Modelling and predicting binding affinity of PCP-like compounds using machine learning methods
Makine öğrenimi yöntemlerini kullanarak PCP benzeri bileşiklerin modellenmesi ve bağlanma eğilimlerinin tahmini
- Tez No: 201872
- Danışmanlar: DOÇ. DR. FERDA NUR ALPASLAN, PROF. DR. ERDEM BÜYÜKBİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Makine öğrenimi yöntemleri bilim ve mühendislik alanlarında ümit vaat eden araçlar olmuşlardır. Bu yöntemlerin kimya ve ilaç tasarımı alanında kullanımı 1990lardan sonra gelişmiştir. Bu çalışmada, PCP benzeri bileşiklerin moleküler elektrostatik potansiyel (MEP) yüzeyleri bağlanma eğilimlerinin tahmininde kullanılacak özellikleri çıkartmak amacıyla modellenecek ve görselleştirilecektir. Modellemede MEP yüzey noktalarının Kartezyen koordinatları küresel özörgütlemeli haritaya eşlenecektir. Sonuçta oluşan haritalar elektrostatik potansiyel değerleri kullanılarak görselleştirilecektir. Bu değerler aynı zamanda tahmin sisteminde kullanılan özellikleri sağlayacaklardır. Destek vektör makineleri ve kısmi en küçük kareler bileşiklerin bağlanma eğiliminin tahmininde kullanılacak ve sonuçlar karşılaştırılacaktır.
Özet (Çeviri)
Machine learning methods have been promising tools in science and engineering fields. The use of these methods in chemistry and drug design has advanced after 1990s. In this study, molecular electrostatic potential (MEP) surfaces of PCP-like compounds are modelled and visualized in order to extract features which will be used in predicting binding affinity. In modelling, Cartesian coordinates of MEP surface points are mapped onto a spherical self-organizing map. Resulting maps are visualized by using values of electrostatic potential. These values also provide features for prediction system. Support vector machines and partial least squares method are used for predicting binding affinity of compounds, and results are compared.
Benzer Tezler
- Methodologies for prediction of transcription factors in transcriptional regulatory mechanisms in biocatalysis of reactions in yeast central pathways
Mayaların merkezi tepkime yolizlerindeki reaksiyonların biyokatalizinde transkripsiyonel regülasyon mekanizmalarındaki transkripsiyon faktörlerinin tahminlenmesi için metodolojiler
OĞUZ ULAŞ YAMAN
Yüksek Lisans
İngilizce
2022
BiyokimyaOrta Doğu Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR ÇALIK
- Identification of novel inhibitors targeting putative dantrolene binding site for ryanodine receptor 2
Ryanodine reseptörü için dantrolene bağlanma bölgesi hedef alınarak yeni inhibitör tanımlama
CEMİL CAN SAYLAN
Yüksek Lisans
İngilizce
2022
Biyofizikİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER BADAY
- 2-fenilindol türevlerinin göreceli bağlanma eğilimlerinin 6D QSAR analizi olarak CoMCET programıyla incelenmesi
Study of relative binding affinity of 2-phenylindole derivatives using CoMCET praograme as 6D QSAR analyse
KADER ŞAHİN
- Bazı 7-hidroksi kumarin bileşiklerinin pıhtılaşma faktörü Xa ve antidiyabetik enzimlerin aktiviteleri üzerine etkilerinin incelenmesi
Effects of some 7-hydroxy coumarin compounds on coagulation factor Xa and activities of antidiabetic enzymes
FURKAN MELETLİ
Yüksek Lisans
Türkçe
2023
Biyokimyaİstanbul Üniversitesi-CerrahpaşaKimya Ana Bilim Dalı
PROF. DR. ÖZLEM SAÇAN
- Detection of small organic molecules with three-dimensional biomolecule-based biosensors using bioinformatics applications
Biyoenformatik uygulamalar kullanılarak üç boyutlu biyomoleküller temelli biyosensörler ile küçük organik moleküllerin tespit edilmesi
İMREN BAYIL
Doktora
İngilizce
2023
BiyoteknolojiGaziantep ÜniversitesiBiyoenformatik ve Bilişimsel Biyoloji Ana Bilim Dalı
DOÇ. DR. TUĞBA TAŞKIN TOK