Ανάλυση και μοντελοποίηση βιολογικών δικτύων με χρήση δεδομένων από μεγάλης κλίμακας τεχνικές της μοριακής βιολογίας

Περίληψη

Στην εποχή της Συστημικής Ιατρικής, οι τεχνολογίες μαζικής καταγραφής της γονιδιακής και miRNA έκφρασης (π.χ. μικροσυστοιχίες, RNA-seq) αλλά και οι τεχνολογίες ανίχνευσης πρωτεϊνικών αλληλεπιδράσεων (π.χ. yeast two-hybrid, co-immunoprecipitation) απελευθέρωσαν τεράστια ποσά δεδομένων για την αποσαφήνιση των μηχανισμών των πολύπλοκων ασθενειών. Η παρούσα διδακτορική διατριβή συμβάλλει προσφέροντας νέες υπολογιστικές μεθοδολογίες και εργαλεία και παραθέτοντας νέες αξιόπιστες βιολογικές υποθέσεις για την επίλυση σύνθετων ασθενειών του ανθρώπου.Καταρχήν, αποκτήθηκε γνώση του θεωρητικού υπόβαθρου διάφορων μέγαλης κλίμακας μοριακών τεχνικών, τεχνικών εξόρυξης δεδομένων όπως η ομαδοποίηση καθώς και γραφοθεωρητικών προσεγγίσεων. Έπειτα, σχεδιάστηκε μια μεθοδολογία για συνδυασμό πρωτεωμικών και μεταγραφωμικών δεδομένων και αναπτύχθηκε ένα αλγόριθμος ομαδοποίησης γράφων, που ονομάζεται Detect Modules (DetMod), ο οποίος ανιχνεύει κοινοτήτες/υπο-δομές (modules) πρωτεϊνών με διακριτή βιολογική λειτ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the Systems Medicine era, the large scale gene and miRNA expression techniques (e.g. microarrays, RNA-seq) as well as techniques for the detection of protein interactions (e.g. yeast two-hybrid, co-immunoprecipitation) have released mass amounts of data for deciphering the underlying mechanisms of complex diseases. The present PhD thesis contributes by providing new computational methodologies and tools, and by offering novel biological hypotheses for solving complex human diseases. Initially, a good grasp of the current high-throughput molecular techniques was acquired along with familiarization with data mining tecniques such as clustering and with graph-theoretic approaches. Then, a methodology for integrating proteomic and transcriptomic data was designed and a graph clustering algorithm was developed, called Detect Modules (DetMod), which detects, on the composite transcriptome-proteome network, communities/modules with distinct biological function and enhanced association at t ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/33122
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/33122
ND
33122
Εναλλακτικός τίτλος
Analyzing and modeling biological networks with the use of data from high-throughput molecular biology techniques
Συγγραφέας
Δημητρακοπούλου, Κωνσταντίνα του Ηλίας
Ημερομηνία
2013
Ίδρυμα
Πανεπιστήμιο Πατρών. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής
Εξεταστική επιτροπή
Μπεζεριάνος Αναστάσιος
Νικηφορίδης Γεώργιος
Δερματάς Ευάγγελος
Πλαγιανάκος Βασίλειος
Φλυτζάνης Κωνσταντίνος
Ζαρκάδης Ιωάννης
Σγάρμπας Κυριάκος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΒιολογία
Επιστήμες Μηχανικού και ΤεχνολογίαΒιοϊατρική Μηχανική
Λέξεις-κλειδιά
Βιολογικά δίκτυα; Φαρμακογονιδιωματική; Γρίπη Α; Καρκίνος μαστού; Ταμοξιφένη; Ομαδοποίηση
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
viii, 128 σ., πιν., σχημ., 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.