National and Kapodistrian University of Athens
DESIGN, IMPLEMENTATION AND OPTIMIZATION OF A PATTERN RECOGNITION ALGORITHM IN NEXT GENERATION SEQUENCING DATA
Abstract
dc:descriptionΣτόχος της παρούσας διπλωματικής εργασίας είναι η κατανόηση της σύνθετης ανοσογενετικής «μηχανικής» της ΧΛΛ μέσω της εφαρμογής μιας καινοτόμου εναλλακτικής προσέγγισης για την ομαδοποίηση των ασθενών. Η βάση της προσέγγισής μας ήταν να αναλύσουμε την πλήρη αλληλουχία της μεταβλητής περιοχής της βαριάς αλυσίδας της ανοσοσφαιρίνης, προκειμένου να εντοπίσουμε πιο εκτεταμένα μοτίβα αμινοξέων, σε αντίθεση με προηγούμενες προσεγγίσεις που περιορίζονταν στον έλεγχο μόνο της υπερμεταβλητής περιοχής CDR3. Για το λόγο αυτό, συγκροτήθηκαν πέντε διακριτά σύνολα δεδομένων, το καθένα επικεντρωμένο σε συγκεκριμένα ανοσογενετικά χαρακτηριστικά που συνδέονται με τα στερεότυπα υποσύνολα στη ΧΛΛ: (Α) αλληλουχίες του γονιδίου IGHV4-34, (Β) αλληλουχίες γονιδίων IGHV από τη φυλογενετική ομάδα Ι, (Γ) αλληλουχίες με μήκος CDR3 9 αμινοξέων, (Δ) αλληλουχίες με μήκος CDR3 20 αμινοξέων και (Ε) αλληλουχίες του γονιδίου IGHV4-39, με γνώμονα τη διασφάλιση της δυνατότητας ανάλυσης της ετερογένειας μεταξύ των συνόλων δεδομένων. Ο αλγόριθμος υπολογίζει ομοιότητες ανά ζεύγη αλληλουχιών λαμβάνοντας υπόψη ταυτόσημες αντιστοιχίες αμινοξέων, τις κλάσεις αμινοξέων με βάση την ταξινόμηση του IMGT και τη σημασία της θέσης των καταλοίπων, δίνοντας έμφαση στην περιοχή VH CDR3. Στη συνέχεια, πραγματοποιεί ιεραρχική ομαδοποίηση, με αποτέλεσμα τη δημιουργία ενός ιεραρχικού δέντρου, το οποίο έπειτα «κόβεται», σχηματίζοντας ομάδες αλληλουχιών (clusters). Τα προκύπτοντα clusters αξιολογήθηκαν σε σχέση με γνωστά στερεότυπα υποσύνολα σε κάθε σύνολο δεδομένων, για να εκτιμηθεί η αποτελεσματικότητα του αλγορίθμου στην αναγνώριση κλινικά σχετικών ομάδων ασθενών με ΧΛΛ. Η εκτεταμένη δοκιμή του προτεινόμενου αλγορίθμου οδήγησε στην ταυτοποίηση των βέλτιστων παραμέτρων, οι οποίες στη συνέχεια εφαρμόστηκαν στα πέντε σύνολα δεδομένων. Για την αξιολόγηση της αποτελεσματικότητας του αλγορίθμου εισήχθη η μετρική «Purity», η οποία υπολογίζεται βάσει των στερεότυπων αλληλουχιών, των μη στερεότυπων αλληλουχιών και του συνολικού αριθμού αλληλουχιών σε κάθε ομάδα. Το εργαλείο επέδειξε μια αρκετά υψηλή απόδοση, ομαδοποιώντας με ακρίβεια αλληλουχίες που αντιστοιχούν σε γνωστά στερεότυπα υποσύνολα, επιτυγχάνοντας μέση τιμή «Purity» ομάδων 0,77 σε όλα τα σύνολα δεδομένων. Παρόλο που ορισμένα υποσύνολα παρουσίασαν χαμηλότερη τιμή «Purity» λόγω εσφαλμένης ταξινόμησης αλληλουχιών, τα συνολικά αποτελέσματα υποδεικνύουν ότι το εργαλείο αναγνωρίζει αξιόπιστα κλινικά σχετικές ομάδες με βάση τις αλληλουχίες ανοσοσφαιρινών της ΧΛΛ, προσφέροντας πολύτιμες γνώσεις για τα ανοσογενετικά τους χαρακτηριστικά.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Χαλιάσου Αικατερίνη-Μαρία
- Chaliasou Aikaterini-Maria
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3419443