέτη εξέλιξης φυσιολογικών αιμοποιητικών σειρών σε ασθενείς με οξεία λευχαιμία και συσχέτισή τους με τα κυτταρικά χαρακτηριστικά των νεοπλασματικών κυττάρωνΧάδλα, Παναγιώτα 20 April 2011 (has links)
Η Οξεία λευχαιμία (ΟΛ) αποτελεί νεοπλασματικό, αιμοποιητικό νόσημα, που οφείλεται στον πολλαπλασιασμό και την επέκταση κυττάρων, που προέρχονται από τους λευχαιμικούς βλάστες. Η φυσική εξέλιξη του νοσήματος είναι η αντικατάσταση των φυσιολογικών κυττάρων του αιμοποιητικού ιστού από τους απόγονους των λευχαιμικών βλαστών και θάνατος, λόγω των επιπλοκών της έλλειψης των ώριμων αιμοποιητικών κυττάρων, όπως λοιμώξεις, αναιμία και αιμορραγία.
Θεραπευτικά για την αντιμετώπιση της ΟΛ χρησιμοποιούνται σχήματα χημειοθεραπείας και ακτινοθεραπείας, που έχουν σαν σκοπό την καταστροφή των λευχαιμικών βλαστών και την αποκατάσταση της φυσιολογικής αιμοποίησης.
Συχνά η ΟΛ, ιδιαίτερα σε ασθενείς μεγάλης ηλικίας, εμφανίζεται ταυτόχρονα με δυσπλαστικές διαταραχές των αιμοποιητικών κυττάρων που ωριμάζουν ή εξελίσσεται σε μυελοδυσπλαστικό σύνδρομο μετά από χημειοθεραπεία.
Από την βιβλιογραφία είναι γνωστό ότι, τόσο η ΟΛ μπορεί να είναι στάδιο εξέλιξης των μυελοδυσπλαστικών συνδρόμων και κατά συνέπεια μετά τη θεραπεία της ΟΛ επανέρχεται η δυσπλαστική κατάσταση της αιμοποίησης, όσο ότι η χημειοθεραπεία καθαυτή μπορεί να προκαλέσει μυελοδυσπλασία.
Είναι σημαντική η διάγνωση των πρωτοπαθών μυελοδυσπλαστικών συνδρόμων που εξελίσσονται σε ΟΛ, ως προς την πρόγνωση των ασθενών, αλλά και τη θεραπευτική τους αντιμετώπιση. Επίσης, είναι σημαντική η διάκριση ομάδων ασθενών που θα αναπτύξουν δυσπλασία μετά από χημειοθεραπεία, σε σχέση με αυτούς που δεν θα αναπτύξουν και ως προς την πρόγνωση και ως προς τη θεραπευτική αντιμετώπιση. Μέχρι σήμερα, κατά την εμφάνιση της ΟΛ η διάγνωση υποκείμενης μυελοδυσπλασίας είναι δύσκολη και στηρίζεται σε μορφολογικά χαρακτηριστικά των ώριμων κυττάρων και στην παρουσία ορισμένων κυτταρογενετικών διαταραχών. Η διάκριση ομάδων που θα αναπτύξουν δυσπλασία μετά από χημειοθεραπεία είναι αδύνατη.
Σκοπός της μελέτης ήταν να συμβάλλει στην ανάπτυξη νέων πρωτοκόλλων στο λογισμικό της κυτταρομετρίας ροής, που θα διευκολύνουν τη διάγνωση πρωτοπαθών δυσπλαστικών συνδρόμων κατά την εμφάνιση της ΟΛ, αλλά και θα διακρίνουν τις ομάδες που μπορούν να αναπτύξουν δυσπλασία μετά από θεραπεία. Για τον σκοπό αυτό, παρακολουθήσαμε την έκφραση χαρακτηριστικών αντιγονικών συνδυασμών, που εκφράζονται σε διαφορετικά στάδια ωρίμανσης των φυσιολογικών κυττάρων, παράλληλα με την έκφραση των αντιγόνων των βλαστών.
Τα δεδομένα αυτά μελετήθηκαν, τόσο κατά την εμφάνιση της ΟΛ, όσο και κατά τη παρακολούθηση της. Τα δεδομένα αναλύθηκαν με συστήματα ταυτόχρονης ανάλυσης και συσχέτισης 15-20 παραμέτρων, με σκοπό τον καθορισμό συσχετισμών που θα έχουν διαγνωστική και προγνωστική σημασία για τους ασθενείς με ΟΛ. Τα αποτελέσματα του ανοσοφαινοτύπου αναλύθηκαν, επιπλέον, με το λογισμικό πακέτο στατιστικής ανάλυσης SPSS 16.0.
Για τους σκοπούς της μελέτης αναλύθηκαν αναδρομικά τα αποτελέσματα της κυτταρομετρίας ροής στο μυελό των οστών 148 ασθενών με ΟΜΛ κατά την εμφάνιση της νόσου, κατά την διάρκεια και μετά από θεραπεία. Αναλύθηκε η έκφραση των αντιγόνων CD11b/CD16/CD13 σε όλα τα στάδια ωρίμανσης της μυελικής σειράς, ενώ η έκφραση των αντιγόνων CD34/CD117 μόνο στα άωρα κύτταρα. Τα ευρήματα του ανοσοφαινοτύπου συγκρίθηκαν με τα μορφολογικά χαρακτηριστικά των αντίστοιχων μυελών των οστών.
Συμπερασματικά, τα αποτελέσματα έδειξαν ότι, η έκφραση των αντιγόνων CD11b και CD13 στα μεταμυελοκύτταρα και ουδετερόφιλα των ασθενών διακρίνει αποτελεσματικά τους ασθενείς με de novo ΟΜΛ σε σχέση με αυτούς που εμφάνισαν ΟΜΛ μετά από ΜΔΣ. Στους ασθενείς με de novo ΟΜΛ η έκφραση των αντιγόνων CD11b, CD13, CD16 δεν διέφερε κατά την εμφάνιση της ΟΛ στους υποπληθυσμούς των προμυελοκυττάρων, μυελοκυττάρων, μεταμυελοκυττάρων και ουδετερόφιλων μεταξύ των ασθενών που κατά ή μετά την θεραπεία εμφάνισαν μυελοδυσπλασία, σε σχέση με αυτούς που δεν εμφάνισαν. Επίσης, η θετική συν- έκφραση των αντιγόνων CD34/CD117 στους λευχαιμικούς βλάστες κατά την εμφάνιση δεν συσχετίζονταν με την εμφάνιση ΜΔΣ μετά την θεραπεία. Αντίθετα, η υψηλή έκφραση του λευχαιμικού φαινοτύπου CD34+/CD117- στα άωρα κύτταρα της μυελικής σειράς κατά την εμφάνιση της ΟΜΛ, έδειξε ότι σχετίζεται με την εμφάνιση μυελοδυσπλαστικών χαρακτηριστικών μετά τη θεραπεία. Η ανάλυση των ανοσοφαινοτύπων του μυελού των οστών κατά ή μετά την θεραπεία έδειξε παθολογική έκφραση CD11b, CD13, CD16 στα μεταμυελοκύτταρα και ουδετερόφιλα των ασθενών που εμφάνισαν ΜΔΣ μετά θεραπεία για de novo ΟΜΛ και ασθενών (5/17) που δεν εμφάνισαν ΜΔΣ. Συμπερασματικά, η έκφραση των αντιγόνων CD11b, CD16 και CD13 στα ώριμα κύτταρα της μυελικής σειράς κατά την εμφάνιση της ΟΜΛ διαχωρίζει αποτελεσματικά την de novo ΟΜΛ από την δευτεροπαθή μετά ΜΔΣ. Η έκφραση αυτών των αντιγόνων κατά την εμφάνιση της ΟΜΛ δεν μπορεί, όμως, να προβλέψει την εξέλιξη της de novo ΟΜΛ και την εμφάνιση δυσπλαστικών χαρακτηριστικών μετά τη θεραπεία. Αντιθέτως, η μελέτη των λευχαιμικών φαινοτύπων CD34+/CD117- και CD34+/CD117+ μπορεί να παίξει καθοριστικό ρόλο στην πρόγνωση της εμφάνισης μυελοδυσπλαστικών χαρακτηριστικών κατά τη διάρκεια ή μετά τη θεραπεία του ασθενούς. / --
|
12 |
Διερεύνηση μηχανισμών χημειοαντίστασης στην οξεία μυελογενή λευχαιμία με έμφαση στο ρόλο ενδοκυττάριων μονοπατιών μεταγωγής σήματοςΛαγκαδινού, Ελένη 26 October 2009 (has links)
Η θεραπεία της Οξείας Μυελογενούς Λευχαιμίας (ΟΜΛ) είναι συχνά ανεπιτυχής λόγω ανάπτυξης κυτταρικής αντίστασης στα αντιλευχαιμικά φάρμακα. Εκτός από την έκφραση Ρ-γλυκοπρωτείνης στα λευχαιμικά κύτταρα, άλλοι κυτταρικοί παράγοντες μπορούν επίσης να συμβάλλουν στην χημειοαντίσταση. Η c- Jun N-terminal Kinase (JNK) είναι μία πρωτεινική κινάση που ενεργοποιείται όταν τα κύτταρα εκτεθούν σε χημειοθεραπευτικά φάρμακα (ΧΜΘ). Πρόσφατες μελέτες σε συμπαγείς όγκους συσχετίζουν την χημειοαντίσταση με αδυναμία των καρκινικών κυττάρων να ενεργοποιήσουν τη JNK κατόπιν επίδρασης ΧΜΘ. Σκοπός της εργασίας είναι να διερευνήσει αν η χημειοαντίσταση στην ΟΜΛ οφείλεται σε ενδογενή αδυναμία των λευχαιμικών βλαστών να ενεργοποιήσουν τη JNK. Μεθοδολογία: Συγκρίναμε ευαίσθητες (U937) και ανθεκτικές (U937R) στις ανθρακυκλίνες κυτταρικές σειρές ΟΜΛ ως προς την δυνατότητα in vitro ενεργοποίησης της JNK κατόπιν επίδρασης ΧΜΘ (Western Blot). Επιπλέον, στις λευχαιμικές κυτταρικές σειρές ελέγξαμε απευθείας τη σημασία της JNK στην χημειοαντίσταση με πειράματα α) αποσιώπησης της JNK με JNK1–στοχεύον siRNA και β) ενεργοποίησης της JNK (διαμόλυνση με τον ΜΚΚ4/SEK1 άνωθεν ενεργοποιητή της JNK) Περαιτέρω, ελέγξαμε την in vitro δυνατότητα ενεργοποίησης της JNK σε 29 πρωτογενή μυελικά δείγματα ΟΜΛ κατόπιν βραχείας διάρκειας (30-60min) έκθεση στην daunorubicin (1μΜ) και συσχετίσαμε τα εργαστηριακά δεδομένα με κλινικά χαρακτηριστικά των ασθενών με ΟΜΛ. Αποτελέσματα: In vitro θεραπεία των U937 κυττάρων με ανθρακυκλίνες προκάλεσε ισχυρή και ταχεία ενεργοποίηση της JNK και απόπτωση. Αντίθετα, στα πολυανθεκτικά U937R κύτταρα δεν παρατηρήθηκε ενεργοποίηση της JNK, ακόμη και σε συνθήκες υψηλής ενδοκυττάριας συγκέντρωσης ανθρακυκλινών. Αποσιώπηση της JNK στα ευαίσθητα U937 κύτταρα τα έκανε ανθεκτικά στις ανθρακυκλίνες (JNK1-siRNA διαμολυσμένα U937 κύτταρα εμφάνισαν 50.4% και 61.3% ελαττωμένη daunorubicin- (DNR, 1μΜ 24hr) και doxorubicin- (DOX, 1.5μΜ 24hr) προκαλούμενη απόπτωση αντίστοιχα, συγκριτικά με U937 κύτταρα-μάρτυρες, P<0.001). Αντίστροφα, εκλεκτική ενεργοποίηση της ανενεργού JNK στα ανθεκτικά U937R κύτταρα τα έκανε 3.3 φορές πιο ευαίσθητα στη DNR και 3.1 φορά πιο ευαίσθητα στη DΟΧ, συγκριτικά με U937R κύτταρα-μάρτυρες. Επιπρόσθετα, παρατηρήσαμε ισχυρή συσχέτιση μεταξύ των in vitro φαρμακοδυναμικών αλλαγών των επιπέδων ενεργοποίησης της JNK στους λευχαιμικούς βλάστες και της ανταπόκρισης των ασθενών με ΟΜΛ στη χημειοθεραπευτική αγωγή (P=0.012). Η απουσία ενεργοποίησης της JNK στα βλαστικά κύτταρα συσχετίστηκε επίσης με αρνητικούς προγνωστικούς παράγοντες για την ΟΜΛ, όπως γηραιότερη ηλικία των ασθενών (P=0.046) και ΟΜΛ αναπτυσσόμενη επί εδάφους μυελοδυσπλασίας (P=0.017).
Συνοψίζοντας, τα in vitro και in vivo αποτελέσματα μας προτείνουν την ενδογενή αποτυχία ενεργοποίησης της πρωτεινικής κινάσης JNK στους λευχαιμικούς βλάστες σαν έναν εναλλακτικό μηχανισμό χημειοαντίστασης στην ΟΜΛ. Η διελεύκανση των μηχανισμών εκείνων που επιφέρουν καταστολή της JNK στην χημειοανθεκτική ΟΜΛ μπορεί να ωφελήσει θεραπευτικά. / Chemotherapy resistance is a major challenge in acute myeloid leukemia (AML). Besides the P-glycoprotein efflux, additional cellular factors may contribute to drug-resistance in AML. c- Jun N-terminal Kinase (JNK) is activated after exposure of cells to chemotherapeutics. We asked whether chemoresistance in AML is attributed to intrinsic failure of the AML blasts to activate JNK. In vitro treatment of U937 AML cell line with anthracyclines induced a rapid and robust JNK phosphorylation and apoptosis. In contrast, the anthracyline-resistant derivative cell lines U937R and URD40 showed no JNK activation after exposure to anthracyclines, also at doses that resulted in high accumulation of the drug within the cells. RNA interference-based depletion of JNK1 in drug-sensitive U937 cells made them chemoresistant, whereas selective restoration of the inactive JNK pathway in the resistant U937R cells sensitized them to anthracyclines. Short-term in vitro exposure of primary AML cells (n=29) to daunorubicin showed a strong correlation between the in vitro pharmacodymanic changes of phospho-JNK levels and the response of patients to standard induction chemotherapy (P=0.012). We conclude that JNK activation failure confers another mechanism of anthracycline resistance in AML. Elucidating the ultimate mechanisms leading to JNK suppression in chemoresistant AML may be of major therapeutic value.
|
13 |
Διάγνωση, πρόγνωση και υποστήριξη θεραπευτικής αγωγής κακοηθών λεμφωμάτων με χρήση τεχνητής νοημοσύνηςΔράκος, Ιωάννης 13 July 2010 (has links)
Η παρούσα διδακτορική διατριβή έχει ως στόχο τη δημιουργία ενός αποδοτικού μοντέλου για το Λειτουργικό Συνδυασμό Βιο-Ιατρικών δεδομένων (BioMedical data integration).
Ξεκινώντας από τη σχεδιαστική ανάλυση της ιατρικής γνώσης και των προβλημάτων που προκύπτουν από τον τρόπο παραγωγής των ιατρικών δεδομένων, προχωρεί στην επίλυση των επιμέρους θεμάτων Λειτουργικού Συνδυασμού εντός ενός συγκεκριμένου ιατρικού πεδίου και καταλήγει στον ολοκληρωμένο Λειτουργικό Συνδυασμό ιατρικών δεδομένων προερχόμενων από διαφορετικές πηγές και πεδία γνώσης.
Συνεχίζει με τη σχεδίαση ενός μοντέλου βάσεων δεδομένων που ακολουθεί «οριζόντια» λογική και είναι αρκετά αποδοτικό ώστε να αποκρίνεται σε πολύπλοκα και ευρείας κλίμακας ερωτήματα σε πραγματικό χρόνο.
Καταλήγει με την παρουσίαση μίας ολοκληρωμένης εφαρμογής η οποία εκμεταλλευόμενη τα πλεονεκτήματα του Λειτουργικού Συνδυασμού και της οριζόντιας δομής των δεδομένων είναι σε θέση να διαχειριστεί εξετάσεις προερχόμενες από κάθε κυτταρομετρητή ροής και συνδυάζοντάς αυτές με τις υπόλοιπες αιματολογικές κλινικοεργαστηριακές εξετάσεις να απαντά σε καθημερινά και σύνθετα ερευνητικά, ιατρικά ερωτήματα.
Τα πρωτότυπα ερευνητικά αποτελέσματα που προέκυψαν στα πλαίσια της παρούσης εργασίας δημοσιεύτηκαν σε έγκυρα διεθνή περιοδικά και σε διεθνή και ελληνικά συνέδρια με κριτές. / Current dissertation focuses on the creation of an efficient model for Bio-medical data integration.
Starting with an analytical approach of the medical knowledge and the problems that may occur cause of the way that medical data are produced, continues with the necessary solutions for single domain data integration and concludes with the proposal of a working framework for mass data integration, originating from multiple medical domains.
The proposed integration model is based on the “horizontal” logic of a database design and it’s efficient enough to produce query results in real time, even for complex real-life medical questions.
The proof of concept of the working framework and its goals for mass data integration is achieved through the presentation of a medical information system. The presented system, by taking advantage of the “horizontal” database design, is able to manage Flow Cytometry measurements, originating for any available hardware and by integrating the cytometric data with other types of hematological data is able to give answers to everyday and research medical questions.
All original research results that produced within the scope of this dissertation were published in international research journals and medical conferences.
|
14 |
Μεθοδολογία στατιστικής μάθησης για την πρόγνωση ασθενών με τη Β-χρόνια λεμφογενή λευχαιμία (Β-ΧΛΛ) με χρήση δεδομένων κυτταρομετρίας ροής / Statistical learning methodology for the prognosis of B-chronic lymphocytic leukemia (B-CLL) using flow cytometry dataΛακουμέντας, Ιωάννης 20 April 2011 (has links)
Η Β-χρόνια Λεμφογενής Λευχαιμία (Β-ΧΛΛ) αποτελεί τον πιο κοινό τύπο λευχαιμίας στο Δυτικό κόσμο. Η πρόγνωσή της θεωρείται ως ένα από τα πιο ενδιαφέροντα προβλήματα απόφασης στην κλινική έρευνα και πρακτική. Για διάφορους κλινικούς και εργαστηριακούς δείκτες είναι γνωστό ότι σχετίζονται με την εξέλιξη της νόσου. Για τις παραμέτρους, όμως, που εξάγονται με ανάλυση κυτταρομετρίας ροής, οι οποίες αποτελούν τον ακρογωνιαίο λίθο της διαδικασίας διάγνωσης της νόσου, το αν προσφέρουν επιπρόσθετη προγνωστική πληροφορία αποτελεί ανοιχτό πρόβλημα. Στη διατριβή αυτή προτείνουμε ένα σύστημα υποβοήθησης για τις αποφάσεις των ειδικών του πεδίου, το οποίο πραγματοποιεί πολυπαραμετρική πρόγνωση ασθενών με Β-ΧΛΛ, συνδυάζοντας τη χρήση ποικίλων ετερογενών προγνωστικών δεικτών (κλινικών, εργαστηριακών και κυτταρομετρίας ροής) που σχετίζονται με τη νόσο.
Η διάγνωση της Β-ΧΛΛ βασίζεται κυρίως στη μελέτη του αντιγονικού φαινότυπου των κυττάρων των ασθενών, η οποία διενεργείται με κυτταρομετρία ροής. Αν και η διαδικασία που ακολουθείται κατά την ανάλυση αυτή είναι σαφώς ορισμένη, ο τρόπος με τον οποίο οι εργαστηριακοί υπεύθυνοι την πραγματοποιούν παραδοσιακά χαρακτηρίζεται από ανακρίβεια και υποκειμενικότητα. Καθώς η τεχνολογία της κυτταρομετρίας ροής εξελίσσεται ραγδαία, γίνεται όλο και πιο επιτακτική η ανάγκη για την ανάπτυξη αυτοματοποιημένων μεθόδων ανάλυσης των δεδομένων που παράγει. Σε αυτά τα πλαίσια, παρουσιάζουμε ένα χρήσιμο παράδειγμα αυτοματοποιημένης ανάλυσης κυτταρομετρικών δεδομένων, η οποία δεν απαιτεί την άμεση επίβλεψη των ειδικών, για τη διάγνωση ασθενών με Β-ΧΛΛ. Οι τιμές των χαρακτηριστικών παραμέτρων που εξάγονται με εφαρμογή της προτεινόμενης μεθοδολογίας, ενσωματώνονται κατόπιν στο προαναφερθέν προγνωστικό σύστημα.
Ανάγοντας το πρόβλημα της πρόγνωσης της Β-ΧΛΛ σε ένα στιγμιότυπο ταξινόμησης προτύπων, καθώς και προσομοιώνοντας κάθε ένα από τα βήματα της διαδικασίας της διάγνωσης της νόσου με ένα στιγμιότυπο συσταδοποίησης δεδομένων, αντιμετωπίσαμε τα δύο προβλήματα εφαρμόζοντας τεχνικές στατιστικής μάθησης. Εστιάσαμε σε μεθοδολογίες δικτύων πεποίθησης, χρησιμοποιώντας συγκεκριμένα το naïve-Bayes μοντέλο και για τις δύο περιπτώσεις, στην επιβλεπόμενη και στη μη επιβλεπόμενη εκδοχή του, αντίστοιχα. Τα χαρακτηριστικά και η φύση των δεδομένων (κυρίως των κυτταρομετρικών) που παράγονται από έναν παθολογικό υποκείμενο μηχανισμό, όπως αυτός της νόσου, δεν ευνοούν την απευθείας εφαρμογή του παραπάνω μοντέλου στο εκάστοτε στιγμιότυπο. Για το λόγο αυτό, συνδυάσαμε την εφαρμογή του naïve-Bayes μοντέλου με κατάλληλες ευρετικές αλγοριθμικές διαδικασίες, για την επίτευξη καλύτερων αποτελεσμάτων, με κριτήριο βέλτιστου όχι μόνο κάποιες συχνά χρησιμοποιούμενες μετρικές αποτίμησης αλγόριθμων, αλλά και τη γνώμη των αιματολόγων. Χάρη στην ιδιότητά τους να ενσωματώνουν την έμπειρη γνώση των ειδικών ως εκ των προτέρων πληροφορία αρχικοποίησης των μεθόδων μάθησής τους, οι Bayesian μεθοδολογίες κρίνονται ως οι πλέον κατάλληλες για την εφαρμογή τους σε τέτοιου τύπου προβλήματα. / B-Chronic Lymphocytic Leukemia (B-CLL) is known to be the most common type of leukemia in the Western world. Its prognosis remains one of the most interesting decision problems in clinical research and practice. Various clinical and laboratory factors are known to be associated with the evolution of the disease. However, for the parameters obtained by flow cytometry analysis, that are traditionally utilized as the cornerstone during the diagnosis procedure of the disease, whether they offer additional prognostic information is an open issue. In this dissertation, we propose a decision support system to the hematologists, that provides multiparametric B-CLL patients’ prognosis, combining the usage of diverse heterogeneous factors (clinical, laboratory and flow cytometry) associated with the disease.
B-CLL diagnosis is primarily derived from the study of the antigenic phenotype of the patients’ blood cells, which is held with flow cytometry analysis. Despite the fact that the method of the analysis is well defined, the process traditionally followed by the laboratory experts is characterized by amounts of inexactness and subjectivity. As flow cytometry technology advances rapidly, the need for adequate automated (computer-assisted) analysis methodologies on the data it produces is accordingly increasing. In this context, we present a useful paradigm of automated analysis of flow cytometry data, that does not require the direct supervision of the expert, for B-CLL patients’ diagnosis. The values of the flow cytometry characteristic parameters extracted by applying the proposed methodology are afterward incorporated to the prognostic system for B-CLL mentioned above.
By reducing the B-CLL prognosis problem to an instance of the pattern classification problem, as well as by simulating each step of the B-CLL diagnosis procedure with an instance of the data classification problem, we proceeded with applying statistical learning techniques. We focused on Bayesian network methodologies and utilized the naïve-Bayes model for both cases, in its supervised and unsupervised version, respectively. The characteristics of the data (especially of the flow cytometry ones) generated by a pathological underlying mechanism, like the disease’s one, did not encourage the direct use of the above model. Therefore, we combined the naïve-Bayes model with a set of suitable heuristic algorithmic procedures to obtain better results, not only with respect to some commonly used algorithmic optimality metrics, but also by considering the experts’ opinion. Due to their ability of incorporating the expert knowledge as a priori initial information to their learning methods, Bayesian methodologies are considered as the most appropriate ones to make use of in such types of applications.
|
15 |
Ανάπτυξη μεθοδολογίων υπολογιστικής νοημοσύνης για την επεξεργασία και ανάλυση δεδομένων γονιδιακής έκφρασης μικροσυστοιχιών cDNAΣηφάκης, Εμμανουήλ Γ. 08 July 2011 (has links)
Στην παρούσα διδακτορική διατριβή προτείνονται μεθοδολογίες υπολογιστικής νοημοσύνης για την επεξεργασία και ανάλυση δεδομένων γονιδιακής έκφρασης μικροσυστοιχιών cDNA. Πιο συγκεκριμένα, στο πρώτο σκέλος αναπτύσσονται δύο νέες προσεγγίσεις για την εύρωστη εκτίμηση και διόρθωση του θορύβου υποβάθρου: η διόρθωση υποβάθρου βάσει εκατοστημορίων και η διόρθωση υποβάθρου βάσει παλινδρόμησης loess. Οι προσεγγίσεις αυτές καινοτομούν κυρίως στο ότι χρησιμοποιούν μία εύρωστη εκτίμηση του θορύβου υποβάθρου, γεγονός που τις καθιστά ιδανικές σε περιπτώσεις, όπου τα δεδομένα είναι θορυβώδη. Επιπροσθέτως, αναπτύσσεται ένα νέο, γενικής χρήσεως, πλαίσιο για τη συστηματική αξιολόγηση του βαθμού επίδρασης των μεθόδων διόρθωσης υποβάθρου. Μέσω του πλαισίου αυτού, οι δύο προτεινόμενες προσεγγίσεις, καθώς και άλλες ευρέως χρησιμοποιούμενες μέθοδοι, αξιολογούνται βάσει εφαρμογής τους σε διαφορετικά σύνολα δεδομένων αυτο-υβριδοποίησης, με τις πρώτες να εμφανίζουν ιδιαιτέρως καλή απόδοση. Το πλαίσιο αυτό καινοτομεί στο ότι ενσωματώνει νέα κριτήρια και τρόπους γραφικής απεικόνισης. Τόσο οι προτεινόμενες μέθοδοι εκτίμησης και διόρθωσης θορύβου υποβάθρου, όσο και το πλαίσιο συστηματικής αξιολόγησής τους, συνιστούν μία νέα, ενδελεχή μελέτη που προσανατολίζει στην εφαρμογή ή απόρριψη μίας συγκεκριμένης προσέγγισης, συνεισφέροντας εν τέλει στην κατάκτηση καλλίτερης ποιότητας δεδομένων μικροσυστοιχιών. Επίσης, στο δεύτερο σκέλος της διατριβής αναπτύσσεται ένα νέο, ολοκληρωμένο και γενικής χρήσεως πλαίσιο ανάλυσης δεδομένων μικροσυστοιχιών ούτως, ώστε να διερευνηθεί το ζήτημα εάν στην T-λευχαιμική κυτταρική σειρά CCRF-CEM επικρατούν εγγενείς ή επίκτητοι μηχανισμοί αντοχής στην πρεδνιζολόνη. Συγκεκριμένα, καταλλήλως επιλεχθέντα δεδομένα μικροσυστοιχιών cDNA – που διευκολύνουν την εξέταση τόσο της εξαρτώμενης από τη συγκέντρωση δράσης, όσο και της δυναμικής της ανταπόκρισης στην πρεδνιζολόνη (πρώιμη και όψιμη δράση) – γίνονται αντικείμενο επεξεργασίας και ενδελεχούς ανάλυσης, και βάσει συγκεκριμένων, προ-διατυπωμένων συλλογισμών, προσεγγίζεται το εν λόγω ερώτημα. Το πλαίσιο αυτό είναι καινοτόμο, εφόσον, πέραν του ότι ενσωματώνει μία πρωτότυπη ακολουθία μεθόδων, προσεγγίζει συστηματικά το πρόβλημα της εγγενούς ή επίκτητης αντοχής, συνεισφέροντας, έτσι, στην ευρύτερη προσπάθεια διερεύνησης των επακριβών μηχανισμών αντοχής των λευχαιμικών κυττάρων στα γλυκοκορτικοειδή. Τα αποτελέσματα από την εφαρμογή του στα δεδομένα της εν λόγω κυτταρικής σειράς συνηγορούν υπέρ της ύπαρξης μίας σύνθετης ανταπόκρισης του υπό μελέτη συστήματος στα γλυκοκορτικοειδή, η οποία όμως τείνει περισσότερο προς έναν εγγενή μηχανισμό αντοχής. / In the present Ph.D. thesis, computational intelligence methods for processing and analyzing cDNA microarray gene expression data are designed and developed. More specifically, in the first part of this thesis, the problem of background estimation and correction of two-channel microarray data is addressed and two novel algorithms are proposed, namely the percentiles-based and the loess-based background correction methods. Both approaches are based on the multiplicative model of background, while utilizing robust background noise estimators, thus making them ideal for noisy datasets. Furthermore, a new, generic framework for the systematic evaluation of the impact of the background estimating methodologies is suggested, whereupon the aforementioned methods as well as other approaches are evaluated by application to various publicly available self-self hybridization datasets. As suggested by this thorough, comparative evaluation our algorithms perform very well regarding noise reduction. The evaluation framework, which is based mainly on different and widely used statistical measures, incorporates new criteria and visualization methods. Moreover, it represents a novel, detailed contribution to the examination of the impact of background correction methods to the final interpretation of microarray experiments, conferring explicit guidance on the pros and cons of them and when they should be applied. Additionally, in the second part of this thesis, a new, generic, computational microarray data analysis framework is described, in order to examine the hypothesis of whether the resistant T-cell leukemia cell line CCRF-CEM posses an intrinsic or exert an acquired mechanism of resistance and to investigate the molecular imprint of this, upon prednisolone treatment. More analytically, using the above explained computational analysis workflow, microarray data that enable the examination of both the dose effect of prednisolone exposure and the dynamics (early and late) of the molecular response of the cells at the transcriptomic layer, are systematically analyzed based on specific, predefined formulations. The analysis of the results supports a complex mechanism of action for the cells which seems to favor though more the intrinsic mechanism of resistance.
|
Page generated in 0.0488 seconds