E-Locus - Ιδρυματικό Καταθετήριο Πανεπιστημίου Κρήτης - Modelling Transcription : Development of machine learning models to correlate nascent RNA production with histone modifications patterns

Αρχική Modelling Transcription : Development of machine learning models to correlate nascent RNA production with histone modifications patterns

Αποτελέσματα - Λεπτομέρειες

[Προσθήκη στο καλάθι]

Κωδικός Πόρου

000468873

Τίτλος

Modelling Transcription : Development of machine learning models to correlate nascent RNA production with histone modifications patterns

Άλλος τίτλος

Μοντελοποιώντας την Μεταγραφή

Συγγραφέας

Σταγάκη, Μαριάννα

Σύμβουλος διατριβής

Lavigne, Matthieu D.

Μέλος κριτικής επιτροπής

Νικολάου, Χριστόφορος
Παυλίδης, Παύλος

Περίληψη

Σε αυτήν την εργασία, συνδυάσαμε διαφορετικών ειδών omics-δεδομένα για να εκπαιδεύσουμε μοντέλα μηχανικής μάθησης, ώστε να προβλέψουμε τις μετρήσεις διαφόρων ιστονικών τροποποιήσεων σε συγκεκριμένα σημεία του γονιδιώματος. Δημιουργήσαμε 3 διαφορετικά μοντέλα με 3 διαφορετικούς τρόπους, για να προβλέψουμε τις εξής τροποποιήσεις: την Η3Κ4me3, την H3K27ac και την H2Bub. Το πρώτο μοντέλο δημιουργήθηκε με βάση ένα διάγραμμα εργασίας από την δημοσίευση “Prediction of histone post-translational modification patterns based on nascent transcription data” (Wang et al., 2022) από το εργαστήριο του καθηγητή Danko, στο οποίο χρησιμοποιήσαν δεδομένα nascent RNA μόνο από ανάλυση PRO-seq. Στην προκειμένη εργασία χρησιμοποιήθηκαν διαφορετικοί αλγόριθμοι μηχανικής μάθησης από ότι προτείνονται στην παραπάνω δημοσίευση. Πιο συγκεκριμένα χρησιμοποιήσαμε μοντέλα Ensemble Learning και Deep Learning, και μέσω της τεχνικής Nested-Cross Validation αναδείξαμε ποια μοντέλα και ποιοι παράμετροι τους είναι καταλληλότεροι για τα δεδομένα μας. Στο δεύτερο μοντέλο, χρησιμοποιήσαμε έναν συνδυασμό από δεδομένα αλληλούχισης Nascent-RNA (Eu) και από δεδομένα ATAC-seq, ώστε να προβλέψουμε την ιστονική τροποποίηση Η3Κ27ac, χρησιμοποιώντας ξανά την Nested Cross-Validation ώστε να επιλέξουμε τον καλύτερο αλγόριθμο για να περιγράψουμε τα δεδομένα μας. Τέλος, προσπαθήσαμε να εκπαιδεύσουμε ένα μοντέλο για την πρόβλεψη της H2Bub στο γονιδίωμα, χρησιμοποιώντας δεδομένα αλληλούχισης Nascent-RNA και δεδομένα RNA-pol II ChIP-seq, για να μελετήσουμε αν αυτά τα μόρια έχουν ρόλο στην έντονη πτώση της H2Bub ιστονικής τροποποίησης, στις περιοχές που τα ιντρόνια ενώνονται με εξώνια.

Φυσική περιγραφή

52 σ. : πίν. σχήμ. ; 30 εκ.

Γλώσσα

Αγγλικά, Ελληνικά

Θέμα

H2BUB

Machine learning

Splicing

Ιστονικές τροποποιήσεις

Ημερομηνία έκδοσης

2024-11-29

Συλλογή

Σχολή/Τμήμα--Ιατρική Σχολή--Τμήμα Ιατρικής--Μεταπτυχιακές εργασίες ειδίκευσης

Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης

Εμφανίσεις

Ψηφιακά τεκμήρια
	Δεν έχετε δικαιώματα για να δείτε το έγγραφο. Δεν θα είναι διαθέσιμο έως: 2027-11-29