Prediction of host,virus protein protein interactions
Konak virus protein protein etkileşimlerinin tahmini
- Tez No: 745297
- Danışmanlar: PROF. DR. JUDITH KLEIN-SEETHARAMAN, Prof. Dr. JAIME G. CARBONELL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Carnegie Mellon University
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 180
Özet
Yeni bulaşıcı virüsler düzenli olarak ortaya çıkıyor, yerleşik olanlar ise yok edilemiyor ve bu da halk sağlığı için önemli zorluk yaratıyor. Virüsler ve konakları arasındaki ilişki arasındaki eksik anlayışımız, viral hastalıklar için etkili tedaviler geliştirmeyi zorlaştırıyor. Protein-protein etkileşimleri (PPI'ler) hücredeki kilit oyunculardır ve virüsler bunları amaçları için kullanır. AIDS'e sebep olan HIV-1'nin proteinleri ile konak hücre proteinleri arasındaki ilişkiyi anlamada, deneysel çabalar binlerce fiziksel etkileşim ve işlevsel ilişkiyi belirleyerek önemli ilerleme kaydedilmiştir. Bununla birlikte, fiziksel interaktomun tam ve doğru repertuarı hala tamamlanmış olmaktan uzaktır. Virüs-konak interaktomunu daha iyi tanımlama amacıyla, bu tez, farklı biyolojik bilgi seviyeleri arasında bir makine öğrenimi çerçevesinde köprü kurarak deneysel çabaları tamamlar. Spesifik olarak, virüs için doğrudan ve dolaylı öznitelik kanıtı olarak hizmet edebilecek geniş bir genomik ve proteomik veri dizisi, konak protein-protein etkileşimleri için derlendi. Bu verilere dayalı olarak denetimli bir sınıflandırma modeli sunulmuştur. Yayınlanan etkileşimler hakkında uzmanların görüşleri toplanarak yüksek kaliteli bir etiket seti elde edildi. Uzman etiketleme doğruluklarını tahmin etmek ve her etkileşim için güvenilirlik puanları elde etmek için olasılıksal bir çerçeve sunuldu. Son olarak, veri kıtlığı sorunlarının üstesinden gelmek için, tek görevlerin (her viral proteinin PPI'larını öğrenerek) ilişkililiklerine göre farklı görevler arasında parametreleri paylaştığı çok görevli bir öğrenme stratejisi geliştirdik. Bu tezin bir parçası olarak geliştirilen yöntemler, ilgili veriler elde edildikçe diğer konak-virüs sistemlerine kolaylıkla genişletilebilir. HIV-1'de yapılan insan etkileşimleri tahminleri daha sonra deneylerle kısmen doğrulanmıştır.
Özet (Çeviri)
New infectious viruses appear regularly, established ones fail to be eradicated, posing significant challenges to public health. Our lack of understanding of the intimate relationship between viruses and their hosts makes it difficult to develop effective therapies. Protein-protein interactions (PPIs) are key players in the cell generally and viruses exploit them for their purposes. Considerable progress has been made with HIV-1, the causative agent of AIDS, where experimental efforts have identified thousands of physical interactions and functional associations between the virus and the human host pro- teins. However, the complete and accurate repertoire of the physical interactome is still far from complete. Towards better defining the virus-host interactome, this dissertation complements experimental efforts by bridging different levels of biological information in a machine learning framework. Specifically, a wide array of genomic and proteomic data that could serve as direct and indirect feature evidence for virus, host PPIs was compiled. A supervised classification model was presented based on this data. A high quality label set was obtained by collecting experts' opinions on published interactions. A probabilistic framework was provided to estimate expert labeling accuracies and to obtain reliability scores for each interaction. Finally, to overcome data scarcity issues, we developed a multi-task learning strategy, where single tasks (learning the PPIs of each viral protein) shared parameters across different tasks based on their relatedness. The methods developed as part of this thesis can be easily extended to other host-virus systems as pertinent data become available. Numerous predictions of HIV-1, human interactions have subsequently been partially validated by experiments.
Benzer Tezler
- Prediction of pathogen-host interactions with protein sequence embeddings using deep learning
Patojen-konak etkileşimlerinin derin öğrenme yöntemleri kullanılarak tahmin edilmesi
BÜŞRA OĞUZOĞLU
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
- HMI-PRED: Design and implementation of a webserver for host-microbe interactions prediction
HMI-PRED: Konak-mikrop protein etkileşiminin tahmini için web sunucusu tasarımı ve geliştirilmesi
ASMA OMAR HAKOUZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Prof. Dr. ATTİLA GÜRSOY
Prof. Dr. ZEHRA ÖZLEM KESKİN ÖZKAYA
- SARS-CoV-2 proteini ile insan proteini arasindaki etkileşimlerin makine öğrenmesi yöntemleri ile tahmini
Prediction of interactions between SARS-CoV-2 protein and human protein using machine learning methods
FİRDES GÜL KORKUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT GÖK
- A computational approach for predicting host specificity of adenoviruses
Adenovirüslerin konak özgüllüğünü tahmin etmede kullanılacak bir hesaplama yöntemi
ONUR CAN KARABULUT
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBiyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ETHEM SÜZEK
- Zika ve Dang virüsleri NS4A proteini ile insan Sec61G proteini glikozilasyon profillerinin glikoinformatik analizi ve protein-protein etkileşimlerinin farklı moleküler docking yaklaşımları ile hesaplamalı analizi
Glycoinformatics analysis of the glycosylation profiles of Zika and Dengue viruses NS4A protein and human sec61g protein and computational analysis of the protein-protein interactions with different molecular docking approaches
MUHAMMET USLUPEHLİVAN