Yeni nesil DNA dizileme teknolojileri ile hızlı patojen tanıma yapabilen algoritmaların geliştirilmesi
Development of rapid pathogen detection algorithms using next- generation DNA sequenci̇ng
- Tez No: 565884
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZKAN UFUK NALBANTOĞLU
- Tez Türü: Yüksek Lisans
- 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: 85
Özet
Yeni Nesil Dizileme Teknolojileri (YNDT), mikrobiyal organizmanın tüm genetik materyaline ulaşabilme ve daha uzun okumalarla daha derin dizilim elde edebilme yetenekleri sayesinde kompozisyon temelli taksonomik sınıflandırma algoritmalarının daha doğru sonuç elde etmesine katkı sağlamıştır. Yeni Nesil Dizileme Teknolojileri ile üretilen verilerin genom sınıflandırma algoritmalarında eğitilmesi için sayısal olarak temsili gerekmektedir. Bu çalışmada DNA dizilerin sayısal olarak temsili için spektral gösterim yöntemleri ve one-hot kodlayıcı (ohe) kullanılmıştır. Sayısal olarak temsil edilen veri, daha sonra patojen tespiti için zaman-doğruluk-maliyet açısından avantaj sağlayacak DNA kompozisyonuna dayalı yöntemlerden Bağıl Bolluk İndeksi (RAI) temelli patojen tanıma algoritması, Derin Öğrenme algoritmalarından Konvolüsyonel Sinir Ağları (CNN) ve Derin İnanç Ağlarına (DBN) dayalı modeller ile eğitilmiştir. Farklı okuma uzunlukları için eğitilen modeller test edilerek doğruluk, standart sapma değerleri cins seviyesinde hesaplanmış ve sonuçlar karşılaştırılmıştır. Sonuç olarak hızlı ve doğru bir şekilde patojen tespiti yapılmıştır.
Özet (Çeviri)
Next-generation sequencing (NGS) obtain massively deep sequencing with longer reads as it can reach all the genetic material of the microbial organism which has contributed more accurate results of composition based-methods in taxonomic classification algorithms. Spectral representation methods and one-hot encoder (ohe) were used for numerical representation of the data generated with Next Generation Sequencing Technologies for genome classification algoritms as an input vector. Then, numerically represented input data was trained with DNA composition based-methods respectively Relative Abundance Index (RAI) based methods, Deep Learning algorithms as Convolutional Neural Networks (CNN) and Deep Belief Networks (DBN), which are advantageous in terms of time-accuracy-cost. After the generated models were used to test, accuracy and standard deviation values were calculated, and results were compared for each different reading lengths in terms of genus level. In conclusion, fast and accurate pathogen detection algorithms have been performed.
Benzer Tezler
- Targeting and activation of antigen specific CD8+ T cells with peptide-major histocompatibility complex I tetramers
Peptit-majör histokompatibilite kompleks I tetramerleri ile antijen spesifik CD8+ T hücrelerin hedeflenmesi ve aktivasyonu
ŞAFAK CEREN USLU ŞIVGIN
Doktora
İngilizce
2025
BiyoteknolojiHacettepe ÜniversitesiTemel Onkoloji Ana Bilim Dalı
DOÇ. DR. HANDE CANPINAR
- Next generation sequencing for disease diagnosis
Hastalık tanısı için yeni nesil dizileme verisi analizi
CEREN ÜNER ÇAYLAK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA YENİAD
- Clinical and molecular collaboration studies: i)comparison of CNV by NGS&MLPA in hereditary breast and ovarian cancer ii)effective covid-19 sampling and storage
Klinik ve molküler işbirliği çalışmaları: i)HBOC kapsamında NGS ve MLPA ile CNV karşılaştırması ii) covıd-19 için etkili örnek toplama ve saklama koşulları
JALE YILDIZ
Doktora
İngilizce
2024
Enfeksiyon Hastalıkları ve Klinik Mikrobiyolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. GİZEM DİNLER DOĞANAY
- Particle detection and signal analysis in nanopores
Nanogözeneklerde parçacık algılama ve sinyal analizi
DÜRDANE YILMAZ
Doktora
İngilizce
2023
Biyokimyaİstanbul Medeniyet ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
DOÇ. DR. ALİ DİNLER
DOÇ. DR. KAAN KEÇECİ
- Pamuk (Gossypium L.) genomlarında mikrosatellit DNA tipleri ve dağılımları
Types and distributions of microsatellite DNA in the Cotton (Gossypium l.) genome
DAMLA AKMAN
Yüksek Lisans
Türkçe
2025
BiyoteknolojiAkdeniz ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF. DR. MEHMET KARACA