Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης

Το Μείζον Καταθλιπτικό Σύνδρομο (ΜΚΣ) αποτελεί μια νευρολογική διαταραχή η οποία επηρεάζει την κλινική εικόνα αλλά και το συμπεριφορικό πρότυπο του πάσχοντα ατόμου. Η διάγνωση του ΜΚΣ βασίζεται στην αναφορά εμπειριών του ασθενούς τόσο από τον ίδιο όσο και από το κοινωνικό του περιβάλλον που δε συμβα...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Ανδρικοπούλου, Ευαγγελία
Άλλοι συγγραφείς: Λυκοθανάσης, Σπυρίδων
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2017
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/10460
id nemertes-10889-10460
record_format dspace
spelling nemertes-10889-104602022-09-06T05:13:26Z Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης Extraction of diagnostic biomarkers for major depression by gene expression data using computational intelligence methods Ανδρικοπούλου, Ευαγγελία Λυκοθανάσης, Σπυρίδων Andrikopoulou, Evangelia Λυκοθανάσης, Σπυρίδων Τσακαλίδης, Αθανάσιος Χατζηλυγερούδης, Ιωάννης Βιοδείκτες Κατάθλιψη Μείζον Καταθλιπτικό Σύνδρομο (ΜΚΣ) 616.852 704 2 Biomarkers Depression Major Depressive Disorder (MDD) Το Μείζον Καταθλιπτικό Σύνδρομο (ΜΚΣ) αποτελεί μια νευρολογική διαταραχή η οποία επηρεάζει την κλινική εικόνα αλλά και το συμπεριφορικό πρότυπο του πάσχοντα ατόμου. Η διάγνωση του ΜΚΣ βασίζεται στην αναφορά εμπειριών του ασθενούς τόσο από τον ίδιο όσο και από το κοινωνικό του περιβάλλον που δε συμβαδίζουν με το κοινά αποδεκτά πρότυπα. Στη διάγνωση συμβάλλουν ορισμένα ερωτηματολόγια που συμπληρώνονται από τον πάσχοντα, αλλά και απεικονιστικές τεχνικές στον εγκέφαλο, οι οποίες ουσιαστικά χρησιμοποιούνται για την επιβεβαίωση της νόσου, όπου κρίνεται απαραίτητο. Καθότι η παθογένεια της νόσου έχει συσχετιστεί με γενετικά αίτια, τα τελευταία χρόνια γίνεται μια προσπάθεια αποκάλυψης μοριακών δεικτών που μπορεί να μαρτυρούν την προδιάθεση στην ασθένεια ή ακόμα και να αποκαλύπτουν την ικανοποιητική ή όχι απόκριση στη θεραπεία. Οι τεχνικές οι οποίες χρησιμοποιούνται για την αποκάλυψη τέτοιων βιοδεικτών βασίζονται στην αλληλούχιση του μεταγραφώματος του ανθρώπου. Σκοπός της παρούσας εργασίας ήταν η μελέτη δημόσιων δεδομένων έκφρασης μικροσυστοιχιών και η ανάδειξη mRNA και non-coding RNAs που παρουσιάζουν μη φυσιολογική έκφραση στο ΜΚΣ, έπειτα από σύγκριση μεταξύ του μεταγραφώματος ασθενών και φυσιολογικών ατόμων. Στα πλαίσια αυτής της διπλωματικής εργασίας αναλύθηκαν 5 σύνολα δεδομένων από πειράματα μικροσυστοιχιών και πειράματα αλληλούχισης RNA τα οποία μάλιστα προέρχονταν από 3 διαφορετικούς κυτταρικούς ιστούς. Βρέθηκαν και αναλύθηκαν λοιπόν τρία διαφορετικά σύνολα υποψήφιων διαγνωστικών βιοδεικτών για τα τρία διαφορετικά ήδη κυτταρικών ιστών. Οι βιοδείκτες αυτοί είναι διαθέσιμοι για πειραματική επικύρωση και επαλήθευση με σκοπό την χρησιμοποίηση τους για κατασκευή αξιόπιστων διαγνωστικών γενετικών ελέγχων για την ασθένεια του ΜΚΣ. The Major Depressive Disorder (MDD) is a neurological disorder that affects the clinical picture and the behavioral pattern of the individual patient. The diagnosis of MDD based on patient experience report by itself and by the social environment that is not consistent with the commonly accepted standards. In diagnosis contribute a number of questionnaires completed by the patient, and imaging techniques in the brain, which are essentially used for the confirmation of the disease, where necessary. Since the pathogenesis of the disease has been linked to genetic causes in recent years made an effort disclosure molecular markers that may indicate predisposition to disease or even reveal unsatisfactory or no response to treatment. The techniques used to reveal such biomarkers based on sequencing the human trascriptome. The purpose of this work was to study the public microarray expression and RNA-sequencing data and the emergence of mRNA and non-coding RNAs showing abnormal expression in MDD after trascriptome compared between patients and normal subjects. Within this thesis analyzed five sets of data from microarray experiments and RNA sequencing experiments that actually came from three different cell tissues. They found and then analyzed three different sets of candidate diagnostic biomarkers for the three different kinds of cell tissues. Biomarkers are available for experimental validation and verification in order to use them to build reliable diagnostic genetic testing for the disease MDD. 2017-08-22T05:28:34Z 2017-08-22T05:28:34Z 2017-04-27 Thesis http://hdl.handle.net/10889/10460 gr 0 application/pdf
institution UPatras
collection Nemertes
language Greek
topic Βιοδείκτες
Κατάθλιψη
Μείζον Καταθλιπτικό Σύνδρομο (ΜΚΣ)
616.852 704 2
Biomarkers
Depression
Major Depressive Disorder (MDD)
spellingShingle Βιοδείκτες
Κατάθλιψη
Μείζον Καταθλιπτικό Σύνδρομο (ΜΚΣ)
616.852 704 2
Biomarkers
Depression
Major Depressive Disorder (MDD)
Ανδρικοπούλου, Ευαγγελία
Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
description Το Μείζον Καταθλιπτικό Σύνδρομο (ΜΚΣ) αποτελεί μια νευρολογική διαταραχή η οποία επηρεάζει την κλινική εικόνα αλλά και το συμπεριφορικό πρότυπο του πάσχοντα ατόμου. Η διάγνωση του ΜΚΣ βασίζεται στην αναφορά εμπειριών του ασθενούς τόσο από τον ίδιο όσο και από το κοινωνικό του περιβάλλον που δε συμβαδίζουν με το κοινά αποδεκτά πρότυπα. Στη διάγνωση συμβάλλουν ορισμένα ερωτηματολόγια που συμπληρώνονται από τον πάσχοντα, αλλά και απεικονιστικές τεχνικές στον εγκέφαλο, οι οποίες ουσιαστικά χρησιμοποιούνται για την επιβεβαίωση της νόσου, όπου κρίνεται απαραίτητο. Καθότι η παθογένεια της νόσου έχει συσχετιστεί με γενετικά αίτια, τα τελευταία χρόνια γίνεται μια προσπάθεια αποκάλυψης μοριακών δεικτών που μπορεί να μαρτυρούν την προδιάθεση στην ασθένεια ή ακόμα και να αποκαλύπτουν την ικανοποιητική ή όχι απόκριση στη θεραπεία. Οι τεχνικές οι οποίες χρησιμοποιούνται για την αποκάλυψη τέτοιων βιοδεικτών βασίζονται στην αλληλούχιση του μεταγραφώματος του ανθρώπου. Σκοπός της παρούσας εργασίας ήταν η μελέτη δημόσιων δεδομένων έκφρασης μικροσυστοιχιών και η ανάδειξη mRNA και non-coding RNAs που παρουσιάζουν μη φυσιολογική έκφραση στο ΜΚΣ, έπειτα από σύγκριση μεταξύ του μεταγραφώματος ασθενών και φυσιολογικών ατόμων. Στα πλαίσια αυτής της διπλωματικής εργασίας αναλύθηκαν 5 σύνολα δεδομένων από πειράματα μικροσυστοιχιών και πειράματα αλληλούχισης RNA τα οποία μάλιστα προέρχονταν από 3 διαφορετικούς κυτταρικούς ιστούς. Βρέθηκαν και αναλύθηκαν λοιπόν τρία διαφορετικά σύνολα υποψήφιων διαγνωστικών βιοδεικτών για τα τρία διαφορετικά ήδη κυτταρικών ιστών. Οι βιοδείκτες αυτοί είναι διαθέσιμοι για πειραματική επικύρωση και επαλήθευση με σκοπό την χρησιμοποίηση τους για κατασκευή αξιόπιστων διαγνωστικών γενετικών ελέγχων για την ασθένεια του ΜΚΣ.
author2 Λυκοθανάσης, Σπυρίδων
author_facet Λυκοθανάσης, Σπυρίδων
Ανδρικοπούλου, Ευαγγελία
format Thesis
author Ανδρικοπούλου, Ευαγγελία
author_sort Ανδρικοπούλου, Ευαγγελία
title Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
title_short Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
title_full Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
title_fullStr Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
title_full_unstemmed Εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
title_sort εξόρυξη διαγνωστικών βιοδεικτών για την μείζονα κατάθλιψη από δεδομένα γονιδιακής έκφρασης με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης
publishDate 2017
url http://hdl.handle.net/10889/10460
work_keys_str_mv AT andrikopouloueuangelia exoryxēdiagnōstikōnbiodeiktōngiatēnmeizonakatathlipsēapodedomenagonidiakēsekphrasēsmechrēsēmethodologiōnypologistikēsnoēmosynēs
AT andrikopouloueuangelia extractionofdiagnosticbiomarkersformajordepressionbygeneexpressiondatausingcomputationalintelligencemethods
_version_ 1799945006012694528