haku: @author Laajala, Teemu Daniel / yhteensä: 2
viite: 1 / 2
« edellinen | seuraava »
Tekijä: | Laajala, Teemu Daniel |
Työn nimi: | Analysis of tumor growth experiments using mixed-effects modeling |
Syöpäkasvatuskokeiden analysointi sekamalleilla | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2012 |
Sivut: | [8] + 80 Kieli: eng |
Koulu/Laitos/Osasto: | Tietojenkäsittelytieteen laitos |
Oppiaine: | Informaatiotekniikka (T-61) |
Valvoja: | Lähdesmäki, Harri |
Ohjaaja: | Aittokallio, Tero ; Corander, Jukka |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto 919 | Arkisto |
Avainsanat: | mixed-effects models xenograft tumor growth experiment pre-clinical study animal models power analysis EM-algorithm model based categorization time series missing values sekamallit ksenografti syöpätutkimus esikliininen koe eläinmalli tilastollinen voima EM-algoritmi mallipohjainen kategoriointi aikasarja puuttuvat arvot |
Tiivistelmä (fin): | Esikliiniset syöpäkokeet johtavat usein heterogeenisiin kasvuprofiileihin. Istutettu syöpäsolukasvain saattaa spontaanisti pienentyä immunokatoisissa geneettisesti standardoiduissa kontrollihiirissä ja toisaalta yksittäinen tuumori saattaa kasvaa aggressiivisesti hoitoryhmässä, vaikka hoito vaikuttaisi muuten pysäyttävän syöpäkasvainten suurentumisen. Tällaisten kasvatuskokeiden tilastollinen analyysi on suoritettu monissa julkaisuissa yksinkertaisilla menetelmillä, esimerkiksi vertailemalla viimeisen aikapisteen tuumorivolyymeja t-testillä eri hoitoryhmien yli. Kehitimme sekamalleihin perustuvan menetelmän, joka etsii syöpien alatyyppejä niiden kasvuprofiilien perusteella. Menetelmä pyrkii yhdistämään löydetyt alatyypit alalla käytettyihin biomarkkereihin. Mallin muokkausta ja vasteiden muunnoksia esitetään erilaisiin tilanteisiin, jotta mahdollisimman monenlaisia syöpäkokeita pystyttäisiin analysoimaan kehitetyllä lähestymistavalla. Ristiinvalidointia sekä muuta mallin diagnostiikkaa käytetään hyväksi perusteltaessa valittua mallin määrittelyä. Lisäksi testataan erilaisia menetelmiä parantaa käytettyä koeasetelmaa sovitetun mallin perusteella. Malliin perustuva päättely rinnastetaan aiempiin julkaisuihin. Sovitetun mallin parametreja tutkitaan biologisen esitiedon perusteella sekä osoitetaan mallilla olevan järkevä yhteys käytettyyn koeasetelmaan sekä kasvatuskokeisiin liittyviin hypoteeseihin. löydetyt kategoriat linkitetään alan biomarkkereihin ja esitetään erilaisia tulevaisuuden näkökulmia syöpäkokeiden mallinkehitykseen. |
Tiivistelmä (eng): | Tumor growth experiments used in pre-clinical cancer drug development often result in challenging response profiles. An implanted human cancer cell line inside a genetically standardized, immune-deficient mouse can shrink spontaneously in a control group or grow aggressively in a treatment group, even if the treatment otherwise appears to block the effective growth of the implanted cancer cells. Such experiments have previously been analysed using simple statistical methods such as comparison of the end-point tumor volume between the treatment and control groups through a t-test. We designed a mixed-effects modelling framework that explores hidden subgroups of the data and seeks to connect the identified groups to established tumor biomarkers. Suitable response and model transformations were proposed to be able to model a wide range of tumor growth experiments. Cross-validation as well as other model validation and diagnostic tools were utilized for motivating the suggested model choice. In addition, various approaches were proposed for the purposes of developing better experiment protocols in the future. The modelling procedure and conclusions made from the statistical inference were shown to be coherent with the previously published studies and the model parameters were assessed to have meaningful interpretation. The biological motivation of the identified categories was shown to be feasible through several biomarkers. The current work provides a fruitful base for future model development. |
ED: | 2012-05-14 |
INSSI tietueen numero: 44492
+ lisää koriin
« edellinen | seuraava »
INSSI