Geri Dön

Çok amaçlı genetik algoritma kullanarak DNA mikrodizi verilerinin kümelenmesi

Clustering DNA microarray data via multi-objective genetic algorithm

PDF İndir

  1. Tez No: 269977
  2. Yazar: MUSTAFA KAHRAMAN
  3. Danışmanlar: DOÇ. DR. MEHMET KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Computer Engineering and Computer Science and Control, Bioengineering
  6. Anahtar Kelimeler: Genetik algoritmalar, Kümeleme analizi, Veri analizi, Genetic algorithms, Cluster analysis, Data analysis
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

DNA mikrodizi teknolojisi, önemli biyolojik süreçlerdeki binlerce gen ifadesi seviyelerinin aynı anda izlenmesini olanaklı kılar. Gen ifadesi verilerinde saklı örüntüleri açıklama fonksiyonel genomu anlama için muazzam bir fırsat sunar. Bununla birlikte, biyolojik ağların karmaşıklığı ve çok büyük miktarlardaki genler, oluşan veriyi anlama ve yorumlamada bazı problemleri de beraberinde getirir. Bu problemlerin çözümü için sunulan bir alternatif, kümeleme tekniklerinin kullanılmasıdır. Kümeleme, mevcut verideki ilginç örüntüleri tanımlama ve doğal yapıları açığa çıkarmak için kullanılan veri madenciliği yöntemlerinden biridir. Kümeleme analizi verilen bir veri kümesini belirlenmiş özelliklere göre gruplara parçalama çabasıdır. Böylece bir grup içindeki veri noktaları, farklı gruptaki noktalara göre birbirine daha çok benzerdir.Kümeleme algoritmalarında küme sayıları genellikle önceden verilir. Fakat bir veri kümesi için uygun küme sayısının önceden tahmin edilmesi alanın uzmanı için zor bir işlemdir. Bu tez çalışmasında bu problemin üstesinden gelebilmek için çok-amaçlı genetik algoritma tabanlı bir kümeleme yöntemi önerilmiştir. Yöntem k-means kümeleme algoritmasıyla çok-amaçlı genetik algoritma sürecini birleştirir. Leukemia, Lymphoma ve Kolon kanseri veritabanlarına uygulanan yöntemin sonuçları literatürde çokça kullanılan Dunn, Davies Bouldien, Silhoutte, C, SD ve S-Dbw küme geçerlilik indeksleriyle karşılaştırılmış ve yüksek doğruluk oranlı etkin çözümler verdiğini göstermiştir.

Özet (Çeviri)

DNA microarray technology has now made it possible to simultaneously monitor the expression levels of thousands of genes during important biological processes. Elucidating the patterns hidden in gene expression data offers a tremendous opportunity for an enhanced understanding of functional genomics. However, the large number of genes and the complexity of biological networks greatly increase the challenges of comprehending and interpreting the resulting mass of data. A first step toward addressing this challenge is the use of clustering data. Cluster analysis seeks to partition given data set into groups based on specified features so that the data points within a group are more similar to each other than the points in different groups.Clustering algorithms in general need the number of clusters as a priori, which is mostly hard for domain expert to estimate. In this thesis, in order to overcome this problem, a multi-objective genetic algorithm based method is proposed. The method combines the K-means clustering algorithm with multi-objective genetic algorithm process. The experimental results conducted on Leukemia, Lymphoma and Colon cancer databases have been compared to Dunn, Davies Bouldien, Silhoutte, C, SD ve S-Dbw cluster validation indexes which are widely used in the literature. So, we demonstrate the applicability and effectiveness of the proposed clustering approach.

Benzer Tezler

  1. Tez No

    232114

    Çok amaçlı genetik algoritma kullanarak biyodizilerden çoklu motiflerin keşfi

    Discovering multiple motifs from biosequences using by multi-objective genetic algorithm

    MELİKALİ GÜÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET KAYA

  2. Tez No

    541589

    Genetik dizilerdeki hataları düzeltmek için yeni bir yaklaşım

    A new approach to correct errors in the genetic sequence

    ELİF ARAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İBRAHİM SAVRAN

  3. Tez No

    309393

    Identification of disease related significant SNPs

    Bir hastalığa ilişkin önemli tekli nükleotid polimorfizmlerin belirlenmesi

    CEYDA SOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    BiyomühendislikSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN UĞUR SEZERMAN

    YRD. DOÇ. DR. NİLAY NOYAN

  4. Tez No

    837544

    Kriptolojide genetik kod kullanarak anahtar üretimi

    Key generation using genetic code in cryptography

    HANİFE BOYDAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH BAŞÇİFTÇİ

  5. Tez No

    915991

    Bayesçi gizli sınıf analizi ve makine öğrenimi yöntemleri ile CRISPR Cas9 gen düzenlemesinde hedef dışı skorların tahmini

    Prediction of off-target scores in CRISPR Cas9 gene editing with Bayesian latent class analysis and machine learning methods

    ALİ MERTCAN KÖSE

    Doktora

    Türkçe

    Türkçe

    2024

    BiyoistatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. OZAN KOCADAĞLI

Geri Dön