Aksolotl kol rejenerasyonu alanında mikrobiyota ve transkriptom verisinin madenciliği vasıtasıyla yeni aday biyobelirteçlerin keşfi
Citation
Öğdür, M. M. (2022). Aksolotl kol rejenerasyonu alanında mikrobiyota ve transkriptom verisinin madenciliği vasıtasıyla yeni aday biyobelirteçlerin keşfi. (Yayımlanmamış yüksek lisans tezi). İstanbul Medipol Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.Abstract
Son zamanlarda transkriptom ve mikrobiyota profillerini daha etkili ortaya çıkarabilen Yeni Nesil Dizilimi teknolojisinin yaygınlaşması rejenerasyonda mikrobiyotanın ve transkriptomun rolüne dikkat çekmektedirler. İntegratif yaklaşım ilgili rejenerasyon veri setlerinin madenciliği için yeni bir fırsat taşımaktadır. Konuyla ilgili artan literatüre rağmen bakterilerin yara iyileşmesine etkisi ve bunun altında yatan moleküler mekanizmalar hala tam anlamıyla bilinmemektedir. Özellikle hangi bakteri türlerinin ve mRNA'ların bu biyolojik süreçte biyobelirteç ve modülatör olarak kullanılabileceği konusu heyecan uyandırmakla beraber hala aydınlatılmayı beklemektedir. İnsan üzerindeki çalışmalara ek olarak, rejenerasyon alanında giderek daha kullanışlı bir model organizma olan Aksolotl (Ambystoma mexicanum) rejenerasyon konusunda tamamlayıcı bilgiler ve kritik ipuçları sunmaktadır. Bir su semenderi olan aksolotl, rejenerasyon alanında popüler olan omurgalı model organizmalar arasındadır. Aksolotl neotenik özelliğe ve son derece yüksek bir rejenerasyon potansiyele sahiptir. Sahip olduğu yüksek rejenerasyon kapasitesi sayesinde bir hasar olması halinde uzuvlarını (kollarını ve ayaklarını), kuyruklarını, iç organlarını ve merkezi sinir sistemini (beyin ve omuriği) eski fonksiyonel özelliklerini gösterecek şekilde yenileyebilmektedirler. Bu biyoinformatik çalışma aksolotl uzuv rejenerasyon sürecine yeni bakış açısı kazanmaya ve bu alandaki biyobelirteç eksikliğini gidermeye yönelik bir adım olarak tasarlanmıştır. Bu doğrultuda daha önce aksolotl araştırmalarından yayınlanmış bir mikrobiyota ve bir transkriptom veri seti seçilmiş ve erişilmiştir. Bu çalışmada bu iki veri setinin ayrı ayrı analizi tekrar gerçekleştirilmiştir. Böylece ileri makine öğrenmesi yöntemlerle söz konusu verinin madenciliği yapılmıştır ve yeni bulgulara ulaşılmıştır. Çalışmada, aksolotl kol rejenerasyonun üç ana aşamasında (yani sırasıyla yara iyileşmesi, blastema gelişmesi ve yeniden geliştirme) rejenerasyon bölgesindeki mikrobiyom ve transkriptom dinamiği araştırılmıştır. Bu çerçevede mikrobiyom ile transkriptomdaki değişimler detaylı bir şekilde incelenmiş ve yeni aday biyobelirteçler keşfedilmiştir. Boyut indirme tekniğiyle denetimsiz makine öğrenimi uygulanarak örneklerin gruplandırılması araştırılmıştır. Bu analiz ile her iki veri çeşidinde örneklerin rejenerasyon fazına göre gruplandığı gözlemlenmiştir. Gruplar arasındaki karşılaştırma sonucu istatiksel olarak anlamlı olarak seviyeleri değişen bakteriler ve mRNA'lar tespit edilmiştir. Bu anlamlı listeler yeni aday biyobelirteç listeleri olarak değerlendirilebilir. Ayrıca mikrobiyom verisine Rastgele Orman yöntemine dayalı denetimli makine öğrenmesi uygulanarak önemli tahmin edici özelliğe sahip öznitelikler saptanmıştır. Belirlenen yeni aday microbiyal ve mRNA biyobeliteçleri ileride insan yara iyileşmesi çalışmalarında araştırılabileceği belirlenmiştir. Gelecek çalışmalarda bu yeni belirteçlerin validasyonu ve fonksiyonel karakterizasyonunun yapılması gerekmektedir. Neticede bu çalışma yenilikçi ve özgün bir yaklaşım kullanarak rejenerasyon alanındaki ilerlemeye katkı sağlamaktadır. Uzun vadede temel bilim alanında elde edilen bu tür bulguların yenilikçi translasyonel çalışmalar sayesinde tedaviye dönüşmesi beklenmektedir. Recently, the widespread use of Next Generation Sequencing technology, which can reveal transcriptome and microbiota profiles more effectively, draws attention to the role of microbiota and transcriptome in regeneration. The integrative approach carries a new opportunity for mining related regeneration datasets. Despite the increasing literature on the subject, the effect of bacteria on wound healing and the molecular mechanisms underlying it are still not fully known. In particular, the subject of which bacterial species and mRNAs can be used as biomarkers and modulators in this biological process is exciting, but still awaits to be clarified. In addition to human studies, the axolotl (Ambystoma mexicanum), an increasingly instrumental model organism in the area of regeneration, provides complementary information and critical tips on regeneration. As an aquatic salamander, the axolotl is among popular vertebrate models in the field of wound healing and regeneration. Axolotl possesses extremely high regeneration potential and a neotenic feature. Owing to their high regeneration capacity, they can renew their extremities (forelimbs and hindlimbs), tail, internal organs and central nervous system (brain and spinal cord) in a way that displays their old functional properties in case of damage. This bioinformatic study was designed as a step towards providing novel insight into the axolotl regeneration process and addressing the lack of biomarkers in this field. In this direction, one microbiome dataset and one transcriptome dataset, which were published before, were selected and accessed. In this study, reanalysis of these two datasets was carried out separately. Within this scope, mining of the said data was carried out with advanced methods and new findings were reached. In the study, the microbiome and transcriptome dynamics at the regeneration site was investigated in the three main stages of the axolotl limb regeneration (namely, wound healing, blastema growth, and redevelopment, respectively). In this framework, changes in microbiome and the transcriptome were examined in detail and new candidate biomarkers were discovered. The grouping of samples was investigated by applying unsupervised machine learning with dimension reduction technique. With this analysis, it was observed that the samples grouped according to the regeneration phase based on both data types. As the result of the comparison between the groups, bacteria and mRNAs, which levels statistically significantly differed, were detected. These significant lists can be considered as new candidate biomarker lists. Furthermore, by applying Random Forest-based supervised machine learning to microbiome data, features with important predictive properties were detected. The identified novel candidate microbial and mRNA biomarkers can be investigated in human wound healing studies in the future. The validation and functional characterization of these markers still needs to be performed in future studies. Overall, this study contributes to progress in the field of wound healing by using an innovative and original approach. In the long term, it is anticipated that such findings obtained in the field of basic science will turn into treatment thanks to innovative translational studies.
URI
https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsphttps://hdl.handle.net/20.500.12511/12048
Collections
- Tez Koleksiyonu [75]