Machine learning methods for using network based information in microRNA target prediction
MicroRNA hedef tahminlerinde ağ tabanlı bilgilerin kullanılması için makine öğrenim yöntemleri
- Tez No: 338357
- Danışmanlar: DOÇ. DR. TOLGA CAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Computer Engineering and Computer Science and Control, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Hayvan genlerindeki microRNA (miRNA) hedeflerinin berimsel olarak tanımlanması, miRNA ile hedefi arasındaki kusurlu eşleşmeler sebebiyle zorlu bir problemdir. Yalnızca sıralamaya dayalı teknikler, normalde varolmayan bir çok pozitif etkileşim üretmeye meyillidirler. Bundan ötürü, yüksek pozitif hata oranını azaltmaya yönelik olarak, ek genetik bilgileri, yapısal özellikleri, ve evrimsel muhafaza kurallarını bir araya getiren birleştirici yöntemler oluşturulmaktadır. Biz, olası miRNA hedeflerinin protein-protein etkileşim (PPI) ağlarındaki bağlamlarının, berimsel miRNA hedef tahmini yapan algoritmalarda ilave bir filtre olarak kullanılabileceğini öne sürmekteyiz. Ağ bağlamı göstergesi olarak, insan PPI ağı üzerinde birden fazla kuramsal grafik ölçüsü hesapladık. Deneysel olarak ispatlanmış düşük ve yüksek çıktılı insan miRNA hedef veri kümeleri kullanarak, bağlam ölçülerinin bireysel ve birleştirilmiş performanslarını, popüler bir miRNA hedef tahmin aracı olan TargetScan'in hassasiyetinin artısı üzerinden değerlendirdik. Bu değerlendirmede sınıflandırma algoritmaları kullandık. Egitim örnekleri olarak yalnızca miRNA hedefleri bulunduğundan, problem Tek Sınıflı Sınıflandırma (OCC) problemi haline geldi. DiVo adından, basit mesafe ölçülerine ve oylamaya dayalı, özgün bir OCC algoritması geliştirdik. Son teknoloji yöntemlerle yaptığımız karşılaştırmalı analizler gösterdi ki, DiVo daha iyi sınıflandırma performansına ulaşmaktadır. Nihai sonuçlarımız, PPI ağlarındaki hedef gen ürünlerinin topolojik özelliklerinin, hatalı pozitif miRNA hedef genlerinin elenmesinde değerli birer bilgi kaynağı olduğunu belirtmektedir. Bir takım miRNA hedefleri için, ağ bağlamının, tahmin aracı tarafından sağlanan sıralama bazlı skora göre, hedef olup olmamayla daha ilintili olduğunu göstermiş bulunmaktayız.
Özet (Çeviri)
Computational microRNA (miRNA) target identification in animal genomes is a challenging problem due to the imperfect pairing of the miRNA with the target site. Techniques based on sequence alone are prone to produce many false positive interactions. Therefore, integrative techniques have been developed to utilize additional genomic, structural features, and evolutionary conservation information for reducing the high false positive rate. We propose that the context of a putative miRNA target in a protein-protein interaction (PPI) network can be used as an additional filter in a computational miRNA target prediction algorithm. We compute several graph theoretic measures on human PPI network as indicators of network context. We assess the performance of individual and combined contextual measures in increasing the precision of a popular miRNA target prediction tool, TargetScan, using low throughput and high throughput datasets of experimentally verified human miRNA targets. We used classification algorithms for that assessment. Since there exists only miRNA targets as training samples, this problem becomes a One Class Classification (OCC) problem. We devised a novel OCC method, DiVo, based on simple distance metrics and voting. Comparative analysis with the state of the art methods show that, DiVo attains better classification performance. Our eventual results indicate that topological properties of target gene products in PPI networks are valuable sources of information for filtering out false positive miRNA target genes. We show that, for targets of a number of miRNAs, network context correlates better with being a target compared to a sequence based score provided by the prediction tool.
Benzer Tezler
- Doğal dil işleme ile akademik metinlerin kümelenmesi
Clustering academic texts using natural language processing
SALİMKAN FATMA TAŞKIRAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN KAYA
- Network-based methods for anti-money laundering
Kara para aklamayla mücadele için ağ temelli yöntemler
GİZEM TAŞ
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TINAZ EKİM AŞICI
- DDoS attack detection using machine learning and deep learning methods
Makine öğrenmesi ve derin öğrenme yöntemleri ile DDoS atak tespiti
DENİZ MERVE GÜNDÜZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİN KUĞU
- Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti
Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms
SAJAD EINY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Novel swarm intelligence algorithms for structure learning of bayesian networks and a comparative evalnation
Bayes ağ yapılarının öğrenilmesi için yeni sürü zekası algoritmaları ve karşılaştırılmalı bir değerlendirme
SHAHAB WAHHAB KAREEM
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET CUDİ OKUR