{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1316580"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1316580","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών για τη μελέτη μοριακών μηχανισμών γήρανσης στο μοντέλο της αναδιπλασιαστικής γήρανσης.","abstract":"Η γήρανση είναι μια φυσιολογική διαδικασία η οποία χαρακτηρίζεται από πλήθος μοριακών αλλαγών που σταδιακά οδηγούν σε κατάρρευση της κυτταρικής ομοιοστασίας. Η εξέλιξή της επηρεάζεται τόσο από γενετικούς όσο και από περιβαλλοντικούς παράγοντες και παρουσιάζει εξαιρετικά υψηλή συντήρηση των ρυθμιστικών της μηχανισμών σε διαφορετικά είδη. Η μελέτη του φαινομένου της ανθρώπινης γήρανσης in vivo δεν είναι εύκολη λόγω βιοηθικών και πρακτικών προβλημάτων. Έτσι, έχει γίνει στροφή σε ζωικά μοντέλα και σε in vitro μοντέλα κυτταροκαλλιεργειών, όπως αυτό της αναδιπλασιαστικής γήρανσης που έως σήμερα αποτελεί το καλύτερο in vitro μοντέλο γήρανσης. Στηρίζεται στο γεγονός ότι τα φυσιολογικά ανθρώπινα σωματικά κύτταρα, όταν μεταφερθούν στην καλλιέργεια, χάνουν σταδιακά το πολλαπλασιαστικό τους δυναμικό πραγματοποιώντας συγκεκριμένο αριθμό κυτταρικών διπλασιασμών, πριν φτάσουν στο σημείο της μη αντιστρεπτής παύσης του πολλαπλασιασμού τους. Σκοπός της παρούσας εργασίας είναι μια πολύ-επίπεδη βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών που σχετίζονται με την εξέλιξη του φαινομένου της αναδιπλασιαστικής γήρανσης. Θα συλλεχθεί ολικό RNA από διάφορα στάδια κατά την εξέλιξη της αναδιπλασιαστικής γήρανσης. Πιο συγκεκριμένα, θα συλλεχθούν δείγματα από νεαρά κύτταρα (1 κυτταρικός διπλασιασμός/μέρα), από κύτταρα μεσαίας ηλικίας (1 κυτταρικός διπλασιασμός/7 μέρες), από κύτταρα που εισέρχονται στο τελικό στάδιο της αναδιπλασιαστικής γήρανσης (1 κυτταρικός διπλασιασμός/14 μέρες) καθώς και από κύτταρα στο τελικό και μη αντιστρεπτό στάδιο της γήρανσης (κανένας κυτταρικός διπλασιασμός/1 μήνα). Στα δείγματα αυτά θα πραγματοποιηθούν πειράματα ανάλυσης μικροσυστοιχιών. Για την επεξεργασία και ανάλυση των δεδομένων από τις συστοιχίες της Illumina θα χρησιμοποιηθεί το πακέτο ανάλυσης lumi μέσω του γραφικού περιβάλλοντος R-studio. Αποτελούν ελεύθερο λογισμικό που θα χρησιμοποιηθεί για την προ-επεξεργασία των συστοιχιών που περιλαμβάνει την απαλοιφή θορύβου (noise filtering) από τα δεδομένα, την κανονικοποίηση τους (normalization) και τη διόρθωση υποβάθρου (background correction) αλλά και την πρωταρχική επιλογή των πιο σημαντικά διαφοροποιημένων γονιδίων μεταξύ των διαφορετικών φαινοτυπικών κατηγοριών προς εξέταση. Με σκοπό το τελευταίο θα αξιοποιηθούν μεθοδολογίες στατιστικής εκλογής και ελέγχων έλεγχων που υποστηρίζονται από το πακέτο λογισμικού limma, όπως παραμετρικοί στατιστικοί έλεγχοι (t-test, ANOVA) και μη παραμετρικοί έλεγχοι (π.χ. με βάση την τυχαία επαναληπτική δειγματοληψία bootstrapping των δεδομένων που εξάγουν πιο αυστηρά στατιστικά συμπεράσματα που μετρούνται με βάση το False Discovery Rate). Παράλληλα θα γίνει χρήση μεθόδων μη επιβλεπόμενης μάθησης (hierarchical, k-means, Fuzzy C-means) για την ομαδοποίηση δειγμάτων (clustering) με βάση τα δεδομένα, ενώ θα γίνει χρήση της μεθόδου Gap Statistic που αυτόματα επιλέγει τον αριθμό των ομάδων (clusters). Οι εξαγόμενες λίστες γονιδίων με βάση τις στατιστικές μεθόδους επιλογής και τις μεθόδους ομαδοποίησης θα τροφοδοτήσουν εργαλεία ανεπτυγμένα από το πρόγραμμα Μεταβολικής Μηχανικής και Βιοπληροφορικής που συσχετίζουν λίστες γονιδίων ενδιαφέροντος, με σημασιολογική λειτουργική πληροφορία που αφορά στη λειτουργία των γονιδίων/πρωτεϊνών και τα βιοχημικά μονοπάτια που αυτά εμπλέκονται. Συγκεκριμένα, τα εργαλεία StRAnGER2 (www.grissom.gr/stranger/) και GORevEng χρησιμοποιούν προηγμένους συνδυασμούς στατιστικών ελέγχων (υπεργεωμετρικός, x2 και Fischer έλεγχος) με σύγχρονες μεθόδους δειγματοληψίας (bootstrapping), αλλά και μετρικές ομοιότητας γράφων. Ως αποτέλεσμα, συνδέουν τις λίστες γονιδίων ενδιαφέροντος με τη σημασιολογική πληροφορία για στατιστικά σημαντικές συσχετισμένες λειτουργίες ή βιοχημικά μονοπάτια που εμφανίζονται στο περιεχόμενο αντίστοιχων οντολογίων (Gene Ontology Terms, GOTs) ή άλλες καλά ορισμένες μορφές οργάνωσης της πληροφορίας (KEGG pathways). Στόχος θα είναι η εξαγωγή των ευρύτερων μοριακών μονοπατιών δικτύων που εμπλέκονται στη ρύθμιση του φαινομένου της κυτταρικής γήρανσης καθώς και η μελέτη των μεταβολών που υφίστανται αυτά τα δίκτυα κατά την εξέλιξη του φαινομένου.","abstract_html":"Η γήρανση είναι μια φυσιολογική διαδικασία η οποία χαρακτηρίζεται από πλήθος μοριακών αλλαγών που σταδιακά οδηγούν σε κατάρρευση της κυτταρικής ομοιοστασίας. Η εξέλιξή της επηρεάζεται τόσο από γενετικούς όσο και από περιβαλλοντικούς παράγοντες και παρουσιάζει εξαιρετικά υψηλή συντήρηση των ρυθμιστικών της μηχανισμών σε διαφορετικά είδη. Η μελέτη του φαινομένου της ανθρώπινης γήρανσης in vivo δεν είναι εύκολη λόγω βιοηθικών και πρακτικών προβλημάτων. Έτσι, έχει γίνει στροφή σε ζωικά μοντέλα και σε in vitro μοντέλα κυτταροκαλλιεργειών, όπως αυτό της αναδιπλασιαστικής γήρανσης που έως σήμερα αποτελεί το καλύτερο in vitro μοντέλο γήρανσης. Στηρίζεται στο γεγονός ότι τα φυσιολογικά ανθρώπινα σωματικά κύτταρα, όταν μεταφερθούν στην καλλιέργεια, χάνουν σταδιακά το πολλαπλασιαστικό τους δυναμικό πραγματοποιώντας συγκεκριμένο αριθμό κυτταρικών διπλασιασμών, πριν φτάσουν στο σημείο της μη αντιστρεπτής παύσης του πολλαπλασιασμού τους. Σκοπός της παρούσας εργασίας είναι μια πολύ-επίπεδη βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών που σχετίζονται με την εξέλιξη του φαινομένου της αναδιπλασιαστικής γήρανσης. Θα συλλεχθεί ολικό RNA από διάφορα στάδια κατά την εξέλιξη της αναδιπλασιαστικής γήρανσης. Πιο συγκεκριμένα, θα συλλεχθούν δείγματα από νεαρά κύτταρα (1 κυτταρικός διπλασιασμός/μέρα), από κύτταρα μεσαίας ηλικίας (1 κυτταρικός διπλασιασμός/7 μέρες), από κύτταρα που εισέρχονται στο τελικό στάδιο της αναδιπλασιαστικής γήρανσης (1 κυτταρικός διπλασιασμός/14 μέρες) καθώς και από κύτταρα στο τελικό και μη αντιστρεπτό στάδιο της γήρανσης (κανένας κυτταρικός διπλασιασμός/1 μήνα). Στα δείγματα αυτά θα πραγματοποιηθούν πειράματα ανάλυσης μικροσυστοιχιών. Για την επεξεργασία και ανάλυση των δεδομένων από τις συστοιχίες της Illumina θα χρησιμοποιηθεί το πακέτο ανάλυσης lumi μέσω του γραφικού περιβάλλοντος R-studio. Αποτελούν ελεύθερο λογισμικό που θα χρησιμοποιηθεί για την προ-επεξεργασία των συστοιχιών που περιλαμβάνει την απαλοιφή θορύβου (noise filtering) από τα δεδομένα, την κανονικοποίηση τους (normalization) και τη διόρθωση υποβάθρου (background correction) αλλά και την πρωταρχική επιλογή των πιο σημαντικά διαφοροποιημένων γονιδίων μεταξύ των διαφορετικών φαινοτυπικών κατηγοριών προς εξέταση. Με σκοπό το τελευταίο θα αξιοποιηθούν μεθοδολογίες στατιστικής εκλογής και ελέγχων έλεγχων που υποστηρίζονται από το πακέτο λογισμικού limma, όπως παραμετρικοί στατιστικοί έλεγχοι (t-test, ANOVA) και μη παραμετρικοί έλεγχοι (π.χ. με βάση την τυχαία επαναληπτική δειγματοληψία bootstrapping των δεδομένων που εξάγουν πιο αυστηρά στατιστικά συμπεράσματα που μετρούνται με βάση το False Discovery Rate). Παράλληλα θα γίνει χρήση μεθόδων μη επιβλεπόμενης μάθησης (hierarchical, k-means, Fuzzy C-means) για την ομαδοποίηση δειγμάτων (clustering) με βάση τα δεδομένα, ενώ θα γίνει χρήση της μεθόδου Gap Statistic που αυτόματα επιλέγει τον αριθμό των ομάδων (clusters). Οι εξαγόμενες λίστες γονιδίων με βάση τις στατιστικές μεθόδους επιλογής και τις μεθόδους ομαδοποίησης θα τροφοδοτήσουν εργαλεία ανεπτυγμένα από το πρόγραμμα Μεταβολικής Μηχανικής και Βιοπληροφορικής που συσχετίζουν λίστες γονιδίων ενδιαφέροντος, με σημασιολογική λειτουργική πληροφορία που αφορά στη λειτουργία των γονιδίων/πρωτεϊνών και τα βιοχημικά μονοπάτια που αυτά εμπλέκονται. Συγκεκριμένα, τα εργαλεία StRAnGER2 (www.grissom.gr/stranger/) και GORevEng χρησιμοποιούν προηγμένους συνδυασμούς στατιστικών ελέγχων (υπεργεωμετρικός, x2 και Fischer έλεγχος) με σύγχρονες μεθόδους δειγματοληψίας (bootstrapping), αλλά και μετρικές ομοιότητας γράφων. Ως αποτέλεσμα, συνδέουν τις λίστες γονιδίων ενδιαφέροντος με τη σημασιολογική πληροφορία για στατιστικά σημαντικές συσχετισμένες λειτουργίες ή βιοχημικά μονοπάτια που εμφανίζονται στο περιεχόμενο αντίστοιχων οντολογίων (Gene Ontology Terms, GOTs) ή άλλες καλά ορισμένες μορφές οργάνωσης της πληροφορίας (KEGG pathways). Στόχος θα είναι η εξαγωγή των ευρύτερων μοριακών μονοπατιών δικτύων που εμπλέκονται στη ρύθμιση του φαινομένου της κυτταρικής γήρανσης καθώς και η μελέτη των μεταβολών που υφίστανται αυτά τα δίκτυα κατά την εξέλιξη του φαινομένου.","abstract_has_math":false,"creators":["Παρασκευοπούλου Άννα"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2016,"date_issued":"2016","date_published":"2016","updated_at":"2026-11-19T05:24:49Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316580"],"render_values":[{"text":"uoadl:1316580","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316580","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316580","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%3A1316580","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Παρασκευοπούλου Άννα"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2016"]},{"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:1316580","https://pergamos.lib.uoa.gr/uoa/dl/object/1316580"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η γήρανση είναι μια φυσιολογική διαδικασία η οποία χαρακτηρίζεται από πλήθος μοριακών αλλαγών που σταδιακά οδηγούν σε κατάρρευση της κυτταρικής ομοιοστασίας. Η εξέλιξή της επηρεάζεται τόσο από γενετικούς όσο και από περιβαλλοντικούς παράγοντες και παρουσιάζει εξαιρετικά υψηλή συντήρηση των ρυθμιστικών της μηχανισμών σε διαφορετικά είδη. Η μελέτη του φαινομένου της ανθρώπινης γήρανσης in vivo δεν είναι εύκολη λόγω βιοηθικών και πρακτικών προβλημάτων. Έτσι, έχει γίνει στροφή σε ζωικά μοντέλα και σε in vitro μοντέλα κυτταροκαλλιεργειών, όπως αυτό της αναδιπλασιαστικής γήρανσης που έως σήμερα αποτελεί το καλύτερο in vitro μοντέλο γήρανσης. Στηρίζεται στο γεγονός ότι τα φυσιολογικά ανθρώπινα σωματικά κύτταρα, όταν μεταφερθούν στην καλλιέργεια, χάνουν σταδιακά το πολλαπλασιαστικό τους δυναμικό πραγματοποιώντας συγκεκριμένο αριθμό κυτταρικών διπλασιασμών, πριν φτάσουν στο σημείο της μη αντιστρεπτής παύσης του πολλαπλασιασμού τους. Σκοπός της παρούσας εργασίας είναι μια πολύ-επίπεδη βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών που σχετίζονται με την εξέλιξη του φαινομένου της αναδιπλασιαστικής γήρανσης. Θα συλλεχθεί ολικό RNA από διάφορα στάδια κατά την εξέλιξη της αναδιπλασιαστικής γήρανσης. Πιο συγκεκριμένα, θα συλλεχθούν δείγματα από νεαρά κύτταρα (1 κυτταρικός διπλασιασμός/μέρα), από κύτταρα μεσαίας ηλικίας (1 κυτταρικός διπλασιασμός/7 μέρες), από κύτταρα που εισέρχονται στο τελικό στάδιο της αναδιπλασιαστικής γήρανσης (1 κυτταρικός διπλασιασμός/14 μέρες) καθώς και από κύτταρα στο τελικό και μη αντιστρεπτό στάδιο της γήρανσης (κανένας κυτταρικός διπλασιασμός/1 μήνα). Στα δείγματα αυτά θα πραγματοποιηθούν πειράματα ανάλυσης μικροσυστοιχιών. Για την επεξεργασία και ανάλυση των δεδομένων από τις συστοιχίες της Illumina θα χρησιμοποιηθεί το πακέτο ανάλυσης lumi μέσω του γραφικού περιβάλλοντος R-studio. Αποτελούν ελεύθερο λογισμικό που θα χρησιμοποιηθεί για την προ-επεξεργασία των συστοιχιών που περιλαμβάνει την απαλοιφή θορύβου (noise filtering) από τα δεδομένα, την κανονικοποίηση τους (normalization) και τη διόρθωση υποβάθρου (background correction) αλλά και την πρωταρχική επιλογή των πιο σημαντικά διαφοροποιημένων γονιδίων μεταξύ των διαφορετικών φαινοτυπικών κατηγοριών προς εξέταση. Με σκοπό το τελευταίο θα αξιοποιηθούν μεθοδολογίες στατιστικής εκλογής και ελέγχων έλεγχων που υποστηρίζονται από το πακέτο λογισμικού limma, όπως παραμετρικοί στατιστικοί έλεγχοι (t-test, ANOVA) και μη παραμετρικοί έλεγχοι (π.χ. με βάση την τυχαία επαναληπτική δειγματοληψία bootstrapping των δεδομένων που εξάγουν πιο αυστηρά στατιστικά συμπεράσματα που μετρούνται με βάση το False Discovery Rate). Παράλληλα θα γίνει χρήση μεθόδων μη επιβλεπόμενης μάθησης (hierarchical, k-means, Fuzzy C-means) για την ομαδοποίηση δειγμάτων (clustering) με βάση τα δεδομένα, ενώ θα γίνει χρήση της μεθόδου Gap Statistic που αυτόματα επιλέγει τον αριθμό των ομάδων (clusters). Οι εξαγόμενες λίστες γονιδίων με βάση τις στατιστικές μεθόδους επιλογής και τις μεθόδους ομαδοποίησης θα τροφοδοτήσουν εργαλεία ανεπτυγμένα από το πρόγραμμα Μεταβολικής Μηχανικής και Βιοπληροφορικής που συσχετίζουν λίστες γονιδίων ενδιαφέροντος, με σημασιολογική λειτουργική πληροφορία που αφορά στη λειτουργία των γονιδίων/πρωτεϊνών και τα βιοχημικά μονοπάτια που αυτά εμπλέκονται. Συγκεκριμένα, τα εργαλεία StRAnGER2 (www.grissom.gr/stranger/) και GORevEng χρησιμοποιούν προηγμένους συνδυασμούς στατιστικών ελέγχων (υπεργεωμετρικός, x2 και Fischer έλεγχος) με σύγχρονες μεθόδους δειγματοληψίας (bootstrapping), αλλά και μετρικές ομοιότητας γράφων. Ως αποτέλεσμα, συνδέουν τις λίστες γονιδίων ενδιαφέροντος με τη σημασιολογική πληροφορία για στατιστικά σημαντικές συσχετισμένες λειτουργίες ή βιοχημικά μονοπάτια που εμφανίζονται στο περιεχόμενο αντίστοιχων οντολογίων (Gene Ontology Terms, GOTs) ή άλλες καλά ορισμένες μορφές οργάνωσης της πληροφορίας (KEGG pathways). Στόχος θα είναι η εξαγωγή των ευρύτερων μοριακών μονοπατιών δικτύων που εμπλέκονται στη ρύθμιση του φαινομένου της κυτταρικής γήρανσης καθώς και η μελέτη των μεταβολών που υφίστανται αυτά τα δίκτυα κατά την εξέλιξη του φαινομένου.","Aging is a natural process which is characterized by a number of molecular changes that gradually lead to a breakdown of the cellular homeostasis. Its evolution is influenced by both genetic and environmental factors and presents very high maintenance of regulatory mechanisms of different kinds. The study of the phenomenon of human aging in vivo is not easy due to bioethical and practical problems. Thus, it has been turning in animal models and in vitro models of cell cultures, such as the replicative senescence, which is the best in vitro aging model. Based on the fact that normal human somatic cells when transferred to crop, gradually lose their leverage potential for realizing certain number of cell doublings before they reach the point of irreversible cessation of their proliferation. The purpose of this study is a multi-leveled bioinformatics analysis of transcriptional microarray data related to the evolution of the phenomenon of replicative aging. Total RNA will be collected from various stages in the progression of replicative aging. Specifically, samples from young cells (one cell doubling / day) by middle-aged cells (one cell doubling / 7 days) from cells entering the final stage of replicative aging (one cell doubling / 14 days) and from cells in the final and irreversible stage of aging (no cell doubling / 1 month) will be used for the microarray analysis. The software, for the processing and analysis of data from the Illumina arrays will be the packages lumi complemented in R using R-studio. They are free software to be used for pre-processing of arrays comprising eliminating noise (noise filtering) from the data, their normalization (normalization) and background correction (background correction) and the primary choice of most significant differential gene among different phenotypic classes for consideration. In order for the latter will be used statistical methodologies election inspections and controls supported by the limma such as parametric statistical tests (t-test, ANOVA) and non-parametric tests (eg based on random sampling iterative bootstrapping data export more strictly 10 statistical conclusions measured by the False Discovery Rate). It will be used unsupervised learning methods (hierarchical, k-means, Fuzzy C-means) for grouping samples (clustering) based on the data, and will be using the method Gap Statistic automatically selects the number of groups (clusters) . Exported lists of genes based on statistical methods of selection and clustering methods will feed tools developed by the program Metabolic Engineering and Bioinformatics correlating gene lists interest, semantic functional information regarding the function of genes / proteins and biochemical pathways are involved. Specifically, StRAnGER2 tools (www.grissom.gr/stranger/) and GORevEng combinations using advanced statistical tests (hypergeometric, x2 and Fischer test) with modern sampling methods (bootstrapping), and similarity metric graphs. As a result, link lists genes of interest with the semantic information for significant associated functions or biochemical pathways that appear on content relevant ontologies (Gene Ontology Terms, GOTs) or other well-defined forms of information organization (KEGG pathways). The objective would be to export the wider networks of molecular pathways involved in regulating the phenomenon of cellular senescence and the variations that exist these networks during the evolution of the phenomenon."]},{"key":"dc:title","label":"Title","values":["Βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών για τη μελέτη μοριακών μηχανισμών γήρανσης στο μοντέλο της αναδιπλασιαστικής γήρανσης."]}]}],"canonical_facts":{"dc:creator":["Παρασκευοπούλου Άννα"],"dc:date":["2016"],"dc:description":["Η γήρανση είναι μια φυσιολογική διαδικασία η οποία χαρακτηρίζεται από πλήθος μοριακών αλλαγών που σταδιακά οδηγούν σε κατάρρευση της κυτταρικής ομοιοστασίας. Η εξέλιξή της επηρεάζεται τόσο από γενετικούς όσο και από περιβαλλοντικούς παράγοντες και παρουσιάζει εξαιρετικά υψηλή συντήρηση των ρυθμιστικών της μηχανισμών σε διαφορετικά είδη. Η μελέτη του φαινομένου της ανθρώπινης γήρανσης in vivo δεν είναι εύκολη λόγω βιοηθικών και πρακτικών προβλημάτων. Έτσι, έχει γίνει στροφή σε ζωικά μοντέλα και σε in vitro μοντέλα κυτταροκαλλιεργειών, όπως αυτό της αναδιπλασιαστικής γήρανσης που έως σήμερα αποτελεί το καλύτερο in vitro μοντέλο γήρανσης. Στηρίζεται στο γεγονός ότι τα φυσιολογικά ανθρώπινα σωματικά κύτταρα, όταν μεταφερθούν στην καλλιέργεια, χάνουν σταδιακά το πολλαπλασιαστικό τους δυναμικό πραγματοποιώντας συγκεκριμένο αριθμό κυτταρικών διπλασιασμών, πριν φτάσουν στο σημείο της μη αντιστρεπτής παύσης του πολλαπλασιασμού τους. Σκοπός της παρούσας εργασίας είναι μια πολύ-επίπεδη βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών που σχετίζονται με την εξέλιξη του φαινομένου της αναδιπλασιαστικής γήρανσης. Θα συλλεχθεί ολικό RNA από διάφορα στάδια κατά την εξέλιξη της αναδιπλασιαστικής γήρανσης. Πιο συγκεκριμένα, θα συλλεχθούν δείγματα από νεαρά κύτταρα (1 κυτταρικός διπλασιασμός/μέρα), από κύτταρα μεσαίας ηλικίας (1 κυτταρικός διπλασιασμός/7 μέρες), από κύτταρα που εισέρχονται στο τελικό στάδιο της αναδιπλασιαστικής γήρανσης (1 κυτταρικός διπλασιασμός/14 μέρες) καθώς και από κύτταρα στο τελικό και μη αντιστρεπτό στάδιο της γήρανσης (κανένας κυτταρικός διπλασιασμός/1 μήνα). Στα δείγματα αυτά θα πραγματοποιηθούν πειράματα ανάλυσης μικροσυστοιχιών. Για την επεξεργασία και ανάλυση των δεδομένων από τις συστοιχίες της Illumina θα χρησιμοποιηθεί το πακέτο ανάλυσης lumi μέσω του γραφικού περιβάλλοντος R-studio. Αποτελούν ελεύθερο λογισμικό που θα χρησιμοποιηθεί για την προ-επεξεργασία των συστοιχιών που περιλαμβάνει την απαλοιφή θορύβου (noise filtering) από τα δεδομένα, την κανονικοποίηση τους (normalization) και τη διόρθωση υποβάθρου (background correction) αλλά και την πρωταρχική επιλογή των πιο σημαντικά διαφοροποιημένων γονιδίων μεταξύ των διαφορετικών φαινοτυπικών κατηγοριών προς εξέταση. Με σκοπό το τελευταίο θα αξιοποιηθούν μεθοδολογίες στατιστικής εκλογής και ελέγχων έλεγχων που υποστηρίζονται από το πακέτο λογισμικού limma, όπως παραμετρικοί στατιστικοί έλεγχοι (t-test, ANOVA) και μη παραμετρικοί έλεγχοι (π.χ. με βάση την τυχαία επαναληπτική δειγματοληψία bootstrapping των δεδομένων που εξάγουν πιο αυστηρά στατιστικά συμπεράσματα που μετρούνται με βάση το False Discovery Rate). Παράλληλα θα γίνει χρήση μεθόδων μη επιβλεπόμενης μάθησης (hierarchical, k-means, Fuzzy C-means) για την ομαδοποίηση δειγμάτων (clustering) με βάση τα δεδομένα, ενώ θα γίνει χρήση της μεθόδου Gap Statistic που αυτόματα επιλέγει τον αριθμό των ομάδων (clusters). Οι εξαγόμενες λίστες γονιδίων με βάση τις στατιστικές μεθόδους επιλογής και τις μεθόδους ομαδοποίησης θα τροφοδοτήσουν εργαλεία ανεπτυγμένα από το πρόγραμμα Μεταβολικής Μηχανικής και Βιοπληροφορικής που συσχετίζουν λίστες γονιδίων ενδιαφέροντος, με σημασιολογική λειτουργική πληροφορία που αφορά στη λειτουργία των γονιδίων/πρωτεϊνών και τα βιοχημικά μονοπάτια που αυτά εμπλέκονται. Συγκεκριμένα, τα εργαλεία StRAnGER2 (www.grissom.gr/stranger/) και GORevEng χρησιμοποιούν προηγμένους συνδυασμούς στατιστικών ελέγχων (υπεργεωμετρικός, x2 και Fischer έλεγχος) με σύγχρονες μεθόδους δειγματοληψίας (bootstrapping), αλλά και μετρικές ομοιότητας γράφων. Ως αποτέλεσμα, συνδέουν τις λίστες γονιδίων ενδιαφέροντος με τη σημασιολογική πληροφορία για στατιστικά σημαντικές συσχετισμένες λειτουργίες ή βιοχημικά μονοπάτια που εμφανίζονται στο περιεχόμενο αντίστοιχων οντολογίων (Gene Ontology Terms, GOTs) ή άλλες καλά ορισμένες μορφές οργάνωσης της πληροφορίας (KEGG pathways). Στόχος θα είναι η εξαγωγή των ευρύτερων μοριακών μονοπατιών δικτύων που εμπλέκονται στη ρύθμιση του φαινομένου της κυτταρικής γήρανσης καθώς και η μελέτη των μεταβολών που υφίστανται αυτά τα δίκτυα κατά την εξέλιξη του φαινομένου.","Aging is a natural process which is characterized by a number of molecular changes that gradually lead to a breakdown of the cellular homeostasis. Its evolution is influenced by both genetic and environmental factors and presents very high maintenance of regulatory mechanisms of different kinds. The study of the phenomenon of human aging in vivo is not easy due to bioethical and practical problems. Thus, it has been turning in animal models and in vitro models of cell cultures, such as the replicative senescence, which is the best in vitro aging model. Based on the fact that normal human somatic cells when transferred to crop, gradually lose their leverage potential for realizing certain number of cell doublings before they reach the point of irreversible cessation of their proliferation. The purpose of this study is a multi-leveled bioinformatics analysis of transcriptional microarray data related to the evolution of the phenomenon of replicative aging. Total RNA will be collected from various stages in the progression of replicative aging. Specifically, samples from young cells (one cell doubling / day) by middle-aged cells (one cell doubling / 7 days) from cells entering the final stage of replicative aging (one cell doubling / 14 days) and from cells in the final and irreversible stage of aging (no cell doubling / 1 month) will be used for the microarray analysis. The software, for the processing and analysis of data from the Illumina arrays will be the packages lumi complemented in R using R-studio. They are free software to be used for pre-processing of arrays comprising eliminating noise (noise filtering) from the data, their normalization (normalization) and background correction (background correction) and the primary choice of most significant differential gene among different phenotypic classes for consideration. In order for the latter will be used statistical methodologies election inspections and controls supported by the limma such as parametric statistical tests (t-test, ANOVA) and non-parametric tests (eg based on random sampling iterative bootstrapping data export more strictly 10 statistical conclusions measured by the False Discovery Rate). It will be used unsupervised learning methods (hierarchical, k-means, Fuzzy C-means) for grouping samples (clustering) based on the data, and will be using the method Gap Statistic automatically selects the number of groups (clusters) . Exported lists of genes based on statistical methods of selection and clustering methods will feed tools developed by the program Metabolic Engineering and Bioinformatics correlating gene lists interest, semantic functional information regarding the function of genes / proteins and biochemical pathways are involved. Specifically, StRAnGER2 tools (www.grissom.gr/stranger/) and GORevEng combinations using advanced statistical tests (hypergeometric, x2 and Fischer test) with modern sampling methods (bootstrapping), and similarity metric graphs. As a result, link lists genes of interest with the semantic information for significant associated functions or biochemical pathways that appear on content relevant ontologies (Gene Ontology Terms, GOTs) or other well-defined forms of information organization (KEGG pathways). The objective would be to export the wider networks of molecular pathways involved in regulating the phenomenon of cellular senescence and the variations that exist these networks during the evolution of the phenomenon."],"dc:identifier":["uoadl:1316580","https://pergamos.lib.uoa.gr/uoa/dl/object/1316580"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Βιοπληροφορική ανάλυση μεταγραφικών δεδομένων μικροσυστοιχιών για τη μελέτη μοριακών μηχανισμών γήρανσης στο μοντέλο της αναδιπλασιαστικής γήρανσης."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:49Z"}