{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3419656"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3419656","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Integrating Spatial Transcriptomics in single cell resolution with Explainable Machine Learning for Enhanced Insights in Lung cancer Biology.","abstract":"Ασθένειες όπως ο καρκίνος ή οι αυτοάνοσες διαταραχές, έχουν μοριακό υπόβαθρο. Ο ανθρώπινος οργανισμός αποτελείται από κύτταρα τα οποία παρά το πανομοιότυπο γενετικό τους υλικό, κατατάσσονται σε διαφορετικές λειτουργικές ομάδες με βάση το προφίλ γονιδιακής έκφρασης τους. Συνεπώς, μεταλλάξεις σε σημαντικά γονίδια μπορούν να διαταράξουν τη φυσιολογική συμπεριφορά των κυττάρων και να οδηγήσουν στην εμφάνιση καρκίνου. Αξιόπιστα αναλυτικά εργαλεία που μπορούν να συμβάλλουν στην ταχεία διάγνωση ή στη θεραπεία ,με τον εντοπισμό νέων γονιδίων-στόχων, είναι αναγκαία για την εξέλιξη της εξατομικευμένης ιατρικής (personalized medicine). Για το σκοπό αυτό, spatially resolved transcriptomics (SRT) δεδομένα σε συνδυασμό με explainable Machine Learning (ML) μεθόδους, μπορούν να συντείνουν στην αποκάλυψη του μοριακού υποβάθρου. Οι SRT τεχνολογίες παρέχουν τη μεταγραφική δραστηριότητα και τη θέσης της στον ιστό ενώ, εκτός από την πρόσθετη χωρική τους διάσταση, μοιράζονται κοινά χαρακτηριστικά και προβλήματα με τις μεθόδους scRNA-seq όπως, η κατηγοριοποίηση των κυττάρων σε κυτταρικούς τύπους (cell type annotation) λόγω, της προσέγγισης marker-gene annotation, που χρησιμοποιείται ευρέως. Έτσι, η ενσωμάτωση των δεδομένων SRT με ML, παρά τις μεγάλες δυνατότητες που έχει να συμβάλλει στην εξατομικευμένη ιατρική, αντιμετωπίζει την εγγενή αβεβαιότητα του τυπικού pipeline, η οποία συνιστά τροχοπέδη στη μετάβαση μιας ανακάλυψης ή ενός αναλυτικού εργαλείου από τη θεωρητική έρευνα στην κλινική εφαρμογή. Για την εφαρμογή μιας μεθόδου στο σύστημα υγείας, η μέθοδος αυτή, πρέπει πρώτα να εδραιώσει την αξιοπιστία της, γεγονός που περιλαμβάνει τον εντοπισμό πιθανής αβεβαιότητας στην μεθοδολογία, την εφαρμογή των απαραίτητων βελτιώσεων και την ενσωμάτωση του explainable Machine Learning. Στην παρούσα διπλωματική εργασία, προσπαθούμε να αντιμετωπίσουμε ορισμένα από αυτά τα σημεία. Συγκεκριμένα, ένας κεντρικός στόχος της παρούσας μελέτης είναι να παρατηρηθεί η αβεβαιότητα που ενυπάρχει στην προσέγγιση του ,golden standard, marker-gene annotation. Έτσι, ο στόχος μας είναι να εκπαιδεύσουμε μοντέλα Μηχανικής Μάθησης (Machine Learning), για την ταξινόμηση κυττάρων σε κυτταρικούς τύπους, με την ενσωμάτωση δεδομένων γονιδιακής έκφρασης SRT ,που βρίσκονται σε single cell resolution, τόσο με την τυπική προσέγγιση marker-gene approach, χρησιμοποιώντας το πακέτο Seurat, όσο και με μια βελτιωμένη έκδοση που παρέχεται από τη Nanostring. Με βάση τη σύγκριση επίδοσης μεταξύ των μοντέλων που εκπαιδεύονται χρησιμοποιώντας αυτές τις δύο διαφορετικές μεθόδους κυτταρικής ταξινόμησης (cell labeling), ελπίζουμε να αναδείξουμε την υπάρχουσα αβεβαιότητα που σχετίζεται με τη τυπική προσέγγιση του annotation. Το δεύτερο μέρος της παρούσας διπλωματικής, επικεντρώνεται στην αποκάλυψη βιολογικών πληροφοριών, κυρίως όσον αφορά τις κυτταρικές αλληλεπιδράσεις, οι οποίες θα μπορούσαν να συμβάλλουν στον τομέα της εξατομικευμένης ιατρικής αλλά και να συντείνουν σε μια πιο βελτιωμένη εκδοχή του annotation. Ως εκ τούτου, αποφασίσαμε να χρησιμοποιήσουμε την Shannon entropy, για τον αυτόματο εντοπισμό ορίων διαφορετικών κυτταρικών ομάδων, σε μια προσπάθεια αναζήτησης διαφορών μεταξύ ορίων και μη ορίων ως προς το misclassification ratio. Τα αποτελέσματα για το πρώτο μέρος της ανάλυσης έδειξαν, με βάση unseen data, σημαντική πτώση στην επίδοση των Seurat labels κατά περίπου 28%, αναδεικνύοντας την εγγενή αβεβαιότητα του golden standard annotation approach. Το δεύτερο μέρος της ανάλυσης, παρουσίασε τα όρια των κυτταρικών τύπων και των niches ως καλά καθορισμένα ενώ, παρατηρήθηκαν υψηλότερα ποσοστά misclassification στις περιοχές stroma και myeloid-enriched stroma, ιδιαίτερα κοντά στα tumour stroma boundaries αλλά και εντός αυτών με βάση ανάλυση μικρότερου grid. Το γεγονός αυτό υποδηλώνει, ότι το υψηλότερο misclassification και οι αλλαγές στη γονιδιακή έκφραση μπορεί να συνδέονται με την επίδραση του όγκου στα κοντινά κύτταρα ή στις δομικές περιοχές που εμπλέκονται στην άμυνα. Αυτές οι παρατηρήσεις αποκαλύπτουν τη δυνατότητα της μεθόδου μας, να εξάγει βιολογικές γνώσεις από τα δεδομένα SRT και να αξιοποιήσει κατάλληλα το explainable ML για τη διερεύνηση του μικροπεριβάλλοντος του όγκου.","abstract_html":"Ασθένειες όπως ο καρκίνος ή οι αυτοάνοσες διαταραχές, έχουν μοριακό υπόβαθρο. Ο ανθρώπινος οργανισμός αποτελείται από κύτταρα τα οποία παρά το πανομοιότυπο γενετικό τους υλικό, κατατάσσονται σε διαφορετικές λειτουργικές ομάδες με βάση το προφίλ γονιδιακής έκφρασης τους. Συνεπώς, μεταλλάξεις σε σημαντικά γονίδια μπορούν να διαταράξουν τη φυσιολογική συμπεριφορά των κυττάρων και να οδηγήσουν στην εμφάνιση καρκίνου. Αξιόπιστα αναλυτικά εργαλεία που μπορούν να συμβάλλουν στην ταχεία διάγνωση ή στη θεραπεία ,με τον εντοπισμό νέων γονιδίων-στόχων, είναι αναγκαία για την εξέλιξη της εξατομικευμένης ιατρικής (personalized medicine). Για το σκοπό αυτό, spatially resolved transcriptomics (SRT) δεδομένα σε συνδυασμό με explainable Machine Learning (ML) μεθόδους, μπορούν να συντείνουν στην αποκάλυψη του μοριακού υποβάθρου. Οι SRT τεχνολογίες παρέχουν τη μεταγραφική δραστηριότητα και τη θέσης της στον ιστό ενώ, εκτός από την πρόσθετη χωρική τους διάσταση, μοιράζονται κοινά χαρακτηριστικά και προβλήματα με τις μεθόδους scRNA-seq όπως, η κατηγοριοποίηση των κυττάρων σε κυτταρικούς τύπους (cell type annotation) λόγω, της προσέγγισης marker-gene annotation, που χρησιμοποιείται ευρέως. Έτσι, η ενσωμάτωση των δεδομένων SRT με ML, παρά τις μεγάλες δυνατότητες που έχει να συμβάλλει στην εξατομικευμένη ιατρική, αντιμετωπίζει την εγγενή αβεβαιότητα του τυπικού pipeline, η οποία συνιστά τροχοπέδη στη μετάβαση μιας ανακάλυψης ή ενός αναλυτικού εργαλείου από τη θεωρητική έρευνα στην κλινική εφαρμογή. Για την εφαρμογή μιας μεθόδου στο σύστημα υγείας, η μέθοδος αυτή, πρέπει πρώτα να εδραιώσει την αξιοπιστία της, γεγονός που περιλαμβάνει τον εντοπισμό πιθανής αβεβαιότητας στην μεθοδολογία, την εφαρμογή των απαραίτητων βελτιώσεων και την ενσωμάτωση του explainable Machine Learning. Στην παρούσα διπλωματική εργασία, προσπαθούμε να αντιμετωπίσουμε ορισμένα από αυτά τα σημεία. Συγκεκριμένα, ένας κεντρικός στόχος της παρούσας μελέτης είναι να παρατηρηθεί η αβεβαιότητα που ενυπάρχει στην προσέγγιση του ,golden standard, marker-gene annotation. Έτσι, ο στόχος μας είναι να εκπαιδεύσουμε μοντέλα Μηχανικής Μάθησης (Machine Learning), για την ταξινόμηση κυττάρων σε κυτταρικούς τύπους, με την ενσωμάτωση δεδομένων γονιδιακής έκφρασης SRT ,που βρίσκονται σε single cell resolution, τόσο με την τυπική προσέγγιση marker-gene approach, χρησιμοποιώντας το πακέτο Seurat, όσο και με μια βελτιωμένη έκδοση που παρέχεται από τη Nanostring. Με βάση τη σύγκριση επίδοσης μεταξύ των μοντέλων που εκπαιδεύονται χρησιμοποιώντας αυτές τις δύο διαφορετικές μεθόδους κυτταρικής ταξινόμησης (cell labeling), ελπίζουμε να αναδείξουμε την υπάρχουσα αβεβαιότητα που σχετίζεται με τη τυπική προσέγγιση του annotation. Το δεύτερο μέρος της παρούσας διπλωματικής, επικεντρώνεται στην αποκάλυψη βιολογικών πληροφοριών, κυρίως όσον αφορά τις κυτταρικές αλληλεπιδράσεις, οι οποίες θα μπορούσαν να συμβάλλουν στον τομέα της εξατομικευμένης ιατρικής αλλά και να συντείνουν σε μια πιο βελτιωμένη εκδοχή του annotation. Ως εκ τούτου, αποφασίσαμε να χρησιμοποιήσουμε την Shannon entropy, για τον αυτόματο εντοπισμό ορίων διαφορετικών κυτταρικών ομάδων, σε μια προσπάθεια αναζήτησης διαφορών μεταξύ ορίων και μη ορίων ως προς το misclassification ratio. Τα αποτελέσματα για το πρώτο μέρος της ανάλυσης έδειξαν, με βάση unseen data, σημαντική πτώση στην επίδοση των Seurat labels κατά περίπου 28%, αναδεικνύοντας την εγγενή αβεβαιότητα του golden standard annotation approach. Το δεύτερο μέρος της ανάλυσης, παρουσίασε τα όρια των κυτταρικών τύπων και των niches ως καλά καθορισμένα ενώ, παρατηρήθηκαν υψηλότερα ποσοστά misclassification στις περιοχές stroma και myeloid-enriched stroma, ιδιαίτερα κοντά στα tumour stroma boundaries αλλά και εντός αυτών με βάση ανάλυση μικρότερου grid. Το γεγονός αυτό υποδηλώνει, ότι το υψηλότερο misclassification και οι αλλαγές στη γονιδιακή έκφραση μπορεί να συνδέονται με την επίδραση του όγκου στα κοντινά κύτταρα ή στις δομικές περιοχές που εμπλέκονται στην άμυνα. Αυτές οι παρατηρήσεις αποκαλύπτουν τη δυνατότητα της μεθόδου μας, να εξάγει βιολογικές γνώσεις από τα δεδομένα SRT και να αξιοποιήσει κατάλληλα το explainable ML για τη διερεύνηση του μικροπεριβάλλοντος του όγκου.","abstract_has_math":false,"creators":["Μανουσάκη Χάρις","Manousaki Charis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:29Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3419656"],"render_values":[{"text":"uoadl:3419656","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3419656","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3419656","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%3A3419656","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μανουσάκη Χάρις","Manousaki Charis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"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:3419656","https://pergamos.lib.uoa.gr/uoa/dl/object/3419656"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ασθένειες όπως ο καρκίνος ή οι αυτοάνοσες διαταραχές, έχουν μοριακό υπόβαθρο. Ο ανθρώπινος οργανισμός αποτελείται από κύτταρα τα οποία παρά το πανομοιότυπο γενετικό τους υλικό, κατατάσσονται σε διαφορετικές λειτουργικές ομάδες με βάση το προφίλ γονιδιακής έκφρασης τους. Συνεπώς, μεταλλάξεις σε σημαντικά γονίδια μπορούν να διαταράξουν τη φυσιολογική συμπεριφορά των κυττάρων και να οδηγήσουν στην εμφάνιση καρκίνου. Αξιόπιστα αναλυτικά εργαλεία που μπορούν να συμβάλλουν στην ταχεία διάγνωση ή στη θεραπεία ,με τον εντοπισμό νέων γονιδίων-στόχων, είναι αναγκαία για την εξέλιξη της εξατομικευμένης ιατρικής (personalized medicine). Για το σκοπό αυτό, spatially resolved transcriptomics (SRT) δεδομένα σε συνδυασμό με explainable Machine Learning (ML) μεθόδους, μπορούν να συντείνουν στην αποκάλυψη του μοριακού υποβάθρου. Οι SRT τεχνολογίες παρέχουν τη μεταγραφική δραστηριότητα και τη θέσης της στον ιστό ενώ, εκτός από την πρόσθετη χωρική τους διάσταση, μοιράζονται κοινά χαρακτηριστικά και προβλήματα με τις μεθόδους scRNA-seq όπως, η κατηγοριοποίηση των κυττάρων σε κυτταρικούς τύπους (cell type annotation) λόγω, της προσέγγισης marker-gene annotation, που χρησιμοποιείται ευρέως. Έτσι, η ενσωμάτωση των δεδομένων SRT με ML, παρά τις μεγάλες δυνατότητες που έχει να συμβάλλει στην εξατομικευμένη ιατρική, αντιμετωπίζει την εγγενή αβεβαιότητα του τυπικού pipeline, η οποία συνιστά τροχοπέδη στη μετάβαση μιας ανακάλυψης ή ενός αναλυτικού εργαλείου από τη θεωρητική έρευνα στην κλινική εφαρμογή. Για την εφαρμογή μιας μεθόδου στο σύστημα υγείας, η μέθοδος αυτή, πρέπει πρώτα να εδραιώσει την αξιοπιστία της, γεγονός που περιλαμβάνει τον εντοπισμό πιθανής αβεβαιότητας στην μεθοδολογία, την εφαρμογή των απαραίτητων βελτιώσεων και την ενσωμάτωση του explainable Machine Learning. Στην παρούσα διπλωματική εργασία, προσπαθούμε να αντιμετωπίσουμε ορισμένα από αυτά τα σημεία. Συγκεκριμένα, ένας κεντρικός στόχος της παρούσας μελέτης είναι να παρατηρηθεί η αβεβαιότητα που ενυπάρχει στην προσέγγιση του ,golden standard, marker-gene annotation. Έτσι, ο στόχος μας είναι να εκπαιδεύσουμε μοντέλα Μηχανικής Μάθησης (Machine Learning), για την ταξινόμηση κυττάρων σε κυτταρικούς τύπους, με την ενσωμάτωση δεδομένων γονιδιακής έκφρασης SRT ,που βρίσκονται σε single cell resolution, τόσο με την τυπική προσέγγιση marker-gene approach, χρησιμοποιώντας το πακέτο Seurat, όσο και με μια βελτιωμένη έκδοση που παρέχεται από τη Nanostring. Με βάση τη σύγκριση επίδοσης μεταξύ των μοντέλων που εκπαιδεύονται χρησιμοποιώντας αυτές τις δύο διαφορετικές μεθόδους κυτταρικής ταξινόμησης (cell labeling), ελπίζουμε να αναδείξουμε την υπάρχουσα αβεβαιότητα που σχετίζεται με τη τυπική προσέγγιση του annotation. Το δεύτερο μέρος της παρούσας διπλωματικής, επικεντρώνεται στην αποκάλυψη βιολογικών πληροφοριών, κυρίως όσον αφορά τις κυτταρικές αλληλεπιδράσεις, οι οποίες θα μπορούσαν να συμβάλλουν στον τομέα της εξατομικευμένης ιατρικής αλλά και να συντείνουν σε μια πιο βελτιωμένη εκδοχή του annotation. Ως εκ τούτου, αποφασίσαμε να χρησιμοποιήσουμε την Shannon entropy, για τον αυτόματο εντοπισμό ορίων διαφορετικών κυτταρικών ομάδων, σε μια προσπάθεια αναζήτησης διαφορών μεταξύ ορίων και μη ορίων ως προς το misclassification ratio. Τα αποτελέσματα για το πρώτο μέρος της ανάλυσης έδειξαν, με βάση unseen data, σημαντική πτώση στην επίδοση των Seurat labels κατά περίπου 28%, αναδεικνύοντας την εγγενή αβεβαιότητα του golden standard annotation approach. Το δεύτερο μέρος της ανάλυσης, παρουσίασε τα όρια των κυτταρικών τύπων και των niches ως καλά καθορισμένα ενώ, παρατηρήθηκαν υψηλότερα ποσοστά misclassification στις περιοχές stroma και myeloid-enriched stroma, ιδιαίτερα κοντά στα tumour stroma boundaries αλλά και εντός αυτών με βάση ανάλυση μικρότερου grid. Το γεγονός αυτό υποδηλώνει, ότι το υψηλότερο misclassification και οι αλλαγές στη γονιδιακή έκφραση μπορεί να συνδέονται με την επίδραση του όγκου στα κοντινά κύτταρα ή στις δομικές περιοχές που εμπλέκονται στην άμυνα. Αυτές οι παρατηρήσεις αποκαλύπτουν τη δυνατότητα της μεθόδου μας, να εξάγει βιολογικές γνώσεις από τα δεδομένα SRT και να αξιοποιήσει κατάλληλα το explainable ML για τη διερεύνηση του μικροπεριβάλλοντος του όγκου.","Diseases such as cancer or autoimmune disorders have a molecular background. Specifically, the human organism consists of cells which, despite their identical genetic material are assigned to different groups based on their gene expression profiles. Therefore, mutations in important genes can disrupt normal cell behavior which can sometimes lead to cancer. Trustworthy analytical tools are in serious need, as they can assist in rapid diagnosis or therapy, with the identification of new targets, aligning with the scope of precision medicine for better and personalized therapy. To this end, spatially resolved transcriptomics technologies (SRT) combined with explainable machine learning (ML) can assist in uncovering the molecular background. SRT provides transcriptional activity and its positional context, and shares, except for their additional spatial dimension, many common characteristics with scRNA-seq and challenges such as the marker-gene- based cell type annotation approach, widely used. Thus, the integration of SRT with ML despite its great potential to aid the field of precision medicine, faces many uncertainties making it difficult for an approach to transition from theoretical research to clinical application. For its applicability, a method must first establish trustworthiness which includes pinpointing uncertainty, implementing necessary improvements, and integrating explainability to understand the decisions made by ML models. In this thesis, we attempt to address some of these points. Specifically, a central goal of this thesis is to observe the uncertainty inherent in the cell classification process arising from the golden standard, marker-gene annotation approach. Thus, our objective is to train Machine Learning models for cell classification by integrating SRT gene expression data in single-cell resolution, with both the standard annotation approach, using the Seurat package, and an enhanced version provided by Nanostring. Based on the comparison of classification performance between models trained using these two distinct cell labeling methods, we hope to uncover any uncertainty associated with the conventional annotation approach. The second part of this thesis, focuses on uncovering biological insights, mostly in terms of cell-to-cell interactions which we believe hide significant information. Those insights could assist the field of precision medicine and may even pinpoint genes that could eventually lead to a more enhanced annotation process. Therefore, we decided to employ Shannon entropy to automatically identify boundaries of different cellular groups and based on those to search for differences between boundaries and non-boundaries in terms of misclassification ratio. The results for the first part of the analysis revealed, based on unseen data, a significant performance drop by approximately 28% in Seurat labels, highlighting the inherent uncertainty of the marker-gene approach. For the second chapter of the analysis, contrary to our initial hypothesis, the boundaries of cell types and niches seemed to be well- defined while, higher misclassification rates were observed in grid regions associated with stroma and myeloid-enriched stroma, particularly near tumor stroma boundaries. Additionally, smaller grid analysis also revealed high misclassification rates at these boundaries. This might suggest that misclassification and gene expression changes may be linked to the tumor’s influence on nearby cells or structural regions involved in defense. These observations unveil the potential of our method to extract biological insights from SRT data and leverage explainable ML to explore the tumor microenvironment."]},{"key":"dc:title","label":"Title","values":["Integrating Spatial Transcriptomics in single cell resolution with Explainable Machine Learning for Enhanced Insights in Lung cancer Biology."]}]}],"canonical_facts":{"dc:creator":["Μανουσάκη Χάρις","Manousaki Charis"],"dc:date":["2024"],"dc:description":["Ασθένειες όπως ο καρκίνος ή οι αυτοάνοσες διαταραχές, έχουν μοριακό υπόβαθρο. Ο ανθρώπινος οργανισμός αποτελείται από κύτταρα τα οποία παρά το πανομοιότυπο γενετικό τους υλικό, κατατάσσονται σε διαφορετικές λειτουργικές ομάδες με βάση το προφίλ γονιδιακής έκφρασης τους. Συνεπώς, μεταλλάξεις σε σημαντικά γονίδια μπορούν να διαταράξουν τη φυσιολογική συμπεριφορά των κυττάρων και να οδηγήσουν στην εμφάνιση καρκίνου. Αξιόπιστα αναλυτικά εργαλεία που μπορούν να συμβάλλουν στην ταχεία διάγνωση ή στη θεραπεία ,με τον εντοπισμό νέων γονιδίων-στόχων, είναι αναγκαία για την εξέλιξη της εξατομικευμένης ιατρικής (personalized medicine). Για το σκοπό αυτό, spatially resolved transcriptomics (SRT) δεδομένα σε συνδυασμό με explainable Machine Learning (ML) μεθόδους, μπορούν να συντείνουν στην αποκάλυψη του μοριακού υποβάθρου. Οι SRT τεχνολογίες παρέχουν τη μεταγραφική δραστηριότητα και τη θέσης της στον ιστό ενώ, εκτός από την πρόσθετη χωρική τους διάσταση, μοιράζονται κοινά χαρακτηριστικά και προβλήματα με τις μεθόδους scRNA-seq όπως, η κατηγοριοποίηση των κυττάρων σε κυτταρικούς τύπους (cell type annotation) λόγω, της προσέγγισης marker-gene annotation, που χρησιμοποιείται ευρέως. Έτσι, η ενσωμάτωση των δεδομένων SRT με ML, παρά τις μεγάλες δυνατότητες που έχει να συμβάλλει στην εξατομικευμένη ιατρική, αντιμετωπίζει την εγγενή αβεβαιότητα του τυπικού pipeline, η οποία συνιστά τροχοπέδη στη μετάβαση μιας ανακάλυψης ή ενός αναλυτικού εργαλείου από τη θεωρητική έρευνα στην κλινική εφαρμογή. Για την εφαρμογή μιας μεθόδου στο σύστημα υγείας, η μέθοδος αυτή, πρέπει πρώτα να εδραιώσει την αξιοπιστία της, γεγονός που περιλαμβάνει τον εντοπισμό πιθανής αβεβαιότητας στην μεθοδολογία, την εφαρμογή των απαραίτητων βελτιώσεων και την ενσωμάτωση του explainable Machine Learning. Στην παρούσα διπλωματική εργασία, προσπαθούμε να αντιμετωπίσουμε ορισμένα από αυτά τα σημεία. Συγκεκριμένα, ένας κεντρικός στόχος της παρούσας μελέτης είναι να παρατηρηθεί η αβεβαιότητα που ενυπάρχει στην προσέγγιση του ,golden standard, marker-gene annotation. Έτσι, ο στόχος μας είναι να εκπαιδεύσουμε μοντέλα Μηχανικής Μάθησης (Machine Learning), για την ταξινόμηση κυττάρων σε κυτταρικούς τύπους, με την ενσωμάτωση δεδομένων γονιδιακής έκφρασης SRT ,που βρίσκονται σε single cell resolution, τόσο με την τυπική προσέγγιση marker-gene approach, χρησιμοποιώντας το πακέτο Seurat, όσο και με μια βελτιωμένη έκδοση που παρέχεται από τη Nanostring. Με βάση τη σύγκριση επίδοσης μεταξύ των μοντέλων που εκπαιδεύονται χρησιμοποιώντας αυτές τις δύο διαφορετικές μεθόδους κυτταρικής ταξινόμησης (cell labeling), ελπίζουμε να αναδείξουμε την υπάρχουσα αβεβαιότητα που σχετίζεται με τη τυπική προσέγγιση του annotation. Το δεύτερο μέρος της παρούσας διπλωματικής, επικεντρώνεται στην αποκάλυψη βιολογικών πληροφοριών, κυρίως όσον αφορά τις κυτταρικές αλληλεπιδράσεις, οι οποίες θα μπορούσαν να συμβάλλουν στον τομέα της εξατομικευμένης ιατρικής αλλά και να συντείνουν σε μια πιο βελτιωμένη εκδοχή του annotation. Ως εκ τούτου, αποφασίσαμε να χρησιμοποιήσουμε την Shannon entropy, για τον αυτόματο εντοπισμό ορίων διαφορετικών κυτταρικών ομάδων, σε μια προσπάθεια αναζήτησης διαφορών μεταξύ ορίων και μη ορίων ως προς το misclassification ratio. Τα αποτελέσματα για το πρώτο μέρος της ανάλυσης έδειξαν, με βάση unseen data, σημαντική πτώση στην επίδοση των Seurat labels κατά περίπου 28%, αναδεικνύοντας την εγγενή αβεβαιότητα του golden standard annotation approach. Το δεύτερο μέρος της ανάλυσης, παρουσίασε τα όρια των κυτταρικών τύπων και των niches ως καλά καθορισμένα ενώ, παρατηρήθηκαν υψηλότερα ποσοστά misclassification στις περιοχές stroma και myeloid-enriched stroma, ιδιαίτερα κοντά στα tumour stroma boundaries αλλά και εντός αυτών με βάση ανάλυση μικρότερου grid. Το γεγονός αυτό υποδηλώνει, ότι το υψηλότερο misclassification και οι αλλαγές στη γονιδιακή έκφραση μπορεί να συνδέονται με την επίδραση του όγκου στα κοντινά κύτταρα ή στις δομικές περιοχές που εμπλέκονται στην άμυνα. Αυτές οι παρατηρήσεις αποκαλύπτουν τη δυνατότητα της μεθόδου μας, να εξάγει βιολογικές γνώσεις από τα δεδομένα SRT και να αξιοποιήσει κατάλληλα το explainable ML για τη διερεύνηση του μικροπεριβάλλοντος του όγκου.","Diseases such as cancer or autoimmune disorders have a molecular background. Specifically, the human organism consists of cells which, despite their identical genetic material are assigned to different groups based on their gene expression profiles. Therefore, mutations in important genes can disrupt normal cell behavior which can sometimes lead to cancer. Trustworthy analytical tools are in serious need, as they can assist in rapid diagnosis or therapy, with the identification of new targets, aligning with the scope of precision medicine for better and personalized therapy. To this end, spatially resolved transcriptomics technologies (SRT) combined with explainable machine learning (ML) can assist in uncovering the molecular background. SRT provides transcriptional activity and its positional context, and shares, except for their additional spatial dimension, many common characteristics with scRNA-seq and challenges such as the marker-gene- based cell type annotation approach, widely used. Thus, the integration of SRT with ML despite its great potential to aid the field of precision medicine, faces many uncertainties making it difficult for an approach to transition from theoretical research to clinical application. For its applicability, a method must first establish trustworthiness which includes pinpointing uncertainty, implementing necessary improvements, and integrating explainability to understand the decisions made by ML models. In this thesis, we attempt to address some of these points. Specifically, a central goal of this thesis is to observe the uncertainty inherent in the cell classification process arising from the golden standard, marker-gene annotation approach. Thus, our objective is to train Machine Learning models for cell classification by integrating SRT gene expression data in single-cell resolution, with both the standard annotation approach, using the Seurat package, and an enhanced version provided by Nanostring. Based on the comparison of classification performance between models trained using these two distinct cell labeling methods, we hope to uncover any uncertainty associated with the conventional annotation approach. The second part of this thesis, focuses on uncovering biological insights, mostly in terms of cell-to-cell interactions which we believe hide significant information. Those insights could assist the field of precision medicine and may even pinpoint genes that could eventually lead to a more enhanced annotation process. Therefore, we decided to employ Shannon entropy to automatically identify boundaries of different cellular groups and based on those to search for differences between boundaries and non-boundaries in terms of misclassification ratio. The results for the first part of the analysis revealed, based on unseen data, a significant performance drop by approximately 28% in Seurat labels, highlighting the inherent uncertainty of the marker-gene approach. For the second chapter of the analysis, contrary to our initial hypothesis, the boundaries of cell types and niches seemed to be well- defined while, higher misclassification rates were observed in grid regions associated with stroma and myeloid-enriched stroma, particularly near tumor stroma boundaries. Additionally, smaller grid analysis also revealed high misclassification rates at these boundaries. This might suggest that misclassification and gene expression changes may be linked to the tumor’s influence on nearby cells or structural regions involved in defense. These observations unveil the potential of our method to extract biological insights from SRT data and leverage explainable ML to explore the tumor microenvironment."],"dc:identifier":["uoadl:3419656","https://pergamos.lib.uoa.gr/uoa/dl/object/3419656"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Integrating Spatial Transcriptomics in single cell resolution with Explainable Machine Learning for Enhanced Insights in Lung cancer Biology."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:29Z"}