Πολυδιάστατες υπολογιστικές μέθοδοι για την μοντελοποίηση της διάγνωσης, πρόγνωσης και θεραπείας του καρκίνου

Περίληψη

Η παρούσα διατριβή πραγματεύεται τη μοντελοποίηση της διάγνωσης, της πρόγνωσης και της θεραπείας του καρκίνου, αναλύοντας και εφαρμόζοντας ευρέως χρησιμοποιούμενες υπολογιστικές προσεγγίσεις οι οποίες μπορούν αποτελεσματικά να συμβάλουν στην έρευνα για τη διαχείριση του καρκίνου, την ογκολογία και την ιατρική ακριβείας. Κύριος στόχος αυτής της διατριβής είναι να μελετήσει και να κατανοήσει περαιτέρω τη μοριακή βάση της εξέλιξης του καρκίνου και την πρόβλεψη κινδύνου συνδυάζοντας τα ιατρικά δεδομένα του ασθενούς με δεδομένα υψηλής απόδοσης. Προς αυτή την κατεύθυνση, επιδιώξαμε να διερευνήσουμε τον τρόπο με τον οποίο η ενσωμάτωση ετερογενών συνόλων δεδομένων που σχετίζονται με την ανάπτυξη του καρκίνου, όπως οι γονιδιωματικές αλλαγές και οι πολυμορφισμοί ενός νουκλεοτιδίου, θα μπορούσε στη συνέχεια να επιτρέψει την καλύτερη και πιο έγκυρη ταξινόμηση διαφορετικών φαινοτύπων σχετικών με την εξέλιξη του καρκίνου. Ο τομέας της Συστημικής Βιολογίας έχει αναπτυχθεί σημαντικά τα τελευταία χρόνι ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The present thesis deals with the modeling of cancer diagnosis, prognosis and treatment by utilizing and implementing well-established computational approaches that can efficiently and effectively contribute to cancer care research and precision oncology. The main objective of this thesis is to study and further understand the molecular basis underlying cancer progression and risk prediction by combining high-throughput data with patient information. Towards this direction, we seek to investigate how the integration of heterogeneous datasets related to cancer development, such as genomic changes and single nucleotide polymorphisms, could provide subsequently a better understanding on cancer classification and progression based on Dynamic Bayesian Networks (DBNs) and ensemble Machine Learning (ML) methodologies, respectively. The first part of the thesis concerns the interactions of the molecules and especially of differentially expressed genes (DEGs) that contribute to cancer progressi ...
περισσότερα
Η διατριβή είναι δεσμευμένη από τον συγγραφέα  (μέχρι και: 9/2023)
Το πλήρες κείμενο της διατριβής είναι διαθέσιμο σε έντυπη μορφή από τη Βιβλιοθήκη Επιστήμης και Τεχνολογίας του ΕΚΤ
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/48203
ND
48203
Εναλλακτικός τίτλος
Multidimensional computational methods for modeling cancer diagnosis, prognosis and treatment
Συγγραφέας
Κούρου, Κωνσταντίνα του Δημήτριος
Ημερομηνία
2020
Ίδρυμα
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Βιολογικών Εφαρμογών και Τεχνολογιών
Εξεταστική επιτροπή
Παπαλουκάς Κωνσταντίνος
Φωτιάδης Δημήτριος
Τρογκάνης Αναστάσιος
Μήτσης Μιχαήλ
Τσικνάκης Εμμανουήλ
Μαριάς Κωνσταντίνος
Έξαρχος Θεμιστοκλής
Επιστημονικό πεδίο
Ιατρική & Επιστήμες Υγείας
Επιστήμες Υγείας
Ιατρική Βιοτεχνολογία
Λέξεις-κλειδιά
Υπολογιστικές μέθοδοι; Μοντελοποίηση εξέλιξης καρκίνου; Διαφορικά εκφρασμένα γονίδια; Ανάλυση μονοπατιών; Προβλεπτικά μοντέλα; Δυναμικά μπαγιεσιανά δίκτυα
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xxxii, 187 σ., εικ., πιν., χαρτ., σχημ., γραφ.