{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1317092"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1317092","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εκπαίδευση αλγορίθμου εξόρυξης κειμένου για αυτοματοποιημένη αναγνώριση δημοσιεύσεων που περιλαμβάνουν αλληλεπιδράσεις μεταξύ microRNAs και γονιδίων","abstract":"Τα microRNA είναι μία μεγάλη ομάδα μικρών μορίων RNA που λειτουργούν ως ρυθμιστικοί παράγοντες της έκφρασης των γονιδίων. Ο ρόλος τους είναι να ρυθμίζουν τη σταθερότητα των mRNA στόχων τους σε μετα-μεταγραφικό στάδιο, καθώς και την μετάφραση αυτών σε πρωτεΐνες. Η ενημέρωση μίας βάσης δεδομένων με πειραματικά επιβεβαιωμένες αλληλεπιδράσεις μεταξύ microRNA και γονιδίων, όπως το TarBase, είναι μία χρονοβόρα διαδικασία. Ο στόχος μας είναι να εκπαιδεύσουμε έναν αλγόριθμο εξόρυξης κειμένου που ονομάζεται TarMiner, χρησιμοποιώντας διάφορα σετ αλληλεπιδράσεων που στηρίζονται σε μία ποικιλία μεθοδολογιών, έτσι ώστε να αυτοματοποιήσουμε τη διαδικασία αναγνώρισης πιθανών νέων αλληλεπιδράσεων. Αυτά τα σετ δεδομένων προέρχονται από το TarBase, τη μεγαλύτερη διαθέσιμη βάση δεδομένων για αλληλεπιδράσεις μεταξύ microRNA και γονιδίων. Ωστόσο, πολλές από τις καταγεγραμμένες αλληλεπιδράσεις προέρχονται από την ανάλυση NGS (Next-Generation-Sequencing) δεδομένων, ή κρύβονται σε εικόντες, λεζάντες, πίνακες ή συμπληρωματικό υλικό επιστημονικών δημοσιεύσεων, οπότε δεν μπορούν να αναγνωριστούν από μία τέτοια εφαρμογή. Είναι λοιπόν υψίστης σημασίας να σχεδιαστούν σύνολα θετικών και αρνητικών παραδειγμάτων, έτσι ώστε να εκπαιδευτεί ο αλγόριθμος με αλληλεπιδράσεις που μπορούν να αναγνωρισθούν μέσω του κειμένου, και να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα.","abstract_html":"Τα microRNA είναι μία μεγάλη ομάδα μικρών μορίων RNA που λειτουργούν ως ρυθμιστικοί παράγοντες της έκφρασης των γονιδίων. Ο ρόλος τους είναι να ρυθμίζουν τη σταθερότητα των mRNA στόχων τους σε μετα-μεταγραφικό στάδιο, καθώς και την μετάφραση αυτών σε πρωτεΐνες. Η ενημέρωση μίας βάσης δεδομένων με πειραματικά επιβεβαιωμένες αλληλεπιδράσεις μεταξύ microRNA και γονιδίων, όπως το TarBase, είναι μία χρονοβόρα διαδικασία. Ο στόχος μας είναι να εκπαιδεύσουμε έναν αλγόριθμο εξόρυξης κειμένου που ονομάζεται TarMiner, χρησιμοποιώντας διάφορα σετ αλληλεπιδράσεων που στηρίζονται σε μία ποικιλία μεθοδολογιών, έτσι ώστε να αυτοματοποιήσουμε τη διαδικασία αναγνώρισης πιθανών νέων αλληλεπιδράσεων. Αυτά τα σετ δεδομένων προέρχονται από το TarBase, τη μεγαλύτερη διαθέσιμη βάση δεδομένων για αλληλεπιδράσεις μεταξύ microRNA και γονιδίων. Ωστόσο, πολλές από τις καταγεγραμμένες αλληλεπιδράσεις προέρχονται από την ανάλυση NGS (Next-Generation-Sequencing) δεδομένων, ή κρύβονται σε εικόντες, λεζάντες, πίνακες ή συμπληρωματικό υλικό επιστημονικών δημοσιεύσεων, οπότε δεν μπορούν να αναγνωριστούν από μία τέτοια εφαρμογή. Είναι λοιπόν υψίστης σημασίας να σχεδιαστούν σύνολα θετικών και αρνητικών παραδειγμάτων, έτσι ώστε να εκπαιδευτεί ο αλγόριθμος με αλληλεπιδράσεις που μπορούν να αναγνωρισθούν μέσω του κειμένου, και να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα.","abstract_has_math":false,"creators":["Αναστασόπουλος Ιωάννης-Λαέρτης"],"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":"2026-11-19T05:24:59Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1317092"],"render_values":[{"text":"uoadl:1317092","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1317092","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1317092","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%3A1317092","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αναστασόπουλος Ιωάννης-Λαέρτης"]}]},{"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:1317092","https://pergamos.lib.uoa.gr/uoa/dl/object/1317092"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα microRNA είναι μία μεγάλη ομάδα μικρών μορίων RNA που λειτουργούν ως ρυθμιστικοί παράγοντες της έκφρασης των γονιδίων. Ο ρόλος τους είναι να ρυθμίζουν τη σταθερότητα των mRNA στόχων τους σε μετα-μεταγραφικό στάδιο, καθώς και την μετάφραση αυτών σε πρωτεΐνες. Η ενημέρωση μίας βάσης δεδομένων με πειραματικά επιβεβαιωμένες αλληλεπιδράσεις μεταξύ microRNA και γονιδίων, όπως το TarBase, είναι μία χρονοβόρα διαδικασία. Ο στόχος μας είναι να εκπαιδεύσουμε έναν αλγόριθμο εξόρυξης κειμένου που ονομάζεται TarMiner, χρησιμοποιώντας διάφορα σετ αλληλεπιδράσεων που στηρίζονται σε μία ποικιλία μεθοδολογιών, έτσι ώστε να αυτοματοποιήσουμε τη διαδικασία αναγνώρισης πιθανών νέων αλληλεπιδράσεων. Αυτά τα σετ δεδομένων προέρχονται από το TarBase, τη μεγαλύτερη διαθέσιμη βάση δεδομένων για αλληλεπιδράσεις μεταξύ microRNA και γονιδίων. Ωστόσο, πολλές από τις καταγεγραμμένες αλληλεπιδράσεις προέρχονται από την ανάλυση NGS (Next-Generation-Sequencing) δεδομένων, ή κρύβονται σε εικόντες, λεζάντες, πίνακες ή συμπληρωματικό υλικό επιστημονικών δημοσιεύσεων, οπότε δεν μπορούν να αναγνωριστούν από μία τέτοια εφαρμογή. Είναι λοιπόν υψίστης σημασίας να σχεδιαστούν σύνολα θετικών και αρνητικών παραδειγμάτων, έτσι ώστε να εκπαιδευτεί ο αλγόριθμος με αλληλεπιδράσεις που μπορούν να αναγνωρισθούν μέσω του κειμένου, και να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα.","MicroRNAs are a large class of short RNA molecules that act as regulators of gene expression. Their role is to post-transcriptionally modulate the stability of mRNA targets and their rate of translation into proteins. Updating a database with microRNA:gene validated interactions from scientific publications, such as TarBase, can be a very time-consuming process. Our aim is to train a text mining algorithm, called TarMiner, by utilizing different sets of experimentally supported interactions from various methodologies, in order to automate the process of identifying putative interactions. These datasets are derived from TarBase, the largest available repository of microRNA:gene interactions. However, many of the catalogued interactions are derived from the analysis of NGS (Next Generation Sequencing) datasets, or are hidden in figures, captions, tables, or supplementary material of scientific publications, and cannot be processed by such an implementation. Therefore, it is important to design sets of positive and negative instances, so as to train the algorithm with interactions that can be text-mined, in order to achieve the best results possible."]},{"key":"dc:title","label":"Title","values":["Εκπαίδευση αλγορίθμου εξόρυξης κειμένου για αυτοματοποιημένη αναγνώριση δημοσιεύσεων που περιλαμβάνουν αλληλεπιδράσεις μεταξύ microRNAs και γονιδίων"]}]}],"canonical_facts":{"dc:creator":["Αναστασόπουλος Ιωάννης-Λαέρτης"],"dc:date":["2016"],"dc:description":["Τα microRNA είναι μία μεγάλη ομάδα μικρών μορίων RNA που λειτουργούν ως ρυθμιστικοί παράγοντες της έκφρασης των γονιδίων. Ο ρόλος τους είναι να ρυθμίζουν τη σταθερότητα των mRNA στόχων τους σε μετα-μεταγραφικό στάδιο, καθώς και την μετάφραση αυτών σε πρωτεΐνες. Η ενημέρωση μίας βάσης δεδομένων με πειραματικά επιβεβαιωμένες αλληλεπιδράσεις μεταξύ microRNA και γονιδίων, όπως το TarBase, είναι μία χρονοβόρα διαδικασία. Ο στόχος μας είναι να εκπαιδεύσουμε έναν αλγόριθμο εξόρυξης κειμένου που ονομάζεται TarMiner, χρησιμοποιώντας διάφορα σετ αλληλεπιδράσεων που στηρίζονται σε μία ποικιλία μεθοδολογιών, έτσι ώστε να αυτοματοποιήσουμε τη διαδικασία αναγνώρισης πιθανών νέων αλληλεπιδράσεων. Αυτά τα σετ δεδομένων προέρχονται από το TarBase, τη μεγαλύτερη διαθέσιμη βάση δεδομένων για αλληλεπιδράσεις μεταξύ microRNA και γονιδίων. Ωστόσο, πολλές από τις καταγεγραμμένες αλληλεπιδράσεις προέρχονται από την ανάλυση NGS (Next-Generation-Sequencing) δεδομένων, ή κρύβονται σε εικόντες, λεζάντες, πίνακες ή συμπληρωματικό υλικό επιστημονικών δημοσιεύσεων, οπότε δεν μπορούν να αναγνωριστούν από μία τέτοια εφαρμογή. Είναι λοιπόν υψίστης σημασίας να σχεδιαστούν σύνολα θετικών και αρνητικών παραδειγμάτων, έτσι ώστε να εκπαιδευτεί ο αλγόριθμος με αλληλεπιδράσεις που μπορούν να αναγνωρισθούν μέσω του κειμένου, και να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα.","MicroRNAs are a large class of short RNA molecules that act as regulators of gene expression. Their role is to post-transcriptionally modulate the stability of mRNA targets and their rate of translation into proteins. Updating a database with microRNA:gene validated interactions from scientific publications, such as TarBase, can be a very time-consuming process. Our aim is to train a text mining algorithm, called TarMiner, by utilizing different sets of experimentally supported interactions from various methodologies, in order to automate the process of identifying putative interactions. These datasets are derived from TarBase, the largest available repository of microRNA:gene interactions. However, many of the catalogued interactions are derived from the analysis of NGS (Next Generation Sequencing) datasets, or are hidden in figures, captions, tables, or supplementary material of scientific publications, and cannot be processed by such an implementation. Therefore, it is important to design sets of positive and negative instances, so as to train the algorithm with interactions that can be text-mined, in order to achieve the best results possible."],"dc:identifier":["uoadl:1317092","https://pergamos.lib.uoa.gr/uoa/dl/object/1317092"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Εκπαίδευση αλγορίθμου εξόρυξης κειμένου για αυτοματοποιημένη αναγνώριση δημοσιεύσεων που περιλαμβάνουν αλληλεπιδράσεις μεταξύ microRNAs και γονιδίων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:59Z"}