Tez detayları

Identification of breast cancer sub-types by using machine learning techniques = Makine öğrenmesi teknikleri kullanarak göğüs kanseri alt türlerinin tespit edilmesi

Yazarlar:

Burakgazi, Yunus

Yayıncı:

Dokuz Eylül Üniversitesi

Ana Başlıklar:

Yaşam bilimleri

Belge Tipi:

Tezler

Program Tipi:

Yüksek Lisans

Yayın Tarihi:

12/2016

Belge Dili:

İngilizce

Document ID (Org No.):

2000287469

Anahtar sözcükler:

BIOSTATISTICS

Özet

Recent years technological developments for DNA sequencing and publicly available patient databases reveal a new research field that proposes intelligent systems for biomedical domain. Such systems might help to predict future outcomes of patients. The main goal of this thesis is to predict breast cancer subtype of patients by using machine learning (ML) methods on RNA-sequencing data, which were extracted from the TCGA dataset. The significant genes were selected by applying fold change and t-test statistical methods. Support vector machine and Random forest models were trained with significant genes of 70% of the patient samples. The predictive performance of models were measured on the unseen test data. The overall performances of ML models varied between 86% to 98% of average accuracy. We analyzed the best-predictive genes for each subtype to figure out which genes have more effect on the subtype classification of breast cancer. The relevant biological activities of these genes were found by applying a network-based analysis and gene enrichment analysis. The results revealed that some biological processes related with the cancer progression play a role for the classification of breast cancer subtypes.

Son yıllarda DNA dizilemesindeki teknolojik gelişmeler ve halka açık hasta veri tabanları biyomedikal alan için akıllı sistemler öneren yeni bir araştırma alanı ortaya çıkarmıştır. Bu tür sistemler hastaların gelecekteki sağlık durumlarını tahmin etmede yardımcı olabilirler. Bu tezin temel amacı, TCGA veri setinden çıkarılan RNA dizileme verileri üzerinde makine öğrenmesi yöntemlerini kullanarak göğüs kanseri hastaların alt tipini tayin etmektir. Önemli genler, kat değişikliği ve t-testi istatistiksel yöntemleri uygulanarak seçilmiştir. Destek vektör makinesi ve Rastgele orman modelleri, hasta numunelerinin %70'lık kısmından elde edilen genlerle eğitilmiştir. Modellerin tahminleme performansı, daha önce kullanılmayan test verileri üzerinde ölçülmüştür. Makine öğrenmesi modellerinin genel performansları ortalama olarak %86 ila %98 arasında değişmektedir.Meme kanseri alt tip sınıflandırmasına hangi genlerin daha fazla etkisi olduğunu bulmak için, her bir alt tipi en iyi sınıflandıran genler analiz edilmiştir. Bu genlerin ilgili oldukları biyolojik aktiviteler, ağ tabanlı bir analiz ve gen zenginleştirme analizi uygulayarak bulunmuştur. Sonuçlar göğüs kanseri alt tiplerinin sınıflandırılmasında kanserin ilerlemesiyle ilgili bazı biyolojik süreçlerin rol oynadığını ortaya çıkarmıştır.

Tez detayları

Identification of breast cancer sub-types by using machine learning techniques = Makine öğrenmesi teknikleri kullanarak göğüs kanseri alt türlerinin tespit edilmesi

Yazarlar: Burakgazi, Yunus

Yayıncı: Dokuz Eylül Üniversitesi

Ana Başlıklar: Yaşam bilimleri

Belge Tipi: Tezler

Program Tipi: Yüksek Lisans

Yayın Tarihi: 12/2016

Belge Dili: İngilizce

Document ID (Org No.): 2000287469