{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5301448"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5301448","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"ΜΕΛΕΤΗ ΤΗΣ ΕΠΙΔΡΑΣΗΣ ΤΗΣ ΚΑΝΟΝΙΚΟΠΟΙΗΣΗΣ ΣΕ ΔΕΔΟΜΕΝΑ ΜΕΤΑΒΟΛΟΜΙΚΩΝ ΜΕΛΕΤΩΝ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΔΕΔΟΜΕΝΩΝ NMR ΔΕΙΓΜΑΤΩΝ ΠΛΑΣΜΑΤΟΣ","abstract":"Η ταχεία πρόοδος και η ανάπτυξη τεχνολογιών υψηλής ευαισθησίας και ανάλυσης έχουν καταστήσει εφικτή την περιγραφή και παρακολούθηση πολύπλοκων βιολογικών συστημάτων. Η χρήση των τεχνικών αυτών παράγει μεγάλο όγκο δεδομένων, καθιστώντας απαραίτητη τη μαθηματική και στατιστική επεξεργασία ώστε να εξαχθούν αξιόπιστα και ερμηνεύσιμα συμπεράσματα. Η μαθηματική προεπεξεργασία φασματικών δεδομένων αποτελεί απαραίτητο και κρίσιμο βήμα, καθώς επηρεάζει καθοριστικά την έκβαση των μελετών. Η κανονικοποίηση αποτελεί κρίσιμο στάδιο της ανάλυσης, καθώς επιχειρεί να διορθώσει για τεχνικές μεταβλητότητες που επηρεάζουν την ένταση των φασμάτων. Η κανονικοποίηση ως προς το συνολικό εμβαδό / ένταση (Total Area/ Intensity Normalization) είναι μια μέθοδος που χρησιμοποιείται πολύ συχνά στη μεταβολομική, σε ποικιλία βιολογικών δειγμάτων και επιτρέπει τη σύγκριση σχετικών συγκεντρώσεων μεταβολιτών, ανεξάρτητα από τη συνολική ένταση του σήματος. Σε βιολογικά που παρουσιάζουν ομοιόσταση, όπως το αίμα, η μέθοδος αυτή ενδέχεται να αλλοιώσει πραγματικές βιολογικές διαφορές. Επιπλέον, στα δείγματα αίματος που μελετώνται με τη φασματοσκοπία NMR, υπάρχουν ευρείες κορυφές που προέρχονται από πρωτεϊνικά μόρια και λιπίδια και επηρεάζουν σημαντικά το συνολικό εμβαδό. Στην παρούσα εργασία, δεδομένα φασματοσκοπίας NMR, δειγμάτων ορού αίματος επιλέχθηκαν για τον έλεγχο της επίδρασης της κανονικοποίησης ως προς το συνολικό εμβαδό στα αποτελέσματα που προκύπτουν τόσο από τη μονοπαραμετρική, όσο και την πολυπαραμετρική στατιστική ανάλυση, σε σχέση με τα μη κανονικοποιημένα δεδομένα. Για τη μελέτη χρησιμοποιήθηκαν φασματικά δεδομένα δειγμάτων ορού αίματος ασθενών με γιγαντοκυτταρική αγγειίτιδα και ασθενών με πολυμυαλγία που ελήφθησαν σε τρεις χρονικές στιγμές, πριν τη χορήγηση θεραπείας και μετά τη λήψη ενός και έξι μηνών θεραπείας. Διερευνήθηκε κατά πόσο η κανονικοποίηση των δειγμάτων αίματος επηρεάζει την ομαδοποίηση των δειγμάτων, την ανάδειξη μεταβολικών διαφορών μεταξύ χρονικών σημείων και ομάδων ασθενών την ερμηνεία των στατιστικών μοντέλων. Από τα αποτελέσματα διαπιστώθηκε ότι η μη κανονικοποίηση μπορεί, υπό συγκεκριμένες συνθήκες, να επηρεάσει σημαντικά τα αποτελέσματα. Στη μονοπαραμετρική ανάλυση, η ένταση των μεταβολών ορισμένων μεταβολιτών, όπως η φαινυλαλανίνη, τα λιπιδικά σήματα (-CH₂, ακόρεστα, γλυκερίδια) και οι N-ακετυλογλυκοπρωτεΐνες (N-Ac-GPs), διαφοροποιήθηκε μεταξύ των δύο προσεγγίσεων, αποκαλύπτοντας ή αποκρύπτοντας βιολογικά κρίσιμες πληροφορίες. Στην πολυπαραμετρική ανάλυση, η μη κανονικοποίηση παρείχε σε συγκεκριμένες περιπτώσεις (όπως η σύγκριση GCA V0 vs V1) υψηλότερους δείκτες αξιοπιστίας (Q², R²Y) και καλύτερο διαχωρισμό των ομάδων με μικρότερη διασπορά, σε αντίθεση με την κανονικοποίηση που οδήγησε σε αλληλεπικάλυψη. Αντιθέτως, σε άλλες συγκρίσεις, όπως GCA V0 vs V6 ή PMR vs GCA, η επίδραση της κανονικοποίησης κρίθηκε αμελητέα. Συνολικά, τα ευρήματα υποδεικνύουν ότι η επιλογή ή όχι κανονικοποίησης πρέπει να γίνεται με προσοχή, καθώς ενδέχεται να αλλοιωθεί η διακριτική ικανότητα των μοντέλων και η βιολογική ερμηνεία των αποτελεσμάτων","abstract_html":"Η ταχεία πρόοδος και η ανάπτυξη τεχνολογιών υψηλής ευαισθησίας και ανάλυσης έχουν καταστήσει εφικτή την περιγραφή και παρακολούθηση πολύπλοκων βιολογικών συστημάτων. Η χρήση των τεχνικών αυτών παράγει μεγάλο όγκο δεδομένων, καθιστώντας απαραίτητη τη μαθηματική και στατιστική επεξεργασία ώστε να εξαχθούν αξιόπιστα και ερμηνεύσιμα συμπεράσματα. Η μαθηματική προεπεξεργασία φασματικών δεδομένων αποτελεί απαραίτητο και κρίσιμο βήμα, καθώς επηρεάζει καθοριστικά την έκβαση των μελετών. Η κανονικοποίηση αποτελεί κρίσιμο στάδιο της ανάλυσης, καθώς επιχειρεί να διορθώσει για τεχνικές μεταβλητότητες που επηρεάζουν την ένταση των φασμάτων. Η κανονικοποίηση ως προς το συνολικό εμβαδό / ένταση (Total Area/ Intensity Normalization) είναι μια μέθοδος που χρησιμοποιείται πολύ συχνά στη μεταβολομική, σε ποικιλία βιολογικών δειγμάτων και επιτρέπει τη σύγκριση σχετικών συγκεντρώσεων μεταβολιτών, ανεξάρτητα από τη συνολική ένταση του σήματος. Σε βιολογικά που παρουσιάζουν ομοιόσταση, όπως το αίμα, η μέθοδος αυτή ενδέχεται να αλλοιώσει πραγματικές βιολογικές διαφορές. Επιπλέον, στα δείγματα αίματος που μελετώνται με τη φασματοσκοπία NMR, υπάρχουν ευρείες κορυφές που προέρχονται από πρωτεϊνικά μόρια και λιπίδια και επηρεάζουν σημαντικά το συνολικό εμβαδό. Στην παρούσα εργασία, δεδομένα φασματοσκοπίας NMR, δειγμάτων ορού αίματος επιλέχθηκαν για τον έλεγχο της επίδρασης της κανονικοποίησης ως προς το συνολικό εμβαδό στα αποτελέσματα που προκύπτουν τόσο από τη μονοπαραμετρική, όσο και την πολυπαραμετρική στατιστική ανάλυση, σε σχέση με τα μη κανονικοποιημένα δεδομένα. Για τη μελέτη χρησιμοποιήθηκαν φασματικά δεδομένα δειγμάτων ορού αίματος ασθενών με γιγαντοκυτταρική αγγειίτιδα και ασθενών με πολυμυαλγία που ελήφθησαν σε τρεις χρονικές στιγμές, πριν τη χορήγηση θεραπείας και μετά τη λήψη ενός και έξι μηνών θεραπείας. Διερευνήθηκε κατά πόσο η κανονικοποίηση των δειγμάτων αίματος επηρεάζει την ομαδοποίηση των δειγμάτων, την ανάδειξη μεταβολικών διαφορών μεταξύ χρονικών σημείων και ομάδων ασθενών την ερμηνεία των στατιστικών μοντέλων. Από τα αποτελέσματα διαπιστώθηκε ότι η μη κανονικοποίηση μπορεί, υπό συγκεκριμένες συνθήκες, να επηρεάσει σημαντικά τα αποτελέσματα. Στη μονοπαραμετρική ανάλυση, η ένταση των μεταβολών ορισμένων μεταβολιτών, όπως η φαινυλαλανίνη, τα λιπιδικά σήματα (-CH₂, ακόρεστα, γλυκερίδια) και οι N-ακετυλογλυκοπρωτεΐνες (N-Ac-GPs), διαφοροποιήθηκε μεταξύ των δύο προσεγγίσεων, αποκαλύπτοντας ή αποκρύπτοντας βιολογικά κρίσιμες πληροφορίες. Στην πολυπαραμετρική ανάλυση, η μη κανονικοποίηση παρείχε σε συγκεκριμένες περιπτώσεις (όπως η σύγκριση GCA V0 vs V1) υψηλότερους δείκτες αξιοπιστίας (Q², R²Y) και καλύτερο διαχωρισμό των ομάδων με μικρότερη διασπορά, σε αντίθεση με την κανονικοποίηση που οδήγησε σε αλληλεπικάλυψη. Αντιθέτως, σε άλλες συγκρίσεις, όπως GCA V0 vs V6 ή PMR vs GCA, η επίδραση της κανονικοποίησης κρίθηκε αμελητέα. Συνολικά, τα ευρήματα υποδεικνύουν ότι η επιλογή ή όχι κανονικοποίησης πρέπει να γίνεται με προσοχή, καθώς ενδέχεται να αλλοιωθεί η διακριτική ικανότητα των μοντέλων και η βιολογική ερμηνεία των αποτελεσμάτων","abstract_has_math":false,"creators":["ΓΚΕΒΕΖΟΣ ΔΗΜΗΤΡΙΟΣ","GKEVEZOS DIMITRIOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:37:27Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5301448"],"render_values":[{"text":"uoadl:5301448","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5301448","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5301448","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%3A5301448","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΓΚΕΒΕΖΟΣ ΔΗΜΗΤΡΙΟΣ","GKEVEZOS DIMITRIOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5301448","https://pergamos.lib.uoa.gr/uoa/dl/object/5301448"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ταχεία πρόοδος και η ανάπτυξη τεχνολογιών υψηλής ευαισθησίας και ανάλυσης έχουν καταστήσει εφικτή την περιγραφή και παρακολούθηση πολύπλοκων βιολογικών συστημάτων. Η χρήση των τεχνικών αυτών παράγει μεγάλο όγκο δεδομένων, καθιστώντας απαραίτητη τη μαθηματική και στατιστική επεξεργασία ώστε να εξαχθούν αξιόπιστα και ερμηνεύσιμα συμπεράσματα. Η μαθηματική προεπεξεργασία φασματικών δεδομένων αποτελεί απαραίτητο και κρίσιμο βήμα, καθώς επηρεάζει καθοριστικά την έκβαση των μελετών. Η κανονικοποίηση αποτελεί κρίσιμο στάδιο της ανάλυσης, καθώς επιχειρεί να διορθώσει για τεχνικές μεταβλητότητες που επηρεάζουν την ένταση των φασμάτων. Η κανονικοποίηση ως προς το συνολικό εμβαδό / ένταση (Total Area/ Intensity Normalization) είναι μια μέθοδος που χρησιμοποιείται πολύ συχνά στη μεταβολομική, σε ποικιλία βιολογικών δειγμάτων και επιτρέπει τη σύγκριση σχετικών συγκεντρώσεων μεταβολιτών, ανεξάρτητα από τη συνολική ένταση του σήματος. Σε βιολογικά που παρουσιάζουν ομοιόσταση, όπως το αίμα, η μέθοδος αυτή ενδέχεται να αλλοιώσει πραγματικές βιολογικές διαφορές. Επιπλέον, στα δείγματα αίματος που μελετώνται με τη φασματοσκοπία NMR, υπάρχουν ευρείες κορυφές που προέρχονται από πρωτεϊνικά μόρια και λιπίδια και επηρεάζουν σημαντικά το συνολικό εμβαδό. Στην παρούσα εργασία, δεδομένα φασματοσκοπίας NMR, δειγμάτων ορού αίματος επιλέχθηκαν για τον έλεγχο της επίδρασης της κανονικοποίησης ως προς το συνολικό εμβαδό στα αποτελέσματα που προκύπτουν τόσο από τη μονοπαραμετρική, όσο και την πολυπαραμετρική στατιστική ανάλυση, σε σχέση με τα μη κανονικοποιημένα δεδομένα. Για τη μελέτη χρησιμοποιήθηκαν φασματικά δεδομένα δειγμάτων ορού αίματος ασθενών με γιγαντοκυτταρική αγγειίτιδα και ασθενών με πολυμυαλγία που ελήφθησαν σε τρεις χρονικές στιγμές, πριν τη χορήγηση θεραπείας και μετά τη λήψη ενός και έξι μηνών θεραπείας. Διερευνήθηκε κατά πόσο η κανονικοποίηση των δειγμάτων αίματος επηρεάζει την ομαδοποίηση των δειγμάτων, την ανάδειξη μεταβολικών διαφορών μεταξύ χρονικών σημείων και ομάδων ασθενών την ερμηνεία των στατιστικών μοντέλων. Από τα αποτελέσματα διαπιστώθηκε ότι η μη κανονικοποίηση μπορεί, υπό συγκεκριμένες συνθήκες, να επηρεάσει σημαντικά τα αποτελέσματα. Στη μονοπαραμετρική ανάλυση, η ένταση των μεταβολών ορισμένων μεταβολιτών, όπως η φαινυλαλανίνη, τα λιπιδικά σήματα (-CH₂, ακόρεστα, γλυκερίδια) και οι N-ακετυλογλυκοπρωτεΐνες (N-Ac-GPs), διαφοροποιήθηκε μεταξύ των δύο προσεγγίσεων, αποκαλύπτοντας ή αποκρύπτοντας βιολογικά κρίσιμες πληροφορίες. Στην πολυπαραμετρική ανάλυση, η μη κανονικοποίηση παρείχε σε συγκεκριμένες περιπτώσεις (όπως η σύγκριση GCA V0 vs V1) υψηλότερους δείκτες αξιοπιστίας (Q², R²Y) και καλύτερο διαχωρισμό των ομάδων με μικρότερη διασπορά, σε αντίθεση με την κανονικοποίηση που οδήγησε σε αλληλεπικάλυψη. Αντιθέτως, σε άλλες συγκρίσεις, όπως GCA V0 vs V6 ή PMR vs GCA, η επίδραση της κανονικοποίησης κρίθηκε αμελητέα. Συνολικά, τα ευρήματα υποδεικνύουν ότι η επιλογή ή όχι κανονικοποίησης πρέπει να γίνεται με προσοχή, καθώς ενδέχεται να αλλοιωθεί η διακριτική ικανότητα των μοντέλων και η βιολογική ερμηνεία των αποτελεσμάτων","The rapid advancement of NMR spectroscopy and the development of high-sensitivity and high resolution technologies have made it possible to capture complex metabolic profiles from biological samples. The continuous improvement of these techniques leads to the generation of large volumes of data, making mathematical and statistical processing essential for extracting reliable and interpretable biological conclusions. In this context, the selection of appropriate preprocessing methods critically affects the outcome of metabolomic studies. Glycoproteins are of particular interest, which are detected in ¹H NMR spectra as characteristic broad regions, mainly in the 2.0–2.2 ppm range. These regions reflect information related to acute inflammatory responses and can serve as biomarkers in inflammatory conditions, such as in blood samples. However, the reliability of the findings largely depends on how the data have been processed. Normalization is a critical step in the analysis, as it aims to correct for technical variability affecting spectral intensities. Total area normalization is a commonly used method in metabolomics that enables the comparison of relative metabolite concentrations. Nevertheless, in samples such as blood, where significant differences may exist in the total concentration of proteins, lipids, or glycoproteins, this method may distort true biological differences. In the present study, specific samples were selected to evaluate the effect of non-normalization on the outcomes of both univariate and multivariate statistical analyses, in comparison to normalized data. The objective is to assess how normalization of ^1H NMR spectroscopic data influences the discriminatory power and reliability of metabolomic analysis in pathological samples. Specifically, normalized data (based on total spectral area) are compared with non-normalized data. Total intensity normalization is a widely used approach that enables comparison of relative metabolite concentrations, regardless of overall signal intensity. However, it may distort true biological changes, especially when there are substantial differences in total protein and lipid concentrations between samples, as is the case here, where blood samples are under investigation. The results indicated that non-normalization can, under specific conditions, significantly affect the outcomes. In the univariate analysis, the magnitude of variation in certain metabolites, such as phenylalanine, lipid signals (-CH₂, unsaturated lipids, triglycerides), and N-acetyl glycoproteins (N-Ac-GPs) differed between the two approaches, revealing or obscuring biologically relevant information. In the multivariate analysis, non-normalized data in specific comparisons (e.g., GCA V0 vs V1) yielded higher reliability indices (Q², R²Y) and clearer group separation with reduced dispersion, in contrast to normalization, which led to overlapping clusters. Conversely, in other comparisons, such as GCA V0 vs V6 or PMR vs GCA the impact of normalization was negligible. Overall, these findings suggest that the decision to apply normalization must be made with caution, as it may alter the discriminative capacity of the models and the biological interpretation of the results."]},{"key":"dc:title","label":"Title","values":["ΜΕΛΕΤΗ ΤΗΣ ΕΠΙΔΡΑΣΗΣ ΤΗΣ ΚΑΝΟΝΙΚΟΠΟΙΗΣΗΣ ΣΕ ΔΕΔΟΜΕΝΑ ΜΕΤΑΒΟΛΟΜΙΚΩΝ ΜΕΛΕΤΩΝ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΔΕΔΟΜΕΝΩΝ NMR ΔΕΙΓΜΑΤΩΝ ΠΛΑΣΜΑΤΟΣ"]}]}],"canonical_facts":{"dc:creator":["ΓΚΕΒΕΖΟΣ ΔΗΜΗΤΡΙΟΣ","GKEVEZOS DIMITRIOS"],"dc:date":["2025"],"dc:description":["Η ταχεία πρόοδος και η ανάπτυξη τεχνολογιών υψηλής ευαισθησίας και ανάλυσης έχουν καταστήσει εφικτή την περιγραφή και παρακολούθηση πολύπλοκων βιολογικών συστημάτων. Η χρήση των τεχνικών αυτών παράγει μεγάλο όγκο δεδομένων, καθιστώντας απαραίτητη τη μαθηματική και στατιστική επεξεργασία ώστε να εξαχθούν αξιόπιστα και ερμηνεύσιμα συμπεράσματα. Η μαθηματική προεπεξεργασία φασματικών δεδομένων αποτελεί απαραίτητο και κρίσιμο βήμα, καθώς επηρεάζει καθοριστικά την έκβαση των μελετών. Η κανονικοποίηση αποτελεί κρίσιμο στάδιο της ανάλυσης, καθώς επιχειρεί να διορθώσει για τεχνικές μεταβλητότητες που επηρεάζουν την ένταση των φασμάτων. Η κανονικοποίηση ως προς το συνολικό εμβαδό / ένταση (Total Area/ Intensity Normalization) είναι μια μέθοδος που χρησιμοποιείται πολύ συχνά στη μεταβολομική, σε ποικιλία βιολογικών δειγμάτων και επιτρέπει τη σύγκριση σχετικών συγκεντρώσεων μεταβολιτών, ανεξάρτητα από τη συνολική ένταση του σήματος. Σε βιολογικά που παρουσιάζουν ομοιόσταση, όπως το αίμα, η μέθοδος αυτή ενδέχεται να αλλοιώσει πραγματικές βιολογικές διαφορές. Επιπλέον, στα δείγματα αίματος που μελετώνται με τη φασματοσκοπία NMR, υπάρχουν ευρείες κορυφές που προέρχονται από πρωτεϊνικά μόρια και λιπίδια και επηρεάζουν σημαντικά το συνολικό εμβαδό. Στην παρούσα εργασία, δεδομένα φασματοσκοπίας NMR, δειγμάτων ορού αίματος επιλέχθηκαν για τον έλεγχο της επίδρασης της κανονικοποίησης ως προς το συνολικό εμβαδό στα αποτελέσματα που προκύπτουν τόσο από τη μονοπαραμετρική, όσο και την πολυπαραμετρική στατιστική ανάλυση, σε σχέση με τα μη κανονικοποιημένα δεδομένα. Για τη μελέτη χρησιμοποιήθηκαν φασματικά δεδομένα δειγμάτων ορού αίματος ασθενών με γιγαντοκυτταρική αγγειίτιδα και ασθενών με πολυμυαλγία που ελήφθησαν σε τρεις χρονικές στιγμές, πριν τη χορήγηση θεραπείας και μετά τη λήψη ενός και έξι μηνών θεραπείας. Διερευνήθηκε κατά πόσο η κανονικοποίηση των δειγμάτων αίματος επηρεάζει την ομαδοποίηση των δειγμάτων, την ανάδειξη μεταβολικών διαφορών μεταξύ χρονικών σημείων και ομάδων ασθενών την ερμηνεία των στατιστικών μοντέλων. Από τα αποτελέσματα διαπιστώθηκε ότι η μη κανονικοποίηση μπορεί, υπό συγκεκριμένες συνθήκες, να επηρεάσει σημαντικά τα αποτελέσματα. Στη μονοπαραμετρική ανάλυση, η ένταση των μεταβολών ορισμένων μεταβολιτών, όπως η φαινυλαλανίνη, τα λιπιδικά σήματα (-CH₂, ακόρεστα, γλυκερίδια) και οι N-ακετυλογλυκοπρωτεΐνες (N-Ac-GPs), διαφοροποιήθηκε μεταξύ των δύο προσεγγίσεων, αποκαλύπτοντας ή αποκρύπτοντας βιολογικά κρίσιμες πληροφορίες. Στην πολυπαραμετρική ανάλυση, η μη κανονικοποίηση παρείχε σε συγκεκριμένες περιπτώσεις (όπως η σύγκριση GCA V0 vs V1) υψηλότερους δείκτες αξιοπιστίας (Q², R²Y) και καλύτερο διαχωρισμό των ομάδων με μικρότερη διασπορά, σε αντίθεση με την κανονικοποίηση που οδήγησε σε αλληλεπικάλυψη. Αντιθέτως, σε άλλες συγκρίσεις, όπως GCA V0 vs V6 ή PMR vs GCA, η επίδραση της κανονικοποίησης κρίθηκε αμελητέα. Συνολικά, τα ευρήματα υποδεικνύουν ότι η επιλογή ή όχι κανονικοποίησης πρέπει να γίνεται με προσοχή, καθώς ενδέχεται να αλλοιωθεί η διακριτική ικανότητα των μοντέλων και η βιολογική ερμηνεία των αποτελεσμάτων","The rapid advancement of NMR spectroscopy and the development of high-sensitivity and high resolution technologies have made it possible to capture complex metabolic profiles from biological samples. The continuous improvement of these techniques leads to the generation of large volumes of data, making mathematical and statistical processing essential for extracting reliable and interpretable biological conclusions. In this context, the selection of appropriate preprocessing methods critically affects the outcome of metabolomic studies. Glycoproteins are of particular interest, which are detected in ¹H NMR spectra as characteristic broad regions, mainly in the 2.0–2.2 ppm range. These regions reflect information related to acute inflammatory responses and can serve as biomarkers in inflammatory conditions, such as in blood samples. However, the reliability of the findings largely depends on how the data have been processed. Normalization is a critical step in the analysis, as it aims to correct for technical variability affecting spectral intensities. Total area normalization is a commonly used method in metabolomics that enables the comparison of relative metabolite concentrations. Nevertheless, in samples such as blood, where significant differences may exist in the total concentration of proteins, lipids, or glycoproteins, this method may distort true biological differences. In the present study, specific samples were selected to evaluate the effect of non-normalization on the outcomes of both univariate and multivariate statistical analyses, in comparison to normalized data. The objective is to assess how normalization of ^1H NMR spectroscopic data influences the discriminatory power and reliability of metabolomic analysis in pathological samples. Specifically, normalized data (based on total spectral area) are compared with non-normalized data. Total intensity normalization is a widely used approach that enables comparison of relative metabolite concentrations, regardless of overall signal intensity. However, it may distort true biological changes, especially when there are substantial differences in total protein and lipid concentrations between samples, as is the case here, where blood samples are under investigation. The results indicated that non-normalization can, under specific conditions, significantly affect the outcomes. In the univariate analysis, the magnitude of variation in certain metabolites, such as phenylalanine, lipid signals (-CH₂, unsaturated lipids, triglycerides), and N-acetyl glycoproteins (N-Ac-GPs) differed between the two approaches, revealing or obscuring biologically relevant information. In the multivariate analysis, non-normalized data in specific comparisons (e.g., GCA V0 vs V1) yielded higher reliability indices (Q², R²Y) and clearer group separation with reduced dispersion, in contrast to normalization, which led to overlapping clusters. Conversely, in other comparisons, such as GCA V0 vs V6 or PMR vs GCA the impact of normalization was negligible. Overall, these findings suggest that the decision to apply normalization must be made with caution, as it may alter the discriminative capacity of the models and the biological interpretation of the results."],"dc:identifier":["uoadl:5301448","https://pergamos.lib.uoa.gr/uoa/dl/object/5301448"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["ΜΕΛΕΤΗ ΤΗΣ ΕΠΙΔΡΑΣΗΣ ΤΗΣ ΚΑΝΟΝΙΚΟΠΟΙΗΣΗΣ ΣΕ ΔΕΔΟΜΕΝΑ ΜΕΤΑΒΟΛΟΜΙΚΩΝ ΜΕΛΕΤΩΝ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΔΕΔΟΜΕΝΩΝ NMR ΔΕΙΓΜΑΤΩΝ ΠΛΑΣΜΑΤΟΣ"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:37:27Z"}