Geri Dön

Biyobozunurluğun yapay zeka ile tahmini

Prediction of biodegradability with artificial intelligence

PDF İndir

  1. Tez No: 1004740
  2. Yazar: MURAT ASLAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKALP TULUM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Kimya, Computer Engineering and Computer Science and Control, Chemistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son yıllarda çevresel sürdürülebilirlik, küresel ekosistemlerin korunması açısından büyük önem kazanmıştır. Özellikle kimyasal bileşiklerin doğada biyobozunabilirliği, çevresel kirliliğin ve toksik birikimin önlenmesi bakımından kritik bir parametre olarak öne çıkmaktadır. Bu tez çalışmasında, kimyasal bileşiklerin biyobozunurluk sınıfını (RB: Readily Biodegradable – kolay bozunur, NRB: Not Readily Biodegradable – zor bozunur) tahmin etmek için XGBoost, LightGBM, SVM ve RandomForest tabanlı 4 algoritma karşılaştırmalı olarak uygulanmıştır. Çalışmanın temel amacı, kimyasal yapıların SMILES (Simplified Molecular Input Line Entry System) formatındaki gösterimlerinden elde edilen moleküler tanımlayıcılar aracılığıyla biyobozunurluk sınıfını yüksek doğrulukla tahmin etmek ve model kararlarını SHAP (SHapley Additive exPlanations) yöntemi ile açıklanabilir hale getirmektir. Kullanılan veri seti, literatürde yaygın olarak kullanılan QSAR biodegradation dataset olup, 1055 kimyasal bileşiği içermektedir. Her bileşik için çeşitli yapısal, fizikokimyasal ve topolojik özellikler hesaplanmıştır. Toplam 42 adet özellik bulunmaktadır. Hedef değişken iki sınıflıdır: RB (bozunur) ve NRB (bozunmaz). Modelleme sürecinde veri ön işleme, aykırı değer temizleme, ölçekleme, etiket kodlama ve Optuna ile hiperparametre optimizasyonu adımları gerçekleştirilmiştir. Ardından her modelin performansı Accuracy, Precision, Recall, F1-score ve Confusion Matrix metrikleri ile değerlendirilmiştir. Sonuçlar, XGBoost modelinin genel F1 skorunda diğerlerinden daha yüksek performans sergilediğini göstermektedir. Ek olarak SHAP analiziyle, modelin karar sürecinde en etkili moleküler özellikler görselleştirilmiş ve biyobozunurluğu artıran yapısal desenler detaylı biçimde açıklanmıştır. Bu açıklanabilirlik adımı, çevresel toksisite çalışmalarında model güvenilirliğini artıran önemli bir katkı sağlamaktadır.

Özet (Çeviri)

In recent years, environmental sustainability has gained great importance for the protection of global ecosystems. In particular, the biodegradability of chemical compounds in nature has emerged as a critical parameter in preventing environmental pollution and toxic accumulation. In this thesis, four machine learning algorithms, XGBoost, LightGBM, SVM, and RandomForest were comparatively applied to predict the biodegradability class of chemical compounds (RB: Readily Biodegradable, NRB: Not Readily Biodegradable). The main objective of this study is to accurately predict the biodegradability class from the SMILES (Simplified Molecular Input Line Entry System) representations of chemical structures using molecular descriptors and to make the model decisions explainable through the SHAP (SHapley Additive exPlanations) method. The dataset used in this research is the widely known QSAR Biodegradation Dataset, which includes 1,055 chemical compounds. For each compound, various structural, physicochemical, and topological descriptors were calculated, resulting in a total of 42 features. The target variable is binary: RB (biodegradable) and NRB (non-biodegradable).During the modeling process, several preprocessing steps were performed, including outlier removal, scaling, label encoding, and hyperparameter optimization using Optuna. Each model was then evaluated using Accuracy, Precision, Recall, F1-score, and Confusion Matrix metrics. The results demonstrated that the XGBoost model achieved the highest overall F1-score compared to the others. Additionally, SHAP analysis was conducted to visualize the most influential molecular features contributing to the model's decisions and to interpret the structural patterns that enhance biodegradability. This explainability step provides an important contribution by increasing model reliability in environmental toxicity and biodegradability studies.

Benzer Tezler

  1. Tez No

    649073

    Nanocomposite scaffolds containing metal nanoparticles

    Metal nanotanecik içeren nanokompozit yapı iskeleleri

    AYŞEN AKTÜRK

    Doktora

    İngilizce

    İngilizce

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLTEKİN GÖLLER

    PROF. DR. MELEK MÜMİNE EROL TAYGUN

  2. Tez No

    374737

    Yapay tendon olarak kullanılmak üzere elektro eğirme yöntemi ile doğal/sentetik polimerik membranların hazırlanması

    Natural/ synthetic polymeric membranes preparation with electro spinning method for use in artificial tendon

    UĞUR BALTA

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Polimer Bilim ve TeknolojisiYalova Üniversitesi

    Polimer Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KADRİYE TUZLAKOĞLU

  3. Tez No

    886695

    Termal oksidasyon işleminin geri dönüştürülmüş polietilende okso-biyobozunurluğuna etkisinin farklı çevre koşullarında incelenmesi

    Investigation of the effect of thermal oxidation process on the oxo-biodegradability of recycled polyethylene in various environmental conditions

    SEMANUR YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Kimya MühendisliğiYıldız Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU DİDEM ÇORBACIOĞLU

  4. Tez No

    807207

    Yapay deri greftleri olarak keratin/borik asit temelli yapıların sentezi

    Synthesis of keratin/boric acid-based networks as artificial skin grafts

    SAFİYE NUR YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyomühendislikÇanakkale Onsekiz Mart Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. YAVUZ EMRE ARSLAN

  5. Tez No

    1018515

    Kemik doku mühendisliği uygulamaları için 3B baskı ile polimer-seramik kompozit iskelelerinin geliştirilmesi

    Development of polymer-ceramic composite scaffolds using 3d printing for bone tissue engineering applications

    ENGİN GEPEK

    Doktora

    Türkçe

    Türkçe

    2026

    Makine MühendisliğiSakarya Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OSMAN İYİBİLGİN

Geri Dön