Browsing by Author "Rinch, Wardah Afzal"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Master Thesis
    ScRNA-seq Alt Kümeleri Kullanılarak Uzamsal Transkriptomik Verilerin Seyrek Dekonvolüsyonu ile Hücre Tipi Heterojenitesının Ortaya Konması
    (2025) Rinch, Wardah Afzal; Erdoğan, Nuray Söğünmez
    Hücrelerin doğal ortamlarındaki uzamsal organizasyonu, mimarilerini, karşılıklı etkileşimlerini ve işlevlerini anlamak açısından çok önemlidir ve bu da Uzamsal Transkriptomik (ST) yönteminin ortaya koymayı hedeflediği bir konudur. Ancak günümüz teknolojisi, tüm genom kapsayıcılığına sahip tek hücre çözünürlüğünde uzamsal organizasyonun belirlenmesinde yetersiz kalmaktadır. Bu hedef, kısmen tek hücreli RNA dizileme (scRNA-seq) yöntemiyle sağlansa da, bu süreçte uzamsal bilgi kaybı yaşanmaktadır. Bu nedenle, hem uzamsal hem de yüksek çözünürlüklü hücresel verilerin elde edilebilmesi için ST ve scRNA-seq veri kümeleri birlikte kullanılarak çözümlenme (dekonvolüsyon) işlemi gibi hesaplamalı yöntemlerden yararlanılmaktadır. scRNA-seq aracılığıyla ST'nin çözümlenmesi umut vadetse de, hala aşılması gereken bazı engeller bulunmaktadır. Parti (batch) arası etkiler teknik varyansa yol açarken, dikkate alınması gereken biyolojik varyanslar da mevcuttur. Çoğu dekonvolüsyon yöntemi, hedef verideki tüm referans hücre türlerini tahmin etmeye çalışırken, hücresel heterojenite gibi biyolojik ayrıntıları ve nadir ya da geçiş halindeki alt popülasyonları göz ardı ederek, gerçek hücre türü lokalizasyonlarının tahmin gücünü sınırlandırmaktadır. Bu zorlukları aşmak için, hücre türü alt kümelendirmesini içeren Uzamsal Transkriptomik çözümlenmesini geliştiren WISpR-DeFine (İyi Çözünürlüklü Dekonvolüsyon için Ağırlıklı Seyrek Regresyon) adlı yeni teknik geliştirdik. WISpR-DeFine, anlık tek hücre referans verilerinde mevcut olan hücre tipi heterojenliğini hesaba katarak daha hassas ve ayrıntılı dekonvolüsyona olanak tanır. Toplam 4 veri setinde (2 hasta, 1 sağlıklı ve SeqFISH+) karşılaştırmalı olarak incelendiğinde, WISpR'ye kıyasla tahmin üstünlüğü göstermiştir. Ayrıca, yaygın olarak kullanılan toplu etki düzeltme araçlarını karşılaştırarak toplu etki zorluğunu ele aldık ve LIGER'i en doğru model olarak belirledik.