Bilgisayar Mühendisliği Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/203

Browse

Now showing 1 - 3 of 3

Enlightening the molecular mechanisms of type 2 diabetes with a novel pathway clustering and pathway subnetwork approach
(TUBITAK, 2022) Bakır Güngör, Burcu; Ünlü, Yazıcı, Miray; Göy, Gökhan; Temiz, Mustafa; 0000-0002-2272-6270; 0000-0001-8165-6164; AGÜ, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü; Bakır Gungor, Burcu; Ünlü Yazıcı, Miray; Göy, Gökhan; Temiz, Mustafa
Type 2 diabetes mellitus (T2D) constitutes 90% of the diabetes cases, and it is a complex multifactorial disease. In the last decade, genome-wide association studies (GWASs) for T2D successfully pinpointed the genetic variants (typically single nucleotide polymorphisms, SNPs) that associate with disease risk. In order to diminish the burden of multiple testing in GWAS, researchers attempted to evaluate the collective effects of interesting variants. In this regard, pathway-based analyses of GWAS became popular to discover novel multigenic functional associations. Still, to reveal the unaccounted 85 to 90% of T2D variation, which lies hidden in GWAS datasets, new post-GWAS strategies need to be developed. In this respect, here we reanalyze three metaanalysis data of GWAS in T2D, using the methodology that we have developed to identify disease-associated pathways by combining nominally significant evidence of genetic association with the known biochemical pathways, protein-protein interaction (PPI) networks, and the functional information of selected SNPs. In this research effort, to enlighten the molecular mechanisms underlying T2D development and progress, we integrated different in silico approaches that proceed in top-down manner and bottom-up manner, and presented a comprehensive analysis at protein subnetwork, pathway, and pathway subnetwork levels. Using the mutual information based on the shared genes, the identified protein subnetworks and the affected pathways of each dataset were compared. While most of the identified pathways recapitulate the pathophysiology of T2D, our results show that incorporating SNP functional properties, PPI networks into GWAS can dissect leading molecular pathways, and it could offer improvement over traditional enrichment strategies.
miRcorrNetPro: Unraveling Algorithmic Insights through Cross-Validation in Multi-Omics Integration for Comprehensive Data Analysis
(Institute of Electrical and Electronics Engineers Inc., 2023) Yazici, Miray Unlu; Yousef, Malik; Marron J.S.; Bakir-Gungor, Burcu; 0000-0001-8165-6164; 0000-0002-2272-6270; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; Yazici, Miray Unlu; Bakir-Gungor, Burcu
High throughput -omics technologies facilitate the investigation of regulatory mechanisms of complex diseases. Along this line, scientists develop promising tools and methods to extend our understanding at the molecular and functional levels. To this end, miRcorrNet tool performs integrative analysis of microRNA (miRNA) and gene expression profiles via machine learning (ML) approach to identify significant miRNA groups and their associated target genes. In this study, we propose miRcorrNetPro tool, which extends miRcorrNet by tracking group scoring, ranking and other information through the cross-validation iterations. Heatmap visualizations enable deep novel insights into the collective behavior of clusters of groups in cellular signaling and hence facilitate detection of potential biomarkers for the disease under investigation. Although miRcorrNetPro is designed as a generic tool, here we present our findings and potential miRNA biomarkers for Breast Cancer (BRCA). The miRcorrNetPro tool and all other supplementary files are available at https://github.com/MirayUnlu/miRcorrNetPro.
A Top-Down Approach for Finding Affected Pathway Subnetworks in Type 2 Diabetes
(IEEE, 2020) Unlu Yazici, Miray; Bakir-Gungor, Burcu; 0000-0001-8165-6164; 0000-0002-2272-6270; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; Unlu Yazici, Miray; Bakir-Gungor, Burcu
Diyabet (Diabetes Mellitus, DM), insülin üreten pankreas beta hücrelerindeki fonksiyon bozukluğu, insülin direnci veya insülinin işlevselliğinin bozulması ile meydana gelen bir tür metabolik bozukluktur. Diyabet vakalarının %90'ını oluşturan Tip 2 Diyabet (T2D) ise, çok faktörlü karmaşık bir hastalıktır. Son yıllarda, genom boyu ilişkilendirme (genome-wide association, GWA) analizleri ile, T2D riski ile ilişkili genetik varyantlar başarıyla tespit edilmiştir. Ancak, geleneksel GWA çalışmaları buzdağının görünen kısmındaki tek nükleotid polimorfizmlerine (SNPs) odaklanırken, bu çalışmalarda tespit edilememiş varyasyonların ortaya çıkarılması için, GWA çalışmaları sonrasında yeni analiz yöntemlerine ihtiyaç vardır. Önceki çalışmamızda, insan protein-protein etkileşim ağını, bilinen biyolojik yolakları ve potansiyel SNP’leri beraber analiz ederek, hastalıkla ilişkili markör yolakları belirleyen bir GWA çalışması sonrası analiz metodolojisi geliştirmiştik. Bu çalışmada, geliştirdiğimiz bu yöntemin üzerine farklı in-siliko yaklaşımları ekleyerek, T2D’de etkilenen protein alt ağlarına ilaveten, yolak alt ağlarını bulmayı ve sonuç olarak T2D ile ilişkili moleküler mekanizmaların aydınlatılmasını hedefledik. Geliştirdiğimiz bu yöntemle, 12.931 hasta ve 57.196 sağlıklı bireyi içeren T2D GWA çalışması meta analiz verisini analiz ettik. Burada sunduğumuz yaklaşım hem etkilenen yolağın önem derecesini hem de yolağın komşu yolaklarla topolojik ilişkisini temel alır. Yöntemimizin fonksiyonel zenginleştirme aşamasında, hipergeometrik test ile önemli yolaklar elde edilmiş ve gen-yolak matrisi oluşturulmuştur. Daha sonra yolak-yolak benzerlik ilişkisi Jakard indeksi kullanılarak hesaplanmıştır. Bu benzerlik matrisinden elde edilen skorlar kullanılarak yolak-yolak ağı oluşturulmuş ve alt ağ arama algoritmaları ile hastalıkla ilişkili yolak modülleri elde edilmiştir. Sonuç olarak, T2D oluşumunda potansiyel rolü olabilecek gen, yolak alt ağları belirlenmiş, etkilenen yolakların ilişkili olduğu kategoriler ve sınıflar tespit edilmiştir.

Browse

Browsing Bilgisayar Mühendisliği Bölümü Koleksiyonu by Author "0000-0001-8165-6164"