Geri Dön

Deterministic modeling and inference of biochemical networks

Biyokimyasal ağların deterministik modellemesi ve sonuç çıkarımı

PDF İndir

  1. Tez No: 463653
  2. Yazar: DENİZ SEÇİLMİŞ
  3. Danışmanlar: DOÇ. DR. VİLDA PURUTÇUOĞLU GAZİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Biyoenformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Biyolojik ağların matematiksel tanımlaması, başlıca, stokastik ve deterministik modellerle yapılabilir. Bunlardan ilki, sistem hakkında daha çok bilgi veriyor olmasına rağmen, çok detaylı ölçümler gerektirmektedir. Öte yandan, ikincisi, nispeten daha az bilgi verir fakat verilerinin toplanması stokastikte olduğundan daha kolaydır. Dolayısıyla, daha çok tercih edilen bir modelleme yaklaşımıdır. Belirtilen avantajından ötürü, biz bu çalışmada, biyolojik sistemlerin deterministik modellemesini uygulamaktayız. Birçok alternatif arasından Gaussian grafiksel modelini (GGM) kullanmaktayız ve performansını, GGM'ye bir alternatif yaklaşım olarak önerdiğimiz rasgele orman algoritmasına göre değerlendirmekteyiz. Model parametrelerini, diğer bir deyişle ağların yapılarını, tahmin etmekteyiz ve sonrasında bulguların doğruluklarına göre değerlendirmekteyiz. Son olarak, çalışmayı, verinin tanımında kopulaları kullanarak genişletmekteyiz ve etkileri değerlendirmek için aynı modelleme yaklaşımlarını uygulamaktayız.

Özet (Çeviri)

The mathematical description of biological networks can be performed mainly by stochastic and deterministic models. The former gives more information about the system, whereas, it needs very detailed measurements. On the other hand, the latter is relatively less informative, but, the collection of their data is easier than the stochastic ones, rendering it a more preferable modeling approach. In this study, we implement the deterministic modeling of biological systems due to the underlying advantage. Among many alternatives, we use the Gaussian graphical model (GGM) and evaluate its performance with respect to the random forest algorithm, which we suggest as an alternative approach of GGM. We estimate the model parameters, i.e., the structure of the networks, and then assess their findings based on their accuracies. Finally, we extend the study by using copulas in the description of data and apply the same modeling approaches to assess their effects.

Benzer Tezler

  1. Tez No

    416679

    Comparison of the simulation tools for the deterministic modeling of biochemical networks

    Biyokimyasal ağların deterministik modellenmesi için kullanılan simulasyon araçlarının karşılaştırılması

    GÖKÇE TUNCER

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    BiyoistatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. VİLDA PURUTÇUOĞLU GAZİ

  2. Tez No

    474858

    Different types of modellings and the inference of model parameters for complex biological systems

    Karmaşık biyolojik sistemler için farklı türlerde modellemeler ve model parametrelerinin çıkarımı

    MELİH AĞRAZ

    Doktora

    İngilizce

    İngilizce

    2017

    GenetikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. VİLDA PURUTÇUOĞLU GAZİ

  3. Tez No

    151546

    Çimento endüstrisinde hammadde harmanlama prosesinin klasik ve akıllı yöntemler ile modellenmesi

    Modling of raw material blending process in cement industry using conventional and intelligent techniques

    KEMAL KIZILASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. ŞENİZ ERTUĞRUL

  4. Tez No

    237645

    Modeling the water quality of lake Eymir using artificial neural networks (ANN) and adaptive neuro fuzzy inference system (ANFIS)

    Eymir gölü?nde su kalitesinin yapay sinir ağları ve adaptif sinirsel bulanık ilişkisel sistem ile modellenmesi

    MUHİTTİN ASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Çevre MühendisliğiOrta Doğu Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL AKSOY

  5. Tez No

    114959

    Development of multi-level petri net based design inference network

    Çok katmanlı petri net tabanlı tasarım-çıkarım ağı geliştirilmesi

    MELTEM KORKMAZEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜLKADİR ERDEN

Geri Dön