Geri Dön

Hyper-box enclosure method and its application to microarray analysis

Çok boyutlu kutu kapsama yöntemi ve mikrodizi analizine uygulanması

  1. Tez No: 270082
  2. Yazar: ONUR DAĞLIYAN
  3. Danışmanlar: YRD. DOÇ. DR. İBRAHİM HALİL KAVAKLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Genetik, Bioengineering, Genetics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Veri madenciliği genetik, protein bilimi, evrim, sistem biyolojisi ve mikrodizi gibi birçokbiyobilisim alanında kullanılmaktadır. Son zamanlarda gelistirilen çok boyutlu kutu kapsamametodu sınıflandırma problemleri için oldukça etkili bir yöntemdir ve veri tipine göreparametre eniyilestirmesi gerektirmez. Bu tezin amacı çok boyutlu kutu kapsama yöntemininanlasılması, gelistirilmesi ve önemli bir biyobilisim problemi olan mikrodizi analizi içinkullanılmasıdır.Mikrodizi ölçümlerinden elde edilen verinin en önemli uygulaması tümör tiplerinin belirligenlere (bu genler farklı kanser tipleri için az ya da çok ifade edilebilir) göresınıflandırılmasıdır. Ancak mikrodizi analizi için kullanılan algoritmaların birçoğu veri tipinegöre daha yüksek doğruluk için eniyilestirme gerektirir. Ayrıca bu az ya da çok ifade edilmisgenler arasından optimum seti bulmak da kanser tiplerinin tespiti ve gelisimini takip etmekiçin kritiktir. Bu gereklilikler bağlamında, asgari sayıda gen kullanılarak bazı kanser tiplerininsınıflandırılması tamsayı karısık programlamaya dayalı çok boyutlu kutu kapsama yöntemi ileyapılmıstır. Kullanıcı dostu ve etkili bu yöntem klinik arastırmacılara bazı kanser tipleriningidisatını izlemesi için de yardımcı olabilir.

Özet (Çeviri)

Data mining is an important tool employed in many bioinformatics domains includinggenomics, proteomics, evolution, systems biology, and microarray analysis. A recentlydeveloped classifier, hyper-box enclosure (HBE) algorithm is an efficient method forclassification problems, and it does not require parameter optimization depending on data typefor higher prediction accuracy. The goal of this thesis is to understand, improve HBEalgorithm, and apply it for microarray analysis which is an important bioinformatics problem.The most important use of data obtained from microarray measurements is theclassification of tumor types with respect to specific genes that are either up or downregulated in specific cancer types. However, almost all classification algorithms used inmicroarray analysis usually require optimization to obtain accurate results depending on thedata type. Additionally, it is highly critical to find an optimal set of markers among those upor down regulated genes that can be clinically utilized to build assays for the diagnosis or tofollow progression of specific cancer types. On the base of these necessities, we employ amixed integer programming based classification algorithm named hyper-box enclosuremethod (HBE) for the classification of some cancer types with a minimal set of predictorgenes. This method, a user friendly and efficient classifier, may also allow the clinicians todiagnose and follow progression of certain cancer types.

Benzer Tezler

  1. MILP based hyper-box enclosure approach to multi-class data classification

    Çok gruplu veri sınıflandırma için tamsayı karışık programlamaya dayalı çok boyutlu kutu ile çevreleme yaklaşımı

    FADİME ÜNEY YÜKSEKTEPE

    Doktora

    İngilizce

    İngilizce

    2009

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği Bölümü

    DOÇ. DR. METİN TÜRKAY

  2. A hybrid approach for data classification based on mathematical modelling and improved online learning algorithm for general fuzzy min-max neural network

    Genel bulanık min-maks sinir ağları için gelişmiş çevrimiçi öğrenme algoritmasına ve matematiksel modellemeye dayalı veri sınıflandırması için hibrit bir yaklaşım

    ÖMER NEDİM KENGER

    Doktora

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri MühendisliğiGaziantep Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EREN ÖZCEYLAN

  3. Winpen: A fast clustering approach for black-box penetration testing

    Winpen: Kara-kutu sızma testleri için hızlı bir kümeleme çözümü

    ÖZGÜN ÖZERK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERDİNÇ ÖZTÜRK

  4. Dolgu maddesi oranının kendiliğinden yerleşen beton özelliklerine etkisi

    Effect of filler ratio on properties of self compacting concrete

    HAVVA BAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İnşaat MühendisliğiGazi Üniversitesi

    Yapı Eğitimi Ana Bilim Dalı

    PROF. DR. H. YILMAZ ARUNTAŞ

  5. Kendiliğinden yerleşen borlu aktif belit çimentolu betonların yüksek sıcaklık altındaki performansı

    Compacting concretes boron active belite cement performance of self-under high temperature

    NESLİHAN GÖK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat MühendisliğiAtatürk Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ ÖZ