Χρήση αλγορίθμων μηχανικής μάθησης για την ταξινόμηση σε ασθενείς με καρκίνο παχέος εντέρου και σε υγιείς, βασισμένη στη λειτουργική ομαδοποίηση γονιδιακών εκφράσεων

Χρήση αλγορίθμων μηχανικής μάθησης για την ταξινόμηση σε ασθενείς με καρκίνο παχέος εντέρου και σε υγιείς, βασισμένη στη λειτουργική ομαδοποίηση γονιδιακών εκφράσεων

Φαντούσης, Παναγιώτης

Athanasiadis, Emmanouil

Σπύρου, Γεώργιος

Cavouras, Dionisis

Σχολή Μηχανικών

Τμήμα Μηχανικών Βιοϊατρικής

Διπλωματική εργασία

2022-10-05

2022-10-06T10:11:04Z

Ο καρκίνος του παχέος εντέρου είναι ένας από τους πιο συνήθεις τύπους καρκίνου στον κόσμο ο οποίος ευθύνεται για ένα μεγάλο αριθμό θανάτων ετησίως ανά το παγκόσμιο. Χρησιμοποιώντας τεχνικές Μηχανικής Μάθησης στο πεδίο της Βιοπληροφορικής και της Βιοϊατρικής έρευνας, είναι εφικτό να ανακαλυφθούν καινοτόμες μεθόδοι που να αποσκοπούν στην έγκαιρη πρόγνωση, διάγνωση και θεραπεία του συγκεκριμένου τύπου καρκίνου ή άλλων ασθενειών. Στόχος της εργασίας, ήταν πρώτα να προσδιοριστούν τα σημαντικά γονίδια για τον καρκίνο του παχέος εντέρου και μετά να βρεθούν τα βιολογικά μονοπάτια που συμμετείχαν τα σημαντικότερα γονίδια. Έπειτα, με την δημιουργία μοντέλων ταξινόμησης βασισμένα σε βιολογικά μονοπάτια στόχος ήταν ο διαχωρισμός των υγιών από τους ασθενείς με καρκίνο του παχέος εντέρου και να προσδιοριστούν τα σημαντικά βιολογικά μονοπάτια για την ασθένεια. Στην παρούσα διπλωματική εργασία χρησιμοποιήθηκαν δεδομένα γονιδιακών εκφράσεων από ασθενείς με καρκίνο του παχέος εντέρου από την από την βάση δεδομένων Gene Expression Omnibu. Επιπλέον, μέσω της R και του πακέτου KEGGREST αντλήθηκαν τα βιολογικά μονοπάτια του ανθρώπινου οργανισμού μαζί με τα γονίδια που συμμετέχουν σε αυτά. Με την χρήση της R και διάφορων ενσωματωμένων πακέτων της, τα δεδομένα επεξεργάστηκαν κατάλληλα, εφαρμόστηκαν σε αυτά τεχνικές στατιστικής ανάλυσης, επιλογής χαρακτηριστικών και εξισορρόπησης δεδομένων για να δημιουργηθούν τα μοντέλα Μηχανικής Μάθησης. Έπειτα, τα μοντέλα αξιολογήθηκαν με δεδομένα τα οποία έμειναν εκτός της διαδικασίας εκπαίδευσης και συγκρίθηκαν οι αποδόσεις τους με τιμές όπως η ακρίβεια, η ευαισθησία , η ειδικότητα κ.τ.λ. Η χρήση τεχνικών Βιοπληροφορικής και Μηχανικής Μάθησης βοήθησε στον εντοπισμό των βιολογικών μονοπατιών που διαχώριζαν καλύτερα τα δείγματα, ενώ παράλληλα εντοπίστηκαν οι αλγόριθμοι που είχαν την καλύτερη απόδοση. Για να επαληθευτεί η σχέση των βιολογικών μονοπατιών που προέκυψαν ως σημαντικά με τον καρκίνο του παχέος εντέρου πραγματοποιήθηκε βιβλιογραφική έρευνα. Η συγκεκριμένη τεχνική έχει χαμηλό κόστος και μπορεί να αντικαταστήσει χρονοβόρες μεθόδους στην Βιοϊατρική έρευνα. Επιπλέον, η χρήση της συγκεκριμένης μεθοδολογίας μπορεί να συμβάλλει στην ανίχνευση νέων μονοπατιών τα οποία συσχετίζονται με τον καρκίνο του παχέος εντέρου και με αυτό τον τρόπο να βελτιωθεί η πρόληψη, η ανίχνευση και η θεραπεία του.

Καρκίνος του παχέος εντέρου

Μηχανική μάθηση

Βιολογικά μονοπάτια

Γονιδιακή έκφραση

Ελληνική γλώσσα

Πανεπιστήμιο Δυτικής Αττικής

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ - Τμήμα Μηχανικών Βιοϊατρικής - Διπλωματικές εργασίες

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Attribution-NoDerivatives 4.0 Διεθνές

http://creativecommons.org/licenses/by-nd/4.0/

Πανεπιστήμιο Δυτικής Αττικής (ΠΑ.Δ.Α.)

Πολυνόη - Ιδρυματικό Αποθετήριο Πανεπιστημίου Δυτικής Αττικής

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ

Διπλωματικές εργασίες

Τμήμα Μηχανικών Βιοϊατρικής