Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19612
Τίτλος: Μελέτη της επίδρασης του βαρυτικού πεδίου στη γονιδιακή έκφραση και ρύθμιση με τη χρήση υπολογιστικών προτύπων και μεθόδων μηχανικής μάθησης
Συγγραφείς: Αδαμόπουλος, Κωνσταντίνος
Κουτσούρης Δημήτριος-Διονύσιος
Λέξεις κλειδιά: Διαστημική πτήση; Μικροβαρύτητα; Διαστημική Βιολογία; Μικροσυστοιχίες; Διαφορική Γονιδιακή Έκφραση; Μηχανική Mάθηση; Ταξινόμηση; Μυοσκελετικό σύστημα;
Ημερομηνία έκδοσης: 3-Ιου-2025
Περίληψη: Οι επερχόμενες αποστολές εξερεύνησης του βαθέος διαστήματος από τον άνθρωπο καθιστούν αναγκαία την εις βάθος κατανόηση των επιπτώσεων των συνθηκών διαστημικής πτήσης στα ανθρώπινα φυσιολογικά συστήματα. Η πολυπλοκότητα των έμβιων οργανισμών σχετίζεται άμεσα με την πολυπλοκότητα του περιβάλλοντος που τους υποστηρίζει. Υπό αυτό το πρίσμα, η βαρύτητα δεν φαίνεται να καμπυλώνει μόνο το χωροχρονικό συνεχές, αλλά και το βιολογικό συνεχές. Το αποθετήριο ελεύθερης επιστήμης NASA GeneLab Open Science Repository (OSDR; https://osdr.nasa.gov/bio/) χρησιμεύει ως πολύτιμη πηγή πληροφοριών, φιλοξενώντας δεδομένα που προέρχονται από πρότυπους οργανισμούς και ανθρώπινα πειράματα που διεξήχθησαν σε διαστημικές πτήσεις και χερσαία ανάλογα μικροβαρύτητας. Οι εφαρμογές Μηχανικής Μάθησης δύνανται να μεγιστοποιήσουν τη βέλτιστη αξιοποίηση των υφιστάμενων δεδομένων με σκοπό την κατανόηση και τελικά την αντιμετώπιση των φυσιολογικών ανωμαλιών κατά τη διάρκεια μακροχρόνιων αποστολών. Στην πλαίσιο της παρούσας μελέτη, εντοπίσαμε εμπλουτισμένους όρους και μονοπάτια (pathway enrichment analysis) που σχετίζονται με σημαντικά διαφορικά εκφραζόμενα γονίδια σε κάθε οργανισμό και μεταξύ ορθόλογων γονιδίων. Επιπρόσθετα, κατασκευάσαμε AI-ready (έτοιμα για εφαρμογή αλγόριθμου Τεχνητής Νοημοσύνης) συγχωνευμένα μετα-σύνολα δεδομένων που αποτελούνται από μυοσκελετικούς ιστούς από τους οργανισμούς Mus musculus και Homo sapiens, ενώ παράλληλα εφαρμόσαμε πολλαπλά μοντέλα επιβλεπόμενης μάθησης (Supervised Learning) για την ταξινόμηση σημαντικά υπερεκφραζόμενων και υποεκφραζόμενων γονιδίων. Εν συνεχεία, διερευνήσαμε την έννοια της Μάθησης Μεταφοράς (Transfer Learning) με την προ-εκπαίδευση ενός μοντέλου στο σύνολο δεδομένων Mus musculus και στη συνέχεια την τελειοποίησή του (fine tuning) στο σύνολο δεδομένων Homo sapiens. Η παρούσα διδακτορική διατριβή αναδεικνύει τις σημαντικές βιολογικές επιπτώσεις των τροποποιημένων συνθηκών βαρύτητας στην έκφραση γονιδίων και την απορρύθμιση βιολογικών μονοπατιών. Τα ευρήματα στον οργανισμό Mus musculus υποδεικνύουν διαταραχή στον έλεγχο του κυτταρικού κύκλου, τη συσχέτιση απορρυθμισμένων σηματοδοτικών οδών με την ανάπτυξη και εξέλιξη του καρκίνου, καθώς και τον αυξημένο κίνδυνο εμφάνισης χρόνιων φλεγμονών και διαβητικών επιπλοκών. Αντίστοιχα, στον οργανισμό Homo sapiens, τα αποτελέσματα σχετίζονται με συστημικές μεταβολικές διαταραχές, την κυτταρική γήρανση, τον σακχαρώδη διαβήτη, την εξασθένηση μηχανισμών επιδιόρθωσης ιστών και καρδιαγγειακές ευπάθειες, όπως η κοιλιακή ταχυκαρδία και το σύνδρομο long QT. Η συγκριτική μετα-ανάλυση των ορθόλογων γονιδίων μεταξύ των ειδών αποκαλύπτει διατηρημένα μονοπάτια που επηρεάζουν την ακεραιότητα των μυών και του σκελετού, τη μεταβολική ομοιόσταση, τις φλεγμονώδεις αποκρίσεις, την ομαλή λειτουργία των νεφρών και της καρδιάς. Αυτές οι βιολογικές επιπτώσεις υπογραμμίζουν την ανάγκη για στοχευμένα αντίμετρα, προκειμένου να μετριαστούν οι συστημικοί και μακροπρόθεσμοι κίνδυνοι για την υγεία των οργανισμών που βιώνουν τις συνθήκες μικροβαρύτητας κατά τη διάρκεια παρατεταμένων διαστημικών πτήσεων. Τέλος, η παρούσα μελέτη προβάλλει τη δυναμική αξιοποίησης μεθοδολογιών Μηχανικής Μάθησης, καθώς και Μεταφοράς Μάθησης σχετικά με την αντιμετώπιση των προκλήσεων ανάλυσης ειδικών συνόλων δεδομένων στο πλαίσιο της διαστημικής έρευνας με απώτερο σκοπό τη γεφύρωση των διαφορών μεταξύ των ειδών, διευκολύνοντας τη μεταφορά γνώσης από μοντέλα οργανισμούς στο ανθρώπινο είδος παρακάμπτοντας την τροχοπέδη που θέτει ο περιορισμένος όγκος ανθρώπινων δεδομένων.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19612
Εμφανίζεται στις συλλογές:Διδακτορικές Διατριβές - Ph.D. Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
PhD_KIAdamopoulos_Artemis.pdf7.42 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.