İlaç keşfi ve geliştirmede yapay zeka kullanımı
Use of artificial intelligence in drug discovery and development
- Tez No: 1016600
- Danışmanlar: DOÇ. DR. İDİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Computer Engineering and Computer Science and Control, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, ilaç moleküllerinin hedef proteinlere bağlanmasını, daha kısa sürede ve daha düşük maliyetle tahmin etmeye yönelik bir yaklaşım ele alınmaktadır. İlaç geliştirme süreçlerinde aday moleküllerin hedef proteinlerle kurduğu bağlanma afinitesini öngörmek, maliyet ve hız açısından önemlidir. Bu çalışmanın odağında, sadece SMILES ve FASTA dizilerini girdi kabul eden Transformer tabanlı bir mimari yer almaktadır. Kurgulanan yapıda protein ve ligand dizileri, öncelikle birbirinden bağımsız kodlayıcı bloklarda işlenir. Takip eden aşamada ise iki yönlü çapraz dikkat katmanları devreye girer. Temsiller burada karşılıklı hizalanır ve etkileşim sinyali belirginleşir. Doğrusal olmayan ilişkilerin esnek bir biçimde öğrenilmesi esastır. Bu esnekliği sağlamak adına, modelin ileri beslemeli ağında standart yapılar yerine GeGLU tabanlı kapılı mekanizmalar kullanılmıştır. Bahsedilen yapılandırma sonucunda ortaya çıkan TransformGeGLU modeli, sadece SMILES dizileri ve FASTA sekansları ile eğitilmiş olmasına karşın, DAVIS veri setinde MSE açısından 0.2359, Uyum İndeksi (Concordance Index, CI) açısından 0.8786 ve Kesinlik–Geri Çağırım Eğrisi Altındaki Alan (AUPR) içinse 0.7243 seviyesine ulaşmıştır; KIBA veri kümesinde ise sırasıyla MSE=0.1774, CI=0.8782 ve AUPR=0.7966 değerlerini yakalamıştır. Çok-modlu yaklaşımların sıklıkla sunduğu ilave iki ve üç boyutlu yapısal bilginin avantajına karşın, sınırlı ve minimal girdiyle dahi afinite tahmini açısından rekabet gücü yüksek performans yakalanabildiği bu çalışma kapsamında net biçimde ortaya konmuştur.
Özet (Çeviri)
This thesis presents an approach for predicting the binding of drug molecules to target proteins in a shorter time and at a lower cost. Predicting the binding affinity of candidate molecules to target proteins is important in drug development processes in terms of cost and speed. This study focuses on a Transformer-based architecture that accepts only SMILES and FASTA sequences as input. In the designed structure, protein and ligand sequences are first processed in separate encoder blocks. In the following stage, bidirectional cross-attention layers are activated. Here, the representations are aligned with each other, and the interaction signal becomes apparent. Flexible learning of nonlinear relationships is essential. To provide this flexibility, GeGLU-based gated mechanisms are used in the feedforward network of the model instead of standard structures. The TransformGeGLU model resulting from the aforementioned configuration, although trained only on SMILES and FASTA sequences, achieved an MSE of 0.2359, a Concordance Index (CI) of 0.8786, and an area under the precision–recall curve (AUPR) of 0.7243 on the DAVIS dataset. On the KIBA dataset, it achieved an MSE of 0.1774, a CI of 0.8782, and an AUPR of 0.7966. Despite the advantage of the additional two- and three-dimensional structural information often offered by multimodal approaches, this study clearly demonstrates that competitive performance in terms of affinity estimation can be achieved even with limited and minimal input.
Benzer Tezler
- Kinolin grubu içeren bazı yeni porfirin bileşiklerinin sentezi ve yapılarının aydınlatılması
Synthesis and structures elucidation of some new porphyrin compounds containing quinoline group
MILAD NOROUZIDASTJERDI
- Machine learning applications in drug discovery and development
İlaç keşfi ve tedavisinde yapay zeka uygulamaları
SADETTİN YAVUZ UĞURLU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Unıversıty Of BırmınghamMühendislik ve Doğa Bilimleri Ana Bilim Dalı
DR. SHAN HE
- Integration and analysis of biological data for computational drug discovery
İşlemsel ilaç keşfi için biyolojik verinin entegrasyonu ve analizi
HEVAL ATAŞ GÜVENİLİR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
PROF. DR. MEHMET VOLKAN ATALAY
DOÇ. DR. TUNCA DOĞAN
- İlaç – hedef etkileşiminde (DTI) proteinlerin etkili özelliklerinin belirlenmesinde yapay zeka algoritmaları tabanlı bir çerçeve geliştirme
Development of a framework based on artificial intelligence algori̇thms to determi̇ne the effective properties of proteins in the drug-target interacti̇on (DTİ)
SARA NAGHIB ZADEH
Doktora
Türkçe
2025
Yönetim Bilişim Sistemleriİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. ZÜMRÜT SATI
- Açıklanabilir yapay zeka modelleri ile ilaç yeniden konumlandırılması için benzetim ortamları geliştirilmesi
Developing simulation environments for drug repurposing with explainable artificial intelligence models
İLHAN UYSAL
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. UTKU KÖSE