Yapay sinir ağları ile proteinlerin ikincil yapılarının kestirimi
Protein secondary structure prediction with neural network
- Tez No: 198962
- Danışmanlar: YRD. DOÇ. DR. LALE ÖZYILMAZ, PROF. DR. OKAN ERSOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Protein ikincil yapı kestirimi, Protein Data Bankası, Kendi KendineOrganize Olan Global Sıralamalı Sınıflama Algoritması, Çok Katmanlı Algılayıcı, OlasılıklıYSA, Genelleştirilmiş Regresyon YSA
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Proteinler, önemli görevlerinden dolayı organizmaların en önemli bölümlerindendir.Proteinlerin biyolojik fonksiyonu ile proteinlerin birincil ve özellikle de ikincil yapısı çokyakın ilişkilidir ve bu nedenle proteinlerin ikincil yapılarının bilinmesi gereklidir. Proteinlerinikincil yapıları birincil yapılarına göre çok daha karmaşık ve çok daha fonksiyoneldir. Proteinikincil yapılarının deneysel olarak bulunması hem çok zor olmakta, hem çok zaman almaktahem de çok pahalı olmaktadır. Bunun tersi yapay sinir ağları (YSA), proteinlerin ikincilyapılarının kestirimi için çok kullanılışlı bir yöntemdir.Bu çalışmada kullanılan harfsel bütün datalar PDB'den (Protein Data Bankası)(http://www.rcsb.org/pdb/) elde edilmiş daha sonra harfsel datalar Matlab 7.0'da yazılan birprogramla yapay sinir ağlarına protein ikincil yapı kestirimi yapılabilmesi için uygun sayısalformatlı datalara dönüştürülmüştür. Yirmi farklı tip data ve beş ayrı tip YSA algoritmasıoluşturulmuştur. Bu yirmi farklı data Hemoglobin-141 proteini yedi (11-13-15-17-19-21-23)farklı pencere boyutuyla, Hemoglobin-146 proteini yedi (11-13-15-17-19-21-23) farklıpencere boyutuyla, ayrıca 2003 yılında yapılan Protein Yapı Konferansı'nda sunulan on beşyeni proteinin üç (11-15-19) farklı pencere boyutuyla ve son olarak bu on beş proteinin tabakayapısı çıkarılmış olarak üç (11-15-19) farklı pencere boyutuyla oluşturulmuş datalardır. Bubeş farklı YSA algoritması ise Kendi Kendine Organize Olan Global Sıralamalı SınıflamaAlgoritması (SOGR), Çok Katmanlı Algılayıcı (MLP), Olasılıklı YSA (PNN),Genelleştirilmiş Regresyon YSA (GRNN), Kendi Kendine Organize Olan Haritalar (SOMs)şeklindeki algoritmalardır. SOGR algoritması ise SOM'a karşı 2004 yılının sonundatamamlanmış yepyeni bir algoritmadır. Genel olarak sonuçlar çok iyi çıkmıştır ve test başarımoranı en yüksek SOGR algoritmasında görülmüştür.
Özet (Çeviri)
In Proteins are one of the most important parts of an organism because of their vital tasks.Consequently, it is necessary to know both the primary and secondary structures of proteinsas closely related to its biological function. Secondary structures of proteins are much morecomplicated and much more functional than primary structures of proteins. Discovery ofproteins secondary structures is both very difficult and very expensive. Besides it requires alot of time. On the contrary, Artificial Neural Networks (ANNs) are a useful methodology forsecondary structure prediction of proteins as a more automated, cheaper, and less laborintensive approach.In this study, all of the data were obtained from PDB (Protein Data Bank)(http://www.rcsb.org/pdb/). Then, the letter data were converted to numerical data andprocessed with ANNs by a Matlab program. Twenty different types of data and five differenttypes of ANN algorithms were used. The twenty different type data were Hemoglobin-141protein seven different kinds of sliding windows (11-13-15-17-19-21-23), Hemoglobin-146protein seven different kinds of sliding windows (11-13-15-17-19-21-23), fifteen new proteinpresented at the Fifth Community Wide Experiment on the Critical Assessment of Techniquesfor Protein Structure Prediction Asilomar Conference Center in 2003 three with kinds ofsliding windows (11-15-19) and the same proteins three different kinds of sliding windows(11-15-19) without the sheet structures. The five different types ANNs were Self OrganizingGlobal Ranking Algorithm (SOGR), Multilayer Perceptron (MLP), Probabilistic NeuralNetwork (PNN), Generalized Regression Neural Network (GRNN) and Self Organizing Maps(SOMs). In general, results were very satisfactory, and the SOGR had the highest testingaccuracies.
Benzer Tezler
- Secondary structure prediction of hemeglobin by using combined neural networks
Birleştirilmiş yapay sinir ağları kullanılarak hemoglobinin ikincil yapısının tahmin edilmesi
İREM ERSÖZ
Yüksek Lisans
İngilizce
2003
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TURGAY İBRİKÇİ
- Protein fold classification and motif retrieval methods by using the primary and secondary structures
Primer ve sekonder yapılar kullanılarak proteinlerin fold düzeyinde sınıflandırılması ve motif çıkarımı
ÖZLEM POLAT
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR ÖLMEZ
- Fidan gelişimi algoritması ile protein yapı tahmini
Protein secondary structure estimation with tree frowing up algorithm
SEDA ARSLAN TUNCER
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ KARCI
- Dizisi bilinen proteinlerin 3D Benzetim Modellerinin kurulması ve Modelin etkili SNP 'lerin saptanmasında kullanılması
Establishment of 3D simulation models of proteins with known sequences and using the model in detecting effective SNP
MUHAMMED KAMİL TURAN
Doktora
Türkçe
2011
BiyolojiOndokuz Mayıs ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
PROF. DR. HASAN BAĞCI
- Akut idiopatik poliradikülonöropati'de elektrofizyolojik testlerin prognozu erken saptamadaki değeri
Başlık çevirisi yok
TİMUR KÖKSEL