Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Machine learning methods for the evaluation of biomolecular markers οf pancreatic cancer and its correlation with embryogenesis

Torakis Ioannis

Simple record


URIhttp://purl.tuc.gr/dl/dias/28FEB459-8ECE-4376-9A6D-F57211F82FB4-
Identifierhttps://doi.org/10.26233/heallink.tuc.83535-
Languageen-
Extent149 pagesen
TitleMachine learning methods for the evaluation of biomolecular markers οf pancreatic cancer and its correlation with embryogenesisel
TitleΜέθοδοι μηχανικής μάθησης για την εκτίμηση μοριακών δεικτών του καρκίνου του παγκρέατος και συσχέτιση με εμβρυογένεσηel
CreatorTorakis Ioannisen
CreatorΤορακης Ιωαννηςel
Contributor [Thesis Supervisor]Zervakis Michailen
Contributor [Thesis Supervisor]Ζερβακης Μιχαηλel
Contributor [Committee Member]Lagoudakis Michailen
Contributor [Committee Member]Λαγουδακης Μιχαηλel
Contributor [Committee Member]Chalkiadakis Georgiosen
Contributor [Committee Member]Χαλκιαδακης Γεωργιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
DescriptionDiploma Thesis created for the acquisition of BSc in Electrical and Computer Engineeringen
Content SummaryPancreatic cancer is a highly lethal disease, accounting for many deaths every year. It is considered as one of the most aggressive types of cancer, and one of the major problems is the lack of early detection. A patient is diagnosed with pancreatic cancer only in advanced stages, when the possibility of developing a metastases is high. There is no standard procedure to diagnose high risk patients, since they remain asymptomatic in the cancer’s early stages. Surgical resection is regarded as the only potentially curative treatment, and adjuvant chemotherapy with gemcitabine or S-1, an oral fluoropyrimidine derivative, is given after surgery. Therefore, researchers focus on the procedure of its creation, at a molecular level. There are four major driver genes for pancreatic cancer: KRAS, CDKN2A, TP53, and SMAD4. KRAS mutation and alterations in CDKN2A are early events in pancreatic tumorigenesis. Recent researches suggest that there is a correlation of some critical signaling pathways that are activated during pancreatic cancer tumorigenesis with the procedure of embryogenesis. Though, the lack of an analysis that will be able to extract these genes involved in the pathways suggested, both in pancreatic cancer patients and embryogenesis samples is crucial. The aim of this thesis is to apply machine learning methods to nd the biomolecular markers that are deferentially expressed on pancreatic cancer patients and correlate them with markers from embryogenesis. Since these markers are extracted, we will use them as classifiers on different machine learning methods, to try and classify if they refer to patient or healthy subjects. Our thesis contributes a “ 25 gene signature” of biomolecular markers which are involved in signaling pathways found in both embryogenesis and pancreatic carcinogenesis, obtained via feature extraction and feature selection methods. These markers are used as classifiers for pancreatic cancer classification, and two machine learning classification models are proposed as well. The classification models achieved high accuracy levels, and we support the notion that our “25 gene signature” in its entirety can play a classification role in discriminating patients with pancreatic cancer from healthy controls.en
Content SummaryΟ καρκίνος του παγκρέατος είναι μια εξαιρετικά θανατηφόρα ασθένεια, που αντιπροσωπεύει πολλούς θανάτους κάθε χρόνο. Θεωρείται ως ένας από τους πιο επιθετικούς τύπους καρκίνου και ένα από τα σημαντικότερα προβλήματα είναι η έλλειψη έγκαιρης διάγνωσης. Ένας ασθενής διαγιγνώσκεται με καρκίνο του παγκρέατος μόνο σε προχωρημένα στάδια, όταν η πιθανότητα εμφάνισης μεταστάσεων είναι υψηλή. Δεν υπάρχει εδραιωμένη διαδικασία για τη διάγνωση ασθενών υψηλού κινδύνου, καθώς παραμένουν χωρίς συμπτώματα στα αρχικά στάδια του καρκίνου. Η χειρουργική εκτομή θεωρείται ως η μόνη δυνητικά θεραπευτική αγωγή και χορηγείται χημειοθεραπεία με γκεμσιταβίνη ή S-1, παράγωγο φθοροπυριμιδίνης από το στόμα μετά από χειρουργική επέμβαση. Ως εκ τούτου, οι ερευνητές επικεντρώνονται στη διαδικασία της δημιουργίας του, σε μοριακό επίπεδο. Υπάρχουν τέσσερα κύρια γονίδια οδηγοί για τον καρκίνο του παγκρέατος: KRAS, CDKN2A, TP53 και SMAD4. Η μετάλλαξη KRAS και οι αλλοιώσεις στο CDKN2A είναι πρώιμα γεγονότα στην παγκρεατική ογκογένεση. Πρόσφατες έρευνες υποδεικνύουν ότι υπάρχει συσχέτιση ορισμένων κρίσιμων σηματοδοτικών οδών που ενεργοποιούνται κατά τη διάρκεια της ογκογένεσης του καρκίνου του παγκρέατος με τη διαδικασία της εμβρυογένεσης. Ωστόσο, η έλλειψη μίας μελέτης που θα είναι σε θέση να εξάγει αυτά τα γονίδια που εμπλέκονται στις προτεινόμενες οδούς, τόσο στους ασθενείς με καρκίνο του παγκρέατος όσο και στα δείγματα εμβρυογενέσεως είναι σημαντική. Στόχος της παρούσας εργασίας είναι η εφαρμογή μεθόδων μηχανικής μάθησης για την εύρεση των βιομοριακών δεικτών που έχουν υψηλή διαφοροποίηση τιμής έκφρασης σε ασθενείς με καρκίνο του παγκρέατος και τη συσχέτισή τους με τους δείκτες από την εμβρυογένεση. Έχοντας εξάγει αυτούς τους δείκτες, θα τους χρησιμοποιήσουμε ως δείκτες πρόβλεψης σε διαφορετικές μεθόδους μηχανικής μάθησης, για να προσπαθήσουμε να ταξινομήσουμε αν αναφέρονται σε ασθενή ή υγιή άτομα ...el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2019-10-08-
Date of Publication2019-
SubjectElectrical and computer engineeringen
SubjectPancreatic canceren
SubjectMachine learningen
SubjectBiomedical engineeringen
Bibliographic CitationIoannis Torakis, "Machine learning methods for the evaluation of biomolecular markers οf pancreatic cancer and its correlation with embryogenesis", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2019en
Bibliographic CitationΙωάννης Τοράκης, "Μέθοδοι μηχανικής μάθησης για την εκτίμηση μοριακών δεικτών του καρκίνου του παγκρέατος και συσχέτιση με εμβρυογένεση", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2019el

Available Files

Services

Statistics