Εξόρυξη γνώσης από δεδομένα single-cell RNA sequencing για τη μελέτη προτύπων γονιδιακής έκφρασης στο ανοσολογικό μικροπεριβάλλον μη-μικροκυτταρικών όγκων του πνεύμονα

Single-cell RNA sequencing data mining to study gene expression patterns in the immune microenvironment of non-small cell lung tumors (english)

  1. MSc thesis
  2. ΑΡΙΣΤΕΑ ΛΑΓΟΥ
  3. Βιοπληροφορική και Νευροπληροφορική (ΒΝΠ)
  4. 09 March 2025
  5. Ελληνικά
  6. 87
  7. ΒΛΑΜΟΣ ΠΑΝΑΓΙΩΤΗΣ
  8. ΒΛΑΜΟΣ ΠΑΝΑΓΙΩΤΗΣ | ΒΡΑΧΑΤΗΣ, ΑΡΙΣΤΕΙΔΗΣ | ΧΑΤΖΗΝΙΚΟΛΑΟΥ ΜΑΡΙΑ
  9. Μικροπεριβάλλον του όγκου | RNA αλληλούχιση μεμονωμένων κυττάρων (scRNA-seq) | Μη-μικροκυτταρικός καρκίνος του πνεύμονα | Ανάλυση δεδομένων γονιδιακών εκφράσεων
  10. Βιοπληροφορική και Νευροπληροφορική (ΒΝΠ)
  11. 2
  12. 59
  13. Περιλαμβάνει: Πίνακες, Διαγράμματα, Φωτογραφίες
    • Στην παρούσα διπλωματική εργασία διενεργήθηκε υπολογιστική ανάλυση δειγμάτων μη-μικροκυτταρικών όγκων του πνεύμονα και επιδιώχθηκε η προσέγγιση και η σύνθεση της ετερογένειας η οποία υπάρχει σε πολλαπλά επίπεδα. Η ετερογένεια αφορά στον τύπο κα την λειτουργική κατάσταση των μεμονωμένων κυττάρων, τους ιστολογικούς τύπους των όγκων, την κυτταρική σύνθεση και τη χωροταξία του μικροπεριβάλλοντος του όγκου, ενώ αυτά τα επίπεδα βρίσκονται σε δυναμική αλληλεπίδραση. 

      Για την ανάλυση επιλέχθηκαν δεδομένα από RNA αλληλούχιση μονήρων κυττάρων (single-cell RNA sequencing) η οποία έχει αναδειχθεί σε  σημαντικό εργαλείο για τη μελέτη των βιολογικών ερωτημάτων σε κυτταρικό επίπεδο, παρέχοντας πολύ υψηλή απόδοση με μειούμενο κόστος. Τα βιολογικά δείγματα προέρχονται από δέκα ανεξάρτητα πειράματα, στο πλαίσιο των οποίων εφαρμόστηκαν διαφορετικά πρωτόκολλα RNA αλληλούχισης μεμονωμένων κυττάρων, ενώ αφορούν δύο διαφορετικές συνθήκες (φυσιολογικά και καρκινικά δείγματα).

      Στόχος της διπλωματικής εργασίας είναι η συνδυαστική ανάλυση των δεδομένων από τα διαφορετικά βιολογικά δείγματα προκειμένου πρώτα να επιβεβαιωθούν γνωστά  πρότυπα γονιδιακής έκφρασης των Τ λεμφοκυττάρων σε υγιείς και καρκινικούς ιστούς και στη συνέχεια ενδεχομένως να εντοπιστούν νέα. Η υπολογιστική επεξεργασία των γονιδιακών εκφράσεων επιδιώκει να τοποθετήσει τα δεδομένα σε έναν κοινό χώρο προκειμένου να είναι εφικτή η σύγκρισή τους, διατηρώντας την ενδιαφέρουσα βιολογική πληροφορία.

      Η ανάλυση ανέδειξε τη δυσκολία να προσδιοριστούν οι τύποι των Τ λεμφοκυττάρων και η λειτουργική τους κατάσταση με βάση γνωστούς γονιδιακούς δείκτες στη βιβλιογραφία, λόγω της σημαντικής τεχνικής και βιολογικής ετερογένειας. Σε αρκετές όμως περιπτώσεις οι γονιδιακές υπογραφές των κυτταρικών τύπων και λειτουργικών καταστάσεων ήταν ευδιάκριτες.

    • In this thesis, a computational analysis of  data from non-small cell lung tumor samples was performed. The biological samples (normal and cancer samples) were selected from ten independent experiments, in the context of which different single-cell RNA sequencing protocols were applied.

      Given the biological heterogeneity that characterizes the samples in multiple levels such as in the single cell level, the histological type of tumors or  the cellular composition and spatial organization of the tumor microenvironment, we aimed to integrate gene expression data while preserving and extracting interesting biological signal. Cells were annotated and immune cells were extracted for integrative analysis with the aim to confirm known patterns of immune cells’ gene expression in healthy and cancerous tissues.

      Results showed that the combined  technical and biological heterogeneity possibly made it more difficult to identify cell types and subtypes based on known cell markers.

  14. Hellenic Open University
  15. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.