prikaz prve stranice dokumenta Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije
Access restricted to students and staff of home institution
master's thesis
Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije
2021. urn:nbn:hr:193:148959
Fabulić, Barbara
University of Rijeka
Faculty of Biotechnology and Drug Development

Cite this document

Fabulić, B. (2021). Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije (Master's thesis). Rijeka: University of Rijeka. Retrieved from https://urn.nsk.hr/urn:nbn:hr:193:148959

Fabulić, Barbara. "Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije." Master's thesis, University of Rijeka, 2021. https://urn.nsk.hr/urn:nbn:hr:193:148959

Fabulić, Barbara. "Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije." Master's thesis, University of Rijeka, 2021. https://urn.nsk.hr/urn:nbn:hr:193:148959

Fabulić, B. (2021). 'Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije', Master's thesis, University of Rijeka, accessed 17 November 2024, https://urn.nsk.hr/urn:nbn:hr:193:148959

Fabulić B. Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije [Master's thesis]. Rijeka: University of Rijeka; 2021 [cited 2024 November 17] Available at: https://urn.nsk.hr/urn:nbn:hr:193:148959

B. Fabulić, "Istraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije", Master's thesis, University of Rijeka, Rijeka, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:193:148959

Please login to the repository to save this object to your list.
Metadata
TitleIstraživanje povezanosti polimorfizama u cirkadijalnom CLOCK genu i rizika od raka pomoću umjetne inteligencije
Title (english)Investigation of the association of polymorphisms in the circadian CLOCK gene and cancer risk using artificial intelligence
AuthorBarbara Fabulić
MentorElitza Petkova Markova - Car (mentor)
Committee memberMirela Sedić (predsjednik povjerenstva)
Committee memberSanja Dević Pavlić (član povjerenstva)
Committee memberElitza Petkova Markova - Car (član povjerenstva)
GranterUniversity of Rijeka
(Faculty of Biotechnology and Drug Development)
Rijeka
Defense date and country2021-09-27, Croatia
Scientific / art field,
discipline and subdiscipline		BIOTECHNICAL SCIENCES
Biotechnology
Abstract
Cikličke su promjene u brojnim metaboličkim procesima, fiziologiji te ponašanju jedna od glavnih karakteristika koje su specifične za sve žive organizme. Jednim se imenom nazivaju cirkadijalni ritam jer osciliraju u periodu koji traje otprilike 24 sata. Ovaj unutarnji mehanizam ima bitnu ulogu u prilagodbi na konstantne promjene u okolišu, a njegove glavne komponente su cirkadijalni satni geni. Cirkadijalni ritam je na molekularnoj razini, pomoću satnih gena, reguliran putem transkripcijsko translacijske povratne sprege. Deregulacija u cirkadijalnom ritmu ima veliku ulogu u karcinogenezi te brojnim drugim kliničkim patologijama. Analogno tome, onkogeni procesi direktno remete pravilno funkcioniranje cirkadijalnog ritma te stvaraju okoliš koji pogoduje razvoju karcinoma. Odnedavno sve je veći interes za ispitivanje utjecaja genetičkih varijacija, posebice polimorfizama jednog nukleotida (SNP), u satnim genima na razvoj karcinoma. SNP su jedna od najčešćih genetičkih varijacija u ljudskom genomu. U ovom istraţivanju prikupljeni su podaci iz studija slučajeva i kontrola koje sadrže frekvencije genotipova određenih polimorfizama na cirkadijalnom CLOCK genu te se na temelju tih podataka istraživala povezanost između genetskih varijacija u navedenom genu te rizika od nastanka karcinoma. Varijacije u genima povezane su sa kompleksnim malignim oboljenjima poput karcinoma te se njihova točna uloga mora još potvrditi dodatnim istraživanjima. Također, algoritmom umjetne inteligencije (UI), algoritmom k-najbližih susjeda (KNN), predviđala se vrsta karcinoma (karcinom dojke ili klasa - miješani). Algoritam se koristi za klasificiranje ulaznih podataka u određene klase prema najvećoj sličnosti. U našem istraživanju, klasificirali smo prema vrsti karcinoma te je preciznost algoritma bila 99.99%. Temeljem dobivenih rezultata smatramo da bi korištenje UI moglo uvelike olakšati dijagnosticiranje karcinoma, no ovaj pristup tek je u samim počecima te su potrebna dodatna istraživanja koja će potvrditi vjerodostojnost ove metode.
Abstract (english)
Cyclic changes in numerous metabolic processes, physiology and behavior are one of the main characteristics that are specific to all living organisms. They are called circadian rhythm because they oscillate over a period of approximately 24 hours. This internal mechanism plays an important role in adapting to everchanging environmental stimuli and its main components are circadian clock genes. On molecular level, circadian rhythtm is controled by clock genes via transcriptional-translational feedback loop. Deregulation in circadian rhythm plays a major role in carcinogenesis and a vast number of clinical pathologies. Analogously, oncogenic processes directly disrupt the proper functioning of the circadian rhythm and create an environment convenient for cancer development. Recently, there has been an emerging interest in examining the impact of genetic variations in clock genes, particulary single nucleotide polymorphisms (SNPs), on cancer development. SNPs are one of the most common genetic variations in human genome. This study collected data form case-control studies containing the frequencies of genotypes of certain SNPs on circadian CLOCK gene. Based on that data, relationship between genetic variations and cancer risk was investigated. Variations in genes have been linked to complex malignancies such as cancer, but their exact role needs to be confirmed by additional research. Also, the algorithm of artificial intelligence (AI), the k-nearest neighbours (KNN), was used to predict the type of cancer (breast or mixed). The algorithm is used to classify the input data into specific classes according to the greatest similarity. In our study, we classified according to the type of cacer and the accuracy of the algorithm was 99.99%. Based on the obtained results, we believe that AI could greatly facilitate the diagnostic of cancer, but this approach is only in its beginnings and further research is needed to confirm the credibility of this method.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:193:148959
Study programmeTitle: Biotechnology in medicine
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra biotehnologije u medicini (magistar/magistra biotehnologije u medicini)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2021-10-27 09:26:36