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
- Tez No: 252120
- Danışmanlar: DOÇ. DR. ZEHRA ÇATALTEPE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2021
BiyofizikKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. MEHMET GÖNEN
- Proteinlerin düzensiz bölgelerinin tahmininde yeni öznitelik kodlama yöntemleri
New feature coding methods in disorder region estimate of protein
SEBAHATTİN BABUR
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT GÖK
- 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
2019
Biyofizikİstanbul ÜniversitesiBiyofizik Ana Bilim Dalı
PROF. DR. MUHAMMET BEKTAŞ
- 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
- Neoadjuvan tedavi alan rektum kanserli hastalarda maspin ekspresyonunun progresyona etkisi
Başlık çevirisi yok
GÜLŞAH ATBİNER EROĞLU
Tıpta Uzmanlık
Türkçe
2022
OnkolojiGazi Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. NURİYE ÖZDEMİR