{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5451399"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5451399","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Interpretable Graph Neural Networks for Multi-Omics","abstract":"Η ταυτότητα των κυττάρων διαμορφώνεται από μεταγραφικούς παράγοντες που δρουν μέσω προσβάσιμων cis-ρυθμιστικών στοιχείων. Ωστόσο, τα μοντέλα ταξινόμησης μεμονωμένων κυττάρων σπάνια εξηγούν τη ρυθμιστική βάση των προβλέψεών τους. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη και αξιολόγηση ενός ερμηνεύσιμου υπολογιστικού μοντέλου για την ταξινόμηση κυτταρικών τύπων και την εξαγωγή γονιδιακών ρυθμιστικών δικτύων από πολυωμικά δεδομένα μεμονωμένων κυττάρων. Για τον σκοπό αυτό παρουσιάζεται το NUTMEG, ένα ετερογενές νευρωνικό δίκτυο γράφου με μηχανισμό προσοχής. Το μοντέλο ταξινομεί κύτταρα μέσω ενός ρητού δικτύου της μορφής μεταγραφικός παράγοντας → cis-ρυθμιστικό στοιχείο → γονίδιο, το οποίο κατασκευάζεται από συζευγμένες μετρήσεις γονιδιακής έκφρασης (RNA-seq) και χρωματινικής προσβασιμότητας (ATAC seq). Αρχικά εφαρμόστηκε ποιοτικός έλεγχος και προεπεξεργασία των δεδομένων, στη συνέχεια κατασκευάστηκε το γονιδιακό ρυθμιστικό δίκτυο και εξήχθησαν επιμέρους ενεργά υποδίκτυα ανά κύτταρο. Το NUTMEG εκπαιδεύτηκε για την ταξινόμηση των κυττάρων, ενώ οι προβλέψεις του ερμηνεύτηκαν μέσω των βαρών προσοχής, της συνεισφοράς των γονιδίων και στατιστικών ελέγχων με τυχαίες μεταθέσεις. Το μοντέλο αξιολογήθηκε σε 2.320 μονοπύρηνα κύτταρα περιφερικού αίματος από εννέα κυτταρικούς πληθυσμούς. Συγκρίθηκαν η πολυωμική εκδοχή του NUTMEG, δύο εκδοχές μόνο με δεδομένα μεταγραφώματος και ένα γραμμικό μοντέλο SVM. Η πλήρης RNA-only εκδοχή παρουσίασε την υψηλότερη επίδοση ταξινόμησης (macro F1: 0,9341), ενώ η πολυωμική εκδοχή είχε χαμηλότερη επίδοση (macro F1: 0,7830), αλλά παρείχε τις πιο βιολογικά συνεκτικές και ερμηνεύσιμες εξηγήσεις. Η πολυωμική αναπαράσταση ανέδειξε γνωστά γονίδια-δείκτες και ρυθμιστικά μονοπάτια ανά κυτταρικό τύπο, διατηρώντας τη διάκριση μεταξύ των κυτταρικών σειρών CD4 και CD8. Επιπλέον, τα εξαγόμενα ρυθμιστικά δίκτυα περιέλαβαν ρυθμιστές συμβατούς με τη βιολογία των αντίστοιχων κυτταρικών πληθυσμών. Συνεπώς, η ενσωμάτωση της χρωματινικής προσβασιμότητας μπορεί να μειώνει την ακρίβεια ταξινόμησης, αλλά ενισχύει τη δυνατότητα ερμηνείας των προβλέψεων και την εξαγωγή βιολογικά τεκμηριωμένων υποθέσεων για τη γονιδιακή ρύθμιση.","abstract_html":"Η ταυτότητα των κυττάρων διαμορφώνεται από μεταγραφικούς παράγοντες που δρουν μέσω προσβάσιμων cis-ρυθμιστικών στοιχείων. Ωστόσο, τα μοντέλα ταξινόμησης μεμονωμένων κυττάρων σπάνια εξηγούν τη ρυθμιστική βάση των προβλέψεών τους. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη και αξιολόγηση ενός ερμηνεύσιμου υπολογιστικού μοντέλου για την ταξινόμηση κυτταρικών τύπων και την εξαγωγή γονιδιακών ρυθμιστικών δικτύων από πολυωμικά δεδομένα μεμονωμένων κυττάρων. Για τον σκοπό αυτό παρουσιάζεται το NUTMEG, ένα ετερογενές νευρωνικό δίκτυο γράφου με μηχανισμό προσοχής. Το μοντέλο ταξινομεί κύτταρα μέσω ενός ρητού δικτύου της μορφής μεταγραφικός παράγοντας → cis-ρυθμιστικό στοιχείο → γονίδιο, το οποίο κατασκευάζεται από συζευγμένες μετρήσεις γονιδιακής έκφρασης (RNA-seq) και χρωματινικής προσβασιμότητας (ATAC seq). Αρχικά εφαρμόστηκε ποιοτικός έλεγχος και προεπεξεργασία των δεδομένων, στη συνέχεια κατασκευάστηκε το γονιδιακό ρυθμιστικό δίκτυο και εξήχθησαν επιμέρους ενεργά υποδίκτυα ανά κύτταρο. Το NUTMEG εκπαιδεύτηκε για την ταξινόμηση των κυττάρων, ενώ οι προβλέψεις του ερμηνεύτηκαν μέσω των βαρών προσοχής, της συνεισφοράς των γονιδίων και στατιστικών ελέγχων με τυχαίες μεταθέσεις. Το μοντέλο αξιολογήθηκε σε 2.320 μονοπύρηνα κύτταρα περιφερικού αίματος από εννέα κυτταρικούς πληθυσμούς. Συγκρίθηκαν η πολυωμική εκδοχή του NUTMEG, δύο εκδοχές μόνο με δεδομένα μεταγραφώματος και ένα γραμμικό μοντέλο SVM. Η πλήρης RNA-only εκδοχή παρουσίασε την υψηλότερη επίδοση ταξινόμησης (macro F1: 0,9341), ενώ η πολυωμική εκδοχή είχε χαμηλότερη επίδοση (macro F1: 0,7830), αλλά παρείχε τις πιο βιολογικά συνεκτικές και ερμηνεύσιμες εξηγήσεις. Η πολυωμική αναπαράσταση ανέδειξε γνωστά γονίδια-δείκτες και ρυθμιστικά μονοπάτια ανά κυτταρικό τύπο, διατηρώντας τη διάκριση μεταξύ των κυτταρικών σειρών CD4 και CD8. Επιπλέον, τα εξαγόμενα ρυθμιστικά δίκτυα περιέλαβαν ρυθμιστές συμβατούς με τη βιολογία των αντίστοιχων κυτταρικών πληθυσμών. Συνεπώς, η ενσωμάτωση της χρωματινικής προσβασιμότητας μπορεί να μειώνει την ακρίβεια ταξινόμησης, αλλά ενισχύει τη δυνατότητα ερμηνείας των προβλέψεων και την εξαγωγή βιολογικά τεκμηριωμένων υποθέσεων για τη γονιδιακή ρύθμιση.","abstract_has_math":false,"creators":["Παπαγεωργίου Φωτεινή","Papageorgiou Foteini"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:47Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5451399"],"render_values":[{"text":"uoadl:5451399","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5451399","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5451399","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%3A5451399","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Παπαγεωργίου Φωτεινή","Papageorgiou Foteini"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"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:5451399","https://pergamos.lib.uoa.gr/uoa/dl/object/5451399"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ταυτότητα των κυττάρων διαμορφώνεται από μεταγραφικούς παράγοντες που δρουν μέσω προσβάσιμων cis-ρυθμιστικών στοιχείων. Ωστόσο, τα μοντέλα ταξινόμησης μεμονωμένων κυττάρων σπάνια εξηγούν τη ρυθμιστική βάση των προβλέψεών τους. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη και αξιολόγηση ενός ερμηνεύσιμου υπολογιστικού μοντέλου για την ταξινόμηση κυτταρικών τύπων και την εξαγωγή γονιδιακών ρυθμιστικών δικτύων από πολυωμικά δεδομένα μεμονωμένων κυττάρων. Για τον σκοπό αυτό παρουσιάζεται το NUTMEG, ένα ετερογενές νευρωνικό δίκτυο γράφου με μηχανισμό προσοχής. Το μοντέλο ταξινομεί κύτταρα μέσω ενός ρητού δικτύου της μορφής μεταγραφικός παράγοντας → cis-ρυθμιστικό στοιχείο → γονίδιο, το οποίο κατασκευάζεται από συζευγμένες μετρήσεις γονιδιακής έκφρασης (RNA-seq) και χρωματινικής προσβασιμότητας (ATAC seq). Αρχικά εφαρμόστηκε ποιοτικός έλεγχος και προεπεξεργασία των δεδομένων, στη συνέχεια κατασκευάστηκε το γονιδιακό ρυθμιστικό δίκτυο και εξήχθησαν επιμέρους ενεργά υποδίκτυα ανά κύτταρο. Το NUTMEG εκπαιδεύτηκε για την ταξινόμηση των κυττάρων, ενώ οι προβλέψεις του ερμηνεύτηκαν μέσω των βαρών προσοχής, της συνεισφοράς των γονιδίων και στατιστικών ελέγχων με τυχαίες μεταθέσεις. Το μοντέλο αξιολογήθηκε σε 2.320 μονοπύρηνα κύτταρα περιφερικού αίματος από εννέα κυτταρικούς πληθυσμούς. Συγκρίθηκαν η πολυωμική εκδοχή του NUTMEG, δύο εκδοχές μόνο με δεδομένα μεταγραφώματος και ένα γραμμικό μοντέλο SVM. Η πλήρης RNA-only εκδοχή παρουσίασε την υψηλότερη επίδοση ταξινόμησης (macro F1: 0,9341), ενώ η πολυωμική εκδοχή είχε χαμηλότερη επίδοση (macro F1: 0,7830), αλλά παρείχε τις πιο βιολογικά συνεκτικές και ερμηνεύσιμες εξηγήσεις. Η πολυωμική αναπαράσταση ανέδειξε γνωστά γονίδια-δείκτες και ρυθμιστικά μονοπάτια ανά κυτταρικό τύπο, διατηρώντας τη διάκριση μεταξύ των κυτταρικών σειρών CD4 και CD8. Επιπλέον, τα εξαγόμενα ρυθμιστικά δίκτυα περιέλαβαν ρυθμιστές συμβατούς με τη βιολογία των αντίστοιχων κυτταρικών πληθυσμών. Συνεπώς, η ενσωμάτωση της χρωματινικής προσβασιμότητας μπορεί να μειώνει την ακρίβεια ταξινόμησης, αλλά ενισχύει τη δυνατότητα ερμηνείας των προβλέψεων και την εξαγωγή βιολογικά τεκμηριωμένων υποθέσεων για τη γονιδιακή ρύθμιση.","Cell identity is established and maintained by transcription factors acting through cis-regulatory elements that are accessible only in the cells that use them. However, models that classify single cells from their molecular profiles rarely explain the regulatory logic behind their decisions. This thesis introduces NUTMEG, a heterogeneous graph attention network that classifies cells over an explicit transcription factor–cis-regulatory element–gene scaffold constructed from paired RNA and ATAC measurements. The model is designed so that every stage, from message passing to classification, remains traceable to individual regulatory interactions and genes. It was evaluated on 2,320 peripheral blood mononuclear cells spanning nine populations in three configurations: a multiome configuration using both modalities, a transcriptome only configuration matched to the same cells and genes, and a transcriptome only pipeline with broader gene coverage, together with a linear support vector machine baseline. The central result is that predictive accuracy and interpretive fidelity are dissociable properties of the same family of models, and that the ranking of the configurations reverses depending on the criterion considered. The multiome configuration is the weakest classifier, reaching a macro F1 of 0.7830, compared with 0.8362 for the matched configuration and 0.9341 for the full transcriptome-only pipeline. Under a threshold-free rank test against three independent marker sources, however, it prioritises known markers more strongly than any other configuration, significantly in all nine cell types and for all three sources. It is also the only configuration that preserves the coreceptor defined lineage structure of the T-cell compartment rather than reorganising it around shared effector programmes. Because the multiome and matched configurations differ in exactly one respect, this reversal is attributable to the chromatin-anchored representation itself, which acts as a biologically informed structural prior: it constrains each gene’s score to be assembled from motif supported elements that are open in that cell, at a cost in accuracy but with a gain in the biological coherence of the resulting explanations. Regulatory paths reconstructed from the model’s attention weights and tested against a permutation null recover lineage-appropriate regulator sets for every class. In naive B cells, these sets converge on a regulon inferred independently by an unrelated method. Individual target assignments, however, are limited by the sparsity of the element-to-gene layer, by the family-level resolution of motif models, and by the absence of directional regulatory information. The chromatin-anchored formulation is therefore the weaker instrument for labelling cells, but the stronger one for explaining them."]},{"key":"dc:title","label":"Title","values":["Interpretable Graph Neural Networks for Multi-Omics"]}]}],"canonical_facts":{"dc:creator":["Παπαγεωργίου Φωτεινή","Papageorgiou Foteini"],"dc:date":["2026"],"dc:description":["Η ταυτότητα των κυττάρων διαμορφώνεται από μεταγραφικούς παράγοντες που δρουν μέσω προσβάσιμων cis-ρυθμιστικών στοιχείων. Ωστόσο, τα μοντέλα ταξινόμησης μεμονωμένων κυττάρων σπάνια εξηγούν τη ρυθμιστική βάση των προβλέψεών τους. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη και αξιολόγηση ενός ερμηνεύσιμου υπολογιστικού μοντέλου για την ταξινόμηση κυτταρικών τύπων και την εξαγωγή γονιδιακών ρυθμιστικών δικτύων από πολυωμικά δεδομένα μεμονωμένων κυττάρων. Για τον σκοπό αυτό παρουσιάζεται το NUTMEG, ένα ετερογενές νευρωνικό δίκτυο γράφου με μηχανισμό προσοχής. Το μοντέλο ταξινομεί κύτταρα μέσω ενός ρητού δικτύου της μορφής μεταγραφικός παράγοντας → cis-ρυθμιστικό στοιχείο → γονίδιο, το οποίο κατασκευάζεται από συζευγμένες μετρήσεις γονιδιακής έκφρασης (RNA-seq) και χρωματινικής προσβασιμότητας (ATAC seq). Αρχικά εφαρμόστηκε ποιοτικός έλεγχος και προεπεξεργασία των δεδομένων, στη συνέχεια κατασκευάστηκε το γονιδιακό ρυθμιστικό δίκτυο και εξήχθησαν επιμέρους ενεργά υποδίκτυα ανά κύτταρο. Το NUTMEG εκπαιδεύτηκε για την ταξινόμηση των κυττάρων, ενώ οι προβλέψεις του ερμηνεύτηκαν μέσω των βαρών προσοχής, της συνεισφοράς των γονιδίων και στατιστικών ελέγχων με τυχαίες μεταθέσεις. Το μοντέλο αξιολογήθηκε σε 2.320 μονοπύρηνα κύτταρα περιφερικού αίματος από εννέα κυτταρικούς πληθυσμούς. Συγκρίθηκαν η πολυωμική εκδοχή του NUTMEG, δύο εκδοχές μόνο με δεδομένα μεταγραφώματος και ένα γραμμικό μοντέλο SVM. Η πλήρης RNA-only εκδοχή παρουσίασε την υψηλότερη επίδοση ταξινόμησης (macro F1: 0,9341), ενώ η πολυωμική εκδοχή είχε χαμηλότερη επίδοση (macro F1: 0,7830), αλλά παρείχε τις πιο βιολογικά συνεκτικές και ερμηνεύσιμες εξηγήσεις. Η πολυωμική αναπαράσταση ανέδειξε γνωστά γονίδια-δείκτες και ρυθμιστικά μονοπάτια ανά κυτταρικό τύπο, διατηρώντας τη διάκριση μεταξύ των κυτταρικών σειρών CD4 και CD8. Επιπλέον, τα εξαγόμενα ρυθμιστικά δίκτυα περιέλαβαν ρυθμιστές συμβατούς με τη βιολογία των αντίστοιχων κυτταρικών πληθυσμών. Συνεπώς, η ενσωμάτωση της χρωματινικής προσβασιμότητας μπορεί να μειώνει την ακρίβεια ταξινόμησης, αλλά ενισχύει τη δυνατότητα ερμηνείας των προβλέψεων και την εξαγωγή βιολογικά τεκμηριωμένων υποθέσεων για τη γονιδιακή ρύθμιση.","Cell identity is established and maintained by transcription factors acting through cis-regulatory elements that are accessible only in the cells that use them. However, models that classify single cells from their molecular profiles rarely explain the regulatory logic behind their decisions. This thesis introduces NUTMEG, a heterogeneous graph attention network that classifies cells over an explicit transcription factor–cis-regulatory element–gene scaffold constructed from paired RNA and ATAC measurements. The model is designed so that every stage, from message passing to classification, remains traceable to individual regulatory interactions and genes. It was evaluated on 2,320 peripheral blood mononuclear cells spanning nine populations in three configurations: a multiome configuration using both modalities, a transcriptome only configuration matched to the same cells and genes, and a transcriptome only pipeline with broader gene coverage, together with a linear support vector machine baseline. The central result is that predictive accuracy and interpretive fidelity are dissociable properties of the same family of models, and that the ranking of the configurations reverses depending on the criterion considered. The multiome configuration is the weakest classifier, reaching a macro F1 of 0.7830, compared with 0.8362 for the matched configuration and 0.9341 for the full transcriptome-only pipeline. Under a threshold-free rank test against three independent marker sources, however, it prioritises known markers more strongly than any other configuration, significantly in all nine cell types and for all three sources. It is also the only configuration that preserves the coreceptor defined lineage structure of the T-cell compartment rather than reorganising it around shared effector programmes. Because the multiome and matched configurations differ in exactly one respect, this reversal is attributable to the chromatin-anchored representation itself, which acts as a biologically informed structural prior: it constrains each gene’s score to be assembled from motif supported elements that are open in that cell, at a cost in accuracy but with a gain in the biological coherence of the resulting explanations. Regulatory paths reconstructed from the model’s attention weights and tested against a permutation null recover lineage-appropriate regulator sets for every class. In naive B cells, these sets converge on a regulon inferred independently by an unrelated method. Individual target assignments, however, are limited by the sparsity of the element-to-gene layer, by the family-level resolution of motif models, and by the absence of directional regulatory information. The chromatin-anchored formulation is therefore the weaker instrument for labelling cells, but the stronger one for explaining them."],"dc:identifier":["uoadl:5451399","https://pergamos.lib.uoa.gr/uoa/dl/object/5451399"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Interpretable Graph Neural Networks for Multi-Omics"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:47Z"}