Protein yapı tahmini için yapısal profil matrislerinin geliştirilmesi
Developing structural profile matrices for protein structure prediction
- Tez No: 556575
- Danışmanlar: DR. ÖĞR. ÜYESİ METE ÇELİK, DR. ÖĞR. ÜYESİ ZAFER AYDIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Proteinler hücrelerdeki bütün biyolojik olayların yapı taşlarıdır. Proteinler sentezlendikten sonra üç boyutlu hallerini almalarıyla birlikte kendilerine has çeşitli fonksiyonları gerçekleştirebilirler. Dolayısıyla proteinin yapısının bilinmesi, işlevinin bilinmesi anlamına gelmektedir. Proteinlerin yapısal topolojileri incelendiğinde protein ikincil yapısı, çözücü erişilirlik ve bükülme açısı gibi bir boyutlu yapı tahmin elemanlarının protein yapılarının analiz ve modellemesinde oldukça önemli bir rol oynadığı görülmüştür. Dolayısıyla bir boyutlu protein yapı tahmini daha ayrıntılı üç boyutlu yapı tahmin görevleri için anahtar adım olarak kabul edilmektedir. Bu tez çalışmasında ikincil yapı, çözücü erişilirlik ve bükülme açısı gibi protein 1-boyutlu yapıları için tahminlerde kullanılmak üzere YPM üretim yöntemleri geliştirilmiştir. Hali hazırda kullanılan DSPRED yöntemine PSI-Blast ve HHMAKE PSSM'lerin ve HHblits ile üretilen YPM'lerin (YPM-1) yanında Pfamscan, Prosite, Afin Boşluk ve LOMETS yöntemiyle üretilen dört farklı YPM'ler (YPM-2) girdi olarak verilmiştir. Netice itibariyle test veri kümeleri üzerinde bu yöntemlerin başarı oranları tespit edilmiştir. Başka bir deyişle geliştirilen YPM yöntemleri bir boyutlu protein yapı tahmin doğruluğunu artırmak amacıyla kullanılmıştır. Literatürdeki benzer bir yöntem olan Homolpro ile de kıyaslanan geliştirilen yöntemlerin önemli ölçüde başarılı olduğu tespit edilmiştir. Çalışma, gelişmiş YPM üretme yöntemleri geliştirmenin bir boyutlu protein yapı tahmini doğruluğunu önemli ölçüde artırdığını göstermektedir.
Özet (Çeviri)
Proteins are the building blocks of all biological events in cells. Once proteins are synthesized, they take their three-dimensional form and perform various unique functions. Therefore, knowing the structure of the protein means knowing its function. When structural topologies of proteins are examined, it is seen that one-dimensional structure estimation elements such as protein secondary structure, solvent accessibility and torsion angle play very important role in the analysis and modeling of protein structures. One-dimensional protein structure prediction is considered a key step for more detailed three-dimensional structure prediction tasks. In this thesis, new structural profile matrix production methods have been developed to be used for estimation of protein 1-dimensional structures such as secondary structure, solvent accessibility and torsion angle. In addition to PSI-Blast and HHMAKE PSSMs, and structural profile matrices produced with HHblits (YPM-1), four different structural profile matrices (YPM-2) produced by Pfamscan, Prosite, Affine Gap and LOMETS method are used as inputs to the DSPRED method which is already used. Cross-validation experiments on two benchmark datasets and at various similarity intervals demonstrate that the proposed profiling strategies perform significantly better than Homolpro, a state-of-the-art method for incorporating template information, as assessed by statistical hypothesis tests. The study demonstrates that the development of improved structural profile matrix generation methods significantly increases the accuracy of one-dimensional protein structure prediction.
Benzer Tezler
- Developing deep learning models for protein structure prediction
Protein yapı tahmini için derin öğrenme modellerinin geliştirilmesi
YASİN GÖRMEZ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER AYDIN
- Protein fragment selection using machine learning
Makine öğrenmesi ile protein parçacık seçimi
ALPEREN EMRE ULUTAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ZAFER AYDIN
- FT-IR and CD studies on fragmentation of proteins by proteases
Proteinlerin proteazlarla parçalanması üzerine FT-IR ve CD çalışmaları
GÜNNUR GÜLER
Yüksek Lisans
İngilizce
2010
BiyofizikGoethe-Universität Frankfurt am MainFizik Ana Bilim Dalı
PROF. DR. WERNER MAENTELE
- Önemli zeytin (Olea europaea L.) çeşitlerinin izoenzim polimorfizmleri ve genetik özellikleri
Isoenzyme polymorphisms and genetic characteristics of important olive (Olea europaea L.) cultivars and types
SEVDA DÜLGER
Yüksek Lisans
Türkçe
2004
ZiraatÇanakkale Onsekiz Mart ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
YRD. DOÇ. DR. MURAT ŞEKER
- Dimensionality reduction for protein secondary structure prediction
Protein ikincil yapı tahmini için boyut küçültme
YASİN GÖRMEZ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZAFER AYDIN
DOÇ. DR. OĞUZ KAYNAR