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.

Our intention is to find similarity among the time series expressions of the genes in microarray experiments. It is hypothesized that at a given time point the concentration of one gene’s mRNA is directly affected by the concentration of other gene’s mRNA, and may have biological significance. We define dissimilarity between two time-series data set as the variance of Euclidean distances of each time points. The large numbers of gene expressions make the calculation of variance of distance in each point computationally expensive and therefore computationally challenging in terms of execution time. For this reason we use autoregressive model which estimates nineteen points gene expression to a three point vector. It allows us to find variance of difference between two data sets without point-to-point matching. Previous analysis from the microarray experiments data found that 62 genes are regulated following EGF (Epidermal Growth Factor) and HRG (Heregulin) treatment of the MCF-7 breast cancer cells. We have chosen these suspected cancer-related genes as our reference and investigated which additional set of genes has similar time point expression profiles. Keeping variance of difference as a measure of distance, we have used several methods for clustering the gene expression data, such as our own maximum clique finding heuristics and hierarchical clustering. The results obtained were validated through a text mining study. New predictions from our study could be a basis for further investigations in the genesis of breast cancer. Overall in 84 new genes are found in which 57 genes are related to cancer among them 35 genes are associated with breast cancer.

Dizertační práce se zabývá predikcí vysokodimenzionálních dat genových expresí. Množství dostupných genomických dat významně vzrostlo v průběhu posledního desetiletí. Kombinování dat genových expresí s dalšími daty nachází uplatnění v mnoha oblastech. Například v klinickém řízení rakoviny (clinical cancer management) může přispět k přesnějšímu určení prognózy nemocí. Hlavní část této dizertační práce je zaměřena na kombinování dat genových expresí a klinických dat. Používáme logistické regresní modely vytvořené prostřednictvím různých regularizačních technik. Generalizované lineární modely umožňují kombinování modelů s různou strukturou dat. V dizertační práci je ukázáno, že kombinování modelu dat genových expresí a klinických dat může vést ke zpřesnění výsledku predikce oproti vytvoření modelu pouze z dat genových expresí nebo klinických dat. Navrhované postupy přitom nejsou výpočetně náročné.  Testování je provedeno nejprve se simulovanými datovými sadami v různých nastaveních a následně s~reálnými srovnávacími daty. Také se zde zabýváme určením přídavné hodnoty microarray dat. Dizertační práce obsahuje porovnání příznaků vybraných pomocí klasifikátoru genových expresí na pěti různých sadách dat týkajících se rakoviny prsu. Navrhujeme také postup výběru příznaků, který kombinuje data genových expresí a znalosti z genových ontologií.

No description available.