Ανάπτυξη μεθοδολογιών υπολογιστικής νοημοσύνης για την επεξεργασία και ανάλυση δεδομένων γονιδιακής έκφρασης μικροσυστοιχιών cDNA

Περίληψη

Στην παρούσα διδακτορική διατριβή προτείνονται μεθοδολογίες υπολογιστικής νοημοσύνης για την επεξεργασία και ανάλυση δεδομένων γονιδιακής έκφρασης μικροσυστοιχιών cDNA. Πιο συγκεκριμένα, στο πρώτο σκέλος αναπτύσσονται δύο νέες προσεγγίσεις για την εύρωστη εκτίμηση και διόρθωση του θορύβου υποβάθρου: η διόρθωση υποβάθρου βάσει εκατοστημορίων και η διόρθωση υποβάθρου βάσει παλινδρόμησης loess. Οι προσεγγίσεις αυτές καινοτομούν κυρίως στο ότι χρησιμοποιούν μία εύρωστη εκτίμηση του θορύβου υποβάθρου, γεγονός που τις καθιστά ιδανικές σε περιπτώσεις, όπου τα δεδομένα είναι θορυβώδη. Επιπροσθέτως, αναπτύσσεται ένα νέο, γενικής χρήσεως, πλαίσιο για τη συστηματική αξιολόγηση του βαθμού επίδρασης των μεθόδων διόρθωσης υποβάθρου. Μέσω του πλαισίου αυτού, οι δύο προτεινόμενες προσεγγίσεις, καθώς και άλλες ευρέως χρησιμοποιούμενες μέθοδοι, αξιολογούνται βάσει εφαρμογής τους σε διαφορετικά σύνολα δεδομένων αυτο-υβριδοποίησης, με τις πρώτες να εμφανίζουν ιδιαιτέρως καλή απόδοση. Το πλαίσιο αυτό καινο ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the present Ph.D. thesis, computational intelligence methods for processing and analyzing cDNA microarray gene expression data are designed and developed. More specifically, in the first part of this thesis, the problem of background estimation and correction of two-channel microarray data is addressed and two novel algorithms are proposed, namely the percentiles-based and the loess-based background correction methods. Both approaches are based on the multiplicative model of background, while utilizing robust background noise estimators, thus making them ideal for noisy datasets. Furthermore, a new, generic framework for the systematic evaluation of the impact of the background estimating methodologies is suggested, whereupon the aforementioned methods as well as other approaches are evaluated by application to various publicly available self-self hybridization datasets. As suggested by this thorough, comparative evaluation our algorithms perform very well regarding noise reduction. ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/25773
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/25773
ND
25773
Συγγραφέας
Σηφάκης, Εμμανουήλ του Γ.
Ημερομηνία
2011
Ίδρυμα
Πανεπιστήμιο Πατρών. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής
Εξεταστική επιτροπή
Κουτσούρης Δημήτριος
Ζερβάκης Μιχαήλ
Πρέντζα Ανδριάνα
Νικήτα Κ.
Τσανάκας Π.
Τζωρτζάτου-Σταθοπούλου Φ.
Χατζηϊωάννου Α.
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία
Βιοϊατρική Μηχανική
Λέξεις-κλειδιά
Μικροσυστοιχίες DNA; Μεταγραφωματική; Εκτίμηση θορύβου υποβάθρου; Τεχνικές κανονικοποίησης; Δεδομένα αυτό-υβριδοποίησης; Λευχαιμία, οξεία λεμφοβλαστική; Γονιδιακή οντολογία; Γλυκοκορτικοειδή
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
276 σ., εικ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)