{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2878644"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2878644","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Development of integrative statistical algorithms for the analysis of gene expression data.","abstract":"Τα τελευταία χρόνια το RNA-sequencing έχει γίνει η κύρια τεχνολογία για την καταγραφή της γονιδιακής έκφρασης σε μαζική κλίμακα. Παρότι τα πλεονεκτήματα του ξεπερνούν τα πιθανά μειονεκτήματα, το RNA-sequencing επιδεικνύει συγκεκριμένες τεχνικές και στατιστικές πολώσεις, όπως άλλωστε και κάθε τεχνολογία μαζικής κλίμακας. Τέτοιες πολώσεις γίνονται περισσότερο εμφανείς σε πραγματικές πειραματικές συνθήκες, όπως κατά την εξερεύνηση της υπογραφής που διαφοροποιεί υγιείς από ασθενείς ιστούς και κατά την εξεύρεση ομάδvn γονιδίων των οποίων η έκφραση ποικίλει σημαντικά μεταξύ διαδοχικών χρονικών στιγμών ή μετά την χορήγηση διαφορετικών ποσοτήτων ενός φαρμάκου. Στην προσπάθεια να αντιμετωπιστούν οι ενδογενείς πολώσεις των RNA-sequencing δεδομένων έχουν προταθεί πολλές διαφορετικές προσεγγίσεις στατιστικής ανάλυσης, κάθε μία με τα δικά της πλεονεκτήματα και μειονεκτήματα. Λαμβάνοντας υπόψιν την περιορισμένη έρευνα που είναι αφιερωμένη στην ανάπτυξη συνδυαστικών πρωτοκόλων ικανών να βελτιώσουν τα αποτελέσματα που εσοδεύονται από μεμονωμένες μεθόδους, παρουσιάζουμε το metaseqR2, μια αναβαθμισμένη έκδοση του προηγουμένως εκδεδομένου Bioconductor πακέτου, metaseqR. Συμπεριλαμβάνοντας κάποια από τα αποδοτικότερα και δημοφιλέστερα εργαλεία στατιστικής ανάλυσης διαφορικής έκφρασης, όπως και έναν νεο-υποστηριζόμενο οργανισμό, το metaseqR2 είναι ένα περιεκτικό και ισχυρό εργαλείο για την ανάλυση RNA-sequencing δεδομένων. Eπισπρόσθετα, αποδεικνύουμε πως η PANDORA, η κύρια μέθοδος του εργαλείου metaseqR2 για τον συνδυασμού τιμών p, όχι μόνο συνεχίζει να αποδίδει ιδιαίτερα καλά στο στατιστικό περιβάλλον του metaseqR2, αλλά χαρακτηρίζεται επίσης και από μία πολύ φερέγγυα συμπεριφορά κάτω από διαφορετικά πρωτόκολλα ανάλυσης. Εν κατακλείδει, υπο την παρουσία RNA-sequencing πολώσεων, όπως αυτή του γονιδιακού μήκους και της προσφάτως αναφερθείσας πόλωσης κατά τον εντοπισμό διαφορικά εκφρασμένων lncRNAs, η PANDORA αποτελεί ενδεχομένως την πιο αξιόπιστη λύση για την ανάλυση των RNA-sequencing δεδομένων.","abstract_html":"Τα τελευταία χρόνια το RNA-sequencing έχει γίνει η κύρια τεχνολογία για την καταγραφή της γονιδιακής έκφρασης σε μαζική κλίμακα. Παρότι τα πλεονεκτήματα του ξεπερνούν τα πιθανά μειονεκτήματα, το RNA-sequencing επιδεικνύει συγκεκριμένες τεχνικές και στατιστικές πολώσεις, όπως άλλωστε και κάθε τεχνολογία μαζικής κλίμακας. Τέτοιες πολώσεις γίνονται περισσότερο εμφανείς σε πραγματικές πειραματικές συνθήκες, όπως κατά την εξερεύνηση της υπογραφής που διαφοροποιεί υγιείς από ασθενείς ιστούς και κατά την εξεύρεση ομάδvn γονιδίων των οποίων η έκφραση ποικίλει σημαντικά μεταξύ διαδοχικών χρονικών στιγμών ή μετά την χορήγηση διαφορετικών ποσοτήτων ενός φαρμάκου. Στην προσπάθεια να αντιμετωπιστούν οι ενδογενείς πολώσεις των RNA-sequencing δεδομένων έχουν προταθεί πολλές διαφορετικές προσεγγίσεις στατιστικής ανάλυσης, κάθε μία με τα δικά της πλεονεκτήματα και μειονεκτήματα. Λαμβάνοντας υπόψιν την περιορισμένη έρευνα που είναι αφιερωμένη στην ανάπτυξη συνδυαστικών πρωτοκόλων ικανών να βελτιώσουν τα αποτελέσματα που εσοδεύονται από μεμονωμένες μεθόδους, παρουσιάζουμε το metaseqR2, μια αναβαθμισμένη έκδοση του προηγουμένως εκδεδομένου Bioconductor πακέτου, metaseqR. Συμπεριλαμβάνοντας κάποια από τα αποδοτικότερα και δημοφιλέστερα εργαλεία στατιστικής ανάλυσης διαφορικής έκφρασης, όπως και έναν νεο-υποστηριζόμενο οργανισμό, το metaseqR2 είναι ένα περιεκτικό και ισχυρό εργαλείο για την ανάλυση RNA-sequencing δεδομένων. Eπισπρόσθετα, αποδεικνύουμε πως η PANDORA, η κύρια μέθοδος του εργαλείου metaseqR2 για τον συνδυασμού τιμών p, όχι μόνο συνεχίζει να αποδίδει ιδιαίτερα καλά στο στατιστικό περιβάλλον του metaseqR2, αλλά χαρακτηρίζεται επίσης και από μία πολύ φερέγγυα συμπεριφορά κάτω από διαφορετικά πρωτόκολλα ανάλυσης. Εν κατακλείδει, υπο την παρουσία RNA-sequencing πολώσεων, όπως αυτή του γονιδιακού μήκους και της προσφάτως αναφερθείσας πόλωσης κατά τον εντοπισμό διαφορικά εκφρασμένων lncRNAs, η PANDORA αποτελεί ενδεχομένως την πιο αξιόπιστη λύση για την ανάλυση των RNA-sequencing δεδομένων.","abstract_has_math":false,"creators":["Φανίδης Διονύσιος","Fanidis Dionysios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:35:47Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2878644"],"render_values":[{"text":"uoadl:2878644","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2878644","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2878644","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%3A2878644","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Φανίδης Διονύσιος","Fanidis Dionysios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2878644","https://pergamos.lib.uoa.gr/uoa/dl/object/2878644"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα τελευταία χρόνια το RNA-sequencing έχει γίνει η κύρια τεχνολογία για την καταγραφή της γονιδιακής έκφρασης σε μαζική κλίμακα. Παρότι τα πλεονεκτήματα του ξεπερνούν τα πιθανά μειονεκτήματα, το RNA-sequencing επιδεικνύει συγκεκριμένες τεχνικές και στατιστικές πολώσεις, όπως άλλωστε και κάθε τεχνολογία μαζικής κλίμακας. Τέτοιες πολώσεις γίνονται περισσότερο εμφανείς σε πραγματικές πειραματικές συνθήκες, όπως κατά την εξερεύνηση της υπογραφής που διαφοροποιεί υγιείς από ασθενείς ιστούς και κατά την εξεύρεση ομάδvn γονιδίων των οποίων η έκφραση ποικίλει σημαντικά μεταξύ διαδοχικών χρονικών στιγμών ή μετά την χορήγηση διαφορετικών ποσοτήτων ενός φαρμάκου. Στην προσπάθεια να αντιμετωπιστούν οι ενδογενείς πολώσεις των RNA-sequencing δεδομένων έχουν προταθεί πολλές διαφορετικές προσεγγίσεις στατιστικής ανάλυσης, κάθε μία με τα δικά της πλεονεκτήματα και μειονεκτήματα. Λαμβάνοντας υπόψιν την περιορισμένη έρευνα που είναι αφιερωμένη στην ανάπτυξη συνδυαστικών πρωτοκόλων ικανών να βελτιώσουν τα αποτελέσματα που εσοδεύονται από μεμονωμένες μεθόδους, παρουσιάζουμε το metaseqR2, μια αναβαθμισμένη έκδοση του προηγουμένως εκδεδομένου Bioconductor πακέτου, metaseqR. Συμπεριλαμβάνοντας κάποια από τα αποδοτικότερα και δημοφιλέστερα εργαλεία στατιστικής ανάλυσης διαφορικής έκφρασης, όπως και έναν νεο-υποστηριζόμενο οργανισμό, το metaseqR2 είναι ένα περιεκτικό και ισχυρό εργαλείο για την ανάλυση RNA-sequencing δεδομένων. Eπισπρόσθετα, αποδεικνύουμε πως η PANDORA, η κύρια μέθοδος του εργαλείου metaseqR2 για τον συνδυασμού τιμών p, όχι μόνο συνεχίζει να αποδίδει ιδιαίτερα καλά στο στατιστικό περιβάλλον του metaseqR2, αλλά χαρακτηρίζεται επίσης και από μία πολύ φερέγγυα συμπεριφορά κάτω από διαφορετικά πρωτόκολλα ανάλυσης. Εν κατακλείδει, υπο την παρουσία RNA-sequencing πολώσεων, όπως αυτή του γονιδιακού μήκους και της προσφάτως αναφερθείσας πόλωσης κατά τον εντοπισμό διαφορικά εκφρασμένων lncRNAs, η PANDORA αποτελεί ενδεχομένως την πιο αξιόπιστη λύση για την ανάλυση των RNA-sequencing δεδομένων.","In the past few years, RNA-seq has become the technology of choice for monitoring gene expression at massive scales. Although its benefits outmatch its potential pitfalls, RNA-seq exhibits certain technical and systematic biases like every high-throughput technique. Such biases become more evident in real-life experimental settings such as searching for a signature that differentiates healthy and disease tissues or finding a set of genes whose expression significantly varies across a time-course or a drug dosage study. In an attempt to confront RNA-seq data inherent biases, many different statistical analysis approaches have been proposed, each one with its own advantages and drawbacks. Taking into consideration the limited research dedicated in developing meta-analysis pipelines capable of ameliorating the results yielded by individual methods, we hereby present metaseqR2, an upgraded version of the previously released metaseqR Bioconductor package. Including some of the best performing and most popular differential expression analysis statistical tools, as well as a new supported organism, metaseqR2 is an all-in-one, powerful tool for RNA-seq data analysis. Moreover, we demonstrate that PANDORA, the main p-value combination method behind the metaseqR2 package, not only continues to greatly perform under metaseqR2 statistical environment, but it is also characterized by a very robust behavior under different analysis pipelines. Finally, in the presence of RNA-seq biases such as the gene length bias and the recently discovered bias in the detection of differentially expressed lncRNAs, PANDORA is probably the most reliable solution to work with."]},{"key":"dc:title","label":"Title","values":["Development of integrative statistical algorithms for the analysis of gene expression data."]}]}],"canonical_facts":{"dc:creator":["Φανίδης Διονύσιος","Fanidis Dionysios"],"dc:date":["2019"],"dc:description":["Τα τελευταία χρόνια το RNA-sequencing έχει γίνει η κύρια τεχνολογία για την καταγραφή της γονιδιακής έκφρασης σε μαζική κλίμακα. Παρότι τα πλεονεκτήματα του ξεπερνούν τα πιθανά μειονεκτήματα, το RNA-sequencing επιδεικνύει συγκεκριμένες τεχνικές και στατιστικές πολώσεις, όπως άλλωστε και κάθε τεχνολογία μαζικής κλίμακας. Τέτοιες πολώσεις γίνονται περισσότερο εμφανείς σε πραγματικές πειραματικές συνθήκες, όπως κατά την εξερεύνηση της υπογραφής που διαφοροποιεί υγιείς από ασθενείς ιστούς και κατά την εξεύρεση ομάδvn γονιδίων των οποίων η έκφραση ποικίλει σημαντικά μεταξύ διαδοχικών χρονικών στιγμών ή μετά την χορήγηση διαφορετικών ποσοτήτων ενός φαρμάκου. Στην προσπάθεια να αντιμετωπιστούν οι ενδογενείς πολώσεις των RNA-sequencing δεδομένων έχουν προταθεί πολλές διαφορετικές προσεγγίσεις στατιστικής ανάλυσης, κάθε μία με τα δικά της πλεονεκτήματα και μειονεκτήματα. Λαμβάνοντας υπόψιν την περιορισμένη έρευνα που είναι αφιερωμένη στην ανάπτυξη συνδυαστικών πρωτοκόλων ικανών να βελτιώσουν τα αποτελέσματα που εσοδεύονται από μεμονωμένες μεθόδους, παρουσιάζουμε το metaseqR2, μια αναβαθμισμένη έκδοση του προηγουμένως εκδεδομένου Bioconductor πακέτου, metaseqR. Συμπεριλαμβάνοντας κάποια από τα αποδοτικότερα και δημοφιλέστερα εργαλεία στατιστικής ανάλυσης διαφορικής έκφρασης, όπως και έναν νεο-υποστηριζόμενο οργανισμό, το metaseqR2 είναι ένα περιεκτικό και ισχυρό εργαλείο για την ανάλυση RNA-sequencing δεδομένων. Eπισπρόσθετα, αποδεικνύουμε πως η PANDORA, η κύρια μέθοδος του εργαλείου metaseqR2 για τον συνδυασμού τιμών p, όχι μόνο συνεχίζει να αποδίδει ιδιαίτερα καλά στο στατιστικό περιβάλλον του metaseqR2, αλλά χαρακτηρίζεται επίσης και από μία πολύ φερέγγυα συμπεριφορά κάτω από διαφορετικά πρωτόκολλα ανάλυσης. Εν κατακλείδει, υπο την παρουσία RNA-sequencing πολώσεων, όπως αυτή του γονιδιακού μήκους και της προσφάτως αναφερθείσας πόλωσης κατά τον εντοπισμό διαφορικά εκφρασμένων lncRNAs, η PANDORA αποτελεί ενδεχομένως την πιο αξιόπιστη λύση για την ανάλυση των RNA-sequencing δεδομένων.","In the past few years, RNA-seq has become the technology of choice for monitoring gene expression at massive scales. Although its benefits outmatch its potential pitfalls, RNA-seq exhibits certain technical and systematic biases like every high-throughput technique. Such biases become more evident in real-life experimental settings such as searching for a signature that differentiates healthy and disease tissues or finding a set of genes whose expression significantly varies across a time-course or a drug dosage study. In an attempt to confront RNA-seq data inherent biases, many different statistical analysis approaches have been proposed, each one with its own advantages and drawbacks. Taking into consideration the limited research dedicated in developing meta-analysis pipelines capable of ameliorating the results yielded by individual methods, we hereby present metaseqR2, an upgraded version of the previously released metaseqR Bioconductor package. Including some of the best performing and most popular differential expression analysis statistical tools, as well as a new supported organism, metaseqR2 is an all-in-one, powerful tool for RNA-seq data analysis. Moreover, we demonstrate that PANDORA, the main p-value combination method behind the metaseqR2 package, not only continues to greatly perform under metaseqR2 statistical environment, but it is also characterized by a very robust behavior under different analysis pipelines. Finally, in the presence of RNA-seq biases such as the gene length bias and the recently discovered bias in the detection of differentially expressed lncRNAs, PANDORA is probably the most reliable solution to work with."],"dc:identifier":["uoadl:2878644","https://pergamos.lib.uoa.gr/uoa/dl/object/2878644"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Development of integrative statistical algorithms for the analysis of gene expression data."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:35:47Z"}