Prediction of synergistic drug combinations by using machine-learning methods
Makine öğrenmesi yöntemleriyle etkileşen ilaç kombinasyonlarının tahmin edilmesi
- Tez No: 491064
- Danışmanlar: YRD. DOÇ. DR. ZERRİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Kanser geç teşhis edilmesi ve karmaşık ilerlemesinden dolayı hala yeni tedavilerin geliştirilmesi için ilgi çeken hastalıklardan birisidir. İleri safhada teşhis edilen veya kanseri nükseden hastalar için yeni tedavi yöntemlerine acil olarak ihtiyaç duyulmaktadır. Yeni hesaplamalı yaklaşımlar, daha etkili ilaç birleşimlerini yeni tedavi seçenekleri olarak tanımlamada yardımcı olabilirler. Bu amaçla, daha etkili ilaç ikililerini olası tüm kombinasyonlar içinden tanımlayabilmek için, ilaç uygulanmış gen ifadesi ve biyolojik ağ verilerini kullanan bir sınıflandırma yöntemi geliştirdik. Farklı biyolojik verilerden türetilmiş altı öznitelik ile üç farklı makine öğrenmesi yöntemi, Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (DVM) ve Rasgele Orman (RO), eğitildi. Bu yöntem, içinde hem etkili hem de etkisiz ilaç birleşimlerini bulunduran iki farklı ilaç verisi üzerinde sınandı. Önerilen yöntem, umut verici öznitelikleri ve daha etkili ilaç birleşimlerinin kestiriminde uygun olabilecek makine öğrenmesi yöntemini bulmak için sınama verisi üzerinde başarılı sonuçlar elde etmiştir.
Özet (Çeviri)
Cancer is still one of the challenging diseases to develop new therapies due to the late diagnosis and its complex progression nature. There is an urgent need for new therapy regimes for cancer patients having late stage diagnosis or recurrence. New computational approaches can help to identify more effective drug combinations as new treatment options for cancer. For this purpose, we developed a classification model to identify more effective drug pairs out of all possible combinations by using gene expression of single drug treatment and biological network data. Three different machine-learning methods which are Artificial Neural Network (ANN), Random Forest (RF) and Support Vector Machine (SVM) were trained with six features derived by using different biological data. The model was evaluated on two different drug treatment data sets that contain both positive (more effective) and negative (not effective) drug combinations. The proposed model has achieved successful results in the test case to find promising features and a machine-learning method, which might be suitable for the prediction of more effective drug combinations.
Benzer Tezler
- Toplu öğrenme ile ilaç kombinasyonlarının sinerji skor tahmini
Prediction of drug combinations' synergy score by ensemble learning
IŞIKSU EKŞİOĞLU
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TAN
- Kanser tedavisinde kullanılan bazı sinerjistik ve antagonist ilaç kombinasyonlarının karışım davranışlarının moleküler simülasyon yoluyla incelenmesi
Examining the mixing behavior of some synergistic and antagonist drug combinations used in cancer treatment through molecular simulation
BETÜL TARGAÇ
Yüksek Lisans
Türkçe
2024
GenetikTrakya ÜniversitesiGenetik ve Biyomühendislik Ana Bilim Dalı
PROF. DR. GÖKHAN KAÇAR
- Predicting drug synergy using data mining
İlaçlar arası sinerjinin veri madenciliği yöntemleriyle tahmini
MILAD HASSANI
Yüksek Lisans
İngilizce
2016
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL KILIÇ
- Lise öğretmenlerinin sinerjik yönetim algılarının örgütsel kültür ve örgütsel öğrenme algıları üzerindeki etkisi
The effect of high school teachers' synergistic management perceptions on organizational culture and organizational learning perceptions
İLYAS BALCI
Doktora
Türkçe
2024
Eğitim ve ÖğretimFırat ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. İMAM BAKIR ARABACI
- Prediction of cosmetic emulsion stability: Testing and mathematical modelling
Kozmetik emülsiyon stabilitesinin öngörülmesi: Test edilmesi ve matematiksel modellenmesi
DUYGU BAYRAKTAR
Yüksek Lisans
İngilizce
2013
Kimya MühendisliğiEge ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DEMİRCİOĞLU