Modeling cancer-associated transcriptional responses in cell-biological networks

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorLahti, Leo
dc.contributor.authorKoivistoinen, Ossi
dc.contributor.departmentInformaatio- ja luonnontieteiden tiedekuntafi
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.schoolSchool of Scienceen
dc.contributor.supervisorKaski, Samuel
dc.date.accessioned2020-12-23T13:08:01Z
dc.date.available2020-12-23T13:08:01Z
dc.date.issued2010
dc.description.abstractModelling cell-biological processes as a network of interconnected modules instead of individual biochemical reactions and indentifying these modules with the help of gene expression data is an essential research topic in bioinformatics. A recent approach to improve identification of the modules is to merge network-based biological information with highthroughput gene expression measurements. In this thesis a method was devised to use metabolic pathways presented in generic BioPAX level 2 format to guide the analysis of transcriptional responses. The pathway data was used to construct a large network of interconnected biological features and to deduce the expected correlation of the features. The information was used to guide the genome-wide analysis of cancer-associated transcriptional responses with NetResponse algorithm. Exploratory factor analysis was used to model coherent transcriptional responses between the features. DNA microarray measurements of 191 uterine carcinoma samples and four control samples were analyzed. The method was able to find many coherently expressed groups of biological features that showed statistically significant differential expression between cancer and control samples and between cancer subtypes.en
dc.description.abstractSolubiologisten prosessien kuvaaminen toisiinsa liittyvinä dynaamisina moduuleina yksittäisten biokemiallisten reaktioiden sijaan ja näiden moduulien tunnistaminen geeniekspression perusteella on olennainen tutkimuskohde bioinformatiikan alalla. Erilaisia verkkomuotoisia biologisia lähdeaineistoja voidaan käyttää apuna moduulien tunnistamisessa. Tässä diplomityössä toteutettiin menetelmä BioPAX level 2 -muodossa kuvattujen metaboliareittien hyödyntämiseen geeniekspression tutkimuksessa. Metaboliareittitietojen avulla koottiin laaja verkko solubiologisista toiminnoista sekä mallinnettiin toimintojen välillä odotettua vuorovaikutusta. Näitä tietoja käytettiin yhdessä NetResponse-algoritmin kanssa yhdenmukaisesti toimivien ryhmien tunnistamiseen geeniekspressioaineistosta. Yhdenmukaisesti ilmentyvät moduulit tunnistettiin faktorianalyysin avulla. Menetelmän avulla tutkittiin 191 kohtusyöpänäytteen ja neljän vertailunäytteen geenisirumittauksista koottua aineistoa. Aineistosta tunnistettiin useita solubiologisten toimintojen kokonaisuuksia, joiden geeniekspressio poikkesi yhdenmukaisesti syöpänäytteiden ja vertailunäytteiden sekä syövän eri alatyyppien välillä.fi
dc.format.extent[8] + 58
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/98932
dc.identifier.urnURN:NBN:fi:aalto-2020122357759
dc.language.isoenen
dc.programme.majorInformaatiotekniikkafi
dc.programme.mcodeT-61fi
dc.rights.accesslevelopenAccess
dc.subject.keywordbioinformaticsen
dc.subject.keywordbioinformatiikkafi
dc.subject.keywordfactor analysisen
dc.subject.keywordfaktorianalyysifi
dc.subject.keywordgene expressionen
dc.subject.keywordgeeniekspressiofi
dc.subject.keywordmetabolic pathwaysen
dc.subject.keywordmetaboliareititfi
dc.titleModeling cancer-associated transcriptional responses in cell-biological networksen
dc.titleSyöpään liittyvän transkriptioaktiivisuuden mallinnus solubiologisissa verkoissafi
dc.type.okmG2 Pro gradu, diplomityö
dc.type.ontasotMaster's thesisen
dc.type.ontasotPro gradu -tutkielmafi
dc.type.publicationmasterThesis
local.aalto.digiauthyes
local.aalto.digifolderAalto_11404
local.aalto.idinssi41308
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Koivistoinen_Ossi_2010.pdf
Size:
21.66 MB
Format:
Adobe Portable Document Format