Geri Dön

Computer-based approaches in biosequence data analysis

Biyosekans veri analizinde bilgisayar-tabanlı yaklaşımlar

  1. Tez No: 652672
  2. Yazar: ÇAĞDAŞ KÜÇÜK
  3. Danışmanlar: PROF. DR. ÇAĞIN KANDEMİR ÇAVAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

Proteinlerin yapısı ve işlevi birbiriyle yakından ilgilidir. Sinyal proteinleri protein sekresyonu, taşınması gibi birçok biyolojik aktiviteye katılır. Sinyal proteinleri yeni ilaç bulunması alanında önemli bir konudur. Bu sebeplerden dolayı bir proteini sınıflandırıp sinyal proteini olup olmadığını bilmek önemlidir. Makine öğrenme çözümleri iyi bir seçenektir; çünkü deneysel çözümler pahalıdır ve zaman alırlar. Bu tezin amacı sinyal proteinlerini protein kodlama yöntemleri ve makine öğrenme algoritmaları kullanarak sınıflandırmaktır. 1867 sinyal ve 3317 sinyal olmayan protein indirildi. Sonra bu proteinler, psödo amino asit kompozisyonu (PseAAC) ve dipeptid kompozisyonu kullanılarak iki veri seti oluşturmak için dönüştürüldü. Derin yapay sinir ağı, rastgele orman ve destek vektör makinesi algoritmaları kullanılarak sinyal proteinleri sınıflandırıldı. İki veri setinde de algoritmaların doğruluk oranları 0,70'den yüksek çıkmıştır ve bu modellerin protein kodlama yöntemleriyle kodlanan sinyal proteinlerinin sınıflandırılmasında etkin olduğunu göstermektedir.

Özet (Çeviri)

The structure and function of proteins are closely related. Signaling proteins take part in many biological activities like protein secretion, transportation and more. Signaling proteins are an important topic in drug discovery. For these reasons it is important to classify whether a protein is signaling or not. Machine learning solutions are a good option for this because experimental solutions are time consuming and expensive. The aim of this thesis is to classify signaling proteins using protein encoding schemes and machine learning algorithms. 1867 signaling and 3317 non-signaling proteins were downloaded. Then they were transformed using pseudo amino acid composition (PseAAC) and dipeptide composition to create two datasets. Deep neural network, random forest and support vector machine algorithms were used to classify signaling proteins. For both datasets, the accuracy rate of all models were higher than 0.70. It shows that these models are effective in signal protein classification used with protein encoding schemes.

Benzer Tezler

  1. Temel tasarım eğitiminde bilgisayar oyunu tabanlı bir model

    Computer game based model in basic design education

    EMİRHAN COŞKUN

    Doktora

    Türkçe

    Türkçe

    2019

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. GÜLEN ÇAĞDAŞ

  2. Bilgisayar temelli bireyselleştirilmiş test yaklaşımlarının Türkiye'deki merkezi dil sınavlarında uygulanabilirliğinin araştırılması

    Investigation of applicability of computer-based adaptive testing approaches to central language exams in Turkey

    ERCAN ÇOBAN

    Doktora

    Türkçe

    Türkçe

    2020

    Eğitim ve ÖğretimAnkara Üniversitesi

    Ölçme ve Değerlendirme Ana Bilim Dalı

    DOÇ. DR. CELAL DEHA DOĞAN

  3. Learning-based approaches in protein motif extraction

    Protein motif çıkarımında öğrenme-tabanlı yaklaşımlar

    ÇAĞLA ÇINAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. ÇAĞIN KANDEMİR ÇAVAŞ

  4. Synthetic attributes for image classification

    İmge sınıflandırma için sentetik nitelikler

    MEHMET KARAYEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDeniz Harp Okulu Komutanlığı

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. NAFİZ ARICA

  5. Tıpta yapay zeka temelli yaklaşımlar

    Artificial intelligence based approaches in medicine

    KÜBRA EMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    MatematikEge Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. BURAK ORDİN