Ανάλυση βιολογικών δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης με εφαρμογή στη διάγνωση του γαστρεντερικού καρκίνου

Ανάλυση βιολογικών δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης με εφαρμογή στη διάγνωση του γαστρεντερικού καρκίνου (Bachelor thesis)

Περήφανος, Αλέξανδρος

Full metadata record

DC Field	Value	Language
dc.contributor.author	Περήφανος, Αλέξανδρος	el
dc.date.accessioned	2022-07-23T23:33:19Z	-
dc.date.available	2022-07-23T23:33:19Z	-
dc.identifier.uri	http://195.251.240.227/jspui/handle/123456789/15035	-
dc.description	Πτυχιακή εργασία - Σχολή Τεχνολογικών Εφαρμογών, 2019 (α/α 11029	el
dc.rights	Default License	-
dc.subject	Μηχανική Μάθηση	el
dc.subject	Machine Learning	en
dc.subject	Μέθοδοι Μείωσης Διαστάσεων	el
dc.subject	Dimension Reduction Methods	en
dc.subject	Μέθοδοι Επιλογής Χαρακτηριστικών	el
dc.subject	Mutual Information	en
dc.subject	rfecv	en
dc.subject	Kolmogorov-Smirnov 2 Samples	en
dc.subject	SVM	en
dc.subject	Γαστρεντερικός Καρκίνος	el
dc.subject	Gastrointestinal Cancer	en
dc.subject	Οισοφαγικός Καρκίνος	el
dc.subject	Esophageal Cancer	en
dc.subject	Στομαχικός Καρκίνος	el
dc.subject	Stomach Cancer	en
dc.subject	Παγκρεατικός Καρκίνος	-
dc.subject	Καρκίνος της Χοληδόχου Κύστης	el
dc.subject	Gallbladder Cancer	en
dc.subject	Γονίδια	el
dc.subject	Genes	en
dc.subject	Αλληλλούχιση RNA (RNA-seq)	el
dc.subject	RNA Sequencing (RNA-Seq)	en
dc.subject	Feature Selection Methods	en
dc.subject	Pancreatic Cancer	en
dc.title	Ανάλυση βιολογικών δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης με εφαρμογή στη διάγνωση του γαστρεντερικού καρκίνου	el
heal.type	bachelorThesis	-
heal.type.en	Bachelor thesis	en
heal.generalDescription	Πτυχιακή εργασία	el
heal.classification	Machine learning/	-
heal.classification	Μηχανική μάθηση	-
heal.classification	Digestive organs -- Cancer --Diagnosis	el
heal.classification	Πεπτικά όργανα -- Καρκίνος -- Διάγνωση	en
heal.identifier.secondary	11029	-
heal.language	el	-
heal.access	account	-
heal.recordProvider	Σχολή Τεχνολογικών Εφαρμογών - Τμήμα Μηχανικών Πληροφορικής	el
heal.publicationDate	2019-05-21	-
heal.bibliographicCitation	Περήφανος, Α. (2019). Ανάλυση βιολογικών δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης με εφαρμογή στη διάγνωση του καρκίνου . (Πτυχιακή εργασία). Διεθνές Πανεπιστήμιο της Ελλάδος.	el
heal.abstract	Η στόχευση της παρούσας διπλωματικής εργασίας είναι να εντοπιστεί ένας όσο το δυνατόν μικρότερος αριθμός γονιδίων, με χρήση Μεθόδων Μηχανικής Μάθησης, τα οποία περιέχουν σημαντική πληροφορία για την κατασκευή ενός ταξινομητή που θα έχει εξαιρετική απόδοση και φυσικά θα μπορεί να γενικεύει. Το σύνολο δεδομένων που εξετάσαμε αφορά στο γαστρεντερικό καρκίνο και προέρχεται από τη βάση δεδομένων του TCGA (The Cancer Genome Atlas). Η συγκεκριμένη μορφή καρκίνου που μελετιέται, έχει 5 είδη, αλλά εμείς θα ασχοληθούμε συγκεκριμένα με 4, τον οισοφαγικό, τον στομαχικό, τον παγκρεατικό και της χοληδόχου κύστης. Οι μεταβλητές-στόχοι είναι η ύπαρξη ή μη της ασθένειας. Οι τιμές των γονιδίων αποτελούν τιμές έκφρασης μετασχηματισμένες από αλληλλούχιση RNA (RNA-seq). Αρχικά, βρέθηκαν τα κοινά γονίδια για όλους τους τύπους καρκίνου προς ανάλυση. Μετέπειτα, με τη χρήση των μεθόδων Μείωσης Διαστάσεων/επιλογής χαρακτηριστικών Αμοιβαίας Πληροφορίας (Mutual Information), του κριτηρίου Kolmogorov-Smirnov για 2 δείγματα (KS 2Samples Test) και τέλος της Επαναλαμβανόμενης Εξάλειψης Χαρακτηριστικών με Διασταυρούμενη Επικύρωση (Recursive Feature Elimination with Cross Validation) αξιολογήσαμε τα γονίδια και τα ταξινομήσαμε με βάση τη σημαντικότητα τους. Για τις 2 πρώτες (σ.σ. Mutual Information, Kolmogorov Smirnov 2 Samples), επιλέξαμε τα πρώτα σημαντικά γονίδια της κάθε μεθόδου Επιλογής Χαρακτηριστικών ξεκινώντας από 10 μέχρι 5000. Η τελευταία (σ.σ. rfecv) εφαρμόζοντας βαρύτητες στα χαρακτηριστικά με βάση το εκάστοτε μοντέλο που χρησιμοποιεί, εξαλείφει κάθε φορά τα χειρότερα χαρακτηριστικά σύμφωνα με κάποιο βήμα. Αφού εντοπίστηκε το βέλτιστο υποσύνολο χαρακτηριστικών, κάναμε σύγκριση ταξινομητών και έπειτα εκτελέσαμε Εξαντλητική αναζήτηση (Grid Search) για την εύρεση των παραμέτρων που οι αποδοτικότεροι ταξινομητές πετυχαίνουν την καλύτερη τιμή μέσης ακρίβειας (k-Fold Cross Validation). Επιπροσθέτως, άλλες μέθοδοι χρησιμοποιήθηκαν όπως κανονικοποίηση των δεδομένων και δημιουργία συνθετικών δεδομένων για τη μειοψηφούσα κλάση(υγιείς) καθώς το δείγμα μας ήταν κατά πολύ μη ισορροπημένο. Τα αποτελέσματα των πειραμάτων έδειξαν ότι το κριτήριο rfecv υπερέχει των υπολοίπων κριτηρίων αξιολόγησης που εξετάσαμε αφού κατάφερε να εντοπίσει το μικρότερο αριθμό σημαντικών γονιδίων (χαρακτηριστικών) τα οποία περιέχουν σημαντική πληροφορία για την κατασκευή ενός ταξινομητή SVM RBF ο οποίος διαθέτει καλύτερη ικανότητα γενίκευσης έναντι άλλων υποσυνόλων σημαντικών γονιδίων που προήλθαν από τα υπόλοιπα κριτήρια αξιολόγησης που εξετάσαμε(η απόδοση του ταξινομητή δεν μειώθηκε παρόλο που χρησιμοποιήσαμε και μεθόδους δημιουργίας συνθετικών τιμών για τη μειοψηφούσα κλάση). Επιπλέον παρατηρήθηκε ότι η με κανονικοποίηση των γονιδιακών τιμών, πέτυχαμε τα καλύτερα αποτελέσματα.	el
heal.abstract	The purpose of this thesis is to identify as few genes as possible, using Machine Learning methods, which contain important information for the construction of a classifier that will perform extremely well and will, of course, be able to generalize. The dataset that we examined, concerns gastrointestinal cancer and was taken from the TCGA database (The Cancer Genome Atlas). The specific form of cancer studied, has 5 species, but we will deal specifically with 4, esophageal, stomach, pancreatic and gallbladder. The target variables are the existence or absence of the disease. Gene expression data were transformed by RNA sequencing (RNA-Seq). Initially, common genes were found for all types of cancer to be analyzed. Subsequently, using the Dimension Reduction/Feature Selection Methods, Kolmogorov Smirnov 2 Samples Test (KS 2Samples Test), Mutual Information (MI) and Recursive Feature Elimination with Cross Validation (RFE-CV), we evaluated the genes and ranked them according to their significance. For the first two (Mutual Information, Kolmogorov Smirnov 2 Samples), we chose the first more important genes of each feature selection method starting from 10 to 5000. The latter (RFE-CV) refers to the classification of features according to the weights given by the respective model used, with repeated deletion of features in regards to a specific step and then selecting the best number of features through cross-validation. We compared classifiers and then we performed Grid Search to find the parameters at which the most efficient classifiers achieve the best results (k-Fold Cross Validation). In addition, other methods were used such as data standardization and generation of synthetic data for the minority class (healthy) as our sample was very unbalanced. The results of the experiments showed that the rfecv criterion is superior to the other evaluation criteria we tested as it was able to find the smaller number of significant genes containing important information for the construction of an SVM RBF classifier that has a better generalization capability than other subsets of important genes derived from the other evaluation criteria we tested (the classifier's performance did not decrease even after we used methods for synthetic data generation). In addition, it was observed that with standardization of gene values, we achieved the best results.	en
heal.advisorName	Διαμαντάρας, Κωνσταντίνος	el
heal.committeeMemberName	Διαμαντάρας, Κωνσταντίνος	el
heal.academicPublisher	Σχολή Τεχνολογικών Εφαρμογών /Τμήμα Μηχανικών Πληροφορικής	el
heal.academicPublisherID	ihu	-
heal.numberOfPages	68	-
heal.fullTextAvailability	true	-
heal.type.el	Προπτυχιακή/Διπλωματική εργασία	el
Appears in Collections:	Μεταπτυχιακές Διατριβές

Files in This Item:

File	Description	Size	Format
PERIFANOS.pdf		1.5 MB	Adobe PDF	View/Open

Show simple item record

Please use this identifier to cite or link to this item:

http://195.251.240.227/jspui/handle/123456789/15035

This item is a favorite for 0 people.

Add to favorites

Eureka! Institutional Repository

Ανάλυση βιολογικών δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης με εφαρμογή στη διάγνωση του γαστρεντερικού καρκίνου (Bachelor thesis)

Περήφανος, Αλέξανδρος