Ανάλυση δεδομένων μεταγραφώματος και κατηγοριοποίηση γονιδίων μέσω αλγορίθμων μηχανικής μάθησης
Loading...
Date
2025-07-04
Authors
Παναγής, Κωνσταντίνος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Στην παρούσα διπλωματική εργασία παρουσιάζεται η προσπάθεια που έγινε να δημιουργηθεί ένα αυτοματοποιημένο σύστημα διεργασιών ανάλυσης βιολογικών δεδομένων, με απώτερο σκοπό την πρόβλεψη των ζωτικότερων πρωτεϊνών του βιολογικού δικτύου, μέσω μοντέλων μηχανικής μάθησης. Πιο συγκεκριμένα, συνδυάζονται δύο ροές διεργασιών (pipelines) μια ροή διεργασιών Snakemake για ανάλυση αλληλουχίας RNA (RNA-seq) και μια ροή διεργασιών (pipeline) μηχανικής μάθησης. Χρησιμοποιήθηκαν και αξιολογήθηκαν τρείς αλγόριθμοι (Random Forest, Neural Networks, SVR) με σκοπό την πρόβλεψη των σημαντικότερων-ζωτικότερων κόμβων του βιολογικού δικτύου. Στα αποτελέσματα φάνηκε, ότι ο Random Forest πέτυχε την καλύτερη απόδοση με 80% ακρίβεια στα κορυφαίων 20 αποτελέσματα και στον συντελεστή συσχέτισης 0.779. Στη συνέχεια, εμφανίζεται ο αλγόριθμος, που εφαρμόζει την τεχνική των νευρωνικών δικτύων με 80% των κορυφαίων 20 και συντελεστή συσχέτισης 0.728, με τελευταίο σε απόδοση τον αλγόριθμο Παλινδρόμησης με Διανυσματικούς Υποστηρικτές (SVR – Support Vector Regression), με επιτυχία πρόβλεψης 50% των κορυφαίων 20 και με συντελεστή συσχέτισης 0.580.
Description
Keywords
Μεταγράγωμα, Μηχανική μάθηση, Ανάλυση δεδομένων, Κατηγοριοποίηση