Computational approaches to the identification of diagnostics and prognostics markers in brain neoplasms

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, İzmir Uluslararası Biyotıp ve Genom Enstitüsü, Moleküler Biyoteknoloji Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: MELİH ÖZBEK

Danışman: Athanasia Pavlopoulou

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Düşük sınıflı gliomalar (LGG) sinir sistemi 1. Sınıf tümörlerdir ve ilerledikçe en ölümcül beyin tümörlerinden biri oluyorlar. Bu gün zamanında ve doğru teşhis ve prognoza ihtiyaç vardır. Bu çalışmanın amacı düşük sınıflı gliomalarla ilişkili teşhisine ve prognozuna yönelik biyoişaretlerinin birçok farklı hesaplamalı yöntemler kullanılarak bulunmasıdır. Bu amaç için üç farklı metot kullanarak LGG ve karşılık denk gelen normal beyin dokusu arasında diferansiyel ifadeleme analizi gerçekleştirildi. Toplamda LGG ve sağlıklı normal beyin dokusu arasında dört bin dört yüz doksan altı diferansiyel ifade edilen gen tespit edildi. Daha sonra ortak diferansiyel ifade edilen genler, ağırlıklı olarak birlikte ifade edilen genlerin ağ analizinde (WGCNA), birlikte ifade edilen gen kümelerini bulmak için kullanıldı. Bu sayede klinik fenotiplerle ilişkili iki dikkate değer modül bulundu. Bu modüllerde bulunan DEGler ise birlikte ifade edilen gen ve protein etkileşim ağ analizlerinin inşasında kullanıldı. Bu analizler doğrultusunda toplam on sekiz hub gen tespit edildi: CD74, CD86, CDC25A, CYBB, HLA-DMA, ITGB2, KIF11, KIFC1, LAPTM5, LMNB1, MKI67, NCKAP1L, NUSAP1, SLC7A7, TBXAS1, TOP2A, TYROBP, ve WDFY4. Tüm tespit edilen hub genler LGG tümöründe yukarı regüle edilmiş olarak bulundu ve LGG hastlarında da olumsuz prognoz fenotiplerle ilişkili bulunmuştur. Bu sonuçlar klinik bir platformda LGG tümörünün teşhisi ve hastaların prognozu üzerine uygulanabilir.