Συντάχθηκε 20-02-2026 08:41
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 24/02/2026 13:00
Λήξη: 24/02/2026 14:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Λαμπριανής Τσάπανου
με θέμα
Ενσωμάτωση Διαφορικών Δικτύων Συν-έκφρασης και Δικτύων Αλληλεπίδρασης Πρωτεϊνών για τη Μελέτη Πρόδρομων Βλαβών στον Καρκίνο του Παγκρέατος
Integration of Differential Co-Expression and Protein-Protein Interaction Networks to Study Precursor Lesions in Pancreatic Cancer
Εξεταστική Επιτροπή
Καθηγητής Μιχάλης Ζερβάκης (επιβλέπων)
Καθηγητής Διονύσιος Χριστόπουλος
Ομότιμος Καθηγητής Απόστολος Δόλλας
Περίληψη
Ο καρκίνος του παγκρέατος αποτελεί μία από τις πλέον επιθετικές μορφές καρκίνου, με εξαιρετικά χαμηλά ποσοστά επιβίωσης, κυρίως λόγω της απουσίας πρώιμης συμπτωματολογίας και της έλλειψης αξιόπιστων μεθόδων έγκαιρης διάγνωσης. Ιδιαίτερο ενδιαφέρον παρουσιάζουν οι πρόδρομες βλάβες του παγκρέατος, όπως οι PanIN αλλοιώσεις, οι οποίες προηγούνται της εμφάνισης του διηθητικού παγκρεατικού αδενοκαρκινώματος και μπορούν να προσφέρουν κρίσιμες πληροφορίες για την πρόληψη και την πρώιμη ανίχνευση της νόσου.
Στην παρούσα διπλωματική εργασία πραγματοποιείται η ενσωμάτωση διαφορικών δικτύων συνέκφρασης γονιδίων και δικτύων πρωτεϊνικών αλληλεπιδράσεων με στόχο τη μελέτη των μοριακών μεταβολών που λαμβάνουν χώρα κατά τη μετάβαση και διαφοροποίηση μεταξύ των διαφορετικών κλινικών καταστάσεων. Με αφετηρία ένα σύνολο 67 γονιδίων με σημαντική διαφορική έκφραση που συνδέει την εμβρυογένεση με διηθητικό παγκρεατικό αδενοκαρκίνωμα αναλύθηκαν δεδομένα γονιδιακής έκφρασης από υγιή, προκαρκινικά και καρκινικά δείγματα ανθρώπου. Μέσω στατιστικής ανάλυσης διαφορικής συσχέτισης και εφαρμογής μεθόδων θεωρίας γράφων, κατασκευάστηκαν δίκτυα διαφορικής συνέκφρασης και εξήχθησαν υποδίκτυα με αυξημένη τοπολογική και βιολογική σημασία.
Η αξιολόγηση των προτεινόμενων δικτύων πραγματοποιήθηκε μέσω τοπολογικής ανάλυσης και σύγκρισης με καθιερωμένα δίκτυα λειτουργικών αλληλεπιδράσεων από τη βάση δεδομένων STRING, επιτρέποντας τον εντοπισμό κοινών αλλά και νέων αλληλεπιδράσεων. Τα αποτελέσματα αναδεικνύουν κρίσιμους κόμβους και υποδίκτυα που διαφοροποιούνται μεταξύ υγιούς, προκαρκινικής και καρκινικής κατάστασης και σχετίζονται με γνωστά βιολογικά μονοπάτια της παγκρεατικής καρκινογένεσης.
Η εργασία, μέσα από τη μελέτη των δικτύων και υποδικτύων διαφορικής συνέκφρασης συμβάλει στην ανάδειξη κομβικών μορίων που διαδραματίζουν σημαντικό ρόλο στη μετάβαση από την υγιή στην προκαρκινική και καρκινική κατάσταση. Κατά συνέπεια, η συγκεκριμένη μελέτη καταδεικνύει την ανάλυση δικτύων διαφορικής συνέκφρασης ως εργαλείο ανάδειξης υποψήφιων βιοδεικτών για την έγκαιρη ανίχνευση του διηθητικού παγκρεατικού αδενοκαρκινώματος και τη χρήση τους ως πιθανών θεραπευτικών στόχων.
Abstract
Pancreatic cancer is one of the most aggressive forms of cancer, characterized by extremely low survival rates, mainly due to the absence of early symptoms and the lack of reliable methods for early diagnosis. Of particular interest are pancreatic precursor lesions, such as PanINs, which precede the development of invasive pancreatic ductal adenocarcinoma and can provide critical information for disease prevention and early detection.
In this Master’s thesis, an integrative analysis of differential gene co-expression networks and protein–protein interaction networks, is performed in order to investigate the molecular alterations that occur during the transition and differentiation between different clinical states of pancreatic tissue. Starting from a set of 67 genes with significant differential expression linking embryogenesis to invasive pancreatic ductal adenocarcinoma, gene expression data from healthy, precancerous, and cancerous human samples were analyzed. Through statistical differential correlation analysis and the application of graph theory–based methods, differential co-expression networks were constructed and biologically meaningful subnetworks were identified.
The proposed networks were evaluated through topological analysis and comparison with established functional interaction networks from the STRING database, enabling the identification of both shared and novel interactions. The results highlight key nodes and subnetworks that differ among healthy, precancerous, and cancerous states and are associated with known biological pathways involved in pancreatic carcinogenesis.
Through the study of differential co-expression networks and subnetworks, this work contributes to the identification of key molecules that play an important role in the transition from healthy to precancerous and cancerous states. Consequently, the present study demonstrates that differential co-expression network analysis can serve as a powerful tool for the identification of candidate biomarkers for the early detection of invasive pancreatic ductal adenocarcinoma and their potential use as therapeutic targets.
