Geri Dön

Konak-patojen protein etkileşiminin hesaplamalı yöntemler ile tahmini

Prediction of host-pathogen protein interactions by computational methods

PDF İndir

  1. Tez No: 542136
  2. Yazar: İRFAN KÖSESOY
  3. Danışmanlar: PROF. DR. CEMİL ÖZ, DOÇ. DR. MURAT GÖK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Türler arası patojen-konak protein etkileşimlerin bilinmesi enfeksiyonel hastalıkların teşhis ve tedavisi için geliştirilecek çözüm stratejileri açısından hayati öneme sahiptir. Etkileşim tespitinde kullanılan deneysel yöntemlerin maliyetli olması ve uzun zaman almasından dolayı proteinler arası etkileşimlerin modellendiği hesaplamalı yöntemlerin bu alanda önemli bir yeri vardır. Hesaplamalı yöntemler, tespit süresinin kısaltılması ve maliyetin düşürülmesine ek olarak deneysel yöntemlerle yanlış tespit edilen etkileşimlerin kontrolünde de kullanılmaktadır. Veri seyrekliği, veri yetersizliği ve doğrulanmış negatif veri setinin olmaması, patojen-konak protein etkileşim tahmini için kullanılan hesaplamalı yöntemlerin ortak problemidir. Bu çalışmada amaç patojen-konak etkileşim tahmin doğruluğunu arttırmak ve veri yetersizliğinden kaynaklanan olumsuzlukları gidermektir. Bu kapsamda genişletilmiş ağ modeli ve lokasyon tabanlı kodlama yöntemleri önerildi. Genişletilmiş ağ modeli“türler arası yeterli etkileşim verisinin olmadığı patojen konak etkileşimleri ile patojen ve konak proteinlere ait tür içi etkileşimlerin entegre edilmesi tahmin doğruluğunu arttırır”hipotezinden esinlenerek geliştirildi. Lokasyon tabanlı kodlama, proteinlerin amino asit diziliminin kodlandığı bir öznitelik çıkarım yöntemidir. Makine öğrenmesi algoritmalarında patojen konak etkileşim tahmininde başarımı etkileyen faktörlerden biri kullanılan özniteliklerdir. Biyolojik veri tabanlarında proteinlere ait en fazla veri amino asit dizilim bilgisidir. Sadece amino asit dizilimini baz alarak geliştirilen güçlü bir öznitelik çıkarım yöntemi, patojen konak etkileşim tahmin doğruluğunu arttıracaktır. Ayrıca amino asit dizilim bilgisinin kullanılması sayesinde bilinen tüm etkileşimler için öznitelik vektörlerinin daha kolay çıkarılması sağlanır. Tezde protein kodlama ve protein etkileşim tahmini üzerine çalışan araştırmacıların kullanılabileceği, ücretsiz erişilebilen, kullanıcı dostu bir ara yüze sahip web tabanlı PROSES (Protein Sequencebased encoding system) yazılımı geliştirildi. Yazılım özellikle programlama bilgisi olmayan kişiler için faydalıdır. PROSES şu anda Yalova Üniversitesi web sunucusunda yer alan http://proses.yalova.edu.tr adresinde kullanılmaktadır.

Özet (Çeviri)

Knowledge of the pathogen-host protein interactions in the inter species has a vital prospect for a solution strategy to be developed against diagnosis and treatment of infectious diseases. Modeling interactions between proteins has necessitated the development of computational methods in this field, since detection of interactions by experimental methods is both time-consuming and costly. Computational methods are used in decreasing of the detection time and cost; in addition checking of the false detected interactions via experimental methods. Data scarcity, data inadequacy, and negative data sampling are the common problems of computational methods for used in prediction of pathogen-host protein interaction. In this study, the purpose is that prediction accuracy of the pathogen-host interaction increase and negativeness eliminate because of data inadequacy. Within thisframework, extended network model and location based encoding approaches are proposed. Firstly, the extended network model is created by inspired from the hypothesis of that“integrating the known protein interactions within host and pathogen organisms improve the success of prediction of unknown pathogen-host interactions”. Secondly, location based encoding is feature extraction method which is used for encoding of amino acid sequences. One of the important factors is feature which affects success in prediction of pathogen-host interaction within machine learning algorithms. In biological databases, the most data is the information of amino acid sequence regarding proteins. Prediction accuracy of pathogen-host interaction will be increased by that a robust feature extraction method is developed on the basis amino acidsequence. Furthermore, extraction of feature vectors for all the known interactions are provided in easier way by the sake of using the information of amino acid sequence. In this thesis, PROSES (Protein SequencebasedEncodingSystem) which is a user-friendly interface and freely accessible web server, has been designed for researchers, who are working on the field of protein encoding and prediction of protein interaction. The web server is especially useful for those who are not familiar with programming languages. PROSES is currently being used at http://proses.yalova.edu.tr which is storedin the web server of Yalova University.

Benzer Tezler

  1. Tez No

    827349

    Zika ve Dang virüsleri NS4A proteini ile insan Sec61G proteini glikozilasyon profillerinin glikoinformatik analizi ve protein-protein etkileşimlerinin farklı moleküler docking yaklaşımları ile hesaplamalı analizi

    Glycoinformatics analysis of the glycosylation profiles of Zika and Dengue viruses NS4A protein and human sec61g protein and computational analysis of the protein-protein interactions with different molecular docking approaches

    MUHAMMET USLUPEHLİVAN

    Doktora

    Türkçe

    Türkçe

    2023

    BiyolojiEge Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. REMZİYE DEVECİ

  2. Tez No

    726384

    SARS-CoV-2 proteini ile insan proteini arasindaki etkileşimlerin makine öğrenmesi yöntemleri ile tahmini

    Prediction of interactions between SARS-CoV-2 protein and human protein using machine learning methods

    FİRDES GÜL KORKUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT GÖK

  3. Tez No

    823216

    Buğday kahverengi pası (Puccinia triticina Eriks.) efektör adayı PTTG_06852'nin HIGS yöntemiyle fonksiyonel analizi

    Functional analysis of wheat brown rust (Puccinia triticina Eriks.) effector candidate PTTG_06852 by HIGS method

    ELİFGÜL AKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyomühendislikTrakya Üniversitesi

    Biyoteknoloji ve Genetik Ana Bilim Dalı

    PROF. DR. SEMRA HASANÇEBİ

  4. Tez No

    507149

    Expression profiling of Helicobacter-activated regulatory B cells

    Helicobacter-aktive regülatör B hücrelerinde gen ifadesinin belirlenmesi

    SAWSAN S.A. SAID

    Doktora

    İngilizce

    İngilizce

    2018

    Allerji ve İmmünolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    DOÇ. DR. AYÇA SAYI YAZGAN

  5. Tez No

    894344

    Makrofajlarda interferon stimülatör genleri (STING) sinyal yolağının indüklenmesinin Leishmania infantum'a karşı gelişen immun yanıta etkilerinin In vitro incelenmesi

    Induction of interferon stimulator genes (STING) signaling pathway in macrophages In vitro examination of the effects on the immune response to Leishmania infantum

    NESRİN DELİBAŞI

    Doktora

    Türkçe

    Türkçe

    2024

    Allerji ve İmmünolojiErciyes Üniversitesi

    Parazitoloji (Veterinerlik) Ana Bilim Dalı

    PROF. DR. ABDULLAH İNCİ

    DOÇ. DR. AHMET EKEN

Geri Dön