Bibliographic Metadata

Title
Analyse des CpG-Methylierungsunterschiedes zwischen benignen und malignen Schilddrüsenknoten
Additional Titles
Detection of CpG methylation to distinguish between benign and malign in thyroid nodules
AuthorBauerstätter, Priska
CensorJaritz, Markus
Published2019
Descriptionkein Volltext verfügbar
Date of SubmissionApril 2019
LanguageEnglish
Document typeMaster Thesis
Keywords (DE)Schilddrüsenkrebs / targeted Bisulfit-Sequenzierung / Genmethylierung / MSRE / MDRE / qPCR / maschinelles lernen / Beta-Regression / CpG
Keywords (EN)thyroid cancer / targeted bisulfited sequencing / MSRE / MDRE / qPCR / machine learning / Beta Regression / gene methylation / CpG
Restriction-Information
 _
Classification
Abstract (German)

In dieser Arbeit sollen potentielle epigenetische Biomarker analysiert werden, sodass anhand der Ergebnisse später ein auf DNA-Methylierungsbiomarkern basierender, diagnostischer Test entwickelt werden kann. Konkret liefert diese Arbeit einen ersten Proof-of-Concept für die Unterscheidung zwischen benignen und malignen Schilddrüsenknoten. Um das Ziel der Arbeit zu erreichen wurden drei Datensätze analysiert. Der erste ist ein 96 potenzielle Genregionen umfassender targeted Bisulfit-Datensatz aus dem die 29 am meisten diskriminierenden Genregionen ausgewählt wurden. Für 15 dieser Genregionen wurden multiple Primer designed und anhand von MSRE-qPCR-Experimenten getestet (zweiter Datensatz) um die optimalen Primerpaare zu finden. Für die verbleibenden 14 konnten keine Primer designed werden, da an der relevanten Region entweder keine Cut Site vorhanden, oder kein Assay-Design möglich ist. Die Analyse der MSRE-qPCR-Daten ergab 10-15 als optimale Anzahl an Genregionen beziehungsweise Genregionen aus 14 Genen für die Trennung zwischen benignen und malignen Schilddrüsenknoten. Der dritte Datensatz ist eine Kombination aus 6 MSRE- und 8 MDRE-qPCR-Experimenten aus dem ein Recursive Feature Elimination- Modell als bestes Modell mit einer Sensitivität von 90% und Spezifität 83.3% sowie Genregionen aus 5 Genen als beste Klassifikatoren ausgewählt wurden.

Abstract (English)

To avoid unnecessary surgeries, this master thesis attempts to find a feasible DNA methylation biomarker set to distinguish between benign and malign thyroid nodules. Therefore, three data sets were analyzed. The first one is a targeted bisulfite data set, which spans 96 potential regions from which the 29 most discriminant gene regions were selected. 14 either didn’t have a cut site on their relevant region or it was not possible to design an assay for the region. For the remaining 15 gene regions multiple primers were created and tested in an MSRE-qPCR experiment (the second data set) to find the optimal primer pairs. The analysis of the data resulted in 10-15 as the optimal number of gene regions and gene regions of 14 most discriminant genes. Finally, the third data set was an MSRE- and MDRE-qPCR data set with the 14 gene regions and the best result was a recursive feature elimination model with gene regions of 5 genes resulting with an estimated sensitivity of 90% and 83.3% specificity.