Geri Dön

A highly accurate technique for the prediction of protein structural classes

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 402747
  2. Yazar: BETÜL AKÇEŞME
  3. Danışmanlar: PROF. DR. MEHMET CAN
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Genetik, Bioengineering, Genetics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: International University of Sarajevo
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 191

Özet

Özet yok.

Özet (Çeviri)

Structural classes of proteins play an important role in the estimation of tertiary structures and functions of proteins. The number of protein sequence and structurally analyzed proteins in the databank are increasing rapidly due to the developments in biotechnology. However, the number of manually classified proteins is low comparing to structurally analyzed proteins and protein sequences. Also, proteins with unknown structures cannot be classified by structural classification databases. These facts make the automated, highly accurate technique for prediction of protein structural classes necessary. We aim to generate a computational method by using digital pseudo images of proteins and support vector machine for prediction of protein structural classes with a high generalization capacity and high accuracy. This PhD thesis introduces a new set of features, using some of the digital image analysis features to represent proteins for structural class prediction. Predicted secondary structure sequences, amino acid sequences and Position-Specific Scoring Matrices of the proteins in the widely used low homology datasets are transformed to the digital images represented by a variety of gray levels. Then, digital image analysis features based on the texture of an image are applied to those images driven from proteins. Support vector machine technique is used to classify proteins into four structural classes; +and /The overall accuracies of 87.2%, 82.1, 83.3%, 91.2% and 65% are achieved for vi 25PDB, 1189, 640, FC699, and SCOP datasets, respectively. The prediction accuracy of the proposed method is compared with existing successful methods and we conclude that our proposed method is superior to all existing methods. Insufficient classification of proteins belonging to +and /classes is one of the major problems in the existing approaches for the prediction of protein structural classes. The proposed method with digital image driven features and SVM reveal the best results with the highest accuracy especially for +class as well as for other three structural classes.

Benzer Tezler

  1. Tez No

    478504

    Preparation of hemoglobin imprinted surface plasmon resonance biosensors

    Hemoglobin baskılanmış yüzey plazmon rezonans biyosensörlerin hazırlanması

    YEŞEREN SAYLAN

    Doktora

    İngilizce

    İngilizce

    2017

    BiyokimyaHacettepe Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. ADİL DENİZLİ

  2. Tez No

    904803

    Nadir metabolik hastalıklarda tüm ekzom dizileme verilerinin biyoinformatik analizleri ile fenotipten sorumlu varyantların değerlendirilmesi

    Bioinformatics analysis and variant interpretation of whole exome sequencnig data in inborn errors of metabolism

    CAN KOŞUKCU

    Doktora

    Türkçe

    Türkçe

    2024

    Endokrinoloji ve Metabolizma HastalıklarıHacettepe Üniversitesi

    Pediatrik Temel Bilimler Ana Bilim Dalı

    PROF. DR. RIZA KÖKSAL ÖZGÜL

  3. Tez No

    879079

    COVID-19 mutasyonlarının tespitinde yapay zeka tabanlı algoritmaların kullanılması

    Use of artificial intelligence-based algorithms in detecting COVID-19 mutations

    MEHMET BURUKANLI

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  4. Tez No

    418335

    Thermal radiation from solid propellant rocket motor plume

    Katı yakıtlı roket motorlarının egzoz gazının termik ışınımı

    GÜZİDE ÖZEN

    Doktora

    İngilizce

    İngilizce

    2015

    Kimya MühendisliğiOrta Doğu Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. NEVİN SELÇUK

  5. Tez No

    618984

    A novel approach for identification of thermal and optical characteristics for the active layer of high power photonic devices

    Yüksek güçlü fotonik sistemlerin aktif katmanının termal ve optik özelliklerinin karakterizasyonu için yeni bir yaklaşım

    AHMET METE MUSLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiÖzyeğin Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ARIK

Geri Dön