{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1316507"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1316507","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Βάση προεπεξεργασμένων δεδομένων μικροσυστοιχιών και αναγνώριση των πιο αντιπροσωπευτικών δειγμάτων","abstract":"Τα καταθετήρια μικροσυστοιχιών επιτρέπουν την αποθήκευση των σχολιασμένων πρωτογενών και επεξεργασμένων δεδομένων μικροσυστοιχιών επιτρέποντας την περιήγηση, αναζήτηση και ανάκτηση των δεδομένων αυτών. Τα περισσότερα δημόσια καταθετήρια μικροσυστοιχιών, όπως το GEO και το ArrayExpress, αποθηκεύουν δεδομένα από όλες τις εμπορικές και κατά παραγγελία πλατφόρμες. Σκοπός της παρούσας διατριβής ήταν να δημιουργηθεί μια βάση δεδομένων, που να συμπεριλαμβάνει όλα τα Δείγματα της μικροσυστοιχίας Αffymetrix Human Genome Plus 2.0 (της πιο δημοφιλούς πλατφόρμας) από το δημόσιο καταθετήριο GEO. Συλλέξαμε προγραμματιστικά τα πρωτογενή αρχεία έντασης μικροσυστοιχιών CEL, χρησιμοποιώντας scripts PHP και τα επανεπεξεργαστήκαμε χρησιμοποιώντας τις ίδιες υπολογιστικές μεθόδους για την ανάλυση, για να μπορούν αυτά να είναι άμεσα συγκρίσιμα. Οι μέθοδοι αυτές ήταν ο αλγόριθμος MAS5.0, ο ίδιος παράγοντας κανονικοποίησης και ένα ενημερωμένο εναλλακτικό αρχείο περιγραφής της μικροσυστοιχίας (CDF). Η βάση δεδομένων ενημερώνεται αυτόματα κάθε μέρα, και επίσης σε ετήσια βάση με την ενημερωμένη έκδοση CDF από το brainarray. Αυτή η βάση δεδομένων είναι περίπου 100GB σε μέγεθος με σχεδόν 500GB συμπληρωματικά στοιχεία. Η βάση δεδομένων χρησιμοποιήθηκε στην ανάλυση συσχέτισης ανθρώπινων γονιδίων η οποία είναι ένα εργαλείο για την ταυτοποίηση των μεταγραφικά συνεκφρασμένων γονιδίων. Επιπλέον, έχουμε δημιουργήσει ένα πρόγραμμα το οποίο έκανε βασικό ποιοτικό έλεγχο σε αρχεία CEL και μπόρεσε επίσης να εξαλείψει όμοια δείγματα που είχαν διαφορετικές ταυτότητες, βασιζόμενο σε αλγόριθμους κατακερματισμού, χρησιμοποιώντας ως είσοδο την έντασή τους. Αυτό το πρόγραμμα χρησιμοποιήθηκε στο NASCArray, ένα δημόσιο καταθετήριο για δεδομένα μικροσυστοιχιών του φυτού Arabidopsis thaliana, επειδή θέλαμε να δημιουργήσουμε ένα νέο εργαλείο συνέκφρασης του Arabidopsis. Στο NASCArray, βρήκαμε περισσότερα από 100 κατεστραμμένα αρχεία CEL που αντιγράφηκαν και στα δημόσια καταθετήρια GEO και ArrayExpress. Αναφέραμε αυτά τα ευρήματα και τα αρχεία αποκαταστάθηκαν. Ο πιο αποτελεσματικός τρόπος για τη μελέτη της γονιδιακής συνέκφρασης βασίζεται στην ανάλυση του υποσυνόλου των δειγμάτων που περιέχουν τους καλύτερους εκπροσώπους από κάθε ιστό ή τύπο κυττάρου. Τα δείγματα μπορούν να ομαδοποιηθούν σύμφωνα με τα πρότυπα γονιδιακής έκφρασής τους. Η ομαδοποίηση μπορεί να απεικονιστεί σε δέντρα υπό κλίμακα. Δεδομένου ότι δεν υπάρχει αλγόριθμος για τον εντοπισμό των φύλλων ενός δέντρου που αντιπροσωπεύουν καλύτερα τα κλαδιά τους, δημιουργήσαμε τον αλγόριθμο MM για να κλαδέψουμε αυτόματα όσα φύλλα είναι απαραίτητο, χωρίς να υπολογιστεί ο πίνακας πατρικών αποστάσεων ή χωρίς να απαιτείται όριο ελάχιστης απόστασης, όπως χρειάζονται συναφή προγράμματα. Επίσης, δημιουργήσαμε έναν αλγόριθμο για τη διευκόλυνση του δια χειρός κλαδέματος, ο οποίος ενσωματώθηκε στη LepChorionDB.","abstract_html":"Τα καταθετήρια μικροσυστοιχιών επιτρέπουν την αποθήκευση των σχολιασμένων πρωτογενών και επεξεργασμένων δεδομένων μικροσυστοιχιών επιτρέποντας την περιήγηση, αναζήτηση και ανάκτηση των δεδομένων αυτών. Τα περισσότερα δημόσια καταθετήρια μικροσυστοιχιών, όπως το GEO και το ArrayExpress, αποθηκεύουν δεδομένα από όλες τις εμπορικές και κατά παραγγελία πλατφόρμες. Σκοπός της παρούσας διατριβής ήταν να δημιουργηθεί μια βάση δεδομένων, που να συμπεριλαμβάνει όλα τα Δείγματα της μικροσυστοιχίας Αffymetrix Human Genome Plus 2.0 (της πιο δημοφιλούς πλατφόρμας) από το δημόσιο καταθετήριο GEO. Συλλέξαμε προγραμματιστικά τα πρωτογενή αρχεία έντασης μικροσυστοιχιών CEL, χρησιμοποιώντας scripts PHP και τα επανεπεξεργαστήκαμε χρησιμοποιώντας τις ίδιες υπολογιστικές μεθόδους για την ανάλυση, για να μπορούν αυτά να είναι άμεσα συγκρίσιμα. Οι μέθοδοι αυτές ήταν ο αλγόριθμος MAS5.0, ο ίδιος παράγοντας κανονικοποίησης και ένα ενημερωμένο εναλλακτικό αρχείο περιγραφής της μικροσυστοιχίας (CDF). Η βάση δεδομένων ενημερώνεται αυτόματα κάθε μέρα, και επίσης σε ετήσια βάση με την ενημερωμένη έκδοση CDF από το brainarray. Αυτή η βάση δεδομένων είναι περίπου 100GB σε μέγεθος με σχεδόν 500GB συμπληρωματικά στοιχεία. Η βάση δεδομένων χρησιμοποιήθηκε στην ανάλυση συσχέτισης ανθρώπινων γονιδίων η οποία είναι ένα εργαλείο για την ταυτοποίηση των μεταγραφικά συνεκφρασμένων γονιδίων. Επιπλέον, έχουμε δημιουργήσει ένα πρόγραμμα το οποίο έκανε βασικό ποιοτικό έλεγχο σε αρχεία CEL και μπόρεσε επίσης να εξαλείψει όμοια δείγματα που είχαν διαφορετικές ταυτότητες, βασιζόμενο σε αλγόριθμους κατακερματισμού, χρησιμοποιώντας ως είσοδο την έντασή τους. Αυτό το πρόγραμμα χρησιμοποιήθηκε στο NASCArray, ένα δημόσιο καταθετήριο για δεδομένα μικροσυστοιχιών του φυτού Arabidopsis thaliana, επειδή θέλαμε να δημιουργήσουμε ένα νέο εργαλείο συνέκφρασης του Arabidopsis. Στο NASCArray, βρήκαμε περισσότερα από 100 κατεστραμμένα αρχεία CEL που αντιγράφηκαν και στα δημόσια καταθετήρια GEO και ArrayExpress. Αναφέραμε αυτά τα ευρήματα και τα αρχεία αποκαταστάθηκαν. Ο πιο αποτελεσματικός τρόπος για τη μελέτη της γονιδιακής συνέκφρασης βασίζεται στην ανάλυση του υποσυνόλου των δειγμάτων που περιέχουν τους καλύτερους εκπροσώπους από κάθε ιστό ή τύπο κυττάρου. Τα δείγματα μπορούν να ομαδοποιηθούν σύμφωνα με τα πρότυπα γονιδιακής έκφρασής τους. Η ομαδοποίηση μπορεί να απεικονιστεί σε δέντρα υπό κλίμακα. Δεδομένου ότι δεν υπάρχει αλγόριθμος για τον εντοπισμό των φύλλων ενός δέντρου που αντιπροσωπεύουν καλύτερα τα κλαδιά τους, δημιουργήσαμε τον αλγόριθμο MM για να κλαδέψουμε αυτόματα όσα φύλλα είναι απαραίτητο, χωρίς να υπολογιστεί ο πίνακας πατρικών αποστάσεων ή χωρίς να απαιτείται όριο ελάχιστης απόστασης, όπως χρειάζονται συναφή προγράμματα. Επίσης, δημιουργήσαμε έναν αλγόριθμο για τη διευκόλυνση του δια χειρός κλαδέματος, ο οποίος ενσωματώθηκε στη LepChorionDB.","abstract_has_math":false,"creators":["Μαλατράς Απόστολος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2013,"date_issued":"2013","date_published":"2013","updated_at":"2026-11-19T05:24:49Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316507"],"render_values":[{"text":"uoadl:1316507","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316507","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316507","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1316507","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μαλατράς Απόστολος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2013"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316507","https://pergamos.lib.uoa.gr/uoa/dl/object/1316507"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα καταθετήρια μικροσυστοιχιών επιτρέπουν την αποθήκευση των σχολιασμένων πρωτογενών και επεξεργασμένων δεδομένων μικροσυστοιχιών επιτρέποντας την περιήγηση, αναζήτηση και ανάκτηση των δεδομένων αυτών. Τα περισσότερα δημόσια καταθετήρια μικροσυστοιχιών, όπως το GEO και το ArrayExpress, αποθηκεύουν δεδομένα από όλες τις εμπορικές και κατά παραγγελία πλατφόρμες. Σκοπός της παρούσας διατριβής ήταν να δημιουργηθεί μια βάση δεδομένων, που να συμπεριλαμβάνει όλα τα Δείγματα της μικροσυστοιχίας Αffymetrix Human Genome Plus 2.0 (της πιο δημοφιλούς πλατφόρμας) από το δημόσιο καταθετήριο GEO. Συλλέξαμε προγραμματιστικά τα πρωτογενή αρχεία έντασης μικροσυστοιχιών CEL, χρησιμοποιώντας scripts PHP και τα επανεπεξεργαστήκαμε χρησιμοποιώντας τις ίδιες υπολογιστικές μεθόδους για την ανάλυση, για να μπορούν αυτά να είναι άμεσα συγκρίσιμα. Οι μέθοδοι αυτές ήταν ο αλγόριθμος MAS5.0, ο ίδιος παράγοντας κανονικοποίησης και ένα ενημερωμένο εναλλακτικό αρχείο περιγραφής της μικροσυστοιχίας (CDF). Η βάση δεδομένων ενημερώνεται αυτόματα κάθε μέρα, και επίσης σε ετήσια βάση με την ενημερωμένη έκδοση CDF από το brainarray. Αυτή η βάση δεδομένων είναι περίπου 100GB σε μέγεθος με σχεδόν 500GB συμπληρωματικά στοιχεία. Η βάση δεδομένων χρησιμοποιήθηκε στην ανάλυση συσχέτισης ανθρώπινων γονιδίων η οποία είναι ένα εργαλείο για την ταυτοποίηση των μεταγραφικά συνεκφρασμένων γονιδίων. Επιπλέον, έχουμε δημιουργήσει ένα πρόγραμμα το οποίο έκανε βασικό ποιοτικό έλεγχο σε αρχεία CEL και μπόρεσε επίσης να εξαλείψει όμοια δείγματα που είχαν διαφορετικές ταυτότητες, βασιζόμενο σε αλγόριθμους κατακερματισμού, χρησιμοποιώντας ως είσοδο την έντασή τους. Αυτό το πρόγραμμα χρησιμοποιήθηκε στο NASCArray, ένα δημόσιο καταθετήριο για δεδομένα μικροσυστοιχιών του φυτού Arabidopsis thaliana, επειδή θέλαμε να δημιουργήσουμε ένα νέο εργαλείο συνέκφρασης του Arabidopsis. Στο NASCArray, βρήκαμε περισσότερα από 100 κατεστραμμένα αρχεία CEL που αντιγράφηκαν και στα δημόσια καταθετήρια GEO και ArrayExpress. Αναφέραμε αυτά τα ευρήματα και τα αρχεία αποκαταστάθηκαν. Ο πιο αποτελεσματικός τρόπος για τη μελέτη της γονιδιακής συνέκφρασης βασίζεται στην ανάλυση του υποσυνόλου των δειγμάτων που περιέχουν τους καλύτερους εκπροσώπους από κάθε ιστό ή τύπο κυττάρου. Τα δείγματα μπορούν να ομαδοποιηθούν σύμφωνα με τα πρότυπα γονιδιακής έκφρασής τους. Η ομαδοποίηση μπορεί να απεικονιστεί σε δέντρα υπό κλίμακα. Δεδομένου ότι δεν υπάρχει αλγόριθμος για τον εντοπισμό των φύλλων ενός δέντρου που αντιπροσωπεύουν καλύτερα τα κλαδιά τους, δημιουργήσαμε τον αλγόριθμο MM για να κλαδέψουμε αυτόματα όσα φύλλα είναι απαραίτητο, χωρίς να υπολογιστεί ο πίνακας πατρικών αποστάσεων ή χωρίς να απαιτείται όριο ελάχιστης απόστασης, όπως χρειάζονται συναφή προγράμματα. Επίσης, δημιουργήσαμε έναν αλγόριθμο για τη διευκόλυνση του δια χειρός κλαδέματος, ο οποίος ενσωματώθηκε στη LepChorionDB.","Microarray repositories allow the storage of annotated raw and processed microarray data and enable browsing, searching and retrieving of these data. Most public microarray repositories, such as GEO and ArrayExpress, store data from all commercial and custom-made platforms. The aim of this dissertation was to create a database, including all Αffymetrix Human Genome Plus 2.0 array samples (the most popular platform) from the public repository GEO. We collected the raw microarray CEL intensity files programmatically, using PHP scripts and reprocessed them using the same computational methods for analysis, in order for them to be directly comparable. Those methods were MAS5.0 algorithm, the same normalization factor and an alternative updated chip description file (CDF). The database is automatically updated every day, and also annually with the updated CDF version from brainarray. This database is about 100GB in size with almost 500GB of supplementary data. The database was used in the Human Gene Correlation Analysis which is a tool for the identification of transcriptionally co-expressed genes. Moreover, we created a program which did basic quality control on CEL files and could also eliminate identical samples which had different IDs, based on hash algorithms, using their intensities as input. We used that program on NASCArray, a public repository for microarray data for Arabidopsis thaliana plant, because we wanted to create a new Arabidopsis Coexpression Tool. In NASCArray, we found more than 100 corrupted CEL files which were also mirrored in GEO and ArrayExpress public repositories. We reported those findings and those files were restored. The most efficient way to study gene coexpression is based on the analysis of the subset of samples which contain the best representatives of each tissue or cell type. Samples can be clustered according to their gene expression patterns. Clustering can be visualised in scaled trees. As there is no algorithm to identify the leaves of a tree which best represent their branches, we created MM algorithm to prune automatically as many leaves as necessary, without calculating the patristic distance matrix or requiring a distance cutoff, as related programs need. We also created an algorithm for facilitating manual pruning, which was incorporated in LepChorionDB."]},{"key":"dc:title","label":"Title","values":["Βάση προεπεξεργασμένων δεδομένων μικροσυστοιχιών και αναγνώριση των πιο αντιπροσωπευτικών δειγμάτων"]}]}],"canonical_facts":{"dc:creator":["Μαλατράς Απόστολος"],"dc:date":["2013"],"dc:description":["Τα καταθετήρια μικροσυστοιχιών επιτρέπουν την αποθήκευση των σχολιασμένων πρωτογενών και επεξεργασμένων δεδομένων μικροσυστοιχιών επιτρέποντας την περιήγηση, αναζήτηση και ανάκτηση των δεδομένων αυτών. Τα περισσότερα δημόσια καταθετήρια μικροσυστοιχιών, όπως το GEO και το ArrayExpress, αποθηκεύουν δεδομένα από όλες τις εμπορικές και κατά παραγγελία πλατφόρμες. Σκοπός της παρούσας διατριβής ήταν να δημιουργηθεί μια βάση δεδομένων, που να συμπεριλαμβάνει όλα τα Δείγματα της μικροσυστοιχίας Αffymetrix Human Genome Plus 2.0 (της πιο δημοφιλούς πλατφόρμας) από το δημόσιο καταθετήριο GEO. Συλλέξαμε προγραμματιστικά τα πρωτογενή αρχεία έντασης μικροσυστοιχιών CEL, χρησιμοποιώντας scripts PHP και τα επανεπεξεργαστήκαμε χρησιμοποιώντας τις ίδιες υπολογιστικές μεθόδους για την ανάλυση, για να μπορούν αυτά να είναι άμεσα συγκρίσιμα. Οι μέθοδοι αυτές ήταν ο αλγόριθμος MAS5.0, ο ίδιος παράγοντας κανονικοποίησης και ένα ενημερωμένο εναλλακτικό αρχείο περιγραφής της μικροσυστοιχίας (CDF). Η βάση δεδομένων ενημερώνεται αυτόματα κάθε μέρα, και επίσης σε ετήσια βάση με την ενημερωμένη έκδοση CDF από το brainarray. Αυτή η βάση δεδομένων είναι περίπου 100GB σε μέγεθος με σχεδόν 500GB συμπληρωματικά στοιχεία. Η βάση δεδομένων χρησιμοποιήθηκε στην ανάλυση συσχέτισης ανθρώπινων γονιδίων η οποία είναι ένα εργαλείο για την ταυτοποίηση των μεταγραφικά συνεκφρασμένων γονιδίων. Επιπλέον, έχουμε δημιουργήσει ένα πρόγραμμα το οποίο έκανε βασικό ποιοτικό έλεγχο σε αρχεία CEL και μπόρεσε επίσης να εξαλείψει όμοια δείγματα που είχαν διαφορετικές ταυτότητες, βασιζόμενο σε αλγόριθμους κατακερματισμού, χρησιμοποιώντας ως είσοδο την έντασή τους. Αυτό το πρόγραμμα χρησιμοποιήθηκε στο NASCArray, ένα δημόσιο καταθετήριο για δεδομένα μικροσυστοιχιών του φυτού Arabidopsis thaliana, επειδή θέλαμε να δημιουργήσουμε ένα νέο εργαλείο συνέκφρασης του Arabidopsis. Στο NASCArray, βρήκαμε περισσότερα από 100 κατεστραμμένα αρχεία CEL που αντιγράφηκαν και στα δημόσια καταθετήρια GEO και ArrayExpress. Αναφέραμε αυτά τα ευρήματα και τα αρχεία αποκαταστάθηκαν. Ο πιο αποτελεσματικός τρόπος για τη μελέτη της γονιδιακής συνέκφρασης βασίζεται στην ανάλυση του υποσυνόλου των δειγμάτων που περιέχουν τους καλύτερους εκπροσώπους από κάθε ιστό ή τύπο κυττάρου. Τα δείγματα μπορούν να ομαδοποιηθούν σύμφωνα με τα πρότυπα γονιδιακής έκφρασής τους. Η ομαδοποίηση μπορεί να απεικονιστεί σε δέντρα υπό κλίμακα. Δεδομένου ότι δεν υπάρχει αλγόριθμος για τον εντοπισμό των φύλλων ενός δέντρου που αντιπροσωπεύουν καλύτερα τα κλαδιά τους, δημιουργήσαμε τον αλγόριθμο MM για να κλαδέψουμε αυτόματα όσα φύλλα είναι απαραίτητο, χωρίς να υπολογιστεί ο πίνακας πατρικών αποστάσεων ή χωρίς να απαιτείται όριο ελάχιστης απόστασης, όπως χρειάζονται συναφή προγράμματα. Επίσης, δημιουργήσαμε έναν αλγόριθμο για τη διευκόλυνση του δια χειρός κλαδέματος, ο οποίος ενσωματώθηκε στη LepChorionDB.","Microarray repositories allow the storage of annotated raw and processed microarray data and enable browsing, searching and retrieving of these data. Most public microarray repositories, such as GEO and ArrayExpress, store data from all commercial and custom-made platforms. The aim of this dissertation was to create a database, including all Αffymetrix Human Genome Plus 2.0 array samples (the most popular platform) from the public repository GEO. We collected the raw microarray CEL intensity files programmatically, using PHP scripts and reprocessed them using the same computational methods for analysis, in order for them to be directly comparable. Those methods were MAS5.0 algorithm, the same normalization factor and an alternative updated chip description file (CDF). The database is automatically updated every day, and also annually with the updated CDF version from brainarray. This database is about 100GB in size with almost 500GB of supplementary data. The database was used in the Human Gene Correlation Analysis which is a tool for the identification of transcriptionally co-expressed genes. Moreover, we created a program which did basic quality control on CEL files and could also eliminate identical samples which had different IDs, based on hash algorithms, using their intensities as input. We used that program on NASCArray, a public repository for microarray data for Arabidopsis thaliana plant, because we wanted to create a new Arabidopsis Coexpression Tool. In NASCArray, we found more than 100 corrupted CEL files which were also mirrored in GEO and ArrayExpress public repositories. We reported those findings and those files were restored. The most efficient way to study gene coexpression is based on the analysis of the subset of samples which contain the best representatives of each tissue or cell type. Samples can be clustered according to their gene expression patterns. Clustering can be visualised in scaled trees. As there is no algorithm to identify the leaves of a tree which best represent their branches, we created MM algorithm to prune automatically as many leaves as necessary, without calculating the patristic distance matrix or requiring a distance cutoff, as related programs need. We also created an algorithm for facilitating manual pruning, which was incorporated in LepChorionDB."],"dc:identifier":["uoadl:1316507","https://pergamos.lib.uoa.gr/uoa/dl/object/1316507"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Βάση προεπεξεργασμένων δεδομένων μικροσυστοιχιών και αναγνώριση των πιο αντιπροσωπευτικών δειγμάτων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:49Z"}