Show simple item record

dc.contributor.advisorUÇAR, Gülberk
dc.contributor.authorTÜRK TÜRK, Seyhan
dc.date.accessioned2018-12-27T07:19:55Z
dc.date.issued2018-12-18
dc.date.submitted2018-12-07
dc.identifier.urihttp://hdl.handle.net/11655/5581
dc.description.abstractThe aim of this study is to determine the gene-based homogeneous subgroups of acute myeloblastic leukemias using the gene expression profiles of renin angiotensin system, the determination of biomarker potentially genes through the association of identified subgroups with clinical drugs and the prediction of prognosis and response to treatment. The Cancer Genom Project (CGP) database from Welcome Trust Sanger and the 6-Model IC50 calculation method have been used. Etoposide and doxorubicin were found to be the most effective chemotherapeutic drugs for homogenous subgroups. Three important potentially biomarker genes IGF2R, CTSA and ATP6AP2 were identified to predict the patient prognosis and response to treatment. When combined together it was found that genes were better prognostic predictors and IGF2R and CTSA were good prognostic and ATP6AP2 was poor prognostic gene. It has been demonstrated that IGF2R and CTSA can contribute to cell sensitivity by mediating autophagy and ATP6AP2 may contribute to cell resistance associated with resistance mechanisms such as TGF-. This gene panel would be useful for clinicians during pretreatment evaluation for determination of appropriate and effective chemotherapoetic agent for the patient. Before starting treatment, this gene panel could make the prediction of patient prognosis and it directs clinicians to the effective treatments. In our study, an exemplary and original approach to how a large database can be used for the detection of a suitable chemotherapeutic agent and biomarker gene for a particular type of cancer has been described.en
dc.description.tableofcontentsİÇİNDEKİLER ONAY SAYFASI iii YAYIMLAMA VE FİKRİ MÜLKİYET HAKLARI BEYANI iv ETİK BEYAN v TEŞEKKÜR vi ÖZET vii ABSTRACT viii İÇİNDEKİLER ix SİMGELER VE KISALTMALAR xiii ŞEKİLLER xv TABLOLAR xxv 1. GİRİŞ 1 2. GENEL BİLGİLER 4 2.1. Hematolojik Kanserler 4 2.2. Lösemiler, Klinik Alt Tipleri ve Ülkemizde ve Dünyadaki Durumu 5 2.2.1. Lösemiler ve Klinik Alttipleri 5 2.2.2. Lösemilerin Ülkemizde ve Dünyadaki Durumu 6 2.3. Akut Myeloblastik Lösemiler 8 2.3.1. Akut Myeloblastik Lösemilerin Klinik Önemi 8 2.3.2. Akut Myeloblastik Lösemilerin Sınıflandırılması 9 2.4. Renin Anjiotensin Sistemi, Mekanizması, Biyolojisi ve Kanser ilişkisi 10 2.4.1. Renin Anjiyotensin Sistemi 10 2.4.2. Anjiyotensin Reseptör (AT1R) Sinyali ve Fonksiyonu 11 2.4.3. Kanserde Düzensiz Renin Anjiyotensin Sistemi 12 2.4.4. Renin Anjiyotensin Sistem Düzensizliğinin Mekanizması 13 2.4.5. Düzensiz Renin Anjiyotensin Sistemin Kanser Biyolojisine Etkileri 15 2.4.6. Kanser Hücre Migrasyonunda, İnvazyonunda ve Metastazında Renin Anjiyotensin Sistem 15 2.4.7. Kanser Kaynaklı İnflamasyonda ve Anjiyogenezde Renin Anjiyotensin Sistemi 16 2.4.8. Hücresel Proliferasyonda Renin Anjiyotensin Sistemi 16 2.4.9. Apoptozda Renin Anjiyotensin Sistemi 17 2.4.10. Lösemide Düzensiz Renin Anjiyotensin Sistemi 17 2.5. Kanser Hücre Hattı Ansiklopedisi (CCLE) ve Kanser Genom Projesi (CGP) 19 2.6. Lösemide Altgruplandırma İle Klinikte Kişiye Özgü Tedavi Yaklaşımı 20 2.7. Antineoplastik İlçaların Yeniden Hedeflendirilmesi “Drug Repositioning” ve Gelecek Perspektif 21 3. GEREÇ VE YÖNTEM 23 3.1. Gereçler 23 3.1.1. Genel Laboratuvar Reaktifleri ve Cihazlar 23 3.1.2. Genel Laboratuvar Solüsyonları 23 3.1.3. Hücre Kültürü Materyalleri ve Reaktifler 23 3.1.4. Hücre Kültürü Çözeltileri ve İlaçlar 24 3.1.5. Primerler 27 3.1.6. In siliko Veriseti ve Kohortlar 27 3.2. Yöntemler 28 3.2.1. In Siliko Analizler ile Biyobelirteç Gen Tespiti In Siliko Veri Normalizasyonu 28 3.2.2. Varyans Analizi 28 3.2.3. Pearson r Korelasyon Analizleri 28 3.2.4. Doğrusal Regresyon Analizleri 29 3.2.5. Hiyerarşik Kümeleme Analizleri 31 3.2.6. GSEA - Gen Set Enrichment Analizi 31 3.2.7. Klinik Veri Doğrulama Log Rank with Multiple Cut-offs (LRMC) (Sağkalım Analizi) 31 3.2.8. In Vitro Doğrulama İçin Hücrelerin Kültür Edilmesi 31 3.2.9. Hücrelerin Çözülmesi ve Pasajlanması 32 3.2.10. Hücrelerin Dondurulması 33 3.2.11. Hücre Sitotoksisite Deneyleri 33 3.2.12. RNA İzolasyonu 34 3.2.13. RNA Konsantrasyonu ve Saflık Kontrolü 35 3.2.14. RNA örneklerinin DNAaz ile Muamelesi 35 3.2.15. cDNA Sentezi 35 3.2.16. Kantitatif Gerçek Zamanlı Polimeraz Zincir Reaksiyonu 36 3.2.17. İstatistiksel Analizler 37 4. SONUÇLAR 38 4.1. In Siliko Analizler ile Lösemi Tedavisinde mRNA Temelli Biyobelirteç Keşfi ve Altgruplandırma 38 4.1.1. Akut Myeloid Lösemi ve Akut Lenfiod Lösemide Renin Anjiyotensin Sistemi Gen İfadesi Farklılığı 38 4.1.2. In Siliko En Varyant Genler İle Kemoterapötik İlaç ilişkilendirmesi Pearson r Korelasyon Analizleri 41 4.1.3. CGP ve 6M Pearson r Korelasyon Sonuçlarının Birbiri İle Uyumu 42 4.1.4. İlaç ve Gen Bazında CGP ve 6M Pearson Korelasyon Uyumu 47 4.1.5. In Siliko Kombine Gen Paneli ile Kemoterapötik İlaç İlişkilendirmesi Doğrusal Regresyon Analizleri 58 4.1.6. Kanser Genom Projesinde (CGP) Akut Miyeloid Lösemi Altgrupları Hiyerarşik Kümeleme Analizi 70 4.1.7. Duyarlı ve Dirençli Grupların Biyolojik Karakteristikleri Gen Set Enrichment Analizi (GSEA) 83 4.2. Klinik Veri ile Doğrulama Analizleri 86 4.2.1. Klinik Hasta Kohortu Klinikopatolojik Özellikleri 86 4.2.2. Tek Başına Gen İfadelenmesinin Klinik Prognoz ile İlişkisi Sağkalım Analizi (163 hasta training grup) 87 4.2.3. Kombine Gen İfadelenmesinin Klinik Prognoz ile İlişkisi Sağkalım Analizi (163 hasta training grup) 92 4.2.4. Doğrusal Regresyonda Elde Edilen Formül ile Klinik Örnek IC50 Tahmini (163 hasta training grup) 101 4.2.5. ‘Yüksek’ ve ‘Düşük’ Gruplarda IGF2R, ATP6AP2, CTSA Gen İfade Düzeyleri (163 hasta training grup) 106 4.2.6. Tek Başına Gen İfadelenmesinin Klinik Prognoz ile İlişkisi Sağkalım Analizi (79 hasta test grup) 114 4.2.7. Kombine Gen İfadelenmesinin Klinik Prognoz ile İlişkisi Sağkalım Analizi (79 hasta test grubu) 119 4.2.8. Doğrusal Regresyonda Elde Edilen Formül ile Klinik Örnek IC50 Tahmini (79 hasta test grubu) 126 4.3. In Vitro Doğrulama Deneyleri 131 4.3.1. Hücre Sitotoksisite Deneyleri ile Klinik Hasta IC50 Hesaplaması 131 4.3.2. Kantitatif Gerçek Zamanlı Polimeraz Zincir Reaksiyonu ile Klinik Hastaların Gen İfadelerinin Hesaplanması 139 4.3.3. Q-PCR sonucu elde edilen gen ifade değerleri kullanılarak hesaplanan predicted IC50’ler ile in vitro IC50 doğrulaması 140 4.4. İlaç Duyarlılığı ve Gen İfadesinin Korelasyonunun Arkasındaki Mekanizma 142 4.4.1. Hücre İçi Etkileşim 142 4.4.2. Otofaji Biyobelirteç Korelasyonu Tespiti 143 5. TARTIŞMA 144 6. SONUÇ VE ÖNERİLER 149 7. KAYNAKLAR 151 8. EKLER 166 8.1. Doktora Tez Çalışması Orjinallik Raporu 8.2. Dijital Makbuz 9. ÖZGEÇMİŞ 167tr_TR
dc.publisherSağlık Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccesstr_TR
dc.subjectAkut miyeloblastik lösemitr_TR
dc.subjectbiyobelirteç gen
dc.subjectaltgruplandırma
dc.subjectdoxorubicin
dc.subjectetoposid
dc.subjectIGF2R
dc.subjectATP6AP2
dc.subjectCTSA
dc.titleAkut Miyeloblastik Lösemilerde Gen Temelli Kanser Biyobelirteçlerin Tespiti Aracılığıyla İlaç Duyarlılığı Altgruplarının Belirlenmesi ve Prognoz Ve Tedaviye Cevabın Öngörülmesitr_TR
dc.typedoctoralThesisen
dc.description.ozetBu çalışmada Akut Myeloblastik Lösemilerin Renin-Anjiotensin Sistemi gen ifade profilleri kullanılarak gen temelli homojen alt gruplarının belirlenmesi, belirlenen altgrupların klinik ilaçlarla ilişkilendirilmesi aracılığıyla biyobelirteç potansiyelli genlerin tespiti, prognoz ve tedaviye cevabın öngörülmesi amaçlanmıştır. Çalışmada Welcome Trust Sanger kaynaklı, Cancer Genom Project (CGP) veritabanı ve 6-Model IC50 hesaplama yöntemi kullanılmıştır. Homojen alt gruplara en etkili kemoterapötik ilaçların etoposid ve doxorubicin olduğu tespit edilmiştir. Hasta prognozlarının ve tedaviye yanıtlarının tahmininde kullanılabilecek 3 önemli biyobelirteç potansiyelli gen olarak ‘IGF2R, CTSA ve ATP6AP2’ belirlenmiştir. Bu genlerin ifadelenmeleri birlikte değerlendirildiğinde prognoz tahminini daha iyi yaptığı ve IGF2R’nin ve CTSA’nın iyi prognostik, ATP6AP2’nin ise kötü prognostik gen olduğu saptanmıştır. IGF2R’nin ve CTSA’nın otofajiye aracılık ederek hücre hassasiyetine, ATP6AP2’nin TGF- gibi direnç mekanizmaları ile ilişkili hücre direncinde rol alabileceği ortaya konmuştur. Bu gen panelinin, hasta için uygun ve etkili kemoterapötik ajanın saptanması için tedavi öncesi değerlendirme sırasında klinisyenler için yararlı olacağı düşünülmektedir. Bu gen paneli ile tedaviye başlamadan önce hasta prognozlarının tahmini mümkün kılınarak klinisyenlerin etkili tedaviye yönlendirilmesi sağlanabilecektir. Çalışmada büyük bir veri tabanının belli bir kanser türü için uygun kemoterapötik ajanın belirlenebilmesi ve biyobelirteç genlerin tespiti için nasıl kullanılabileceğine örnek ve özgün bir yaklaşım tanımlanmıştır.tr_TR
dc.contributor.departmentEczacılık Temel Bilimleritr_TR
dc.contributor.authorID10225484tr_TR
dc.embargo.terms6 aytr_TR
dc.embargo.lift2019-07-01T07:19:55Z


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record