Detection of SARS-CoV-2 main variants of concerns using deep learning
Derin öğrenme kullanılarak SARS-CoV-2 ana varyantlarının tespiti
- Tez No: 756357
- Danışmanlar: DR. ÖĞR. ÜYESİ HİLAL ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 63
Özet
2019 koronavirüs hastalığından (COVID-19) sorumlu olan şiddetli akut solunum sendromu koronavirüs 2 (SARS-CoV-2) dünya çapında yıkıcı bir etki yaptı. Virüsün yüksek mutasyon oranı sayesinde yeni viral varyantları tespit edilmiştir. Bazı SARS-CoV-2 varyantları aşı ve ilacın etkisini azalttığından halk sağlığı için önemli risk oluşturmasına rağmen bazı varyantların sağlık üzerinde çok az etkisi vardır. SARS-CoV-2'nin varyantları, endişe verici varyantlar ve dikkate alınması gereken varyantlar olmak üzere iki bölümde sınıflandırılabilir. Endişe verici varyantlar, aşıların etkisini önemli ölçüde azaltmakta ve ölüm oranını artırmaktadır. Şimdiye kadar B.1.1.7 (Alfa), B.1.351 (Beta), P.1 (Gama), B.1.617.2 (Delta) ve B.1.1.529 ( Omikron) olmak üzere beş ana SARS-CoV-2 varyantı tespit edildi ve bu varyantları diğerlerinden arasından tanımlamak çok önemlidir. C.7 (Lambda) ve B.1.621 (Mu) olan dikkate alınması gereken varyantlar bu çalışmanın kapsamı dışında tutulmuştur. Bu çalışmada, insan genom dizilerinden ana SARS-CoV-2 varyantlarını tespit etmek için Evrişimli Sinir Ağı algoritmasını kullanan bir derin öğrenme yöntemi öneriyoruz. Ayrıca, her SARS-CoV-2 endişe verici varyantına özel primer setleri de tasarlıyoruz. Önerilen yaklaşımda, ilk olarak, SARS-CoV-2 endişe verici varyantlarını ayıran özellikler derin öğrenme kullanılarak çıkarılır. İkinci olarak, önemli özellikler elde etmek için topluluk öznitelik seçimi yöntemi kullanılır. Varyantları tespit etmek için k-en yakın komşu, destek vektör makinesi, rastgele orman ve çok katmanlı algılayıcı olan makine öğrenmesi sınıflandırıcıları uygulanır. Daha sonra her bir endişe verici varyant için elde edilen aday özellikler Primer3Plus'ta analiz edilmiştir. Çalışmanın sonunda, SARS-COV-2 endişe verici varyantlarını tespit etmek için tasarlanmış primer setleri elde ettik. Primerlerin ve probların doğru tasarımı, SARS-CoV-2'nin birçok varyantını teşhis etmek için kritik öneme sahiptir. Önerilen yöntem çok iyi sonuçlar sergilemekte ve varyantları sınıflandırmak için %99,99 doğruluk elde etmektedir. Bu sonuçlar, Covid-19 pandemisi ve gelecekteki olası viral pandemiler boyunca teşhis araçları geliştirmenin önemli olduğunu göstermektedir. Bununla birlikte SARS-CoV-2 endişe verici varyantlarını (özellikle B.1.1.529 varyantı) tespit etmeye yönelik mevcut çalışmaların azlığı çalışmamızın değerini ortaya koymaktadır.
Özet (Çeviri)
The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has been a devastating effect on worldwide and is responsible for the coronavirus disease 2019 (COVID-19). The novel viral variants of the virus have been detected due to the high mutation rate of the virus. Although some SARS-CoV-2 variants can pose a significant risk for public health since they reduce the effect of the vaccine and medicine, some variants have a little effect on the health. The variants of SARS-CoV-2 may be classified in two parts, which are variants of concern and variants of interest. Variants of concern significantly decrease the effect of vaccines as well as increase the fatality. Five main SARS-CoV-2 variants of concerns, which are B.1.1.7 (Alpha), B.1.351 (Beta), P.1 (Gamma), B.1.617.2 (Delta), and B.1.1.529 (Omicron) are detected so far and it is crucial to identify these variants among the others. Variants of Interest, which are C.7 (Lambda) and B.1.621 (Mu) was excluded from the scope of this study. In this study, we propose a deep learning method using Convolutional Neural Network algorithm to detect main SARS-CoV-2 variants from human genome sequences. In addition, we also design primer sets to specific for each SARS-CoV-2 variant of concerns. In the proposed approach, first, features separating SARS-CoV-2 main variants of concerns are extracted using deep learning. Second, ensemble feature selection method is used to obtain considerable features. Machine learning classsifiers, which are k-nearest neighbor, support vector machine, random forest, and multilayer perceptron are performed to detect the variants. Then, candidate features obtained for each VOCs were analyzed in the Primer3Plus. At the end of study, we got results that is designed primer sets to detect SARS-COV-2 variant of concerns. Precise designing of primers and probes is critical to diagnose many variants of SARS-CoV-2. The proposed method exhibits admirable results and achieves an accuracy of 99.99% to classify variants. These results indicate that are considerable to improve diagnostic tools throughout Covid-19 pandemic and also future possible viral pandemics. However, the scarcity of available studies to identify the SARS-CoV-2 VOCs (especially B.1.1.529 variant) reveals the value of our study.
Benzer Tezler
- Variant detection in inflammatory diseases
İnflamatuvar hastalıklarda varyant belirlenmesi
GİZEM ALKURT
Doktora
İngilizce
2024
Biyolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. GİZEM DİNLER DOĞANAY
- Generation of plasmid-based eukaryotic model to investigate biology of Crimean-Congo hemorrhagic fever virus nucleoprotein and glycoproteins
Kırım Kongo kanamalı ateşi virüsü nükleoproteinin ve glikoproteinlerinin biyolojisinin çalışılmasında plazmit temelli ökaryotik model oluşturulması
NESİBE SELMA ÇETİN
Doktora
İngilizce
2023
BiyoteknolojiBezm-i Alem Vakıf ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. MEHMET ZİYA DOYMAZ
- Investigating the SARS-COV-2 specific antibody response in convalescent pediatric COVID-19 patients
COVİD-19 tanısı alıp iyileşmiş pediatrik hastalarda SARS-COV-2'ye karşı spesifik antikor cevabının araştırılması
FATMA ÖYKÜ ELASLAN
Yüksek Lisans
İngilizce
2023
Biyolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. AYÇA SAYI YAZGAN
- Synthetic biology approach for point-of-care device applications of biosensors
Biyosensörlerin bakım noktası cihaz uygulamaları ı̇çin sentetik biyoloji yaklaşımı
İLKAY ÇİSİL KÖKSALDI
Yüksek Lisans
İngilizce
2021
Biyomühendislikİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
DOÇ. DR. URARTU ÖZGÜR ŞAFAK ŞEKER
- Irak'ta bazı genetik ve bağışıklık sinyalleri kullanılarak SARS-CoV-2 hastalarının bakteriyolojik ve immünolojik çalışması
Bacteriological and immunological study of SARS-CoV-2 patients in Iraq using some genetic and immune signals
SAHAR ABDULWAHHAB ABDULWAHID ALSAMARAI
Doktora
Türkçe
2024
BiyolojiÇankırı Karatekin ÜniversitesiBiyoloji Ana Bilim Dalı
DOÇ. DR. MELDA DÖLARSLAN
DR. ÖĞR. ÜYESİ WAQAS SAADİ MAHMOOD