Tez No	İndirme	Tez Künye	Durumu
453779		Inference of differential gene networks / Farksal gen ağları çıkarımı Yazar:ONUR MENDİ Danışman: PROF. DR. ADEM KARAHOCA Yer Bilgisi: Bahçeşehir Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Bilim ve Teknoloji = Science and Technology ; Biyomühendislik = Bioengineering Dizin:Tıbbi bilişim = Medical informatics	Onaylandı Doktora İngilizce 2016 132 s.
Biyolojik sistemler değişik durumlarda farklı davranışlar gösteren oldukça dinamik yapılardır. Farksal gen ağları analizi, ekspresyon verisini kullanarak hastalıkların ilerlemesine neden olan moleküler etkileşimlerin belirlenmesinde önemli rol oynayan hastalığa özel gen etkileşimlerini ortaya çıkaran bir analiz türüdür. Bu çalışmanın amacı hastalığa özel farksal gene ağları ile literatürdeki biyolojik bilgileri entegre ederek göğüs kanseri ile ilişkili moleküler mekanizmaları ortaya çıkaran özgün bir farksal ağ yaklaşımı geliştirmektir. Bu tez çalışmasında, genom seviyesinde göğüs kanserine özel farksal gen ağı çıkarımında METABRIC göğüs kanseri veri seti kullanıldı. Bu kapsamda göğüs kanserine özel gen ağı çıkaran web-tabanlı bir uygulama geliştirildi. Çalışmada elde edilen sonuçların değerlendirilmesinde, fonksiyonel zenginleştirme analizleri kullanıldı. GO ve KEGG yolak analizleri ile göğüs kanserinde önemli rol oynayan çeşitli yolaklar tespit edildi. Buna ek olarak göğüs kanserine özel farksal gen ağında önemli rol oynayan genler literatür kapsamında değerlendirildi. Bu çalışmanın bulguları, göğüs kanserinin gelişiminde rol oynayan mekanizmaların daha iyi anlaşılabilmesinin yanısıra, hastalık tanısı ve etkili tedavi geliştirilmesinde potansiyel hedef genlerin tespitine katkı sağlayabilir.
Biological systems are highly dynamic entities that behave differently under different conditions. Differential gene network analysis reveals disease-specific gene interactions from expression datasets that helps identifying the molecular interactions that underlies the progression of diseases. The purpose of this study is to present a novel differential networking approach that integrates disease-specific differential gene network with the prior biological knowledge to reveal the molecular mechanisms associated with breast cancer. In the study, METABRIC breast cancer dataset is used to infer genome-wide breast cancer specific differential gene network. A web-based tool was developed to infer breast cancer specific gene network. In order to evaluate the results of the study, functional enrichment analyses were performed. GO and KEGG pathway enrichment analysis identified numerous pathways that may have a role in the breast cancer. Furthermore, the top genes that are identified in the breast cancer specific differential network are investigated through the literature. The findings of this study may promote the better understanding about the molecular mechanism of breast cancer and also disclose potential targets for diagnostic and effective therapies.