Geri Dön

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

  1. Tez No: 252120
  2. Yazar: ESER AYGÜN
  3. Danışmanlar: DOÇ. DR. ZEHRA ÇATALTEPE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Biyolojik dizi analizi, nükleotid ve amino asit dizilerinin evrimsel, yapısal ve işlevsel özelliklerini ortaya çıkarmayı amaçlar. İkili hizalama algoritmaları, biyolojik dizi analizinde yoğun olarak kullanılan araçlardır. Bu çalışmada; standart ikili hizalama algoritmalarının bir derlemesini sunmak, Oommen ve Kashyap'ın tanımladığı dizi geçiş olasılığını bir biyolojik dizi benzerlik ölçütü olarak tanıtmak, yapısal bilginin protein işlev kestiriminin başarısını nasıl arttırdığını göstermek, Oommen ve Kashyap'ın dizi geçiş olasılığını, iki peptit sınıflandırma problemi üzerine standart dizi benzerlik ölçütleriyle kıyaslamak, ve gereken dizi analiz araçlarını bir bilgisayar yazılımı olarak gerçeklemek amaçlanmıştır. Çalışmanın deneysel kısmının ilk aşamasında, ikincil yapı dizilerini amino asit dizisi hizalamalarıyla birlikte kullanmanın moleküler işlev kestirim başarısını arttırdığını açıkça ortaya koymuştur. Buna karşılık kestirilmiş ikincil yapıların kestirime herhangi bir katkısının olmadığı gözlenmiştir. İkinci olarak, dizi geçiş olasılıkları, sınıflandırıcıya sunulan nitelikler olarak, standart genel hizalama puanları ile kıyaslanmıştır. Sınıflandırma başarısı ölçümleri, dizi geçiş olasılıklarının genel hizalama puanlarından çok daha iyi nitelikler sağladığını şüpheye yer bırakmayacak şekilde ortaya koymuştur. Önerilen yöntem ayrıca aynı veri kümeleri üzerinde uygulanmış önceki yöntemlerin neredeyse hepsinden daha başarılı olarak genel kabul görmüş peptit benzerlik ölçütü olmaya aday olduğunu kanıtlamıştır.

Özet (Çeviri)

Biological sequence analysis deals with nucleotide and amino acid sequences, aiming to expose their evolutionary, structural and functional properties. This study intends to provide a review of well known pairwise alignment methods, to introduce the syntactic transition probability of Oommen and Kashyap as a biological sequence similarity metric, to demonstrate how the structural information improves protein function prediction, to compare syntactic transition probability of Oommen and Kashyap with standard sequence similarity metrics on two peptide classifaction problems, and to implement necessary sequence analysis tools as a computer software. In the first part of the experiments, the results clearly indicate that the use of secondary structure sequences along with amino acid sequence alignments improves molecular function prediction performance, while the use of predicted secondary structures does not. In the second part, syntactic transition probabilities are compared with standard global alignment scores as being features fed into a machine learning classifier. The classification performance measurements undoubtedly proved that syntactic transition probabilities are much better features than global alignment scores for peptides.

Benzer Tezler

  1. Identifying functionally important missense mutations in cancer by dynamics-based analysis and predicting pathogenicity/disease category of missense mutations

    Kanserde fonksiyonel öneme sahip yanlış anlam mutasyonların dinamik tabanlı analizle belirlenmesi ve yanlış anlam mutasyonların patojenite/hastalık kategorisinin tahmin edilmesi

    JAN FEHMİ SAYILGAN

    Doktora

    İngilizce

    İngilizce

    2021

    BiyofizikKoç Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. MEHMET GÖNEN

  2. Proteinlerin düzensiz bölgelerinin tahmininde yeni öznitelik kodlama yöntemleri

    New feature coding methods in disorder region estimate of protein

    SEBAHATTİN BABUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT GÖK

  3. Aktin modelinde protein-ligand etkileşimlerinin yeni yaklaşımlar çerçevesinde incelenmesi

    Investigation of protein-ligand interactions using new approaches on actin model

    KEMAL ALPER ÖNSÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Biyofizikİstanbul Üniversitesi

    Biyofizik Ana Bilim Dalı

    PROF. DR. MUHAMMET BEKTAŞ

  4. Baş-boyun kanserine neden olan genlerin genefishing tekniği kullanılarak tanımlanması

    Identification of genes contributing to head and neck cancer using genefishing technique

    SEDA EKİZOĞLU ERATAK

    Doktora

    Türkçe

    Türkçe

    2017

    Genetikİstanbul Üniversitesi

    Genetik Ana Bilim Dalı

    PROF. DR. ALİ NUR TURGUT ULUTİN

  5. Neoadjuvan tedavi alan rektum kanserli hastalarda maspin ekspresyonunun progresyona etkisi

    Başlık çevirisi yok

    GÜLŞAH ATBİNER EROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    OnkolojiGazi Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. NURİYE ÖZDEMİR