Yapay zekâ tekniklerinin kullanımıyla protein etkileşimlerinin sekans bilgisine dayalı tahmini
Prediction of protein interactions by using artificial intelligence techniques based on protein sequence data
- Tez No: 571574
- Danışmanlar: DOÇ. DR. HALİFE KODAZ
- 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: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 116
Özet
Proteinler hücre içerisindeki tüm olaylarda önemli roller oynarlar ve biyolojik yapıların temelini oluştururlar. Görevlerini yerine getirirken proteinler diğer protein ve moleküllerle farklı yapı ve şekillerde iletişim kurarlar. Protein-protein etkileşimleri denilen bu yapılar tüm biyolojik süreçlerin yürütülmesinde görev alırlar. Bu sebeple etkileşimlerin belirlenmesi araştırmacıların yoğunlaştığı önemli bir çalışma konusudur. Proteinler arasında kurulan etkileşimlerin tespit edilmesi için farklı yöntemler kullanılmaktadır. Bu yöntemler temel olarak in-vivo, in-vitro ve in-silico olarak gruplandırılmaktadır. Etkileşimlerin deneysel olarak belirlenmesi laboratuvar ortamında yapılan yüksek hacimli çalışmalar olarak değerlendirilmektedir. Bu çalışmalar çok fazla zaman ve çaba gerektirmektedir. Ayrıca araştırmacılar bu tür çalışmaların yanlış pozitif ve yanlış negatif oranlarının da oldukça yüksek olduğunu vurgulamaktadırlar. Laboratuvar ortamında yapılan bu çalışmaları desteklemek ve onlara ön bilgi sunmak gibi amaçlarla hesapsal etkileşim tahmini yöntemleri yoğun olarak çalışılmaktadır. Bu çalışmada proteinler arasında meydana gelen etkileşimlerin tahmini için hesapsal metotlar önerilmiştir. Bu metotlarda eldeki veri tabanlarından alınan protein sekans bilgilerini kullanan özellik çıkarım adımları üretilmiştir. Bu şekilde önerilen metotlar tüm protein veri kümelerine uygulanabilmekte olup proteinler hakkında farklı özelliklerin bilinmesine ihtiyaç duyan hesapsal metotlardan farklılık göstermektedir. Elde edilen özellik matrisleri kullanılarak destek vektör makinesi tabanlı bir sınıflandırma sistemi ile etkileşim tahmini yapılmaktadır. Önerilen sistemlerin performansları sık kullanılan değerlendirme ölçütleri ile test edilmiştir. Önceki çalışmalarla karşılaştırılarak önerilen sistemlerin farklı veri kümeleri üzerinde elde ettiği sonuçların başarılı ve kabul edilebilir oldukları görülmüştür.
Özet (Çeviri)
Proteins play important roles in all events in the cell and form the basis of biological structures. While carrying out their tasks, proteins communicate with other proteins and molecules in different structures and forms. These structures, called protein-protein interactions, are involved in carrying out all biological processes. Therefore, determining the interactions is an important subject of research. Different methods are used to detect interactions between proteins. These methods are mainly divided into 3 groups as in-vivo, in-vitro and in-silico. Experimental determination of the interactions is evaluated as high throughput studies made in laboratory. These studies require a lot of time and effort. In addition, researchers emphasize that the false positive and false negative rates of such studies are quite high. In order to support these studies conducted in the laboratory environment and to provide them with preliminary information, computational interaction prediction methods are studied extensively. In this study, computational methods have been proposed for the estimation of interactions between proteins. In these methods, feature extraction steps using the protein sequence information from the present databases were generated. The models proposed in this way can be applied to all protein datasets and differ from computational methods that need to know different and complex properties about proteins. By using the obtained feature matrices, interaction prediction was made with a support vector machine based classification system. The performances of the proposed systems were tested with commonly used evaluation criteria. Compared to previous studies, it was seen that the results of the proposed systems on different datasets were successful and acceptable.
Benzer Tezler
- Kısa metinlerde varlık ismi tanıma
Named entity recognition on Turkish short texts
BEYZA EKEN
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Yapay zekâ algoritmaları ile ulusal orman envanteri modelinin geliştirilmesi: İstanbul Orman Bölge Müdürlüğü örneği
Development of national forest inventory model using artificial intelligence algorithms: A case study of Istanbul Regional Directorate of Forestry
ERGİN ÇAĞATAY ÇANKAYA
Doktora
Türkçe
2025
Ormancılık ve Orman MühendisliğiBursa Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. TURAN SÖNMEZ
- Mekansal zeka yöntemleriyle yeni nesil hareketlilik kapsamında ulaşım hizmetlerinin sürdürülebilir yönetimi
Sustainable management of transportation services within the scope of next generation mobility using geospatial intelligence
ALİ DOĞAN GÜMÜŞSOY
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiUlaşım Teknolojileri Ana Bilim Dalı
PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Tekerlek içi elektrik motorlarında yapay zeka tabanlı arıza teşhisi
Fault diagnosis of hub motors based on artificial intelligence techniques
MEHMET ŞİMŞİR
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YILMAZ UYAROĞLU
PROF. DR. RAİF BAYIR
- Ortaokul öğretmenlerinin bilgisayar ve internet öz yeterlikleri ile yapay zekâ kaygıları arasındaki ilişki
The relationship between secondary school teachers' computer and in-ternet self-efficacy and artificial intelligence concerns
ALPER PEKCAN
Yüksek Lisans
Türkçe
2023
Eğitim ve ÖğretimAfyon Kocatepe Üniversitesiİnternet ve Bilişim Teknolojileri Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERTUĞRUL ERGÜN