Geri Dön

Large scale machine learning based virtual screening for early drug discovery

Erken ilaç keşfı ıçın büyük ölçeklı makıne öğrenmesıne dayalı sanal tarama

PDF İndir

  1. Tez No: 688131
  2. Yazar: ATABERK DÖNMEZ
  3. Danışmanlar: PROF. DR. MEHMET VOLKAN ATALAY
  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: 2021
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    1019841

    A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders

    İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama

    ELİF GÜLİN PETEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ONUR BEHZAT TOKDEMİR

  2. Tez No

    924146

    Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi

    A novel deep learning-based intrusion detection system for internet of things networks

    KEMAL AKKANAT

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. MUHARREM TOLGA SAKALLI

  3. Tez No

    837034

    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

    Türkçe

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

  4. Tez No

    698442

    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

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞRUL ÇAVDAR

  5. Tez No

    401678

    Learning in extreme conditions: Online and active learning with massive, imbalanced and noisy data

    Başlık çevirisi yok

    ŞEYDA ERTEKİN

    Doktora

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Pennsylvanıa State Unıversıty

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. C. LEE GILES

Geri Dön