Ανάλυση δεδομένων μεταγραφώματος και κατηγοριοποίηση γονιδίων μέσω αλγορίθμων μηχανικής μάθησης
| datacite.contributor.RelatedPerson | Σιούτας, Σπυρίδων | |
| datacite.contributor.RelatedPerson | Τσίχλας, Κωνσταντίνος | |
| datacite.contributor.Supervisor | Μακρής, Χρήστος | |
| dc.contributor.author | Παναγής, Κωνσταντίνος | |
| dc.contributor.other | Panagis, Konstantinos | |
| dc.date.accessioned | 2025-07-21T05:08:01Z | |
| dc.date.available | 2025-07-21T05:08:01Z | |
| dc.date.issued | 2025-07-04 | |
| dc.degree | graduateThesis | |
| dc.description.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. | |
| dc.description.translatedabstract | This thesis presents the development of an automated data analysis system for biological datasets, with the ultimate goal of predicting the most vital proteins within a biological network using machine learning models. Specifically, two process pipelines are integrated: a Snakemake workflow for RNA sequencing (RNA-seq) analysis and a machine learning pipeline. Three algorithms—Random Forest, Neural Networks, and Support Vector Regression (SVR)—were used and evaluated for their ability to predict the most important (vital) nodes of the biological network.The results showed that Random Forest achieved the best performance, with 80% accuracy in the top 20 predictions and a correlation coefficient of 0.779. Following that, the Neural Networks algorithm reached 80% accuracy in the top 20, with a correlation coefficient of 0.728. Lastly, SVR (Support Vector Regression) showed the weakest performance, with a 50% success rate in the top 20 predictions and a correlation coefficient of 0.580. | |
| dc.identifier.uri | https://hdl.handle.net/10889/30174 | |
| dc.language.iso | el | |
| dc.rights | Attribution-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-sa/3.0/gr/ | |
| dc.subject | Μεταγράγωμα | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Ανάλυση δεδομένων | |
| dc.subject | Κατηγοριοποίηση | |
| dc.subject.alternative | Transcriptome | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Data analysis | |
| dc.subject.alternative | Categorization | |
| dc.title | Ανάλυση δεδομένων μεταγραφώματος και κατηγοριοποίηση γονιδίων μέσω αλγορίθμων μηχανικής μάθησης | |
| dc.title.alternative | Transcriptome data analysis and gene categorization via machine learning algorithms |