Optimization models for survival analysis to identify key gene sets in cancer

Tümör biyopsilerinden elde edilen genomik karakterizasyonlar, kanserin oluşumu ve seyri hakkında bilgi edinmemize yardımcı olmaktadır. Sağkalım analizi, kanser hastalarının sağkalım sürelerini tahmin etmek ve hastalığın ilerleme mekanizmalarını anlamak için kullanılan araştırma yöntemlerinden birisidir. Eğitim örneklerinin sınırlı sayıda ve genomik verilerdeki öznitelikler arasındaki korelasyonun oldukça yüksek olması, sağkalım analizini zorlu bir hale getirmektedir. Genomik karakterizasyonların yanı sıra, kansere özgü biyolojik yolak bilgilerinin de sağkalım modellerinde girdi olarak kullanılması, sağkalım ile ilişkili biyolojik yolakların belirlenmesine olanak sağlar. Literatürde sunulan yöntemler, ya biyolojik yolak bilgilerini kullanmadan genomik veriler üzerinde tahmin modelleri geliştirip sağkalım ile ilişkili genleri belirler ve ardından yolak bilgilerini kullanarak seçilen gen bilgisini yorumlar, ya da her bir yolak bilgisi için ayrı tahmin modelleri geliştirip sonrasında bilgilendirici olanları seçmeye çalışır. Ancak, bu tür iki aşamalı bir yaklaşımın izlenmesi, genomik karakterizasyonlar arasındaki yüksek korelasyon nedeniyle, seçilen genlerin bilinen biyolojik yolaklar ile başarılı bir şekilde eşleştirilmesine engel olabilmektedir. Ayrıca, her bir yolak için ayrı tahmin modellerinin geliştirilmesi, birbirleriyle oldukça benzer ya da ilintili yolakların seçilmesine yol açabilmektedir. Bu tezde, yukarıda bahsedildiği gibi iki aşamalı bir yöntem izlemek yerine, sağkalım analizi ve kanser ile ilgili biyolojik yolakların belirlenmesini aynı anda gerçekleştiren, ve sağkalım analizini yaparken yalnızca belirlenen biyolojik yolakları kullanan yeni yapay öğrenme yöntemleri önermekteyiz. Geliştirdiğimiz algoritmalar, sağkalım ile ilişkili olmayan biyolojik mekanizmaları modelden çıkararak, kanser hastalarının sağkalım süresi tahmini sırasında bilgilendirici olan biyolojik yolaklar için seyrek bir çözüm kümesi elde etmektedir. Algoritmalarımızı, Kanser Genom Atlası projesi kapsamında oluşturulan 20 farklı kanser verisi ve kansere özgü biyolojik yolak bilgilerini içeren iki farklı veri tabanını kullanarak test etmekteyiz. İlk olarak, çoklu çekirdek öğrenimi yardımı ile biyolojik yolak bilgilerini modele ekleyen bir sağkalım analizi yöntemi önermekteyiz. Yolakların belirlenmesini ve sağkalım analizini birleşik olarak gerçekleştiren algoritmamız, sağkalım analizi için geliştirilen Rassal Orman (RO) ve Destek Vektör Makinesi(DVM) algoritmalarına kıyasla daha başarılı ya da benzer tahmin performanslarını, çok daha az sayıda öznitelik kullanarak elde etmiştir. Çoklu görev öğrenimi yöntemlerinin yapay öğrenme algoritmalarının tahmin performansını arttırdığı bilinmektedir. Bu tezde, hem tahmin performansını arttırmak, hem de farklı kanser türlerini aynı anda modelleyerek, altta yatan ortak ya da benzer biyolojik sebepleri belirlemek adına, geliştirmiş olduğumuz çoklu çekirdek öğrenme tabanlı sağkalım analizi yöntemini çoklu görev öğrenimi ile birleştirmekteyiz. Çoklu görev öğrenme tabanlı algoritmamız; RO, DVM ve geliştirdiğimiz çoklu çekirdek öğrenme tabanlı algoritmamıza kıyasla, daha başarılı ya da benzer tahmin performansları elde ederek, farklı kanser türleri için altta yatan benzer biyolojik mekanizmaları belirlemektedir. Bu tezde ek olarak, altta yatan benzer mekanizmalara sahip kanser öbeklerini belirlemek adına, geliştirdiğimiz çoklu görev çoklu çekirdek öğrenme tabanlı sağkalım analizi algoritmamızı öbekleme yöntemiyle birleştirmekteyiz. Bu amaç doğrultusunda, farklı kanser türlerinin kümelenmesi, sağkalım analizi ve bilgi çıkarımı adımları için birleşik bir matematiksel model önermekteyiz. Kümeleme tabanlı algoritmamız; RO, DVM, çoklu çekirdek öğrenme ve çoklu görev çoklu çekirdek öğrenme tabanlı sağkalım analizi algoritmalarımıza kıyasla daha başarılı ya da benzer tahmin performansları elde ederek, birbirleriyle benzer altta yatan sebeplere sahip kanser türlerini içeren öbekleri belirlemektedir. Kümele algoritmamız tarafından kullanılan öznitelik sayısı; RO, DVM ve çoklu görev çoklu çekirdek öğrenme algoritmamıza kıyasla çok daha az sayıdadır. Elde ettiğimiz bu sonuçlarla, bu tezde sunmuş olduğumuz hayatta kalma ile ilişkili biyolojik mekanizmaları belirleyen yöntemlerimizin, literatürdeki yolak bilgilerini kullanmadan genomik veriler üzerinde geliştirilen sağkalım yöntemlerinden daha başarılı tahmin performansları elde ettiğini göstermekteyiz. Ayrıca, literatürdeki yöntemlere kıyasla, daha az sayıda öznitelik kullanarak tahmin işlemlerinin gerçekleştirilebileceğini ispatlamaktayız. Ek olarak, tahmin performansını düşürmeden, benzer altta yatan sebeplere sahip olan farklı kanser türlerini de öbekleyebilmekteyiz.