Tez No	İndirme	Tez Künye	Durumu
453587		Developing new approaches for multi-platform and multi-individual genomic sequence assembly / Çoklu platform ve çoklu bireyden elde edilen veriler ile yeni genom birleştirme yaklaşımları geliştirme Yazar:PINAR KAVAK Danışman: PROF. DR. TUNGA GÜNGÖR ; YRD. DOÇ. DR. CAN ALKAN Yer Bilgisi: Boğaziçi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyomühendislik = Bioengineering Dizin:	Onaylandı Doktora İngilizce 2017 122 s.
Yüksek hacimli dizileme (YHD) teknolojileri büyük ölçüde veriyi düşük maliyete üretiyor, bu durum büyük miktardaki DNA dizisi verisini analiz etmek için algoritma geliştirme araştırmasını hızlandırdı. Bu tezde, genomiks alanında üç bağlantılı probleme yeni çözümler getiriyoruz. İlk olarak, her ne kadar YHD'ye dayalı analizlerin doğruluğu ve tekrarlanabilirliği üzerinde önemli gelişmeler kaydedilse de YHD platformlarının dayanıklılık açısından kullanılabilirliği hala açık soru. Yaygın bir YHD platformunun klinik uygulamalarda kullanılabilirliğini dayanıklılık açısından incelemek için iki bireyin genomlarının tüm genom dizileme verisini iki ayrı merkezde diziledik. YHD platformları ilk-aşama klinik tesler için veri sağlamada çok güçlüler ancak varyant tahminlerinin klinik uygulamalarda kullanılmadan önce ortogonal yöntemlerle doğrulanması gerektiği sonucunu gözlemledik. İkinci olarak genom birleştirme problemi için hala yaratıcı çözümlere ihtiyacımız var. Çok kısa DNA dizilerini -idealde- tüm kromozom dizilerine birleştirmek şu sebeplerden karmaşık bir iş (i) genomların tekrarlı ve kopyalı yapısı (ii) YHD'nin ürettiği verinin kısa ve hatalı olması. Birleştirme doğruluğunu artırmak için üç farklı teknolojiden (Illumina, Ion-Torrent, Roche-454) veri dahil eden yeni bir metod sunuyoruz. Son olarak, ortalama dizi parçacığından uzun yeni dizi insersiyonlarının tanımlanması hala zorlu bir iş. Özellikle yeni dizi insersiyon bulma için geliştirilmiş ve yeniden tüm genom birleştirmesini es geçebilecek az sayıda algoritma var. Tek veya çok genom dizisi verisetlerinde verimli ve doğru bir şekilde yeni dizi insersiyonlarını bulan ve genotipleme yapan yeni bir algoritma Pamir'i sunuyoruz.
High throughput sequencing (HTS) technologies generate huge amount of data with very low cost, which prompted research on algorithm development to analyze large DNA sequence datasets. In this thesis, we propose new solutions to three related problems in genomics field. Firstly, although the accuracy and reproducibility of HTS based analyses is highly improved, the usability of these platforms in terms of robustness is still an open question. We produced whole genome shotgun (WGS) sequence data from the genomes of two individuals in two different centers to assess the usability of a widely used HTS platform in terms of robustness in clinical applications. We observe that HTS platforms are powerful enough for providing data for first-pass clinical tests, but before using in clinical applications, the variant predictions need to be confirmed by orthogonal methods. Secondly, we still need innovative methods for the de novo genome assembly problem. The task of assembling very short DNA sequence reads into -ideally- complete chromosome sequences is further complicated due to (i) the repetitive and duplicated structure of genomes, and (ii) the fact that the data produced by the HTS technologies tend to be short and error prone. We present a new method to increase the assembly accuracy by integrating data from Illumina, Ion-Torrent and Roche-454 platforms. Lastly, characterization of novel sequence insertions longer than the average read length remains a challenging task. There are only a few algorithms that are specifically developed for novel sequence insertion discovery that can bypass the need for the whole genome de novo assembly. We present a new algorithm, Pamir, to efficiently and accurately discover and genotype novel sequence insertions using either single or multiple genome sequencing datasets.