Computational methods for transcriptomic data analysis

Abstract

The rapid advancement of next-generation sequencing (NGS) technologies, coupled with sophisticated computational techniques, has revolutionized our understanding of short non-coding RNAs and their roles in cellular processes and disease. In this work, we develop computational machine learning based methods to analyze RNA-Seq data and also unravel the complex landscape of non-coding RNAs. Our computational methods leverage previously unaligned reads to identify both known and predicted ncRNAs, offering deep insights into their functional roles. Importantly, our research demonstrates that our methods outperform existing tools in terms of predictive performance, enabling more reliable analysis of RNA-Seq data and enhancing our understanding of non-coding RNAs in disease. Using such transcriptomics data and machine learning methods, we develop predictive models for diagnosis and prognosis. Cutaneous melanoma is selected as a use case. Thus first we address the challenge of fragmented data in cutaneous melanoma research by creating the ebioMelDB database, which integrates diverse clinical, imaging, and RNA-Seq data. This user-friendly resource empowers researchers to develop more accurate diagnostic tools, prognostic models, and therapeutic strategies. We subsequently utilize the data from ebioMelDB to develop targeted predictive models for cutaneous melanoma diagnosis, and prognosis. Our machine learning-based classifiers, incorporating gene expression data and miRNA profiles, successfully predict vital status, recurrence, and metastasis in cutaneous melanoma with high accuracy. Furthermore, we explore the potential of deep learning in skin cancer diagnosis using both dermoscopy and clinical images. By focusing on publicly available datasets, we develop a deep learning classifier capable of discriminating skin cancer from benign lesions. Overall, this work showcases the potential of machine learning techniques, advanced bioinformatics tools, and comprehensive data resources to enhance the understanding, diagnosis, and treatment of cutaneous melanoma.

Η γρήγορη πρόοδος των τεχνολογιών αλληλούχισης επόμενης γενιάς (NGS), σε συνδυασμό με εξελιγμένες υπολογιστικές τεχνικές, έχει φέρει επανάσταση στην κατανόησή μας για τα μικρά μη κωδικά μόρια RNA και τους ρόλους τους σε κυτταρικές διεργασίες και ασθένειες. Σε αυτή τη διατριβή, αναπτύσσουμε υπολογιστικές μεθόδους μηχανικής μάθησης για την ανάλυση δεδομένων RNA-Seq και την αποκάλυψη του πολύπλοκου τοπίου των μη κωδικών RNA. Οι υπολογιστικές μας μέθοδοι αξιοποιούν προηγουμένως μη ευθυγραμμισμένες αναγνώσεις για τον εντοπισμό τόσο των γνωστών όσο και προβλεφθέντων ncRNA, προσφέροντας γνώση για τους λειτουργικούς τους ρόλους. Οι μέθοδοί μας ξεπερνούν τα υπάρχοντα εργαλεία όσον αφορά την απόδοση πρόβλεψης, επιτρέποντας πιο αξιόπιστη ανάλυση των δεδομένων RNA-Seq και ενισχύοντας την κατανόησή μας για τα μη κωδικά RNA σε ασθένειες. Χρησιμοποιώντας στη συνέχεια δεδομένα μεταγραφώματος και μεθόδους μηχανικής μάθησης, αναπτύσσουμε μοντέλα πρόβλεψης για διάγνωση και πρόγνωση. Το δερματικό μελάνωμα επιλέγεται ως μελέτη περίπτωσης. Πρώτα αντιμετωπίζουμε την πρόκληση των κατακερματισμένων δεδομένων στην έρευνα για το δερματικό μελάνωμα δημιουργώντας τη βάση δεδομένων ebioMelDB, η οποία ενσωματώνει ποικίλα κλινικά, απεικονιστικά δεδομένα και δεδομένα RNA-Seq. Αυτός ο φιλικός προς τον χρήστη πόρος δίνει τη δυνατότητα στους ερευνητές να αναπτύξουν πιο ακριβή διαγνωστικά εργαλεία, προγνωστικά μοντέλα και θεραπευτικές στρατηγικές. Στη συνέχεια, χρησιμοποιούμε τα δεδομένα από το ebioMelDB για να αναπτύξουμε στοχευμένα μοντέλα πρόβλεψης για τη διάγνωση και την πρόγνωση του δερματικού μελανώματος. Οι ταξινομητές μας που βασίζονται στη μηχανική μάθηση, και ενσωματώνουν δεδομένα γονιδιακής έκφρασης και προφίλ miRNA, προβλέπουν επιτυχώς τη ζωτική κατάσταση, την υποτροπή και τη μετάσταση στο δερματικό μελάνωμα με υψηλή ακρίβεια. Επιπλέον, διερευνούμε τις δυνατότητες της βαθιάς μάθησης στη διάγνωση του καρκίνου του δέρματος χρησιμοποιώντας τόσο δερμοσκοπικές όσο και κλινικές εικόνες. Εστιάζοντας σε δημόσια διαθέσιμα σύνολα δεδομένων, αναπτύσσουμε έναν ταξινομητή βαθιάς μάθησης ικανό να διακρίνει τον καρκίνο του δέρματος από τις καλοήθεις βλάβες. Συνολικά, αυτή η εργασία παρουσιάζει τις δυνατότητες των τεχνικών μηχανικής μάθησης, των προηγμένων εργαλείων βιοπληροφορικής και των περιεκτικών πόρων δεδομένων για τη βελτίωση της κατανόησης, της διάγνωσης και της θεραπείας του δερματικού μελανώματος.