Protein secondary structure prediction with classifier fusion
Sınıflandırıcı birleştirimi ile protein ikincil yapısı kestirimi
- Tez No: 215851
- Danışmanlar: YRD. DOÇ. DR. HAKAN ERDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Bilinen protein dizileri sayısı çok hızlı artmaktadır, fakat proteinlerin yapısını deneysel metotlarla belirlemek maliyetli ve yavaş olduğu için yapısı bilinen proteinlerin sayısı ile dizisi bilinen proteinlerin sayısı arasındaki fark gittikçe artmaktadır. Bu yüzden amino asit zinciri bilinen bir proteinin yapısının hesaplamalı yollarla bulunması bu farkı kapatmak açısından önemlidir. Bu tezde ikincil yapı adı verilen protein yapısının kestirimi üzerine yoğunlaşılmıştır. İkincil yapı kestirimi kategoriler halinde incelenebilir. Bazı diziler çoklu dizi profilleri ile zenginleştirilebilirken bazı diziler için profil çıkartılamaz. Bu iki durum da bu çalışmada incelenmiştir.Yoğunlaştığımız ilk durum çoklu dizi hizalama bilgisinin olmadığı durumdur. Boyut düşürme ve öznitelik seçimi yöntemleri kullanılarak tekli, çiftli ve pozisyon özniteliklerini profil bilgisinden çıkaran yeni bir öznitelik çıkarma yöntemi geliştirdik. Çıkarılan bu öznitelikler ile ham öznitelikleri sınıflandırma için kullandık. Kullandığımız ilk seviye sınıflandırıcılar saklı Markov modeli, destek vektör makinesi, doğrusal ayırtaç sınıflandırıcısıdır. Bu ilk seviye sınıflandırıcıları birleştiren yeni bir yöntem sunulmuştur.İkinci olarak, tek dizi protein ikincil yapısı kestirimi problemine yoğunlaştık. Bu problem için daha önceden önerilmiş olan IPSSP algorithmasının performansını arttırmak için değişik eğitim kümesi indirgeme yöntemleri incelenmiştir. Deney sonuçları eğitim kümesi indirgemenin, yetim proteinlerin ikincil yapısının kestirimi için işe yaradığını göstermektedir.
Özet (Çeviri)
The number of known protein sequences is increasing very rapidly. However, experimentally determining protein structure is costly and slow, so the number of proteins with known sequence but unknown structure is increasing. Thus, computational methods for prediction of structure of a protein from its amino acid sequence are very useful. In this thesis, we focus on the problem of a special type of protein structure prediction called secondary structure prediction. The problem of structure prediction can be analyzed in categories. Some sequences can be enriched by forming multiple alignment profiles, whereas some are single sequences where one cannot form profiles. We look into different aspects of both cases in this thesis.The first case we focus in this thesis is when multiple sequence alignment information exists. We introduce a novel feature extraction technique that extracts unigram, bigram and positional features from profiles using dimension reduction and feature selection techniques. We use both these novel features and regular raw features for classification. We experimented with the following types of first level classifiers: Linear Discriminant Classifier (LDCs), Support Vector Machines (SVMs) and Hidden Markov Models (HMMs). A novel method that combines these classifiers is introduced.Secondly, we focus on protein secondary structure prediction of single sequences. We explored different methods of training set reduction in order to increase the prediction accuracy of the IPSSP (Iterative Protein Secondary Structure Prediction) algorithm that was introduced before [ipssp]. Results show that composition-based training set reduction is useful in prediction of secondary structures of orphan proteins.
Benzer Tezler
- Kümelenmiş protein dizileri kullanarak yapısal özellik tahmini yapan yöntemlere özellik vektörü tasarlamak
Designing feature vector for methods which predict protein structure by using clustered protein sequences
SEMA ATASEVER
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERBAY
DR. ÖĞR. ÜYESİ ZAFER AYDIN
- Protein işlev kestiriminde yapısal bilginin katkısı ve dizi geçiş olasılıkları ile peptit sınıflandırma
Improvement of protein function prediction using structural information and peptide classification using syntactic transition probabilities
ESER AYGÜN
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- Alt sekans profil haritaları kullanılarak protein katlanması tanıma
Protein fold recognition using subsequence profile maps
RUŞEN HALEPMOLLASI
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖMER SİNAN SARAÇ
- 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
- Protein fragment selection using machine learning
Makine öğrenmesi ile protein parçacık seçimi
ALPEREN EMRE ULUTAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ZAFER AYDIN