Computational prioritization of differential gene expression lists via analysis of regulatory and functional networks

 
This item is provided by the institution :

Repository :
E-Locus Institutional Repository
see the original item page
in the repository's web site and access all digital files if the item*
share




2016 (EN)

Υπολογιστική ιεράρχηση γονιδιακών λιστών διαφορικής έκφρασης με ανάλυση ρυθμιστικών και λειτουργικών δικτύων
Computational prioritization of differential gene expression lists via analysis of regulatory and functional networks

Παπαδάκης, Αντώνιος Λ.

Τζαμαρίας, Δημήτριος
Ηλιόπουλος, Ιωάννης
Νικολάου, Χριστόφορος

Οι τεχνολογίες υψηλής απόδοσης έχουν δημιουργήσει μεγάλο όγκο δεδομένων για τις μοριακές αλληλεπιδράσεις στο εσωτερικό των κυττάρων. Η ιεράρχηση των υποψήφιων γονιδίων για εμφάνιση ασθένειας που έχουν προκύψει από τα δεδομένα αυτά αποτελεί θεμελιώδη πρόκληση για τις βιοϊατρικές επιστήμες, διευκολύνοντας την ανάπτυξη νέων διαγνωστικών μεθόδων και θεραπειών. Ένα σημαντικό υποσύνολο των υπαρχουσών τεχνικών χρησιμοποιεί τα βιολογικά δίκτυα, είτε ρυθμιστικά είτε πρωτεϊνικών αλληλεπιδράσεων, για τη γονιδιακή ιεράρχηση, βασισμένο στην παρατήρηση ότι τα προϊόντα γονιδίων που αλληλεπιδρούν το ένα με το άλλο σε υψηλό βαθμό σε ένα δίκτυο είναι πιθανό να σχετίζονται με παρόμοιες ασθένειες. Η θορυβώδης και μη ολοκληρωμένη φύση των δεδομένων πρωτεϊνικών αλληλεπιδράσεων(Protein-Protein Interactions ή PPI) όμως αποτελεί σημαντική πρόκληση για τις εφαρμογές αυτές. Στόχος της παρούσας διατριβής είναι η ιεράρχηση υποψήφιων γονιδίων σε κλίμακα ολόκληρου γονιδιώματος χρησιμοποιώντας κατάλληλες υπολογιστικές μεθόδους. Συγκεκριμένα, γίνεται χρήση μεθόδων ιδιοδιανύσματος με σκοπό την αξιοποίηση των υπαρχόντων δεδομένων ρυθμιστικών και λειτουργικών πρωτεϊνικών αλληλεπιδράσεων για την εξαγωγή των σημαντικότερων γονιδίων από λίστες διαφορικής έκφρασης που έχουν προκύψει από πειράματα υψηλής απόδοσης έτσι ώστε να χρησιμοποιηθούν σε μεταγενέστερες πειραματικές εφαρμογές. (EL)
High-throughput technologies have generated a huge amount of data concerning the molecular interactions that transpire inside the cells. The prioritization of the candidate genes connected to diseases which have been derived from this data constitutes a fundamental challenge for the biomedical sciences, facilitating the development of new diagnostic methods and treatments. A considerable subset of the existing techniques utilizes biological networks, regulatory or proteinprotein- protein interaction ones, for gene prioritization, based on the notion that the products of genes that interact heavily in a network are more likely to associate with similar diseases. However, the noisy and incomplete nature of PPI(Protein-Protein Interactions) data remains an important challenge for these applications. The aim of this thesis is a genome-wide candidate gene prioritization using suitable computational methods. More specifically, eigenvalue algorithms are applied in order to effectively utilize the existing regulatory and functional PPI data for the extraction of the most important genes from differential expression lists derived from high-throughput experiments so that they can be applied in future experimental applications. (EN)

text
Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης

Γονιδιακή ιεράρχηση
Διαφορική έκφραση
PageRank
Gene prioritization
Differential expression
Biological network
Βιολογικά δίκτυα


Greek

2016-11-18


Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Βιολογίας--Μεταπτυχιακές εργασίες ειδίκευσης




*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)