Analysing drug targets using ligand similarity
İlaç hedeflerinin ligand benzerliği yoluyla analizi
- Tez No: 371825
- Danışmanlar: YRD. DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN, DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Protein ve ilaçlar arasındaki ilişkinin analizi, yalnızca yeni ilaçların keşfi konusunda değil, proteinlerin ilaçlar üzerinde oluşturabileceği olası evrimsel baskının daha iyi anlaşılması açısından da büyük önem taşımaktadır. Benzer proteinlerin benzer ligandlara bağlanması esasına dayalı olarak tasarladığımız bu çalışmada, ligand benzerliği iki farklı yaklaşımla ele alınmıştır. İlk olarak, protein aileleri üyeleri arasındaki ilişkiyi bağlandıkları ligandlar yolu ile inceleyen ligand-merkezli ağ modelleri tanıtılmıştır. Proteinlerin ağın düğümleri olarak temsil edildiği üç farklı ağ modelinde, iki protein düğümü, ağırlığı proteinlerin ortak olarak bağlandıkları ligandların sayısına veya bağlandıkları ligandların benzerliğine bağlı olarak değişen bir kenar ile bağlanır. Bu kısımda Beta-laktamaz ve Penisilin-Bağlayan Protein aileleri üzerine yoğunlaşılmıştır. Ligand paylaşım bilgisinin kullanımıyla oluşturulan grupların hem amino-asit dizilimi hem de fonksiyonel benzerlikleri olan proteinleri biraraya topladığı gözlenmiştir. Ligand benzerlik bilgisinin kullanımı proteinlerin gruplanması işlemini iyileştirmekle kalmayıp aynı zamanda ortak ligand ağlarının bulamadığı bazı etkileşimleri vurgulamıştır. İkinci kısımda, protein-ligand ilişkisi tahminlemede makine öğrenmesi yaklaşımını izleyerek Destek Vektör Makinelerinin kullanıldığı farklı ligand benzerlik çekirdek fonksiyonlarının karşılaştırılmasına odaklanılmıştır. Bu modelde daha büyük bir veri kümesi olarak GPCR ve iyon kanalları aileleri incelenmiştir. Test ettiğimiz 15 farklı ligand çekirdek fonksiyonu arasında GPCR veri kümesinde, SMILES karakter dizisini kullanan LINGO bazlı TF-IDF kosinüs benzerliği, 2D parmakizi Tanimoto modelinden daha iyi bir performans üretmiştir.
Özet (Çeviri)
Analysis of the interactions between target proteins and drugs is crucial not only for drug discovery, but also for a better understanding of the possible evolutionary pressure that the drugs exert on the proteins. Based on the hypothesis that similar proteins bind to similar ligands, ligand similarity is utilized with two different approaches. We first introduce ligand-centric network models to analyse the relationships of protein family members via the drugs that they bind to. We build three different types of networks in which the proteins are represented as nodes, and two proteins are connected by an edge with a weight that depends on the number of shared identical or similar ligands. As a test case, we focus on Beta-lactamases and Penicillin-Binding Proteins. The use of ligand sharing information to cluster proteins results in modules comprising proteins both with sequence and functional similarity. Consideration of ligand similarity not only enhances the clustering of the target proteins, but also highlights some interactions that were not detected in the identical ligand network. In the second part, we follow a machine learning approach for predicting protein-ligand interactions using Support Vector Machines (SVM) where we focus on comparing different ligand similarity kernels. For this task, a larger data set of GPCR and ion channels is examined. Among the 15 different ligand kernels we experiment with, LINGO based TF-IDF cosine similarity achieves a 0.009 better AUC score than the widely used 2D Fingerprint Tanimoto model on the GPCR data set.
Benzer Tezler
- Accelerating molecular docking using machine learning methods
Kenetleme hesaplarının makine öğrenme metotları ile hızlandırılması
ABDULSALAM YAZID BANDE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
Assist. Prof. Dr. SEFER BADAY
- İn siliko modelleme yaklaşımıyla yeni ve seçici protein tirozin fosfataz 1b inhibitörlerinin araştırılması
Investigation of new and selective protein tyrosine phosphatase 1b inhibitors using in silico modeling approach
KÜBRA AKYOL
Yüksek Lisans
Türkçe
2021
BiyokimyaAtatürk ÜniversitesiKimya Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYANUR KILIÇ
- Bitkilerde yaygın olarak bulunan bazı antosiyaninlerin anti-diyabetik aktivitelerinin In Silico analizler yoluyla araştırılması
Investigation of the anti-diabetic activities of someanthocyanins common in plants through in silico analysis
CİHAN DEMİR
Yüksek Lisans
Türkçe
2022
BiyokimyaKilis 7 Aralık ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. BEKTAŞ TEPE
- In silico design of hERG non-blocker compounds with retained pharmacological activity using multi-scale molecular modeling applications
hERG bloker olmayan farmakolojik aktivitesi korunmuş bileşiklerin çok boyutlu moleküler modelleme uygulamaları ile in siliko tasarımı
GÜLRU KAYIK
Doktora
İngilizce
2017
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. NURCAN TÜZÜN
DOÇ. DR. SERDAR DURDAĞI
- Cloning, production, purification, and characterization of granulocyte-colony stimulating factor (G-CSF)
Granülosit-koloni uyarıcı faktörü (G-CSF) klonlanması, üretimi, saflaştırma ve karakterizasyonu
CANSIN KIRMAÇOĞLU
Yüksek Lisans
İngilizce
2021
Biyoteknolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. GİZEM DİNLER DOĞANAY