Large scale machine learning based virtual screening for early drug discovery
Erken ilaç keşfı ıçın büyük ölçeklı makıne öğrenmesıne dayalı sanal tarama
- Tez No: 688131
- Danışmanlar: PROF. DR. MEHMET VOLKAN ATALAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
Geleneksel sanal tarama metodları çok fazla sayıda bulunan satışa sunulmuş ilaç adayı bileşik setlerine uygulamak için fazla hesaplama gücü gerektirmektedir Amacımız, sanal taramaya girecek olan bileşik sayısını, bileşiklerin öz vektörleri üzerinde kümeleme algoritmaları kullanarak makul bir sayıya düşürmek. Bu amacı gerçekleştirmek için Chemprop, bir yönlü mesaj aktarımlı sinir ağı, ile 25 boyutlu öğrenilmiş bileşik öz vektörleri kullanmaktayız. Oluşturduğumuz öğrenilmiş öz vektörler ile geleneksel bileşik öz vektörü yöntemlerini (ECFP4) farklı kümeleme algoritmaları (Mini Toplu k-Ortalamalar, Wards, Butina) kullanarak test edip karşılaştırıyoruz. Oluşan kümelenmelerin doğruluğunu 3 farklı metrik (Kaliteli Ayırma İndeksi, Silüet Skoru, Küme Etiketleme Doğrulu) ile ölçüyoruz. Sonuçlar gösteriyor ki, öğrenilen öz vektörler büyük bir hızlanma sağlasa da oluşan kümelenmelerin doğruluğunda düşüşe neden oluyor.
Özet (Çeviri)
The number of commercially available drug candidate compounds is very high, and traditional virtual screening methods are too computationally demanding to be applied to such large data sets. Our main aim is to reduce the number of compounds for virtual screening to a reasonable number by applying clustering on compound features. Consequently, this would reduce the time and computational resource requirements for virtual screening. To achieve this goal, we use Chemprop, a directed message passing neural network, to generate 25-dimensional learned compound descriptors. We compare the results of our learned descriptors and traditional compound descriptors (i.e., ECFP4) using various clustering algorithms (i.e., Mini Batch k-Means, Wards, Butina). We measure the clustering quality using three different metrics (i.e., Quality Partition Index (QPI), Silhouette Score, Cluster Labeling Accuracy (CLA)). The results show a considerable speed up at the cost of clustering quality.
Benzer Tezler
- Tarihi yarımada'da turizm amaçlı, mekansal tabanlı sanal gerçeklik olanaklarının araştırılması
Research on spatial-based virtual reality opportunities for tourism purposes in the historical peninsula
SANÇAR BUHUR
Doktora
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Derin öğrenme yöntemleri kullanılarak ürün önerme sistemi
Product recommendation system using deep learning methods
ALİ SARIKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. ALİ GÜNEŞ
- Learning in extreme conditions: Online and active learning with massive, imbalanced and noisy data
Başlık çevirisi yok
ŞEYDA ERTEKİN
Doktora
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Pennsylvania State UniversityBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. C. LEE GILES
- Büyük boyutlu gezgin kablosuz algılayıcı ağlarda düğümlerin lokalizasyonu için çapa düğümlerin optimizasyon yöntemleriyle yerleşimi
Anchor node placement with optimization methods for localization of nodes in large-scale mobile wireless sensor networks
FARUK BATURALP GÜNAY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞRUL ÇAVDAR
- Using virtual power plants based on machine learning to effectivelydistribute electrical energy
Başlık çevirisi yok
LAYLA JASIM MOHAMMED AL-YOUSUF
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
DR. ÖĞR. ÜYESİ OMAR YEHYA