search query: @instructor Nikkilä, Janne / total: 5
results-list
reference: 4 / 5
« previous | next »
Author:Lahti, Leo
Title:Vertaileva toiminnallinen genomianalyysi assosiatiivisella ryhmittelymenetelmällä
Comparative functional genome analysis using associative clustering
Publication type:Master's thesis
Publication year:2003
Pages:63      Language:   fin
Department/School:Teknillisen fysiikan ja matematiikan osasto
Main subject:Informaatiotekniikka   (T-61)
Supervisor:Kaski, Samuel
Instructor:Nikkilä, Janne
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions
close

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark Aalto  5315   | Archive
Keywords:associative clustering
comparative functional genomics
gene expression data
gene orthology
assosiatiivinen ryhmittely
geenien ilmenemisdata
geenien ortologia
vertaileva toiminnallinen genomiikka
Abstract (eng):Better understanding of human gene function is often gained by research on model organisms such as mouse. Such additional information is valuable as understanding gene function and genetic networks in a genome-wide scale is a huge mission. The aim of this work is to find biologically interesting groups of orthologous mouse and human genes using two genome-wide expression data sets.

Associative clustering is a new tool for exploratory data analysis. Exploratory methods are general-purpose instruments that illustrate the essential features of a data set. They do not require prior information of research data and are often used to produce new hypotheses for the purposes of later study. Associative clustering method finds human and mouse gene clusters so as to maximize a Bayesian dependency measure of the two sets of clusters. This reveals orthologous gene groups that are functionally exceptional with respect to other data. In this work, we also evaluate features of the new method and compare its performance to alternative methods.

Associative clustering proves to be a useful exploratory method for comparative analysis of genome-wide expression data sets. Compared to alternatives, it is able to find a better compromise between dependency modeling and easily interpretable clusters. We could find potentially interesting groups of orthologous genes and to form new hypotheses about gene function. Possible sources of error are not crucial for analysis, as new hypotheses should be confirmed in biological studies. Further study is needed to find out the biological significance of the results.
Abstract (fin):Helpommin tutkittavien malliorganismien kuten hiiren avulla tehtävä tutkimus voi auttaa ymmärtämään myös ihmisen geenien toimintaa. Lajeja vertailemalla saatava lisätieto on arvokasta, sillä geenien toiminnan selvittäminen on valtava urakka. Tämän työn tavoitteena on etsiä biologisen tutkimuksen kannalta kiinnostavia ihmisen ja hiiren vastingeenien ryhmiä.

Tutkimukseen käytettävä assosiatiivinen ryhmittely on uusi eksploratiivisen data analyysin menetelmä. Eksploratiivisten menetelmien tavoitteena on nopean yleiskuvan muodostaminen tutkimusaineistosta ilman siihen liittyvää ennakkotietoa. Eksploratiivisten menetelmien avulla voidaan tuottaa hypoteeseja myöhemmän tutkimuksen tarpeisiin. Genominlaajuisen ilmenemisdatan avulla muodostettava vastingeenien assosiatiivinen ryhmittely maksimoi ihmisen ja hiiren geeniryhmien riippuvuudet Bayesilaisen riippuvuusmitan mielessä. Tällä tavalla löydetään vastingeeni ryhmiä, joiden toiminnallinen yhteys on muuhun aineistoon verrattuna poikkeuksellinen. Työn toisena tavoitteena on uuden assosiatiivisen ryhmittely menetelmän ominaisuuksien arviointi ja vertaaminen vaihtoehtoisiin menetelmiin.

Assosiatiivinen ryhmittely osoittautui genomisten datajoukkojen vertailevassa analyysissa käyttökelpoiseksi eksploratiiviseksi menetelmäksi. Se onnistuu vaihtoehtoisia menetelmiä paremmin yhdistämään kaksi tavoitetta, riippuvuuksien mallintamisen ja helppotulkintaisuuden. Tutkimuksessa löydettiin potentiaalisesti mielenkiintoisia vastingeenien ryhmiä ja muodostettiin uusia hypoteeseja geenien yhteyksistä. Mahdollisten virhelähteideni merkitys ei ole tutkimuksen onnistumisen kannalta ratkaiseva, sillä muodostettavat hypoteesit on joka tapauksessa vahvistettava biologisissa tutkimuksissa. Tulosten biologisen merkityksen selvittäminen vaatii lisätutkimuksia.
ED:2004-01-08
INSSI record number: 21082
+ add basket
« previous | next »
INSSI