Ανάπτυξη Υβριδικών Αλγορίθμων Με Βάση Μεθοδολογίες Δικτύων Για Τη Διερεύνηση Συσχετίσεων Σε Βιολογικά/περιβαλλοντικά Δεδομένα

Abstract

Στην παρούσα διατριβή προτείνονται και αναπτύσσονται αλγόριθμοι βασισμένοι σε δίκτυα για την επεξεργασία και ανάλυση βιολογικών/περιβαλλοντικών δεδομένων με κύριο σκοπό τη διερεύνηση συσχετίσεων σε αυτά. Συγκεκριμένα, οι αλγόριθμοι που αναπτύσσονται χρησιμοποιούνται για την ανάλυση και επεξεργασία (i) πρωτεϊνικών δεδομένων με στόχο την ανάλυση του χώρου των δομών και ακολουθιών και τη συνεισφορά στην αναγνώριση διπλώματος των πρωτεϊνών, (ii) δεδομένων που προκύπτουν από τη γενετική ταυτότητα ατόμων και περιβαλλοντικές παραμέτρους με σκοπό την αιτιολογική ανάλυση πολυπαραγοντικών φαινοτύπων που σχετίζονται με τις καρδιαγγειακές νόσους. Στο πρώτο μέρος της διατριβής χρησιμοποιούνται βασικές αρχές δικτύων για τη μελέτη της τοπολογίας δικτύων ομοιότητας πρωτεϊνών σε επίπεδο δομής και ακολουθίας. Σε επίπεδο ακολουθίας τα δίκτυα ομοιότητας κατασκευάζονται με χρήση της απόστασης διανυσμάτων χαρακτηριστικών εξαγόμενων από την ακολουθία, ενώ σε επίπεδο δομής με χρήση του βαθμού ομοιότητας που προκύπτει από τη δομική τους στοίχιση. Τα αποτελέσματα της ανάλυσης των δικτύων συνδέονται με εξελικτική πληροφορία των πρωτεϊνών, ενώ αξιολογείται η πληροφορία που περιέχουν τα εξαγόμενα από την ακολουθία χαρακτηριστικά σε σχέση με την πρωτεϊνική δομή. Με βάση το δίκτυο ομοιότητας σε επίπεδο ακολουθίας, κατασκευάζεται ταξινομητής που υπολογίζει τη συγγένεια πρωτεϊνικής ακολουθίας με ακολουθίες γνωστού διπλώματος και χρησιμοποιείται για την αναγνώριση διπλώματος. To δεύτερο μέρος της εργασίας αφορά στον προσδιορισμό παραγόντων (φύλου, ηλικίας, γενετικών πολυμορφισμών, κλινικών μετρήσεων και διατροφικών συνηθειών) που αλληλεπιδρούν και συνδυαστικά επηρεάζουν την επικινδυνότητα ανάπτυξης καρδιαγγειακών νόσων. Αναλύονται δυο διαφορετικά διαθέσιμα σύνολα δεδομένων στα οποία η ποσοτικοποίηση της επικινδυνότητας βασίζεται στους φαινοτύπους της μεταγευματικής λιπαιμίας και της παχυσαρκίας, αντίστοιχα. Η μεθοδολογία που αναπτύσσεται βασίζεται στη χρήση τεχνητών νευρωνικών δικτύων σε συνδυασμό με τη μέθοδο της όπισθεν επιλογής χαρακτηριστικών και γενετικό αλγόριθμο για την επιλογή των σημαντικών παραγόντων και συνδυασμών τους. Η εφαρμογή των υβριδικών μεθόδων οδήγησε στο προσδιορισμό των βέλτιστων υποσυνόλων παραγόντων που επηρεάζουν τους υπό μελέτη φαινοτύπους, καθώς και σε αντίστοιχους ταξινομητές τεχνητού νευρωνικού δικτύου με ικανοποιητική ικανότητα γενίκευσης σε άγνωστα δεδομένα.