Geri Dön

16S rRNA taksonomik sınıflandırmasında yapay sinir ağlarına dayalı taksonomik metrik öğrenme yöntemlerinin geliştirilmesi

The development of ann based taxonomic metric learning for 16s rRNA taxonomic classification

  1. Tez No: 617692
  2. Yazar: SAMED SAKA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖZKAN UFUK NALBANTOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Computer Engineering and Computer Science and Control, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoinformatik Sistemler Biyolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 59

Özet

Yeni nesil sekanslama yöntemlerinin maliyetlerinin azalması ve kullanımının yaygınlaşması ile mikrobiyota çalışmaları hız kazanmıştır. Hastalık ve sağlık durumlarının, mikrobiyota ile ilişkilendirildiği çalışmalarda, ortamın mikrobiyal çeşitliliğinin profillenmesi amacıyla 16S rRNA geni kullanılmaktadır. Bütün bakterilerde evrimsel olarak korunmuş olarak bulunan 16S rRNA geni ile taksonomik atama yapılabilmektedir. Bu tez çalışmasında, 16S rRNA veri sınıflandıma problemi için derin öğrenme ve derin meta-öğrenme yöntemlerini içeren algoritmalar kullanılmıştır. Literatürde kullanılan yöntemlerin, sınıflandırma yaparken kullandıkları referans veri tabanlarında bulunmayan örneklerin taksonomik seviyeleri doğru modelleme konusunda performanslarının düştükleri gözlemlenmiştir. Sınıflandırma yapılırken sekans benzerliği ve taksonomik sevilerin daha başarılı sınıflandırılması amacı ile çeşitli veri madenciliği yöntemleri kullanılmış ve derin yapay öğrenme metotları ile sınıflandırma yapılmıştır. Sonuç olarak, derin öğrenme yöntemleri ile literatürdeki yöntemlere göre, taksonomik ayrım yapılmadan ve yapılarak test edilen veri setlerinde daha başarılı sonuçlara ulaşılmıştır. Eğitim için kullanılan veri setinin daha başarılı şekilde modellendiği gözlenmiş, derin yapay öğrenme metotlarının biyolojik veri analizlerinde başarılı şekilde kullanılabileceği gösterilmiştir. 16S rRNA geni ile yapılan mikrobiyom çalışmalarında kullanılabilecek yeni ve başarılı bir yöntem önerilmiştir.

Özet (Çeviri)

Microbiota studies have increased with the spread of next generation sequencing technologies and reduction of their costs. 16S rRNA gene is used to profile the microbial diversity of the environment in studies where disease and health conditions are associated with microbiota. Taxonomic assignment can be made with the 16S rRNA gene, which is evolutionarily preserved in all bacteria. In this master thesis, algorithms including deep learning and deep meta-learning methods are used for 16S rRNA data classification problem. It has been observed that the performance of the methods used in the literature decreased in terms of accurate modeling of taxonomic levels of the samples which are not in the reference databases used in classification. Various data mining methods were used in order to classify taxonomy and sequence similarity. Deep learning methods were used for classification. As a result, more successful results were obtained in the data sets tested with deep learning methods compared to the methods in the literature. It was observed that the data set used for training was modeled more successfully and it was shown that deep learning methods could be used successfully in biological data analysis. And a new and successful method for microbiome studies with 16S rRNA gene, has been proposed with this study

Benzer Tezler

  1. Determination of enterotype specific microbial biomarkers from metagenome data for early diagnosis and screening system in colon cancer

    Kolon kanserinde erken tanı ve tarama sistemi için metagenom verilerinden enterotip spesifik mikrobiyal biyobelirteç tayini

    ÜNZİLE GÜVEN GÜLHAN

    Doktora

    İngilizce

    İngilizce

    2024

    BiyoistatistikGebze Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DR. SALİHA DURMUŞ

  2. Investigation of microbial biomarkers for colorectal cancer diagnosis through 16S rRNA metagenomic data

    16S rRNA metagenomik verileri ile kolorektal kanser tanısı için mikrobiyal biyobelirteçlerin araştırılması

    ESRA PEÇE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    BiyoistatistikGebze Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SALİHA DURMUŞ

  3. Primer immün yetersizliği olan çocuklarda diş çürüklerinde bulunan mikrobiyal topluluğun 16S rRNA gen bazlı metagenomik analizi ve tükürük tamponlama kapasitesi değerlendirmesi

    16S rRNA gene-based metagenomic analysis of the microbial community in dental caries in children with primary immunodeficiency and evaluation of saliva buffering capacity

    BUSHRA LUTF AHMED AL-KEBSI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyolojiNecmettin Erbakan Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    PROF. DR. GÖKHAN KARS

    DR. ÖĞR. ÜYESİ HAZAL ÖZER

  4. Türkiye'deki Darevskia rudis (Bedriaga, 1886) ve Darevskia bithynica (Méhely, 1909) türlerinin sistematiğinin bazı mikrosatellit ve mitokondriyal DNA bölgelerinin sekansları üzerine bir araştırma

    A research based on the sequence of the some microsatellite and mitochondrial DNA regions for the systematic of Darevskia rudis (Bedriaga, 1886) and Darevskia bithynica (Méhely, 1909) species in Turkey

    HALİME KOÇ

    Doktora

    Türkçe

    Türkçe

    2019

    BiyolojiKaradeniz Teknik Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. BİLAL KUTRUP

  5. Laktik asit bakterilerinde tür içi ve türler arası ayrımda 16S-ARDRA tekniğinin değerlendirilmesi

    Evaluation of 16S-ARDRA for inter and intraspecific differentiation of lactic acid bacteria

    BAŞAK ORAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    BiyolojiAnkara Üniversitesi

    Biyoloji Ana Bilim Dalı

    DOÇ. DR. ÖZLEM OSMANAĞAOĞLU