ΘΕΜΑ: Paroysiash/Eksetash Metaptyxiakhs Ergasias Kerkentzes Konstantinos_24/3/2015_ 12:00_K206_ dept. Computer Science UoC- oral defense of MSc by Kerkentzes Konstantinos _Tuesday 24 March, 12:00-14:00 (GR) ΑΠΟΣΤΟΛΕΑΣ: Gramateia Metaptyxiakou CSD [mailto:pgram@xxxxxxxxxx] ΠΑΡΟΥΣΙΑΣΗ / ΕΞΕΤΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ Kερκεντζές Κωνσταντίνος Mεταπτυχιακός Φοιτητής Eπόπτης Μεταπτ. Εργασίας: Αναπλ. Καθηγητής, Ιωάννης Τσαμαρδίνος Τρίτη, 24 Μαρτίου 2015, 12:00 " Ανάλυση «παλαιών» δεδομένων μικροσυστοιχιών καρκίνου του πνεύμονα αποκαλύπτει κρυμμένα κομμάτια βιολογικής γνώσης " ΠΕΡΙΛΗΨΗ
Τα δεδομένα αποτελούνται από ιστολογικά καθορισμένες περιπτώσεις αδενοκαρκινώματος του πνεύμονα, καρκινώματος των πλακώδων κυττάρων του πνεύμονα, μικροκυτταρικού καρκίνου του πνεύμονα, καρκινικών όγκων, μετάστασεων (αδενοκαρκινώματος του μαστού και του παχέους εντέρου) και δείγματα φυσιολογικού πνεύμονα (203 δείγματα συνολικά). Μια ευρεία γκάμα στατιστικών ελέγχων πραγματοποιήθηκε για τον προσδιορισμό γονιδίων με διαφορική έκφραση, διαγνωστικών και προγνωστικών γονιδίων, εμπλουτισμένων γονιδιακών οντολογιών και βιοχημικών μονοπατιών. Επιπλεόν, επικύρωσαμε την προσέγγιση της ανάλυσής μας εφαρμόζοντάς την σε άλλα δύο σύνολα δεδομένων και ελέγχοντας την αντιστοιχία των αποτελεσμάτων μεταξύ και των τριών. Τα αποτελέσματα της εκ νέου ανάλυσης αυτού του δημόσια διαθέσιμου συνόλου δεδομένων παρουσίασαν γνωστά βιολογικά χαρακτηριστικά των υποκατηγοριών καρκίνου του πνεύμονα. Επιπλέον, αποκαλύφθηκαν νέα μονοπάτια με δυνητικά κλινική σημασία. Τέλος, τα ευρήματα υποστηρίζουν επίσης την υπόθεσή μας ότι ακόμη και τα παλιά «-ωµατικά» δεδομένα υψηλής ποιότητας μπορούν να αποτελέσουν μια πηγή σημαντικών βιολογικών πληροφοριών όταν χρησιμοποιούνται κατάλληλες σύγχρονες μέθοδοι της βιοπληροφορικής. “Analysis of "old" microarray data of lung cancer reveals hidden pieces of new biological knowledge”ABSTRACT Lung cancer is histologically and clinically an heterogeneous group of malignant tumours with obscure molecular basis. Currently, thousands of molecular datasets on human cancer are publicly available, which usually are only analysed when they are first published. Novel statistical methods and increasingly more accurate gene annotations can transform "old" biological data into a renewed source of knowledge with potential clinical relevance. In this work, we provide an in-silico proof-of-concept by extracting novel information from a high quality mRNA _expression_ dataset, originally published in 2001, using state-of-the-art bioinformatics approaches. The dataset consists of histologically defined cases of lung adenocarcinoma, squamous cell carcinoma, small-cell lung cancer, carcinoid, metastasis (breast and colon adenocarcinoma) and normal lung specimens (203 samples in total). A battery of statistical tests was used for the identification of differential gene expressions, diagnostic and prognostic genes, enriched gene ontologies and signaling pathways. Furthermore, a validation of our procedure was performed by analysing two more datasets and testing the concordance among the results of all three of them. The results of the reanalysis of this public dataset displayed the known biological features of lung cancer subtypes. Moreover, novel pathways of potentially clinical importance were revealed. Finally, the findings also support our hypothesis that even old omics data of high quality can be a source of significant biological information when appropriate bioinformatics methods are used. -- Postgraduate Secretariat Computer Science Department Voutes University Campus Heraklion, Crete GR-70013, Greece tel: + 30 2810 393592, 393504 fax:+ 30 2810 393804 e-mail: pgram@xxxxxxxxxx Url: http://www.csd.uoc.gr |