Tích hợp đa omics và học máy trong dự đoán tổ hợp gen gây chết ở dòng tế bào ung thư
Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Phạm Ngọc Tân |
| Người hướng dẫn | Nguyễn Thanh Bình |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Hiện tượng gây chết tổng hợp (Synthetic lethality - SL) là một tương tác di truyền, đặc trưng bởi việc đồng thời mất đi chức năng ở cả 2 gene gây ra tử vong tế bào. Trong khi ta can thiệp bằng cách bất hoạt và ức chế biểu hiện từng gene riêng lẻ lại không ảnh hưởng đến khả năng sống sót của chúng. Thách thức trong việc dự đoán các tổ hợp gene gây chết đến từ sự mất cân bằng, mức độ phân tán nghiêm trọng của dữ liệu và việc lựa chọn phù hợp các nguồn tín hiệu sinh học cho các bài toán dự đoán sàng lọc. Các dữ liệu trong lĩnh vực nghiên cứu này thường chỉ bao gồm các dữ liệu đơn omic và thường chỉ bao gồm các tổ hợp gene dương tính. Trong luận văn này, Tổng hợp 1 tập dữ liệu về các tương tác SL có độ tin cậy cao từ các thí nghiệm sinh học ở nhiều dòng tế bào ung thư. Dữ liệu được tổng hợp bao gồm 38 752 cặp gene tương tác, trong đó có 7791 cặp tương tác dương tính và 30 960 cặp âm tính. Các cặp tương tác gene được sử dụng đều có độ tin cậy về thống kê > 60%. Tạo ra 1 kho dữ liệu đa omics cho mỗi gene có trong tập dữ liệu đã được tạo ra ở trên. Kho dữ liệu đa omics này bao gồm 5 loại dữ liệu omics: (1) biểu hiện gene trong quá trình phiên mã (transcriptomics), (2-3) mức độ phụ thuộc gene của tế bào sau khi bị bất hoạt bằng 2 phương pháp sàng lọc gene và (4-5) dữ liệu về hệ gene di truyền (chuỗi ADN và chuỗi amino acid). 2 phương pháp sàng lọc gene được sử dụng để đo lường mức độ phụ thuộc gene sau khi bất hoạt là: can thiệp RNA (RNA interference - RNAi) và CRISPR (Clustered Regularly Interspaced Palindromic Repeats). Ngoài ra, luận văn này cũng đề xuất một mô hình đa thể thức gồm các mô đun khác nhau được thiết kế chuyên biệt để phân tích từng loại dữ liệu đơn omic phù hợp. Việc xử lí bằng cách phân tích mô đun này giúp mô hình có thể xử lý và hiểu được các khía cạnh sinh học khác nhau cho cùng một gene. Dù đơn giản về mặt thiết kế, các kết quả định lượng cho thấy rằng phương pháp được đề xuất có kết quả tốt ở cả độ đặc hiệu, độ nhạy và độ chính xác trong dự đoán các tổ hợp gene gây chết ở dòng tế bào ung thư với độ đặc hiệu 99.75%, độ nhạy 90.55% và độ chính xác là 97.88%. Kết quả này cao hơn so với các phương pháp khác phức tạp hơn trong cùng 1 bài toán và tập dữ liệu như các mô hình sử dụng mạng neural đồ thị (graph neural network).
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- A solution for self-checkout system in smart shopping
- Xây dựng giải pháp phát hiện phishing link sử dụng máy học
- Exploring retrieval-augmented methods for intelligent academic support systems
- Nghiên cứu mô hình tin cậy và bền vững trong phát hiện mã độc đa hình
- Hệ thống hỗ trợ học tập với mô hình ngôn ngữ lớn: Hỏi đáp theo ngữ cảnh và sinh tự động câu hỏi trắc nghiệm
- A mobile-based application for smart tiny parking lot
- Quản lý và chia sẻ nội dung số phi tập trung
- Phát triển trợ lý ảo sử dụng trí tuệ nhân tạo nhằm nâng cao chất lượng hỗ trợ sinh viên tại UIT
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.