Mikrodizi verileri üzerinde kümeleme algoritmalarının uygulaması
Application of clustering algorithms on microarray data
- Tez No: 438923
- Danışmanlar: PROF. DR. DERVİŞ KARABOĞA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: DNA mikrodizi, Veri madenciliği, Kümeleme algoritmaları, DNA microarray, Data mining, Clustering algorithms
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
Mikrodizi teknolojisi çok sayıda gen ifadesini aynı anda analiz edebilmeyi sağlayan çok faydalı bir biyoinformatik yöntemidir. Mikrodizi verilerinin analizinde veri madenciliği yöntemleri önemli bir rol oynamaktadır. Çünkü mikrodizi gen ifade verilerinde bulunan genlerin benzerliklerinin ve farklılıklarının belirlenmesi ve gruplanması veri madenciliği yöntemleri ile yapılmaktadır. Genlerin gruplanması veri madenciliği araçlarından kümeleme analizi ile sağlanabilmektedir. Bu tez çalışmasında, veri madenciliğinin kümeleme analizi alanında kullanılan K-Ortalamalar (K-Means), Kendi Kendini Düzenleyen Haritalar (Self-Organizing Maps – SOM) ve Veriye göre Adaptif DBSCAN (Adaptive DBSCAN According to data - ADBSCAN-ATD) algoritmaları, mikrodizi verilerinde genlerin benzerliklerine göre gruplanması probleminde kullanılmıştır. Karşılaştırma amacıyla serbest kullanıma açık mikrodizi verisi kullanılmıştır. Kullanılan mikrodizi veri kümesi üzerinde, ADBSCAN-ATD algoritmasının K-Ortalamalar ve SOM algoritmalarına göre bazı yönlerden daha gürbüz olduğu gözlenmiştir.
Özet (Çeviri)
Microarray technology is a useful bioinformatic tool to analyse the expression of a large number of genes simultaneously. In the analysis of microarray experiments data mining techniques play an important role. Because, identifing and clustering of similarity and differences of genes in microarray gene expression dataset are done by data mining techniques. Grouping of genes can be provided by cluster analysis which is one of data mining tools. In this thesis, K-Means, Self-Organizing Maps (SOM) ve Adaptive DBSCAN According to data (ADBSCAN-ATD) algorithms are used in cluster analysis are applied to grouping problem of genes for similarities. Analysis on publicly available microarray data shows that in some ways, ADBSCAN-ATD algorithm is more robust than K-Means and SOM algorithms in the analysis of microarrays.
Benzer Tezler
- Çok boyutlu veriler için kümeleme algoritması geliştirilmesi
Developing clustering algorithm for multidimensional datas
SİNEM ÖREN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN BULUT
- Sosyal ağ analizinin hastalık biyobelirteçlerinin belirlenmesinde kullanımı
The use of social network analysis in disease biomarker detection
HATİCE YAĞMUR ZENGİN
Doktora
Türkçe
2018
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Bilim Dalı
PROF. DR. ERDEM KARABULUT
- Mikrodizi gen ifade verilerinde farklı öznitelik seçim yöntemleri ile sınıflama yöntemlerinin performanslarının değerlendirilmesi
The effect of feature selection methods on the success of classification methods in microarray gene expression data
ÖZLEM ARIK
Doktora
Türkçe
2020
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERDEM KARABULUT
- Biyoinformatikte çok boyutlu verilerin boyut indirgenerek sınıflandırılması
Classification by dimension reduction of multidimensional data sets in bioinformatics
HATİCE ZEHRA DEMİRCİOĞLU
Yüksek Lisans
Türkçe
2015
BiyomühendislikGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAKİR BİLGE
- Gen ifade verileri ile işlemsel kanser sınıflandırılması
Operational cancer classification using gene expression data
NAMIK BARIŞ İDİL
Yüksek Lisans
Türkçe
2009
BiyoistatistikBaşkent ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. NİZAMİ GASILOV