Vyhledávání markerů kvality dárcovské ledviny z transkriptomických dat

Abstract

Akutní poškození ledvin (AKI), dříve známé jako akutní selhání ledvin, je náhlý pokles funkce ledvin, ke kterému dochází během několika hodin až dnů. Tento rychlý úpadek zhoršuje schopnost ledvin filtrovat odpadní látky z krve, což vede k hromadění toxinů a narušení rovnováhy tekutin a elektrolytů v lidském těle. Tato diplomová práce se zaměřuje na klasifikaci mikroarray dat pacientů s cílem identifikovat transkriptomické markery ukazující na přítomnost AKI pomocí metod výběru příznaků. Následně jsou aplikovány klastrovací techniky pro identifikaci skupin pacientů a odhalení skrytých vzorců v datech. Na základě předchozí analýzy genových interakcí je rovněž provedena kategorizace nebo ko-klastrování s využitím grafových neuronových sítí. Cílem je navrhnout efektivní transkriptomické markery, které by mohly být propojeny se sdíleným síťovým prostorem a vést k lepší diagnostice a kategorizaci pacientů.Acute Kidney Injury (AKI), formerly known as acute renal failure, is a sud den decline in kidney function occurring over hours or days. This rapid deterioration impairs the kidneys ability to filter waste products from the blood, leading to the accumulation of toxins and depletion of fluid and elec trolyte balance in humans body. This thesis will focus on the classification of patient microarray data in order to identify transcriptomic markers which indicate the AKI disease by means of feature selection. Following, cluster ing techniques are implemented for identifying patient cohorts and revealing underlying patterns in the dataset. In addition, based on previous tran script interaction, we apply categorization or co-clustering with graph neural networks. Finally, we design effective transcriptome markers that could be linked to shared network space and lead to better diagnostics and catego rization patients.