Geri Dön

Cell penetrating peptide prediction and validation by machine learning for efficient delivery of gene therapy vectors

Gen tedavi vektörlerinin etkin iletimi için makine öğrenmesi ile peptit tahmini ve doğrulanması

PDF İndir

  1. Tez No: 862232
  2. Yazar: ELİF ÇİSEM ÇÖLDÜR
  3. Danışmanlar: DOÇ. DR. DEVRİM DEMİR DORA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Biyoteknoloji, Genetik, Bioengineering, Biotechnology, Genetics
  6. Anahtar Kelimeler: CPP, in silico, makine öğrenmesi, gen tedavisi, CPP, in silico, machine learning, gene therapy
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Gen ve Hücre Tedavisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

Amaç: Bu tez çalışmasının amacı, gen tedavisi uygulamalarında kritik bir öneme sahip olan hücre zarına penetre olabilen peptitlerin (CPP) makine öğrenme modeli kullanılarak CPP olma veya CPP olmama özelliğinin tahmin edilmesidir. CPP'ler terapötik materyalin hücre içine etkin bir şekilde ulaştırılmasında büyük öneme sahiptir. Bu bağlamda, bu çalışmada geliştirilen yeni algoritma kullanılarak gen tedavisinde kullanılabilecek yeni CPP'lerin kısa sürede verimli şekilde elde edilmesi amaçlanmaktadır. Yöntem: Veri seti yaklaşık olarak 1400 farklı peptit zinciri kullanılarak oluşturulmuştur. Literatürdeki çalışmalarda önemi gösterilmiş olan amino asit kompozisyonu, uzunluk, entropi ve CTDC gibi fizikokimyasal özellikler kullanılarak makine öğrenme modeli girdileri oluşturulmuştur. CPP olan peptitler algortima ile“1”olarak sınıflandırılırken CPP olmayanlar“0”olarak sınıflandırılmıştır. Makine öğrenme modeli olarak Random Forest modeli seçilmiştir. Veri setinde bulunmayan farklı peptitler için tahminler yapılmıştır. Çalışmanın deneysel bölümünde, CPP olduğu bilinen protamin kullanılarak protaminin genetik materyalin hücre içine girşini arttırdığı gösterilmiştir. Bulgular: Tez kapsamında geliştirilmiş olan model, %91,96 eğitim doğruluğu ve %86,62 doğrulama doğruluğu ile peptit sınıflandırmasını etkili bir şekilde gerçekleştirmiştir. Ayrıca, algoritma, veri setinde bulunmayan peptit örneklerinin büyük bir kısmını doğru bir şekilde tahmin etmiştir. Yapılan deneylerde, protaminin CPP özelliğine sahip olduğu gösterilmiş ve protamin kullanımının transdüksiyon veriminde %64'lük anlamlı bir artış sağladığı belirlenmiştir. Sonuç: Bu çalışma, CPP tahmini yapan bir algoritma geliştirerek, in vitro deneyler öncesinde genetik materyalin taşıma verimliliğini hızlı ve etkili bir şekilde planlamayı mümkün kılmaktadır. Bu sayede, maddi kazancı artırmayı ve zaman kaybını minimize etmeyi hedeflemektedir. Ayrıca, gelecekte hücre içine aktarılmak istenen çeşitli materyallerin taşıma verimliliklerini tahmin etmek için yeni makine öğrenme algoritmalarına rehberlik edebilecek bir örnek çalışma olmuştur.

Özet (Çeviri)

Objective: Predicting cell-penetrating peptides (CPP) through machine learning is vital for advancing gene therapy. This study aims to use a model based on peptide chain sequences and physicochemical properties to distinguish between CPPs and non-CPPs, crucial for improving the targeted delivery of therapeutic genes. Method: Approximately 1400 different peptide chains were utilized as data, incorporating features such as amino acid composition, length, entropy, and CTDC, along with peptide sequences as inputs. The output is binary, with a result of“1”indicating a CPP and“0”denoting a non-CPP. The Random Forest model was chosen as the machine learning model for classification. Predictions were made for different peptides not present in the dataset. In the experimental section of the study, the reowned CPP protamine was employed, demonstrating its ability to enhance cellular internalization. Results: The model achieved a training accuracy of 91.96% and a validation accuracy of 86.62%, demonstrating its effectiveness in predicting peptide classification. The developed algorithm has accurately predicted nearly all of the different peptide samples that were not present in the dataset. Experimental validation in the study confirmed the CPP property of protamine. It was determined that the utilization of protamine resulted in a remarkable 64% increase in transduction efficiency. This underscores the effectiveness of protamine in facilitating the entry of therapeutic agents into cells, showcasing its potential utility in enhancing various biomedical applications, including gene delivery. Conclusion: Through this study, a novel algorithm has been developed to predict CPPs, paving the way for its application in gene therapy research. The algorithm enhances the identification of CPPs, facilitating targeted delivery of therapeutic genes and potentially improving the precision of gene-based treatments. Its efficiency in discovering CPPs may expedite the development of innovative gene delivery methods, advancing the field of gene therapy.

Benzer Tezler

  1. Tez No

    335662

    Cell penetrating peptide amphiphile integrated liposomal systems for enhanced delivery of cargo to tumor cells

    Lipozomların hücre delici peptitlerle modifiye edililerek antikanser ilaç gönderiminin geliştirilmesi

    MURAT KILINÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Biyomühendislikİhsan Doğramacı Bilkent Üniversitesi

    Malzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı

    DOÇ. DR. AYŞE BEGÜM TEKİNAY

  2. Tez No

    654358

    Formation of curcumin-cell penetrating peptide conjugates and evaluation of their antimicrobial properties

    Zerdeçal-hücre penetran peptit konjugatlarının formasyonu ve antimikrobiyal özelliklerinin değerlendirilmesi

    EBRU KÖLEOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    BiyomühendislikMarmara Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. BERNA SARIYAR AKBULUT

    DOÇ. DR. SERAP DERMAN

  3. Tez No

    563832

    Development of endosome disruptive peptide and PEG conjugate based doxorubicin delivery system

    Endozom parçalayıcı peptid ve PEG konjugatı bazlı doksorubisin taşıyıcı sistemi geliştirilmesi

    SELİN ÖZKIYICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Kimya Mühendisliğiİzmir Yüksek Teknoloji Enstitüsü

    Kimya Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AYBEN TOP

  4. Tez No

    795663

    Caretta caretta kaynaklı defensin benzeri TEWP peptidi ve analoglarının Pichia pastoris ekspresyon sisteminde rekombinant üretimi

    Recombinant production of TEWP defensin-like peptide from Caretta caretta and its analogues in Pichia pastoris expression system

    SAİME GÜLSÜM BATMAN

    Doktora

    Türkçe

    Türkçe

    2023

    BiyoteknolojiErciyes Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜLAL KESMEN

  5. Tez No

    858116

    Knock out of GSH2 gene and production of γ-GC in nicotiana benthamiana leaves with Cas9 vector/cell penetrating peptide complex

    Cas9 vektörü/hücreye nüfuz eden peptit kompleksi ile nicotiana benthamiana yapraklarinda GSH2 geninin knock out edilmesi ve γ-GC üretimi

    OĞUZHAN YAPRAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyolojiBaşkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. CEYHUN KAYIHAN

Geri Dön