Ανάπτυξη μεθόδων βιοπληροφορικής για την ανάδειξη δικτυακών υπογραφών με σκοπό την κατανόηση μοριακών μηχανισμών και την διερεύνηση υποψήφιων φαρμάκων

Περίληψη

Οι βιολογικές συστημικές προσεγγίσεις είναι ουσιαστικής σημασίας για την ανακάλυψη γονιδίων, που σχετίζονται με διαφορετικές ασθένειες, προσφέροντας μια διαφορετική προοπτική και νέα εργαλεία για την ανάλυση διαφόρων τύπων μοριακών σχέσεων, όπως η γονιδιακή συν-έκφραση ή οι αλληλεπιδράσεις μεταξύ πρωτεϊνών. Ωστόσο, λόγω της έλλειψης πειραματικών πληροφοριών, η ανάλυση αυτή δεν εφαρμόζεται πλήρως. Ο σκοπός της μελέτης αυτής, είναι να αποκαλύψει την πολύ ισχυρή συμβολή στατιστικών μεθόδων κατασκευής γονιδιακών δικτύων συν-έκφρασης ή των μεθόδων επαγωγής δικτυακής συσχέτισης, όπως ονομάζονται, που βασίζονται στις DNA μικροσυστοιχίες για την ανάδειξη σημαντικών γονιδίων και γονιδιακών αλληλεπιδράσεων. Ερευνήθηκε η ικανότητα των μεθόδων αυτών στην ανάδειξη και ιεράρχηση γονιδίων για τους διαφορετικούς τύπους και στάδια του καρκίνου του μαστού μέσα από: 1) ένα σχήμα ταξινόμησης, όπου αξιολογήθηκε η απόδοσή τους 2) την εύρεση ισχυρών δικτυακών υπογραφών, από τις ισχυρές γονιδιακές ακμές που δ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Systemic approaches are essential in the discovery of disease-specific genes, offering a different perspective and new tools on the analysis of several types of molecular relationships, such as gene co-expression or protein-protein interactions. However, due to lack of experimental information, this analysis is not fully applicable. The aim of this study is to reveal the multi-potent contribution of statistical network inference methods in highlighting significant genes and interactions. We have investigated the ability of statistical co-expression networks to highlight and prioritize genes for breast cancer subtypes and stages in terms of: 1) classification efficiency, 2) gene network pattern conservation, 3) indication of involved molecular mechanisms and 4) systems level momentum to drug repurposing pipelines. To enhance this methodology, two models were developed based on the random walks theory, where the one highlights disease-specific genes by examining the correlations of the m ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/38230
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/38230
ND
38230
Εναλλακτικός τίτλος
Bioinformatics methods for the discovery of network signatures towards understanding of underlying molecular mechanisms and investigation of candidate drugs
Συγγραφέας
Μπουρδάκου, Μαριλένα (Πατρώνυμο: Μιχαήλ)
Ημερομηνία
2016
Ίδρυμα
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών. Τομέας Επικοινωνιών και Επεξεργασίας Σήματος
Εξεταστική επιτροπή
Σαγκριώτης Εμμανουήλ
Μαρούλης Δημήτρης
Σανούδου Δέσποινα
Νικήτα Κωνσταντίνα
Μαρουλάκου Ιωάννα
Μανωλάκος Ηλίας
Βεκρέλλης Κωνσταντίνος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Ιατρική και Επιστήμες ΥγείαςΕπιστήμες Υγείας
Λέξεις-κλειδιά
Μέθοδοι επαγωγής δικτυακής συσχέτισης; Δίκτυα συν-έκφρασης; Μοριακοί μηχανισμοί; Επαναπροσδιορισμός φαρμάκων; Μοντέλα τυχαίων περιπάτων
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
297 σ., εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)