Back to search

National and Kapodistrian University of Athens

«Μελέτη πολυ-ομικών (multi-omics) μεθόδων που αξιοποιούν μηχανική μάθηση για εξατομικευμένες, φυλο-εξαρτώμενες προβλέψεις σε καρκίνο»

Abstract

dc:description

Η Βιολογία Συστημάτων και η Βιοπληροφορική προσφέρουν ένα ολοκληρωμένο πλαίσιο για τη μελέτη πολύπλοκων νοσημάτων, όπως ο καρκίνος, μέσω της ανάλυσης δεδομένων multi-omics. Οι προσεγγίσεις αυτές επιτρέπουν τον συνδυασμό πληροφορίας από διαφορετικά μοριακά επίπεδα, όπως η γονιδιακή έκφραση, η έκφραση miRNA και η μεθυλίωση DNA, ωστόσο η αποτελεσματική αξιοποίηση και ερμηνεία τους παραμένει πρόκληση. Στην παρούσα μελέτη εξετάζεται ο ρόλος του βιολογικού φύλου στον καρκίνο του θυρεοειδούς, μιας μορφής καρκίνου που εμφανίζει έντονη ανισότητα μεταξύ των φύλων, με σημαντικά υψηλότερη συχνότητα στις γυναίκες. Στόχος της εργασίας είναι η διερεύνηση του κατά πόσο το φύλο αποτελεί σημαντικό παράγοντα στο μοριακό προφίλ της νόσου, καθώς και η αξιολόγηση διαφορετικών αναπαραστάσεων multi-omics δεδομένων για την εξαγωγή βιολογικά σημαντικής πληροφορίας και την υποστήριξη μοντέλων μηχανικής μάθησης. Τα δεδομένα προήλθαν από τη βάση δεδομένων GDC και περιλαμβάνουν multi-omics προφίλ (mRNA, miRNA και DNA methylation) καθώς και αντίστοιχα κλινικά δεδομένα. Για την διερεύνηση της δομής των δεδομένων εφαρμόστηκε η μέθοδος Multi-Omics Factor Analysis (MOFA), μέσω της οποίας αναδείχθηκαν λανθάνοντες παράγοντες που περιγράφουν ανεξάρτητες πηγές μεταβλητότητας. Οι παράγοντες αυτοί παρουσίασαν μεταξύ τους ανεξαρτησία, ενώ παρατηρήθηκαν διαφοροποιήσεις στη συμβολή των επιμέρους omics επιπέδων μεταξύ φυσιολογικών και καρκινικών ιστών. Στη συνέχεια πραγματοποιήθηκε ανάλυση εμπλουτισμού γονιδιακών συνόλων (GSEA) για την ερμηνεία των βιολογικών μονοπατιών που σχετίζονται με τους παραγόμενους παράγοντες. Ιδιαίτερο ενδιαφέρον παρουσίασε ένας παράγοντας ο οποίος εμφάνισε ισχυρή συσχέτιση με το βιολογικό φύλο, εύρημα που συνδέθηκε περαιτέρω με γονίδια του χρωμοσώματος Χ, υποδεικνύοντας την ύπαρξη σταθερού sex-related μοριακού σήματος. Παράλληλα, πραγματοποιήθηκε διερευνητική ανάλυση με τη μέθοδο PCA, η οποία χρησιμοποιήθηκε για την οπτικοποίηση της κατανομής των δειγμάτων στον χώρο μειωμένης διάστασης. Επιπλέον, εφαρμόστηκαν διαφορετικές μέθοδοι επιλογής χαρακτηριστικών, μεταξύ των οποίων και προσέγγιση βασισμένη στην τυπική απόκλιση, η οποία ανέδειξε σαφή διαχωρισμό των δειγμάτων ως προς το βιολογικό φύλο, σε αντίθεση με τις υπόλοιπες μεθόδους που δεν εμφάνισαν αντίστοιχο αποτέλεσμα. Για την πρόβλεψη κλινικών χαρακτηριστικών κατασκευάστηκαν δύο τύποι αναπαραστάσεων δεδομένων: διανύσματα χαρακτηριστικών βασισμένα σε διανύσματα χαρακτηριστικών βασισμένα σε δεδομένα multi-omics (γονιδιακή έκφραση και μεθυλίωση DNA) και τοπολογικά χαρακτηριστικά που προέκυψαν από γράφους, οι οποίοι αρχικά βασίστηκαν σε έναν γενικό γράφο νόσου και στη συνέχεια εξειδικεύτηκαν σε εξατομικευμένους γράφους ανά ασθενή. Οι αναπαραστάσεις αυτές χρησιμοποιήθηκαν για την εκπαίδευση μοντέλων μηχανικής μάθησης με στόχο την ταξινόμηση φυσιολογικών και καρκινικών δειγμάτων, του βιολογικού φύλου και του σταδίου της νόσου. Τα αποτελέσματα έδειξαν ότι οι διανυσματικές αναπαραστάσεις επιτυγχάνουν συνολικά υψηλή απόδοση τόσο στη διάκριση φυσιολογικού και καρκινικού ιστού όσο και στην πρόβλεψη του βιολογικού φύλου. Αντίθετα, η πρόβλεψη του σταδίου της νόσου παρέμεινε περιορισμένη σε όλες τις αναπαραστάσεις. Τα τοπολογικά χαρακτηριστικά από γράφους διατήρησαν ικανοποιητική πληροφορία για τη διάκριση ιστού, αλλά δεν αποτύπωσαν αποτελεσματικά το σήμα του φύλου. Συνολικά, η μελέτη αναδεικνύει ότι το βιολογικό φύλο αποτελεί σημαντικό και ανιχνεύσιμο στοιχείο του μοριακού προφίλ του καρκίνου του θυρεοειδούς και ότι η επιλογή αναπαράστασης δεδομένων επηρεάζει ουσιαστικά την ικανότητα ανάδειξης διαφορετικών βιολογικών σημάτων.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • ΣΠΥΡΑΤΟΥ ΜΑΡΙΑ-ΚΩΝΣΤΑΝΤΙΝΑ
  • SPYRATOU MARIA-KONSTANTINA

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5427496

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

ΣΠΥΡΑΤΟΥ ΜΑΡΙΑ-ΚΩΝΣΤΑΝΤΙΝΑ; SPYRATOU MARIA-KONSTANTINA. «Μελέτη πολυ-ομικών (multi-omics) μεθόδων που αξιοποιούν μηχανική μάθηση για εξατομικευμένες, φυλο-εξαρτώμενες προβλέψεις σε καρκίνο». 2026. https://pergamos.lib.uoa.gr/uoa/dl/object/5427496