dc.contributor.advisor | Μπερσίμης, Σωτήριος | |
dc.contributor.advisor | Bersimis, Sotiris | |
dc.contributor.author | Αποστόλου, Κωνσταντίνα | |
dc.contributor.author | Apostolou, Konstantina | |
dc.date.accessioned | 2022-10-12T06:48:26Z | |
dc.date.available | 2022-10-12T06:48:26Z | |
dc.date.issued | 2022-09 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/14677 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/2099 | |
dc.description.abstract | Από την πρώτη αλληλούχιση του ανθρώπινου γονιδιώματος το 2003, η ανθρώπινη γενετική
έχει υποστεί μια πραγματική επανάσταση λόγω της μεγάλης διαθεσιμότητας συνόλων
δεδομένων με γενετικές πληροφορίες και της εισαγωγή της βιοπληροφορικής σε αυτόν τον
τομέα. Οι νέες γενετικές ανακαλύψεις επιτρέπουν την κατανόηση του τρόπο με τον οποίο τα
γονίδια αλληλεπιδρούν με διάφορους παράγοντες του τρόπου ζωής ή του περιβάλλοντος, σε
μια πορεία προς ένα πιο αποτελεσματικό κλινικό έλεγχο. Οι μελέτες συσχέτισης σε ό λο το
γονιδίωμα (GWAS) αποσκοπούν στον εντοπισμό συσχετίσεων γονότυπων με φαινότυπους,
ελέγχοντας για διαφορές στη συχνότητα αλληλομόρφων γενετικών παραλλαγών μεταξύ
ατόμων. Ο τυπικός στόχος των GWAS είναι ο εντοπισμός τόπων που φιλοξενούν αιτιολογικές
παραλλαγές και η χρήση γενετικών παραγόντων κινδύνου για να γίνουν προβλέψεις σχετικά
με το ποιος διατρέχει κίνδυνο και να αναπτυχθούν νέες στρατηγικές πρόληψης και θεραπείας.
Μια απλή και διαισθητική προσέγγιση για τη μετατροπή των γενετικών δεδομένων σε ένα
προγνωστικό μέτρο επιδεκτικότητας σε ασθένειες είναι η συγκέντρωση των επιδράσεων αυτών
των τόπων σε ένα ενιαίο μέτρο, το πολυγενετικό σκορ κινδύνου (PRS). Παρουσιάζονται επίσης
κάποιες έρευνες που έχουν πραγματοποιηθεί για την εύρεση βιοδεικτών. | el |
dc.format.extent | 130 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.title | Μοντέλα ανάπτυξης γενετικών βιοδεικτών με χρήση αναλυτικής των δεδομένων | el |
dc.title.alternative | Genetic bio-indices development using data analytics | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
dc.description.abstractEN | Since the first sequencing of the human genome in 2003, human genetics has undergone a
real revolution due to the wide availability of datasets with genetic information and the
introduction of bioinformatics in this field. New genetic discoveries are enabling an
understanding of how genes interact with various lifestyle or environmental factors, in a move
towards more effective clinical control. Genome-wide association studies (GWAS) aim to
identify genotype-phenotype associations by testing for differences in the frequency of allelic
genetic variants between individuals. The typical goal of GWAS is to identify loci harboring
causal variants and use genetic risk factors to make predictions about who is at risk and to
develop new prevention and treatment strategies. A simple and intuitive approach to converting
genetic data into a predictive measure of disease susceptibility is to aggregate the effects of
these loci into a single measure, the polygenic risk score (PRS). Some research that has been
carried out to find biomarkers is also presented. | el |
dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
dc.subject.keyword | Genomics | el |
dc.subject.keyword | Genomic medicine | el |
dc.subject.keyword | Precision medicine | el |
dc.subject.keyword | Genome-wide association studies | el |
dc.subject.keyword | Polygenic risk score | el |
dc.date.defense | 2022-09-30 | |