prikaz prve stranice dokumenta Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja
  Download
PDF 2.64 MB
master's thesis
Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja
Zagreb: University of Zagreb, Faculty of Science, 2020. urn:nbn:hr:217:444505
Volarić, Marin
University of Zagreb
Faculty of Science
Department of Biology

Institutional repository: Repository of the Faculty of Science

Cite this document

Volarić, M. (2020). Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:444505

Volarić, Marin. "Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:217:444505

Volarić, Marin. "Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:217:444505

Volarić, M. (2020). 'Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja', Master's thesis, University of Zagreb, Faculty of Science, accessed 19 May 2024, https://urn.nsk.hr/urn:nbn:hr:217:444505

Volarić M. Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2020 [cited 2024 May 19] Available at: https://urn.nsk.hr/urn:nbn:hr:217:444505

M. Volarić, "Odabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:217:444505

Metadata
TitleOdabir najinformativnijih genomskih regija za određivanje ishodišnih stanica melanoma metodama strojnog učenja
Title (english)Selection of the most informative genomic regions for the determination of melanoma cell-of-origin using machine learning methods
AuthorMarin Volarić
MentorRosa Karlić (mentor)
Committee memberRosa Karlić (predsjednik povjerenstva)
Committee memberSven Jelaska (član povjerenstva)
Committee memberTomislav Ivanković (član povjerenstva)
Committee memberKristian Vlahoviček (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Biology)
Zagreb
Defense date and country2020-07-16, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Biology
Abstract
Iako najmanje uobičajeni oblik karcinoma kože melanom je njegov najsmrtonosniji oblik karakteriziran visokom invazivnošću i velikim metastatskim potencijalom. Metastatski potencijal melanoma pokazao se problemom u djelu bolesnika koji nemaju očito mjesto porijekla primarnog tumora, pokazano najjačeg prediktora ponašanja tumora. Novi pristupi temeljeni na metodama strojnog učenja bili su uspješni u identificiranju stanice porijekla u različitih vrsta karcinoma isključivo korištenjem karakterističnih profila putničkih mutacija i somatskih epigenomskih profila. Cilj ovog istraživanja bio je istražiti može li se stanica podrijetla melanoma odrediti s djelom genomskih regija koji su korišteni u prethodnim studijama. Istražili smo može li upotreba analize glavnih komponenti smanjiti broj regija koje modeli strojnog učenja trebaju koristiti da bi se uspješno predvidjelo stanično podrijetlo melanoma. Ovdje pokazujemo da je čak 10% veličine profila korištene u prethodnim istraživanjima dovoljno za predviđanje melanomne stanice podrijetla s velikom točnošću. Nadalje, otkrili smo da najinformativnije regije imaju veći proporcionalni udio prepisane sekvence i imaju relativno malo otkrivenih poznatih mutacija koje su povezane s razvojem melanoma. Ti nalazi otkrivaju potencijalni put do novih istraživanja dijagnostičkog potencijala metoda strojnog učenja ne samo za melanom, već i za druge vrste raka.
Abstract (english)
Although being the least common form of skin cancer melanoma is by far its deadliest form characterized by high invasiveness and a large metastatic potential. The metastatic potential of melanoma proves to be a problem in a fraction of patients who have no obvious site of primary tumor which is the strongest predictor of tumor behavior. Novel approaches based on machine learning methods have been successful in identifying different cancer types cells-of-origin solely by using cancer passenger mutation and somatic cell epigenomic regional profiles. The aim of this research was to investigate whether melanoma cell-oforigin can be determined with a fraction of genomic regions used in previous studies. We investigated whether the use of principal component analysis can reduce the number of regions that machine learning models need to use to successfully predict melanoma cell-of-origin. Here we show that with even 10% of the profile size used in previous research is enough to predict melanoma cell-of-origin with high accuracy. Moreover, we also found that the best regions have a larger proportional fraction of transcribed sequence and have relatively few of discovered known mutations which are connected with melanoma development. Those findings reveal a potential path to new research into the diagnostic potential of machine learning methods not only for melanoma but for other cancer types.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:217:444505
Study programmeTitle: Molecular Biology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra molekularne biologije (magistar/magistra molekularne biologije)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Embargo expiration date: 2021-07-16
Terms of useLicence In copyright icon
Created on2020-07-20 12:13:21