Back to search

National and Kapodistrian University of Athens

Μελέτη αναπαραστάσεων βιολογικών ακολουθιών σε προβλήματα ταξινόμησης

Abstract

dc:description

Η ταχεία πρόοδος των μεθόδων αλληλούχισης του γονιδιώματος και ο τερά- στιος όγκος εύκολα προσβάσιμων κλινικών δεδομένων επέτρεψαν στους ερευνητές να επιλύσουν θεμελιώδη βιολογικά προβλήματα αξιοποιώντας την εργαλειοθήκη της Μηχανικής Μάθησης. Η Υπολογιστική Βιολογία αξιοποιεί τις μεθόδους επε- ξεργασίας σήματος για την ανάλυση, ερμηνεία και εξαγωγή συμπερασμάτων από γονιδιωματικά δεδομένα (επεξεργασία γονιδιωματικών σημάτων). Αυτές οι μέθο- δοι απαιτούν τη μετατροπή των γονιδιωματικών ακολουθιών (ακολουθίες χαρακτή- ρων) σε μια αριθμητική αναπαράσταση με τη μορφή μονοδιάστατων ή πολυδιάστα- των πινάκων αριθμητικών τιμών. Ο μετασχηματισμός αυτός επιτρέπει την αναπα- ράσταση γονιδιωματικών ακολουθιών ως διανύσματα χαρακτηριστικών, επιτρέπο- ντας έτσι περαιτέρω ανάλυση με αλγόριθμοι κατηγοριοποίησης και ομαδοποίησης. Από ποικιλία ερευνητικών μελετών έχει αποδειχθεί ότι η χρήση αριθμητικών μετασχηματισμών DNA ακολουθιών αποσκοπεί κυρίως στις αναλύσεις ομοιότητας με υπολογισμό αποστάσεων μεταξύ των διανυσμάτων που προκύπτουν. Ωστόσο, φαίνεται ότι υπάρχουν λίγες μελέτες σχετικά με την απόδοσή τους κατά τη διά- κριση συντηρημένων στοιχείων κατά μήκος του γονιδιώματος. Ο κύριος στόχος αυ- τής της μεταπτυχιακής εργασίας είναι η υλοποίηση μερικών ευρέως χρησιμοποιού- μενων αριθμητικών αναπαραστάσεων και η αξιολόγηση της απόδοσής τους στην ταξινόμηση των DNA ακολουθιών που είναι γνωστές ως συντηρημένα μη κωδικά στοιχεία (CNEs). Τα CNEs αποτελούνται από μια κατηγορία μη κωδικών γονιδιω- ματικών ακολουθιών που εμφανίζουν υψηλό βαθμό συντήρησης μεταξύ των οργα- νισμών και τα οποία έχουν συσχετιστεί με αναπτυξιακά προβλήματα και καρκίνο. Η προσέγγιση που επιλέχθηκε στην παρούσα διπλωματική περιελάμβανε την αναπαράσταση των δεδομένων με διαφορετικά σύνολα διανυσμάτων χαρακτηρι- στικών, όπου κάθε σύνολο διανυσμάτων προερχόταν από διαφορετική αναπαρά- σταση. Οι ακολουθίες χρησιμοποιήθηκαν με την μορφή αυτή για την αξιολόγηση της απόδοσης διαφορετικών αλγόριθμων ταξινόμησης. Οι αναπαραστάσεις κατη- γοριοποιήθηκαν βάσει του πλήθους των αριθμητικών τιμών που αντιστοιχεί σε κάθε χαρακτήρα της ακολουθίας DNA. Για να προσδιοριστεί ένα μοτίβο της χρησιμό- τητας των διαφόρων αναπαραστάσεων, ακολουθήθηκε συγκεκριμένη διαδικασία: κάθε πείραμα ταξινόμησης αποτελούταν από ένα ζεύγος γονιδιωματικών ακολου- θιών διαφορετικών κλάσεων. Ο συνολικός αριθμός δυαδικών πειραμάτων ταξινό- μησης ανέρχονται σε 26, καλύπτοντας ποικιλία πειραματικών ρυθμίσεων. Η από- δοση των ταξινομητών βρέθηκε ότι επηρεάζεται από το μεταβλητό μήκος των γονι- διωματικών ακολουθιών, αποτέλεσμα το οποίο οδήγησε στην διερεύνηση εναλλα- κτικών λύσεων διατηρώντας παράλληλα την ακεραιότητα των επιλεγμένων αναπα- ραστάσεων. Προκειμένου να βελτιώσουμε την απόδοση των ταξινομητών, αξιολογήσαμε μετασχηματισμούς από κωδικοποιήσεις μεταβλητού εύρους σε κωδικοποιήσεις στα- θερού μήκους, οι οποίες είναι καταλληλότερες για μία ποικιλία προσεγγίσεων μηχανικής μάθησης. Τέτοιες μέθοδοι έχουν χρησιμοποιηθεί στη φυσική γλώσσα επε- ξεργασίας και επεξεργασίας σήματος (π.χ. χώροι ομοιότητας σε μοντέλα γράφων ν-γραμμάτων, μετασχηματισμοί με βάση τη συχνότητα), αλλά μπορεί να χρειαστεί η προσαρμογή τους στο βιοϊατρικό περιβάλλον του έργου.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Αθανασούλη Μαρίνα-Αγάπη
  • Athanasouli Marina-Agapi

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:2886237

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Αθανασούλη Μαρίνα-Αγάπη; Athanasouli Marina-Agapi. Μελέτη αναπαραστάσεων βιολογικών ακολουθιών σε προβλήματα ταξινόμησης. 2019. https://pergamos.lib.uoa.gr/uoa/dl/object/2886237