IgG N-glikan profiline dayalı makine öğrenmesi temelli etnik köken tahmini
Machine learning-based ethnicity prediction using IgG N-glycan profiles
- Tez No: 1023880
- Danışmanlar: DOÇ. DR. HAKAN YILMAZ, DOÇ. DR. HACI MEHMET KAYILI
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Biyokimya, Biyoteknoloji, Bioengineering, Biochemistry, Biotechnology
- Anahtar Kelimeler: Biyobelirteçler, Glikozilasyon, N-glikan, Biomarkers, Glycosylation, N-glycan
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, farklı etnik kökenlere ait bireylerin immünoglobulin G (IgG) N-glikan profillerinin incelenmesi ve elde edilen glikomik veriler kullanılarak makine öğrenmesi temelli etnik köken tahmin modellerinin geliştirilmesi amaçlanmıştır. Genetik ve çevresel faktörlerin etkisiyle değişkenlik gösteren IgG üzerindeki N-bağlı glikan yapıları, bireyler arasındaki biyolojik farklılıkların belirlenmesinde potansiyel biyobelirteçler olarak değerlendirilmektedir. Çalışma kapsamında, farklı etnik köken gruplarından kurumuş kan kartı kullanılarak parmak ucundan alınan kan örneklerinden IgG izolasyonu gerçekleştirilmiş ve N-glikanlar peptid-N-glikozidaz F (PNGase F) enzimi kullanılarak serbest bırakılmıştır. Serbestleştirilen glikanlar prokainamid ile floresan olarak etiketlenerek Hidrofilik Etkileşim Sıvı Kromatografisi-Floresan Dedektörü (HILIC-FLD) yöntemi ile analiz edilmiştir. Analizler sonucunda 19 adet IgG N-glikan piki belirlenmiş; galaktozilasyon, siyalilasyon, fukozilasyon ve bisektik glikan oranları ile çeşitli türetilmiş parametreler hesaplanarak toplam 36 glikozilasyon özelliği değerlendirmeye alınmıştır. Etnik köken grupları arasındaki glikozilasyon farklılıklarını saptamak amacıyla yapılan istatistiksel analizler, bazı IgG N-glikan yapıları ile türetilmiş parametrelerde istatistiksel açıdan anlamlı farklılıklar olduğunu göstermiştir. Ayrıca, glikomik veriler üzerinden Destek Vektör Makineleri (SVM), Çok Katmanlı Algılayıcı (MLP), Karar Ağacı (Decision Tree) ve diğer makine öğrenmesi algoritmaları kullanılarak sınıflandırma modelleri geliştirilmiştir. Doğruluk, F1 skoru, ROC eğrisi altında kalan alan (AUC) ve Matthews korelasyon katsayısı (MCC) metrikleriyle değerlendirilen bu modeller arasında Karar Ağacı, 0,869 AUC değeri ile en yüksek performansı sergileyerek etnik köken gruplarını ayırt etmede iyi bir başarı elde etmiştir. Sonuç olarak, bu çalışma IgG N-glikan profillerinin etnik köken grupları arasında ayırt edici özellikler taşıdığını ve bu verilerin makine öğrenmesi algoritmalarıyla incelenmesinin etnik köken tahmininde bir araç olduğunu göstermektedir. Bu yaklaşımın gelecekteki araştırmalarla desteklenmesinin, adli bilimler, popülasyon çalışmaları ve biyobelirteç araştırmaları gibi alanlarda önemli katkılar sağlayacağı öngörülmektedir.
Özet (Çeviri)
This study aimed to investigate the immunoglobulin G (IgG) N-glycan profiles of individuals from different ethnic origins and to develop machine learning-based models for ethnic origin prediction using the obtained glycomic data. N-linked glycans on IgG, which vary under the influence of genetic and environmental factors, are considered potential biomarkers for identifying biological differences among individuals. Within the scope of the study, IgG was isolated from fingertip blood samples collected on dried blood spot (DBS) cards from individuals belonging to different ethnic groups, and N-glycans were released using the enzyme Peptide-N-Glycosidase F (PNGase F). The released glycans were fluorescently labeled with procainamide and analyzed using Hydrophilic Interaction Liquid Chromatography with Fluorescence Detection (HILIC-FLD). As a result of the analyses, 19 IgG N-glycan peaks were identified. In addition, galactosylation, sialylation, fucosylation, bisecting glycan ratios, and various derived glycosylation parameters were calculated, resulting in a total of 36 glycosylation features included in the analyses. Statistical analyses performed to determine glycosylation differences among ethnic groups revealed statistically significant differences in several IgG N-glycan structures and derived parameters. Furthermore, classification models were developed using glycomic data with Support Vector Machines (SVM), Multilayer Perceptron (MLP), Decision Tree, and other machine learning algorithms. The models were evaluated using accuracy, F1-score, Area Under the Receiver Operating Characteristic Curve (ROC-AUC), and Matthews Correlation Coefficient (MCC). Among the evaluated models, the Decision Tree achieved the highest performance with an AUC value of 0.869, demonstrating strong capability in discriminating between ethnic groups. In conclusion, this study demonstrates that IgG N-glycan profiles possess distinctive characteristics among different ethnic groups and that the analysis of these data using machine learning algorithms represents a promising approach for ethnic origin prediction. Further validation of this approach in future studies may contribute significantly to fields such as forensic science, population studies, and biomarker research.
Benzer Tezler
- Glikan profilleme ile MS oligoklonal band analizinin gerçekleştirilmesi
Performing MS oligoclonal band analysis with glycan profiling
FURKAN ŞAHİN
Yüksek Lisans
Türkçe
2024
BiyokimyaAcıbadem Mehmet Ali Aydınlar ÜniversitesiBiyokimya ve Moleküler Biyoloji Ana Bilim Dalı
PROF. DR. AHMET TARIK BAYKAL
DR. HASAN ÜMİT ÖZTÜRK
- Development of a bioanalytical method for rapid and efficient N-glycan analysis of therapeutic proteins by mass spectrometric methods
Kütle spektrometrik yöntemlerle terapötik proteinlerin hızlı ve etkili N-glikan analizi için biyoanalitik bir yöntemin geliştirilmesi
ZIDAN MASOUD EMHAMED RAGOUBI
Yüksek Lisans
İngilizce
2022
BiyomühendislikKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. HACI MEHMET KAYILI
PROF. DR. BEKİR SALİH
- Protein esaslı biyoterapötik ilaçların iyon hareketliliği kütle spektrometresi ile karaterizasyonları
Characterization of protein based biotherapeutic drugs by ion mobility mass spectrometry
İZZET AVCI
- Periodontal hastalıkların biyobelirteçolarak serum ve tükürük ıgg N-glikanprofilleri ile toplam serum N-glikanlarınınkarakterizasyonu
Characterization of serum and salivary iggn-glycan profiles and total serum nglycans as biomarkers for periodontal diseases
FATİH ÇAKIR
- Determining therapeutic proteins and prebiotic N-glycan concentrations in bovine colostrum
Sığır kolostrumunda bulunan terapötik protein ve prebiyotik N-glikan konsantrasyonlarının belirlenmesi
AYŞENUR ARSLAN
Yüksek Lisans
İngilizce
2022
BiyoteknolojiÇanakkale Onsekiz Mart ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. SERCAN KARAV