Geri Dön

Genetik ağların topolojik özellikleri

Topological properties of genetic networks

  1. Tez No: 166393
  2. Yazar: YASEMİN ŞENGÜN
  3. Danışmanlar: PROF. DR. AYŞE ERZAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Fizik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Gen etkileşimlerini modelleyebilecek, ratsgele oluşturulan, içerik esaslı ağ yapısının derece dağılımları daha once [D. Bakan, A. Erzan, Eur. Phys. J. B, 38, 253-260 (2004)] incelenmişti. Simülasyon ve analitik [M. Mungan, A. Kabakcioglu, D. Balcan and A. Erzan,“Analytical Solution of a Stochastic Model of Gene Regulation,”q- bio.MN/0406049] çözümler sonunda, r tane sembolden oluşan ve ortalama kelime uzunlukları ~ p'1 ile verilen içeriksel ağların derece dağılımları için, küçük ve büyük derecelerde, kuvvet yasalarına uygunluk ve sırasıyla y-l=y2+H2 ile y2 =(l/2)[(lnr + ln(l-/?)]/[lnr-ln(l-/?)] üstelleri bulunmuştu. Nokta mutasyonlar altında değişmeyen bu sonuçlar, genetik düzenleme ağlarının literatürde gözlenen üstellerine benzemektedir. Biz çalışmamızda, evrimde önemli bir yer tutan gen duplikasyonu olgusunu bu modele uyguladığımızda ölçeklenme sonuçlarının değişip değişmeyeceği, değişiyorlarsa, nasıl değişeceklerini araştırdık. Bulunan ölçeklenme davranışı, kalitatif olarak, önceden bulunan sonuçlara benzemekte, mutasyon kurallarımızı değiştirmediğimiz takdirde nümerik sonuçlar da ancak çok küçük değişiklikler göstermektedir. Ne var ki, ağ yapısında uzun erişimli korelasyonlara neden olabilen türden nokta mutasyon kuralları seçildiğinde, üstellerin değerleri değişmektedir. Bu durumda, tamamen gelişigüzel kodlar için hesaplanmış olan analitik ifadelere, etkin p değerlerinin koyulması ile bulunan ölçeklenme üstelleri de, simülasyonlarımızdan farklılaşan sonuçlar vermektedirler. İçerik temelli bu modellerin verdiği ağ yapıları, Wagner' in gen duplikasyonu ve diverjansı ile genetik etkileşim ağlarını ilişkilendiren şematik modelinden de, sürekli ve ayrık iki değişik ölçeklenme davranışının gözlenmesi açısından, farklılık göstermektedir.

Özet (Çeviri)

A content-based model for a network of gene interactions was defined and degree distribution of this network was studied by Balcan and Erzan [D. Bakan, A. Erzan, Eur. Phys. J. B, 38, 253-260 (2004)]. Simulations and analytical calculations for an alphabet of r lettters and a random code of average word length ~ p“1 yielded [M. Mungan, A. Kabakcioglu, D. Balcan and A. Erzan, ”Analytical Solution of a Stochastic Model of Gene Regulation,“ q-bio.MN/0406049] power law behaviour with the exponents Y\ =y2+l/2 and/2 =(l/2)[(lnr + ln(l-p)]/[lnr-ln(l-/?)] for small and large degrees, respectively. The model was invariant under point mutations and had exponents similar to those found for genetic networks studied in the literature. In this study we investigate how incorporating the process of ”gene duplication" affects the scaling behaviour of the degree distribution. We find scaling behavior qualitatively similar to the original model; if the same mutation rules are employed as in the original model, duplication gives rise to only very small changes in the scaling exponents. However, for mutation rules which seem to give rise to correlations between different nodes, the values of the exponents change appreciably. In this case, even when the sequence length distributions converge to exponential functions, substituting the effective p values in the above expressions calculated for purely random sequences does not yield the exponents we obtain from simulations. The degree distributions obtained from both models differ from the network model introduced by Wagner, based on gene duplication and divergence, in that they exhibit both continuous and discrete regimes.

Benzer Tezler

  1. Identification of functionally related and mutually exclusive micrornas associated with diseases using deep neural networks approach

    Derin sinir ağları yaklaşımı kullanılarak hastalıklarla ilişkili işlevsel olarak ilişkili ve karşılıklı olarak özel mikrorna'ların tanımlanması

    REZA ARSHINCHI BONAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    BiyolojiDokuz Eylül Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DR. TUTOR MEMBER OF ATHANASIA PAVLOPOULOU

  2. Evolving boolean graphs to model the topological and dynamical behavior of biological regulatory networks and their metanetworks

    Boolcu ağların evrimleştirilmesi ile biyolojik regulasyon ağlarının ve meta-ağlarının topolojik ve dinamik özelliklerinin modellenmesi

    BURÇİN DANACI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ERZAN

  3. Optimization of the number and placement of routers in wireless mesh networks

    Başlık çevirisi yok

    MOHAMMED SADEQ ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MESUT ÇEVİK

  4. Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

  5. Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN