Single-sample CMS predictor

Bc. Martin Richter

Bakalářská práce

Anotace:

Kolorektální karcinom (KRK) je soubor vysoce heterogenních onemocnění. Tato heterogenita komplikuje cílení léčby. Vzhledem k tomu, že KRK je jednou z nejrozšířenějších a zároveň nejsmrtelnějších forem rakoviny, jeho klasifikace je žádoucí pro zlepšení léčby. Pro jeho popis bylo vyvinuto několik klasifikačních systémů. Jedním z nich je systém Konsenzuálních molekulárních podtypů. Ukázalo se, že klasifikace v tomto systému pomáhá při volbě léčby v klinickém prostředí. Určení podtypu vzorku v tomto systému je však obtížné, protože současné klasifikátory se spoléhají na metody využívající více vzorků. Ve své bakalářské práci vytvářím klasifikátor funkční pro jeden vzorek založený na snadno interpretovatelných metodách. Pro tento klasifikátor se zabývám využitím jak samotných dat genové exprese, tak skóre genových sad. V rámci této práce jsem vytvořil klasifikátor, který používá metodu nejbližšího templátu (Nearest Template Prediction), a jako výsledek své práce poskytuji templáty pro klasifikaci nových vzorků. Dále porovnávám výsledky mezi využitím dat genové exprese a skóre genových sad, kde ukážu, že klasifikace pomocí genových sad je relevantním postupem při tvorbě takovéhoto klasifikátoru.

Abstract:

Colorectal cancer (CRC) is a set of highly heterogeneous diseases. This heterogeneity is important in response to treatment. As CRC is one of the most wide-spread forms of cancer and frequently lethal, its description or classification is desired to improve treatment. For this description, several classification systems were developed. One of these is the Consensus molecular subtypes classification system. This system has been proven to help target treatment in a clinical setting. However, classifying samples into this system is difficult, as current classifiers rely on multi-sample methods. In my thesis, I create a single-sample classifier based on easily interpretable methods. For this classifier, I look at using both gene expression data and gene set scores. After creating this classifier based on nearest template prediction, I provide the relevant templates for classification. I compare the results between gene set scores and gene expressions and show that gene set scores can be used as a valid metric for such classifier.

Keywords

Kolorektální karcinom, Konsenzuální molekulární podtypy, klasifikátor jednoho vzorku, predikce nejbližšího templátu, Colorectal cancer, Consensus molecular subtypes, Single sample classifier, Nearest template prediction

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 16. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 21. 6. 2024
• Vedoucí: doc. Ing. Vlad Popovici, PhD
• Oponent: Mgr. Eva Budinská, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Matematická biologie a biomedicína / Biomedicínská bioinformatika