Years
2018
2016
2015
2014
Categories
Authors
ARTICLES
Review Article
The serotonergic system in Alzheimer’s Disease
Turkish Title : Alzheimer hastalığında seratonerjik sistem
Yesim Ayik,Kaan Yilancioglu
JNBS, 2018, 5(1), p:37-42
Alzheimer’s disease (AD) is one of the most common neurodegenerative diseases throughout the world that impairs brain regions related to learning and memory. Several neurotransmitter systems, especially the serotonergic system take part in cognitive processes, and the neurochemistry of AD patients is affected by AD-associated neurodegeneration. Serotonergic markers are located in diverse brain areas mostly related learning and memory. Therefore the serotonergic neurotransmission is very important in memory. Remarkable changes occur in the serotonergic system because of AD. Since AD is a progressive and irreversible disorder and there is no specific treatment for this disease, the number of patients is rapidly increasing. In this review, the relationship between AD and the serotonergic system is described in general terms. Especially serotonin (5-HT) receptors that take part in cognitive dysfunctions have examined in this study.
Öğrenme ve hafıza ile ilişkili beyin bölgelerinde bozulmalara neden olan Alzheimer hastalığı, dünya genelindeki en yaygın nörodejeneratif hastalıklardan biridir. Birçok nörotransmitter sistem, özellikle serotonerjik sistem, bilişsel süreçlerde yer alır ve Alzheimer hastalarının nörokimyası Alzheimer hastalığı ile ilişkili nörodejenerasyondan etkilenir. Serotonerjik belirteçler, çoğunlukla öğrenme ve bellek ile ilişkili çeşitli beyin bölgelerinde bulunur; bu nedenle serotonerjik nörotransmisyon hafızada çok önemlidir. Alzheimer hastalığı nedeniyle serotonerjik sistemde dikkate değer değişiklikler meydana gelir. Alzheimer hastalığı ilerleyici ve geri dönüşümsüz bir hastalık olduğundan ve bu hastalık için kesin bir tedavi yöntemi bulunmadığından, hasta sayısı günden güne hızla artmaktadır. Bu derlemede, Alzheimer hastalığı ile serotonerjik sistem arasındaki ilişki genel hatlarıyla açıklanmaktadır. Bu çalışmada, özellikle bilişsel işlev bozukluklarında rol alan serotonin (5-HT) reseptörleri incelenmiştir.
Original Article
Classification of Schizophrenia and Bipolar Disorder by Using Machine Learning Algorithms
Turkish Title : Bipolar Bozukluk veŞizofreni Hastalığının Makine Öğrenmesi Algoritmaları Kullanılarak Sınıflandırılması
Cemil Can Saylan,Kaan Yılancıoğlu
JNBS, 2016, 3(3), p:92-95
Data mining based investigations of disease mediating factors and related potential diagnostic biomarkers using genomic information obtained from gene expression analysis tools become very informative and useful. In the present study, public Gene Expression Omnibus (GEO) genome wide expression dataset (ID: GSE12654) consisting of schizophrenia, bipolar disorders patients besides normal groups were analyzed by using different classification algorithms including kNN, naïve bayes and decision tree. A set of most differentially expressed genetic features (p
Gen ifadesi çalışmaları sonucunda elde edilen genomik bilgiler, data madenciliği temelli çalışmalarda, hastalık oluşturucu faktörlerin ve bu hastalıklar ile ilişkili potansiyel teşhis biomarkörlerinin bulunması açısından oldukça kullanışlı ve bilgi vericidir. Bu çalışmada, Gene Expression Omnibus (GEO) veri bankasından alınmış, tüm genom ekspresyon verisi (ID: GSE12654) kulllanılmıştır. Veri normal grupların yanısıra, bipolar ve şizofreni hastalarının gen ifadesi bilgisini içermektedir. kNN, naïve bayes ve decision tree bilgisayarlı öğrenme algoritmaları kullanılarak veri analizi gerçekleştirilmiştir. Gruplar arasında istatistiksel olarak anlamlı bir şekilde (p<0.05) farklı eksprese olmuş bir grup gen kullanılarak klasifikasyon yapılmıştır ve gruplar yüksek doğruluk oranında tahmin edilmiştir. Genom tabanlı teşhiş biyomarkörlerinin bulunması açısından, veri madenciliği tekniklerinin yararlı ve uygulanabilir olduğu görülmektedir.
Original Article
Classification of schizophrenia patients by using genomic data: A data mining approach
Turkish Title : Şizofreni hastalarının genomik veri kullanarak klasifiye edilmesi: Veri madenciği yaklaşım
Kaan Yilancioglu,Muhsin Konuk
JNBS, 2015, 2(3), p:102-104
Genomic information obtained from robust analysis methods such as microarray and next generation sequencing reveals underlying disease mediating factors and potential diagnostic biomarkers. Data mining methods have been widely chosen for classification and regression studies of health sciences as well as other disciplines since the beginning. In the present study, public Gene Expression Omnibus (GEO) genome wide expression dataset (ID: GSE12679) consisting of mRNA transcripts of post-mortem brain tissues in schizophrenic and normal patients were analyzed by using Multilayer Perceptron Neural Network (MLP NN) algorithm. A set of most differentially expressed genetic features (p<0.001) were used for creating the classifier which can predict disease states in test set with ~82% accuracy. Differentially expressed genes used as classifying biomarkers gain utmost importance for revealing hidden underlying genetic factors associated with important psychiatric diseases. We could also suggest that such data mining tools might be applicable for developing genome-based diagnostic tools.
Yeni nesil sekanslama ve mikrodizilim/çip analizlerinden elde edilen genomik veriler, çeşitli hastalıkların altında yatan moleküler sebepleri açığa çıkarmakta ve potansiyel tanı biyomarkörlerinin tanımlanmasını olanaklı kılmaktadır. Ortaya çıktığından buyana klasifikasyon ve regresyon analizlerini temel alan veri madenciliği metotları çeşitli çalışmalarda sıklıkla kullanılmaktadır. Bu çalışmada, NCBI GEO veri bankasından elde edilen, post-mortem beyin dokularından elde edilmiş beyin dokularının mRNA transcript analiz verileri MLP nöral ağ algoritması kullanılarak incelenmiştir. Çalışmada, dokular arasında ki transkripsiyon düzeyleri farkları analiz edilmiştir. Transkripsiyon düzeyleri farkı kullanılarak oluşturulan klasifikatör, şizofrenik ve normal hasta gruplarını %82 kesinlikle tahmin etmiştir. Psikiyatrik hastalıkların altında yatan etmenlerin aydınlatılmasında genetik biyomarkörlerin rolü günden güne önem kazanmaktadır. Ayrıca bu çalışmada kullanılan yöntemlere benzer yöntemlerin, genom temelli tanı yöntemlerinin bulunmasında katkı sağlayacağı düşünülmektedir.
Letter to Editor
Systems biology & Computational neuroscience
Turkish Title : Sistem biyolojisi & hesaplamalı sinirbilim
Kaan Yilancioglu
JNBS, 2014, 1(3), p:99-99
-
-
| ISSN (Print) | 2149-1909 |
| ISSN (Online) | 2148-4325 |
2020 Ağustos ayından itibaren yalnızca İngilizce yayın kabul edilmektedir.