{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3237319"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3237319","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Network Graphs of Cancer Mutations","abstract":"Ο καρκίνος είναι μία βασική αιτία θανάτου, υπεύθυνη για περίπου 10 εκατομμύρια θανάτους το 2020. Οι γενετικές μεταλλάξεις είναι μία από τις αιτίες για την εμφάνιση και την εξέλιξη του καρκίνου, αλλά δεν συνεισφέρουν όλες σε αυτόν. Σημαντική προσπάθεια έχει γίνει προκειμένου να βρεθούν γονίδια τα οποία, αν μεταλλαχθούν, μπορούν να προκαλέσουν συγκεκριμένους τύπους καρκίνου. Εδώ, ένα Γράφημα Δικτύου, κατασκευασμένο από 8386 ασθενείς και 198 γονίδια, με δεδομένα από το TCGA, χρησιμοποιήθηκε για να βρεθούν ομάδες ασθενών-γονιδίων. Αυτό έγινε με την παράλληλη χρήση δύο μεθοδολογιών. Η πρώτη βασίζεται σε απλές ακμές μεταξύ των κορυφών του δικτύου, χρησιμοποιώντας τον δείκτη Barber’s modularity, ενώ η δεύτερη βασίζεται σε δομές μεγαλύτερης τάξης, χρησιμοποιώντας τη δυναμική ροή του δικτύου μέσω των τυχαίων περιπάτων και της στατιστικής της ελαχίστου μήκους περιγραφής. Για κάθε μία από τις ομάδες που βρέθηκαν, ένα υποσύνολο, ανά τύπο καρκίνου, λαμβάνονταν υπόψιν αν 10 ή περισσότεροι ασθενείς του ίδιου τύπου καρκίνου περιέχονταν στην ομάδα. Σε αυτή τη περίπτωση, γινόταν μία εκτίμηση της σχέσης μεταξύ αυτού του τύπου καρκίνου και των γονιδίων που περιέχονταν στην ομάδα, με βάση την τωρινή βιβλιογραφία. Μέσω αυτής της ανάλυσης, και οι δύο μέθοδοι ομαδοποίησης ανακάλυψαν γνωστά ογκογονίδια για όλους, πλην από τρεις, τύπους καρκίνου.","abstract_html":"Ο καρκίνος είναι μία βασική αιτία θανάτου, υπεύθυνη για περίπου 10 εκατομμύρια θανάτους το 2020. Οι γενετικές μεταλλάξεις είναι μία από τις αιτίες για την εμφάνιση και την εξέλιξη του καρκίνου, αλλά δεν συνεισφέρουν όλες σε αυτόν. Σημαντική προσπάθεια έχει γίνει προκειμένου να βρεθούν γονίδια τα οποία, αν μεταλλαχθούν, μπορούν να προκαλέσουν συγκεκριμένους τύπους καρκίνου. Εδώ, ένα Γράφημα Δικτύου, κατασκευασμένο από 8386 ασθενείς και 198 γονίδια, με δεδομένα από το TCGA, χρησιμοποιήθηκε για να βρεθούν ομάδες ασθενών-γονιδίων. Αυτό έγινε με την παράλληλη χρήση δύο μεθοδολογιών. Η πρώτη βασίζεται σε απλές ακμές μεταξύ των κορυφών του δικτύου, χρησιμοποιώντας τον δείκτη Barber’s modularity, ενώ η δεύτερη βασίζεται σε δομές μεγαλύτερης τάξης, χρησιμοποιώντας τη δυναμική ροή του δικτύου μέσω των τυχαίων περιπάτων και της στατιστικής της ελαχίστου μήκους περιγραφής. Για κάθε μία από τις ομάδες που βρέθηκαν, ένα υποσύνολο, ανά τύπο καρκίνου, λαμβάνονταν υπόψιν αν 10 ή περισσότεροι ασθενείς του ίδιου τύπου καρκίνου περιέχονταν στην ομάδα. Σε αυτή τη περίπτωση, γινόταν μία εκτίμηση της σχέσης μεταξύ αυτού του τύπου καρκίνου και των γονιδίων που περιέχονταν στην ομάδα, με βάση την τωρινή βιβλιογραφία. Μέσω αυτής της ανάλυσης, και οι δύο μέθοδοι ομαδοποίησης ανακάλυψαν γνωστά ογκογονίδια για όλους, πλην από τρεις, τύπους καρκίνου.","abstract_has_math":false,"creators":["Χουδαλάκης Σταμάτιος","Choudalakis Stamatios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-11-19T06:19:56Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3237319"],"render_values":[{"text":"uoadl:3237319","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3237319","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3237319","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%3A3237319","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Χουδαλάκης Σταμάτιος","Choudalakis Stamatios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2022"]},{"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":["Θετικές Επιστήμες","Science"]}]},{"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:3237319","https://pergamos.lib.uoa.gr/uoa/dl/object/3237319"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο καρκίνος είναι μία βασική αιτία θανάτου, υπεύθυνη για περίπου 10 εκατομμύρια θανάτους το 2020. Οι γενετικές μεταλλάξεις είναι μία από τις αιτίες για την εμφάνιση και την εξέλιξη του καρκίνου, αλλά δεν συνεισφέρουν όλες σε αυτόν. Σημαντική προσπάθεια έχει γίνει προκειμένου να βρεθούν γονίδια τα οποία, αν μεταλλαχθούν, μπορούν να προκαλέσουν συγκεκριμένους τύπους καρκίνου. Εδώ, ένα Γράφημα Δικτύου, κατασκευασμένο από 8386 ασθενείς και 198 γονίδια, με δεδομένα από το TCGA, χρησιμοποιήθηκε για να βρεθούν ομάδες ασθενών-γονιδίων. Αυτό έγινε με την παράλληλη χρήση δύο μεθοδολογιών. Η πρώτη βασίζεται σε απλές ακμές μεταξύ των κορυφών του δικτύου, χρησιμοποιώντας τον δείκτη Barber’s modularity, ενώ η δεύτερη βασίζεται σε δομές μεγαλύτερης τάξης, χρησιμοποιώντας τη δυναμική ροή του δικτύου μέσω των τυχαίων περιπάτων και της στατιστικής της ελαχίστου μήκους περιγραφής. Για κάθε μία από τις ομάδες που βρέθηκαν, ένα υποσύνολο, ανά τύπο καρκίνου, λαμβάνονταν υπόψιν αν 10 ή περισσότεροι ασθενείς του ίδιου τύπου καρκίνου περιέχονταν στην ομάδα. Σε αυτή τη περίπτωση, γινόταν μία εκτίμηση της σχέσης μεταξύ αυτού του τύπου καρκίνου και των γονιδίων που περιέχονταν στην ομάδα, με βάση την τωρινή βιβλιογραφία. Μέσω αυτής της ανάλυσης, και οι δύο μέθοδοι ομαδοποίησης ανακάλυψαν γνωστά ογκογονίδια για όλους, πλην από τρεις, τύπους καρκίνου.","Cancer is a leading cause of death worldwide, accounting for nearly 10 million deaths in 2020. Genetic alterations are one of the main causes of the disease’s initiation and progression, but not all of them confer to it. A significant amount of effort has been made to distinguish cancer-specific genes, in a sense that mutations affecting certain genes can be linked with particular cancer types. Here, a Network Graph built by 8386 patients and a total of 198 genes, from TCGA data, has been used to find patient-gene groups with the parallel use of two methodologies separately, one based on the edges between two nodes, using Barber’s modularity index, and the other focusing in higher-order structures regarding flow dynamics, using random walks and minimal description statistics. For each of the clusters recovered, a per-cancer subgroup was taken into consideration if 10 or more patients of the same type co-existed in the cluster. Then, the relation between that cancer type and the genes of the cluster was estimated with respect to current literature. Through this analysis, the union of the clustering methods revealed known driver genes for all but three cancer types."]},{"key":"dc:title","label":"Title","values":["Network Graphs of Cancer Mutations"]}]}],"canonical_facts":{"dc:creator":["Χουδαλάκης Σταμάτιος","Choudalakis Stamatios"],"dc:date":["2022"],"dc:description":["Ο καρκίνος είναι μία βασική αιτία θανάτου, υπεύθυνη για περίπου 10 εκατομμύρια θανάτους το 2020. Οι γενετικές μεταλλάξεις είναι μία από τις αιτίες για την εμφάνιση και την εξέλιξη του καρκίνου, αλλά δεν συνεισφέρουν όλες σε αυτόν. Σημαντική προσπάθεια έχει γίνει προκειμένου να βρεθούν γονίδια τα οποία, αν μεταλλαχθούν, μπορούν να προκαλέσουν συγκεκριμένους τύπους καρκίνου. Εδώ, ένα Γράφημα Δικτύου, κατασκευασμένο από 8386 ασθενείς και 198 γονίδια, με δεδομένα από το TCGA, χρησιμοποιήθηκε για να βρεθούν ομάδες ασθενών-γονιδίων. Αυτό έγινε με την παράλληλη χρήση δύο μεθοδολογιών. Η πρώτη βασίζεται σε απλές ακμές μεταξύ των κορυφών του δικτύου, χρησιμοποιώντας τον δείκτη Barber’s modularity, ενώ η δεύτερη βασίζεται σε δομές μεγαλύτερης τάξης, χρησιμοποιώντας τη δυναμική ροή του δικτύου μέσω των τυχαίων περιπάτων και της στατιστικής της ελαχίστου μήκους περιγραφής. Για κάθε μία από τις ομάδες που βρέθηκαν, ένα υποσύνολο, ανά τύπο καρκίνου, λαμβάνονταν υπόψιν αν 10 ή περισσότεροι ασθενείς του ίδιου τύπου καρκίνου περιέχονταν στην ομάδα. Σε αυτή τη περίπτωση, γινόταν μία εκτίμηση της σχέσης μεταξύ αυτού του τύπου καρκίνου και των γονιδίων που περιέχονταν στην ομάδα, με βάση την τωρινή βιβλιογραφία. Μέσω αυτής της ανάλυσης, και οι δύο μέθοδοι ομαδοποίησης ανακάλυψαν γνωστά ογκογονίδια για όλους, πλην από τρεις, τύπους καρκίνου.","Cancer is a leading cause of death worldwide, accounting for nearly 10 million deaths in 2020. Genetic alterations are one of the main causes of the disease’s initiation and progression, but not all of them confer to it. A significant amount of effort has been made to distinguish cancer-specific genes, in a sense that mutations affecting certain genes can be linked with particular cancer types. Here, a Network Graph built by 8386 patients and a total of 198 genes, from TCGA data, has been used to find patient-gene groups with the parallel use of two methodologies separately, one based on the edges between two nodes, using Barber’s modularity index, and the other focusing in higher-order structures regarding flow dynamics, using random walks and minimal description statistics. For each of the clusters recovered, a per-cancer subgroup was taken into consideration if 10 or more patients of the same type co-existed in the cluster. Then, the relation between that cancer type and the genes of the cluster was estimated with respect to current literature. Through this analysis, the union of the clustering methods revealed known driver genes for all but three cancer types."],"dc:identifier":["uoadl:3237319","https://pergamos.lib.uoa.gr/uoa/dl/object/3237319"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Network Graphs of Cancer Mutations"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:19:56Z"}