Bütünleyici kümeleme algoritmaları ile kanser altgruplarının tespiti

Kanser heterojen bir hastalık oldugu icin kanser altgruplarının bulunması kisiye ozgu tedavi ve terapilerin gelistirilmesi icin kritik onem tasımaktadır. Son zamanlarda hız kazanan kanser genom projeleri binlerce kanser hastası icin bircok tipte genomik veri uretmektedir. Bu farklı tipteki verileri aynı anda dikkate alarak var olan tamamlayıcı bilgilerden faydalanmak kanser altgruplarının bulunmasında avantaj saglayabilir. Tezin ilk kısmında, ¸cok-tipli kernel k-ortalama algoritmasıyla üç farklı veri tipini (gen ifadesi, DNA metilasyon,miRNA ifadesi) entegre ettik ve iki farklı kanser verisinde uyguladık. Farklı veri tiplerinden elde edilen kernel matrislerini ogrenilen agırlıklarla birlestirmenin,bu kernelleri es oranlarla birlestirmekten ya da veri tiplerini bagımsız olarak kullanmaktan daha iyi sonuc verdigini gozlemledik. Ayrıca, elde edilen sonuçların deneylerin buyuk cogunlugunda var olan yontemlerden daha iyi sonuclar verdigini gosterdik. Elde edilen kumelerin biyolojik anlamlılıgını gostermek amacıyla Kaplan-Meier analizini uyguladıgımızda kumelerin istatistiksel olarak farklı sagkalım profilleri gosterdigini gozlemledik. Tezin ikinci kısmında genomik verilerin ¸cok-boyutluluk problemini hedefleyerek var olan bir seyrek k-ortalama algoritmasını cok-tipli verilere uygulanacak sekilde gelistirdik. Gelistirilen yontemde hem oznitelikler icin hem de veri tipleri icin agırlıklar ogrenilmekte, boylece tamamlayıcı kumeleme ve oznitelik secimi aynı anda gerceklestirilebilmektedir. Yaptıgımız deneylerin buyuk cogunlugunda oznitelik seciminin diger yontemlerden daha iyi sonuc verdigini gozlemledik. Sonuc olarak, her iki kısımdan elde edilen sonuclar dusunuldugunde, farklı genomik veri tiplerinin birlestirilmesinin ve buna ek olarak oznitelik seciminin uygulanması ile elde edilen altgrupların var olan altgruplara gore daha iyi oldugunu gosterdik.