National and Kapodistrian University of Athens
ΟΜΑΔΟΠΟΙΗΣΗ ΓΟΝΙΔΙΩΝ ΑΠΟ ΔΕΔΟΜΕΝΑ ΜΕΤΑΓΡΑΦΩΜΙΚΗΣ ΜΕ ΧΡΗΣΗ ΑΛΓΟΡΙΘΜΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ
Abstract
dc:descriptionΗ μελέτη και κατανόηση του μεταγραφώματος είναι σημαντική για την διερεύνηση των μοριακών συστατικών των κυττάρων ή ιστών, την ερμηνεία των λειτουργικών στοιχείων του γονιδιώματος ή ακόμα και την κατανόηση της ανάπτυξης μιας ασθένειας. Στην ανάλυση των μεταγραφωμικών δεδομένων (είτε RNAseq, είτε μικροσυστοιχιών) έχουμε δυο είδη προσεγγίσεων, αυτό που αφορά την ανάλυση διαφορικής γονιδιακής έκφρασης και αυτό της γονιδιακής συνέκφρασης. Στην παρούσα εργασία μελετήθηκε η γονιδιακή συνέκφραση, η οποία έχει ως κέντρο τον συνδυασμό πολλών διαφορετικών μεταγραφωμικών δεδομένων του ίδιου οργανισμού, τα οποία λαμβάνονται από διαφορετικούς ιστούς ή αναπτυξιακά στάδια. Γονίδια με παρόμοια πρότυπα έκφρασης τείνουν να συμμετέχουν σε κοινές βιολογικές διεργασίες. Σκοπός της εργασίας ήταν η ομαδοποίηση ανθρώπινων γονιδίων σύμφωνα με τα επίπεδα συνέκφρασής τους σε συσχετισμένες γονιδιακές ομάδες (clusters), με τεχνικές Μηχανικής Μάθησης και πιο συγκεκριμένα Βαθιάς Μάθησης. Τα δεδομένα που χρησιμοποιήθηκαν ήταν RNA-seq Αλληλούχησης Επόμενης Γενεάς, bulk και single cell, ενώ αντλήθηκαν από την δημόσια Βάση Δεδομένων GTEx (Genotype-Tissue Expression). Η βάση αυτή μελετά την έκφραση και ρύθμιση γονιδίων του ανθρώπου, καθώς και γενετικούς πολυμορφισμούς. Τα δεδομένα bulk RNA-seq περιείχαν την απαρίθμηση των αναγνώσεων κάθε γονιδίου σε κάθε ανθρώπινο δείγμα, ενώ και από τα single cell RNA-seq δεδομένα, έπειτα από αλλαγές αποσπάστηκε το τμήμα του πίνακα με τις γονιδιακές απαριθμήσεις. Με τεχνικές και αλγορίθμους κυρίως Νευρωνικών Δικτύων, προχωρήσαμε σε δοκιμές ομαδοποιήσεων αρχικά δειγμάτων, αλλά και έπειτα γονιδίων. Τα πιο αποτελεσματικά είδη νευρωνικών δικτυών φαίνεται να είναι οι Autoencoders, οι Variational Autoencoders και τα Graph Neural Networks. Εκτός από τον στόχο για τη δημιουργία ομάδων γονιδίων, προχωρήσαμε και σε διερεύνηση αλγορίθμων Βαθιάς Μάθησης, για την ανάλυση και την δημιουργία καλύτερων δεδομένων εισόδου (πίνακες έκφρασης γονιδίων) για τους αλγορίθμους ομαδοποίησης. Η ομαδοποίηση των γονιδίων με παρόμοια πρότυπα έκφρασης μπορεί να αποβεί χρήσιμη σαν προσέγγιση, καθώς δίνει την δυνατότητα να αντληθούν πληροφορίες σχετικά με την ταυτοποίηση ομάδων γονιδίων, που αποτελούν λειτουργικούς συνεργάτες, των οποίων η σχέση δεν έχει ακόμα πλήρως προσδιοριστεί, την αποσαφήνιση μοριακών μηχανισμών ή ακόμα και την εύρεση πιθανών μεταβολικών μονοπατιών.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Τσότρα Ιωάννα
- Tsotra Ioanna
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3395607