Browsing by Author "Alasoo, Kaur"

Now showing 1 - 4 of 4

Challenges of working with controlled access datasets in human genetics
(2019) Alasoo, Kaur
Combining support vector machines to predict novel angiogenesis genes
(Tartu Ülikool, 2010) Alasoo, Kaur; Peterson, Hedi, juhendaja; Agius, Phaedra, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
How sex influences the effect of genetic variants on gene expression?
(2020) Tuzov, Vladislav; Alasoo, Kaur
Complex human traits and disease prevalence and risks vary between women and men. It is important to understand and interpret the effect genetic variants have on cells to manage disease and differences in phenotypes. As most genetic variants involved in regulation, the effect of these variants (eQTLs) influences gene expression. Most previous research showed a small amount of sex-biased eQTLs. However, the majority of studies use whole blood samples, which are more likely to produce false positives than purified blood samples, because some blood cells are more abundant in one sex than the other. This work analysed 1187 eQTLs for the present sex-specific effect on gene expression using interaction tests. This approach shows reliability confirmed by the uniform distribution of P-values. In estonian: Inimeste komplekssed tunnused, haiguste levimus ning nendega seotud riskid on meeste ja naiste vahel erinevad. Selleks et haiguseid ja nende erisusi fenotüüpides uurida, on oluline aru saada ning kaardistada erinevate geenide avaldumist rakkudes. Geeniekspressiooni mõjutavad varieeruvused geneetilistes markerites, nagu ekspressiooni kvantitatiivsete tunnuste lookused (eQTL). Varasemad teadustööd pole näidanud suurel hulgal inimese soost mõjutatud eQTLe, kuid enamik töödest on kasutanud täisvere proove. Need annavad suurema tõenäosusega valepositiivseid tulemusi kui rakutüübi kaupa eraldatud proovid, sest mõndasid vererakke esineb ühel sool rohkem kui teisel. Käesolev töö uuris 1187 eQTLi soost sõltuvate efektide esinemisest geeniekspressioonile kasutades interaktsiooniteste. Selle lähenemise usaldusväärsust kinnitab p-väärtuste ühtlane jaotus.
Tugivektormasinate kombineerimine angiogeneesiga seotud geenide ennustamiseks
(Tartu Ülikool, 2010) Alasoo, Kaur; Peterson, Hedi; Agius, Phaedra; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Arvutiteaduse instituut
Vähk on tänapäeval üks levinumaid ja ohtlikumaid haigusi põhjustades igal aastal 13% kõigist surmajuhtumitest üle maailma. Hoolimata aastatepikkustest jõupingutustest ei ole seni ikka veel efektiivset ravi selle haiguse vastu leitud. Küll on aga teada, et vähi arengus on olulisel kohal angiogenees, mille käigus vähk paneb enda ümber asuvad veresooned hargnema ja kasvama. Parem arusaamine sellest protsessist võimaldaks potentsiaalselt luua uusi ja efektiivsemaid ravimeetodeid. Aastate jooksul tehtud eksperimentide käigus on mõõdetud enamiku inimese geenide ekpressiooni rohkem kui 5000 tingimuses. Lisaks on meie koostööpartnerid koostanud nimekirja 341-st veresoonte loomega seotud geenist. Käesoleva töö eesmärgiks ongi uurida, kuidas geeniekspressiooni andmete ja väikese hulga tuntud angiogeneesi geenide põhjal on võimalik ennustada uusi angiogeneesiga seotud geene. Selleks võrreldakse kõigepealt mitmeid olemasolevaid masinõppe meetodeid ja avalikult kättesaadavaid bioinformaatika tööriistu, mida saaks kasutada kandidaatgeenide ennustamiseks. Kõigi nende meetodite puhul kasutatakse sisendiks võimalikult sarnaseid andmeid ning mõõdetakse siis 10-kordse ristvalideerimise abil, kui edukad need on juba tuntud angiogeneesi geenide ülesleidmisel. Töö teises osas pakutakse välja uudne Comb-SVM meetod kandidaatgeenide ennustamiseks. Selle põhiidee baseerub kolmel sammul. Kõigepealt kasutatakse juba tuntud angiogeneesi geene ning juhuslikult valitud negatiivseid geene, et treenida paralleelselt mitu tugivektormasinal (ingl k Support Vector Machine) põhinevat klassifitseerijat. Järgnevalt kasutakse neid klassifitseerijaid uute angiogeneesi geenide ennustamiseks. Viimaks agregeeritakse kõigi klassifitseerijate tulemused kokku üheks ennustuseks. Töö lõpus näidatakse, et 10-kordse ristvalideerimise põhjal on Comb-SVM täpsem kui enamik olemasolevaid meetodeid. Lisaks näidatakse, et Comb-SVM ennustused on oluliselt stabiilsemad väikeste muudatuste suhtes treeningandmetes kui paremuselt teise algoritmi tulemused. Kõige lõpuks kasu- tatakse teaduskirjandust ning Gene Ontology andmebaasi veendumaks, et uued ennustatud geenid on tõpoolest seotud angiogeneesiga.