Geri Dön

Sequence alignment using hidden Markov method

Hıdden Markov metodu kullanarak dizin hizalama

  1. Tez No: 290260
  2. Yazar: MUSTAFA DURAN
  3. Danışmanlar: YRD. DOÇ. DR. TUĞRUL YANIK, YRD. DOÇ. DR. İHSAN ÖMÜR BUCAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Biyomühendislik, Computer Engineering and Computer Science and Control, Biostatistics, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Fatih Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

DNA araştırmaları yıllar önce başladı. Bilim insanları DNA ve proteinin yapısını keşfettiler. Bu araştırmaların sonucunda pek çok canlı organizmanın DNA dizilimleri çıkarıldı. Zamanla DNA analizi ve protein analizi önem kazandı. DNA ile ilgili ilk çalışmalar bilim insanları tarafından labaratuvar ortamında deneysel olarak yapıldı. Probleme ait verinin çok fazla sayıda olmasından dolayı hesaplamalar çok zaman alıyordu. Bu noktada konu ile ilgili bilgisayar yazılımlarının geliştirilmesiyle birlikte hesaplamalı biyoloji ortaya çıktı. Bu gelişmeler biyoloji uzmanlarının uzun zaman alan hesaplamalarını oldukça kısalttı.Biyolojik dizin hizalama en basit haliyle 2 veya daha fazla dizinin karşılaştırılmasıdır. Bu karşılaştırmanın amacı diziler arasıdaki benzerliği gözlemleyebilmektir. Bu benzerlik karşılaştırılan yapıların aynı funksiyonu eda ettiklerini gösterir. Buna ek olarak dizinleri hizalamak filogenetik ağaçların çıkarılmasına yardımcı olur. Biyodizin hizalama bioinfirmatiğin merkezinde yer alır.Bu tezin amacı Hidden Markov Method kullanarak küresel ikili dizin hizalama yapmak ve veritabanı araması gerçekleştirmektir. Bu problem yapısından dolayı dinamik programlama ile çözülebilir. Fakat bu yöntemin zayıf yanı bütün ihtimalleri hesaplamanız dolayısıyla çok fazla hafıza ve işlemci kullanmanızdır. Diğer yandan stokastik metodlar hesaplamayı oluşturduğunu modele göre çok daha hızlı yapacaktır. Bu çalışmada Profile Hidden Markov Model test edilecektir. Aynı zamanda farklı hesaplama metodları karşılaştırılacaktır.

Özet (Çeviri)

DNA research has been established for years. Scientists have discovered structure of DNA and protein. As an outcome of these studies, lots of living organisms? DNA sequences have been discovered. In time, DNA analysis and protein analysis have become important. The first studies about DNA analysis have been realized through some calculations. Because of the problem?s massive data, calculation takes very long time. By the development of computer software and Artificial Intelligence, computational biology has been emerged to be a very popular discipline. These developments helped biologists to ease the time taking calculations.Sequence alignment requires a comparison of two or more sequences. The purpose of this comparison is to observe a similarity between the sequences. The similarity indicates such structures that have the same functions. Additionally aligning sequences helps constructing Phylogenetic Trees. In Computational Biology there are many applications of sequence alignment. It is a fact that Biological Sequence alignment is at the core of the Bioinformatics.The purpose of this thesis is to implement a global pairwise sequence alignment and database search using the Hidden Markov Method. Inherent to problem structure, it can be solved by Dynamic Programming. However this method poses a weakness that eventually leads to the excessive memory usage once you try all the possibilities. On the other hand, stochastic methods evaluate the results according to a model. In this study, the Hidden Markov Model and its applications will be used. Also different calculation schemes will be compared.

Benzer Tezler

  1. Protein function prediction using hidden Markov models

    Saklı Markov modelleri kullanarak protein fonksiyon öngörüsü

    CANER KÖMÜRLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DOÇ. DR. ZEHRA ÇATALTEPE

  2. Protein secondary structure prediction with classifier fusion

    Sınıflandırıcı birleştirimi ile protein ikincil yapısı kestirimi

    İSA KEMAL PAKATCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    BiyoistatistikSabancı Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN ERDOĞAN

  3. Fizyolojik süreçlerde model tabanlı yeni öğrenme yaklaşımları

    Model based learning algorithms based on physiological processes

    UĞUR AYAN

    Doktora

    Türkçe

    Türkçe

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. GALİP CANSEVER

  4. De novo peptide design strategies

    Peptid dizayn stratejileri

    EVRİM BESRAY ÜNAL

    Doktora

    İngilizce

    İngilizce

    2011

    Mühendislik BilimleriKoç Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ATTİLA GÜRSOY

    PROF. DR. BURAK ERMAN

  5. Örneklem tabanlı gürbüz konuşma tanıma

    Exemplar based noise robust speech recognition

    FATİH AKTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU