Tez No	İndirme	Tez Künye	Durumu
442637		Impact analysis algorithms for biological interaction networks / Biyolojik etkileşim ağları için etki analizi algoritmaları Yazar:OZAN ÖZIŞIK Danışman: DOÇ. DR. BANU DİRİ ; YRD. DOÇ. DR. RÜŞTÜ MURAT DEMİRER Yer Bilgisi: Yıldız Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyoistatistik = Biostatistics Dizin:	Onaylandı Doktora İngilizce 2016 68 s.
Gen ifadesi profillemesi ve genom çapında ilişki çalışmaları bir hastalıkla ilişkili gen listeleri verseler de hastalık fenotipiyle ilişkisi zayıf genlerin bir araya gelerek fenotipe nasıl katkıda bulunabildiklerini açıklayamayabilirler. Bunun için moleküler profillerle biyolojik etkileşimlerin birlikte ele alınmaları gerekir. Bu çalışmada iki aktif modül çıkarım metodu önerilmiştir. Bunlardan ilki bir genetik algoritma tabanlı alt-ağ arama metodu, ikincisi ise bir ağ yayılım metodudur. Burada amaçlanan etkileşim ağlarında etkilenen yolları anlayabilmek ve hastalıkların altında yatan mekanizmaları ortaya çıkarmaktır. Önerilen metotları romatizmalı atardamar yangısı, kafa içi anevrizması ve Behçet hastalığı genom çapında ilişki çalışması veri kümelerine uyguladık ve önerilen metotların hastalıkla ilişkisi bilinen yolakları çıkarmanın yanı sıra yeni mekanizmalar çıkarabildiğini gördük.
Gene expression profiling (GEP) and genome-wide association studies (GWAS) are powerful tools that can provide list of genes that are related to the pathogenesis of a disease, but it is still a challenge to understand how multiple genes that have modest association with the phenotype interact and contribute to it. For this purpose, it is required to consider molecular profiles with biological interactions. In this work, we proposed two active module identification methods: an active subnetwork search method based on genetic algorithm and a network propagation method. We aimed to understand affected paths in interaction networks and reveal underlying disease mechanisms. We applied our methods to rheumatoid arthritis, intracranial aneurysm and Behçet's disease GWAS datasets. The proposed methods could successfully identify pathways that are known to be related to the diseases, and extract new mechanisms.