Karłowski, Wojciech. PromotorMaciukiewicz, Małgorzata2013-09-122013-09-122013-09-12http://hdl.handle.net/10593/7749Wydział BiologiiSchizofrenia (SCH) oraz zaburzenie afektywne dwubiegunowe (BP) są chorobami psychicznymi o złożonym obrazie klinicznym oraz skomplikowanym podłożu genetycznym. W praktyce, w celu wydzielenia jednorodnych grup pacjentów stosowane są tzw. wymiary kliniczne. Celem przedstawionej pracy było zastosowanie nowatorskiego podejścia do poszukiwania wymiarów obu schorzeń. Podstawę do prowadzonych badań stanowił kwestionariusz OPCRIT. W rezultacie prowadzonych analiz potwierdzono obecność opisywanych poprzednio wymiarów, a także wykryto nową domenę związany z funkcjonowaniem społecznym. W oparciu o uzyskaną strukturą wymiarów obu schorzeń oraz wybrane geny kandydujące przeprowadzono badania mające na celu określenie asocjacji genetycznych. W rezultacie zidentyfikowano powiązania między markerami receptora melatoniny a domeną psychotyczną. Analiza algorytmów uczenia maszynowego do przewidywania obecności wymiarów w oparciu o wyniki testu OPCRIT doprowadziła do zidentyfikowania dwóch metod (maszyny wektorów nośnych oraz drzew decyzyjnych), które generowały modele użyteczne do przewidywania obecności głównego podwymiaru depresji, manii oraz wymiaru pozytywnego. Ponadto, wykazano, że analiza wymiaru manii oraz głównego podwymiaru depresji z wykorzystaniem metod obliczeniowych pozwala na rozróżnienie pacjentów z SCH oraz BP. Uzyskane wyniki wymagają jednak dalszego sprawdzenia na niezależnej populacji klinicznej. Dodatkowo, analiza tzw. zmiennych około-chorobowych z testu OPRIT wykazała ich umiarkowaną użyteczność w prognozowaniu obecności/natężeniu danego zespołu objawu.Schizophrenia (SCH) and bipolar affective disorder (BD) are psychiatric disorders complex both in clinical picture and genetic background. To detect homogenous group of clinical dimensions are suggested to be used. Main goal of our study was to evaluate novel approach to dimensions detection. We based our computation on OPCRIT checklist results. As the result not only we affirmed previously described but detect novel, “social functioning” domain as well. Having dimensions structure described we performed generic association analyses with chosen candidate genes. As the result we detected relation between melatonin receptor and psychotic domain. Machine learning algorithms enabled us to identified two methods (supported vector machines and decision trees) to predict presence/absence of given domain. Computations were succeed in main depression subdomain, mania and positive dimension. Moreover we were able to discriminate schizophrenia and bipolar disorder patients using mania and main depression subdimension. Results obtained are needed to be checked on independent clinical sample. Additionally we checked if so called illness-related variables may be used to predict presence/intensity of dimensions detected, however our success was moderate.plschizofreniaschizophreniaasocjacje genetycznegenetic associationOPCRITwymiary kliniczneclinical dimensionsuczenie maszynowemachine learningDysertacja