Geri Dön

Machine learning assisted force field development for nucleic acids

Nükleik asitler için makine öğrenimi destekli kuvvet alanı geliştirilmesi

PDF İndir

  1. Tez No: 879699
  2. Yazar: GÖZDE İNİŞ DEMİR
  3. Danışmanlar: PROF. DR. ADEM TEKİN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Kimya, Computer Engineering and Computer Science and Control, Chemistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
  12. Bilim Dalı: Hesaplamalı Bilim ve Mühendislik Bilim Dalı
  13. Sayfa Sayısı: 168

Özet

Moleküler dinamik ve mekanik benzetimler biyomoleküler sistemlerin incelenmesinde etkin bir araç olarak literatürde sıklıkla kullanılmaktadır. Bu benzetimler kuvvet alanları (force field (FF)) temeli üzerine kurulmuştur. Kuvvet alanları, benzetimi yapılan sistemdeki etkileşim halindeki atomların ve moleküllerin konfigürasyonlarını enerjileriyle ilişkilendirmemize olanak tanıyan çoğunlukla ampirik olarak parametrize edilmiş denklem setleridir. Bu ilişkiyi ortaya koymak için, kuvvet alanları özellikle büyük sistemler için hesapsal olarak çok zaman alıcı ve maliyetli olan kuantum mekanik hesaplamaları yerine klasik fiziği kullanarak bu sistemlerin dinamiklerini belirleyen kuvvetleri türetirler. Bu sayede küçük ilaç benzeri bileşiklerden proteinlere, nükleik asit bazlarına (deoksiribonükleik asit (DNA) ve ribonükleik asit (RNA)) ve hatta virüslere kadar birçok sisteme dair özgün bilgiler edinmemize ve bu yapılar hakkında farklı kavrayışlar geliştirmemize imkan sağlamaktadırlar. Kuvvet alanlarının bir diğer kullanım alanı da kristal yapı tahminidir (KYT). Aslında, Yoğunluk Fonksiyonel Teorisi (Density Functional Theory) KYT'lerde uygulanan küresel optimizasyon yöntemlerinde amaç fonksiyonu olarak kullanılabilmektedir. Ancak bu da hesapsal maliyet bakımından epey zorlayıcı bir yaklaşımdır. Bu doğrultuda amaç fonksiyonu olarak kuvvet alanları kullanmak hem maliyet hem de başarım açısından oldukça akılcı bir yaklaşımdır. Bu yaklaşım ile araştırma grubumuzca geliştirilmiş tek bir hedef moleküle yönelik kuvvet alanları ve en bilindik FF'lerden olan GAFF potansiyeli, yine grubumuzda geliştirilmiş olan hem iki-boyutlu (2D) hem üç-boyutlu (3D) yapı tahmini yapabilme kapasitesi olan FFCASP programına entegre edilerek birçok sistem için oldukça başarılı sonuçların elde edildiği çalışmalar yürütülmüştür. Literatürde biyomoleküler benzetimler için sıklıklar kullanılan (AMBER, AMOEBA, CHARMM, GROMOS, ve OPLS-AA gibi) birçok kuvvet alanı bulunmaktadır. Bu kuvvet alanlarının hassasiyet (accuracy), verimlilik, genişletilebilirlik ve çok çeşitli sistemlere uygulanabilirlik gibi güçlü yönlerinin yanı sıra, her birinin kendine özgü zayıflıkları da mevcuttur. Örneğin, bu popüler klasik FF'lerin büyük çoğunluğu hala Van der Walls (vdW) etkileşimlerine en basit potansiyel fonksiyonlarından biri olan Lennard-Jones (12-6) ile yaklaştırım yapmaktadır. Dahası, bu FF'lerin bazıları tüm potansiyel enerji yüzeyini (potential energy surface (PES)) incelemeksizin sadece seçilmiş önemli dimer yapılarının dahil edilmesiyle üretilmişlerdir ve bu da belirli etkileşimlerin PES'e dahil edilememesine yol açmaktadır. Kısacası, bu popüler FF'ler literatürde her ne kadar yaygın olarak kullanılıyor ve birçok sistem için oldukça iyi sonuçlar veriyor olsalar da, bu FF'lerin bazı etkileşimleri yüksek hassasiyetle tarif etme noktasında yetersiz kaldıkları görülmüştür. Bu etkileşimler arasında, fazla zayıf baz eşleşmesi (base pairing), fazla güçlü baz istiflenmesi (base stacking), ve sorunlu elektrostatik etkileşimleri (\ce{O-H} ve \ce{N-H} arasında oluşan hidrojen bağları, Watson-Crick baz eşleşmeleri gibi) tanımlamaları en ciddi yetersizlikler olarak gösterilmektedir. Esasen, DNA bazlarının aromatik halkalarının $\pi$ orbitalleri arasında meydana gelen çekici ve kovalent olmayan bir etkileşim olan $\pi$-$\pi$ istiflemesinin her türlüsünü yakalamak modern FF'lerin çoğu için oldukça zorlayıcıdır. Yukarıda sıralanan bu problemli etkileşimler kovalent olmayan etkileşimler olup, DNA ve RNA gibi komplekslerin yapılarını kararlı hale getiren etkileşimler olmaları bakımından, bu sistemler için oldukça önemli aktörlerdir. Diğer yandan, bir FF fiziksel gerçekliği ne kadar doğru tanımlayabiliyorsa, benzetimlerden elde edilen çıktı o kadar doğru olacaktır, ancak bununla birlikte FF de bir o kadar karmaşık olacak ve benzetim hesapsal olarak o denli zorlu olacaktır. Bu nedenle, hesaplama açısından karşılanabilirlik ve isabetlilik arasındaki dengeyi sağlamak FF'lerin geliştirilmesinde son derece önemli bir husustur. Bu çalışma kapsamında, literatürdeki bahsi geçen eksiği doldurmak adına, ab-initio hesaplamaları temel alınarak, özel olarak DNA baz-baz etkileşimlerini incelemek amacıyla oldukça yüksek hassasiyete sahip ve hesaplama maliyeti olabildiğince düşük bir kuvvet alanı (NICE-FF) geliştirilmiştir. DNA bilinen tüm canlı varlıkların genetik bilgilerini içerir ve bu nedenle en önemli biyolojik molekül olarak kabul edilebilir. Organizmalara genetik yapılarını kazandıran DNA, Adenin (A), Guanin (G), Sitozin (C), Timin (T) bazlarının (nükleobaz) ikili sarmal şeklinde bağlanmasıyla oluşan bir nükleik asittir. DNA bazlarının ikili sarmal yapı üzerindeki dizilişi bir canlının fiziksel özelliklerini belirlemektedir. Bu bazlardan iki halkalı olanlar (A – G) pürin ve tek halkalı olanlar da (C – T) pirimidin olarak isimlendirilmektedir. DNA'nın ikili sarmal yapısının oluşması esnasında (mutasyonların söz konusu olmadığı durumlarda) her zaman Watson-Crick baz eşleşmesi olarak bilinen bir pürin bazının bir pirimidin bazı (A ile T ve C ile G) ile eşleşmesi gerçekleşir. DNA bazları ve proteinler gibi biyolojik olarak aktif moleküllerin katı yüzeyler ile etkileşimlerini derinlemesine anlamak, biyofizik, tıp, malzeme bilimi, ve nanoteknoloji alanlarında çok sayıda potansiyel uygulama için büyük önem taşımaktadır. Bu uygulamalar arasında biyouyumlu malzemeler, biyosensörler, ilaç taşıyıcı sistemler, organik yarı iletkenler ve daha birçokları sıralanabilir. Bu doğrultuda FF geliştirme yolundaki ilk adımımız FF geliştirmeye uygun bir iskelet (framework) tasarlamak olmuştur. Öncelikle hesaplama gridlerindeki dimer oryantasyonlarını üretmek üzere geliştirilmiş olan beş farklı strateji yardımıyla her bir DNA bazı ikilisi için yaklaşık olarak 2500 dimer geometrisi üreterek PES'ler olmuşturulmuştur. Bu otomatikleştirilmiş stratejiler sayesinde sistemi tanımlayıcı konfigürasyonları akıllıca üretirken istenmeyen konfigürasyonlardan kaçınarak iki DNA baz monomeri arasında oluşabilecek mümkün mertebe tüm etkileşimleri içeren geometrilerin hesapsal gride dahil edilmesi sağlanmıştır. Daha sonra, bu gridlerdeki oryantasyonlara ait etkileşim enerjileri (EE) CCSD(T) referans yöntemiyle en mutabık sonuçları veren ve aynı zamanda hesapsal maliyet bakımından en karşılanabilir yöntem olduğuna kanaat getirdiğimiz SCS-MI-MP2 yöntemi ile hesaplanmıştır. Akabinde geliştirmiş olduğumuz makine öğrenmesi (machine learning (ML)) destekli kuvvet alanı parametrizasyonu yöntemi ile yüksek doğruluklu kuantum mekanik EE'leri Buffered 14-7 potansiyel fonksiyonuna uydurulmuştur. Bu parametrizasyona ilk olarak LMFIT paketi içerisinde tanımlanmış olan Levenberg-Marquardt lineer olmayan en küçük kareler yöntemi ile başlanmıştır. Bir sonraki adımda elde edilen bu parametre seti SCIPY paketi içerisinde bulunan dayanıklı (robust) lineer olmayan regresyon yöntemi ile iyilenmiştir. Parametre uydurma esnasında istenmeyen veya fiziksel olmayan etkileşimleri içeren yapıları elemek adına bir filtreleme mekanizması geliştirilmiştir. Ayrıca NICE-FF parametrizasyonu her bir dimer sisteminin veri setini eğitim (train), test, ve validasyon (validation) şeklinde parçalayarak ML yöntemlerine bir analoji olarak değerlendirilebilecek özgün bir yaklaşım ile gerçekleştirilmiştir. Bu parametrizasyona aynı anda çoklu işlemler (multiple processes) devreye sokarak yaklaşık 10.000 parametre seti oluşturarak başlanmış ve daha sonra bunlar arasındaki en düşük hataya sahip olan 10 tane adayın mevcut olan tüm verideki hataları göz önünde bulundurularak nihai parametre seti belirlenmiştir. Bu noktada, birçok uygulama alanında kendine yer bulan nükleik asit bazlarının arkasında yatan kimyayı anlamlandırabilmemize olanak sağlayan kuvvet alanımıza erişmemizin akabinde bunu FFCASP'a entegre ederek DNA bazları için yapı tahminleri gerçekleştirilmiştir ve belirlediğimiz kısıtlar dahilinde rapor edilmiş tüm deneysel DNA kristalleri kolaylıkla saptanmıştır. Buna ek olarak yeni kuvvet alanımız NICE-FF'nin verimliliğini ve başarımını değerlendirmek amacıyla, sistematik olarak gerçekleştirmek üzere bir dizi test tasarlanmıştır. İlk olarak, literatürde sıkça başvurulan bir karşılaştırma veri seti olan S22'nin bir alt kümesi üzerinde diğer kuvvet alanları ile NICE-FF kıyaslanmıştır. Mevcut parametre setimiz ile bu veri setinde bulunan 22 dimer kompleksinin ancak 14'ü kapsanabildiği için karşılaştırmalar bu altküme üzerinde yürütülmüştür. Referans yöntemle en uyumlu sonuçları veren ilk beş FF'ye (AMBER, OPLS, OPLSAA, MMFF94, ve MMFF94s) ait veriler bu karşılaştırma için kullanılmıştır. Sonuçta NICE-FF'nin neredeyse tüm kompleksler için (bir tanesi hariç) daha az hata ile EE'lerini saptayarak diğer popüler FF'lere karşı üstünlük sağladığı görülmüştür. Bu beş FF'nin ortalama mutlak hataları 2.06 ile 2.29 kcal/mol aralığında değişirken, NICE-FF'nin hatası 1.34 kcal/mol olarak bulunmuştur. Bir sonraki aşamada bilindik bir takım organik moleküller üzerinde KYT yapılarak NICE-FF'nin başarımı bir de bu yolla sınanmıştır. İlk olarak DNA bazlarının içerdiği atom tiplerini içeren ancak NICE-FF'nin eğitim sürecine dahil edilmeyen iki molekül için (hipoksantin ve urasil) iki farklı test oluşturulmuştur. Birinci testte iki molekül için de hesaplama gridleri oluşturulup, bu gridlerdeki konfigürasyonlar için SCS-MI-MP2 ve NICE-FF EE'leri hesaplanmıştır. Bu yolla, mevcut FF'nin parametre setinin eğitimine dahil edilmediği moleküller için ab-initio ve NICE-FF EE'lerinin birbirleri ile ne kadar uyumlu olduğu incelenmiş ve iki test örneğinde de oldukça iyi sonuçlar verdiği görülmüştür. İkinci testte ise bu iki molekül için KYT yapılmış ve ikisine ait literatürde rapor edilmiş olan üç kristal yapı da bulunmuştur. Bu umut verici sonuçlar ışığında kuvvet alanımızın kapsadığı atom tiplerinin sayısını artırma, yani parametre setimizi genişletme olanağımızın olup olmadığının araştırılmasına karar verilmiştir. Bu amaç doğrultusunda üç yeni atom tipine ait parametreleri belirlemek adına iki adet molekül (9-metilhipoksantin ve pirazinamid olmak üzere) belirlenmiştir. Bunlar için hesaplama gridleri oluşturulup, daha sonra SCS-MI-MP2 EE hesapları tamamlanmıştır ve mevcut parametre setini sabitleyerek yeni atom tiplerine ait parametrizasyon gerçekleştirilmiştir. Devamında bu iki yapı için de KYT yapılmış ve her ikisine ait rapor edilmiş tüm deneysel yapılar başarıyla saptanmıştır. Akabinde, genişletilmiş parametre setinin doğruluğunu teyit etmek için belirlenmiş bağımsız test molekülümüz olan teofilin için KYT yapılmış ve yapı tahmini için belirlediğimiz kısıtlar dahilinde saptamayı umabileceğimiz üç polimorf da başarıyla bulunmuştur. Özetle, bu çalışmada her bir test örneği için yaklaşık olarak 14.000 yapı olacak şekilde toplamda 120.000 civarında yapı tahmin edilmiştir. Son olarak, CrystalCMP yazılımı yardımıyla, yukarıda bahsi geçen NICE-FF ile saptanmış tüm kristallerin (optimize olmuş halleri) ve bunlara denk gelen deneysel yapıların moleküler paketlenmesi (molecular packing) kantitatif olarak karşılaştırılmıştır. Sonuçta neredeyse tüm test örnekleri için elde edilen düşük $RMSD_{20}$ değerleri ile NICE-FF'nin saptadığı kristallerin yeniden üretim kalitesinin oldukça yüksek olduğu kanıtlanmıştır. İki boyutlu yapılara ait literatürde rapor edilmiş direk erişilebilecek bir veri bulunmadığı için, bunların kıyaslamaları için tahmin edilen yapıların DFT optimizasyonu öncesindeki ve sonrasındaki oryantasyonları kullanılmıştır. Ayrıca NICE-FF çalışmasının öncesinde tamamlamış ve bu tezde detaylarıyla rapor edilmiş olan 2D-FFCASP yazılımı ile DNA bazlarının kendi kendine yapılanmalarını (self-assembly) incelediğimiz çalışmamızda grubumuzda daha önce geliştirilmiş olan bireysel intermoleküler potansiyeller kullanılarak keşfedilen en düşük enerjili 2D yapıları için de aynı karşılaştırma yapılmıştır. Bu NICE-FF ile her bir DNA bazı için özel olarak üretilen (tailor-made) kuvvet alanlarının saptadığı yapıların kalitesini mukayese etmemize olanak sağlamıştır. Elde ettiğimiz veriler NICE-FF'nin genelleştirilmiş bir kuvvet alanı olmasına rağmen tailor-made kuvvet alanları ile karşılaştırılabilir sonuçlar verdiğini, hatta bazı test örnekleri için daha iyi sonuçlar verebildiğini ortaya koymuştur. Bu tez kapsamında DNA bazlarını içeren son çalışma olan DNA bazlarının polimorflarının incelendiği çalışmamızda öncelikle FFCASP ve NICE-FF kullanılarak KYT yapılmıştır. Ardından kuvvet alanı enerjileri ve simetrileri gibi faktörler yardımıyla analiz edilen bu yapılardan benzersiz olanlar seçilerek bunlar DFT ile en iyilenmiştir. Sonrasında tekrar analiz sürecinden geçen bu yapılar arasından DFT esnasında birbirine dönüşenler elenerek, düşük enerjili olanlar belirlenmiştir. Bu noktada belirtmeliyiz ki dört DNA bazı için de umut vadeden polimorflar saptanmıştır. Saptanan bu yapılar arasında bilinen deneysel yapılara eş enerjili (izoenerjetik) veya bazı DNA bazları için deneysel yapılardan daha düşük enerjili yapılar bulunmuştur. Bu seçilmiş yapılar için daha detaylı incelemeler birkaç farklı DFT fonksiyoneli kullanılarak yapılmaya başlanmıştır. Bu hesaplamaların tamamlanmasının akabinde en ümit verici olduğu düşünülen düşük enerjili yapılar için termodinamik kararlılıklarını incelememize olanak sağlayan fonon hesaplarını da yaparak bu çalışmanın en kısa zamanda tamamlanması planlanmaktadır. Tezde bahsi geçen son çalışma kuvvet alanları konusundan bağımsız olup, bu çalışmada organik-inorganik hibrit perovskitler için makine öğrenmesi kullanılarak bant aralığı ve formasyon enerjisi tahminleri yapılmıştır. Bu çalışmanın zemini olarak kabul edilebilecek bir hesaplamalı tarama çalışmasında (çalışma grubumuzda yürütülüp başarıyla tamamlanan) bu hibrit perovskitlerin her üç fazı (kübik, ortorombik ve tetragonal) için de yaklaşık olarak 30.000 perovskit yapısı oluşturulmuştur. Aday yapılar arasından ampirik faktörlere dayalı elemeler yardımıyla her bir faz için gelecek vadettiği düşünülenler (sayıları yaklaşık olarak 3000 ile 4000 arasında değişen) belirlenmiş ve bunlara geometri optimizasyonu uygulanmıştır. Daha sonra optimize edilmiş bu yapılar için formasyon enerjileri ve bant aralıkları hesaplanmıştır. Yapılan bu hesaplamalı tarama çalışmasında oldukça fazla hesaplama kaynağı kullanılmasına rağmen toplam perovskite sayısının ancak yüzde onluk kısmı hakkında bilgi sahibi olunabilmiştir. Ancak tarama çalışmanın devamı niteliğindeki mevcut çalışmada daha önce üzerine çalışılmış yapılardan oluşan veri setleri kullanılarak gradyan artırıcı regresör (gradient boosting regressor) ML yöntemi yardımıyla oluşturulan modellerle tarama çalışmasında incelenememiş perovskitlerin de oluşum enerjileri ve bant aralıkları tahmin edilmiştir. Bir sonraki aşamada, tahmin sonuçlarına göre istenilen oluşum enerjisi, bant aralığı ve daha önce belirlenenden daha esnek ampirik faktör kriterlerini sağlayan yapılar arasından rastgele bir küme oluşturulup bunlar için geometri optimizasyonu, oluşum enerjisi ve bant aralığı hesaplamaları yapılmıştır. Sonuçta, hesaplanan ve tahmin edilen değerlerin birbiriyle uyumlu olduğu görülmüştür. Bu çalışma sayesinde ampirik elemeler aşamasında kaybetmiş olduğumuz potansiyel perovskit yapılarının tekrar literatüre kazandırılması sağlanmıştır.

Özet (Çeviri)

Molecular dynamics and mechanics simulations have long been used as an effective tool in the investigation of biomolecular systems. These simulations are founded upon force fields (FF), which are empirically parametrized sets of equations. These sets of equations allow us to associate the configurations of interacting atoms and molecules in the simulated system with their energies. To perform this association, FFs use classical physics to derive the forces governing the dynamics of these systems rather than quantum mechanical (QM) calculations, which are computationally quite time-consuming and costly for large systems. By this means, they may assist us in gaining deeper insights into many systems, from small drug-like compounds to proteins, nucleic acid bases, and even viruses. Another area of use of FFs is crystal structure prediction (CSP). Although Density Functional Theory (DFT) can be used as an objective function in global optimization approaches for CSP, it is not feasible considering its computational demand. In this regard, using FFs as objective functions is a reasonable approach in terms of both cost and performance. Through this approach, the individual FFs generated in our research group and the well-known GAFF potential have been integrated into the in-house developed program (FFCASP), which has the capacity to perform both two-dimensional (2-D) and three-dimensional (3-D) CSP, and several studies have been carried out in which highly successful results have been obtained for various systems. There are numerous FFs in the literature, and each has its own strengths and weaknesses. Even the most popular of these FFs have been found to fall short of accurately describing some particular interactions. These interactions (such as base pairing, $\pi-\pi$ stacking, and hydrogen bonding) are non-covalent interactions and are of great importance for proteins and nucleic acids (deoxyribonucleic acid (DNA) and ribonucleic acid (RNA)), since they are the stabilizing factors of these complexes. Among these complexes, DNA can be considered the most significant biological molecule, as it contains the genetic information of all known living beings. A profound understanding of the interactions between DNA bases and solid surfaces is vital for an array of possible applications in the fields of biophysics, medicine, materials science, and nanotechnology. Biocompatible materials, biosensors, drug delivery systems, and organic semiconductors can be listed at the top of the application's list. Within the scope of this thesis study, in order to fill the aforementioned gap in the literature, a force field, namely NICE-FF (Non-empirical, Intermolecular, Consistent, and Extensible FF), with higher accuracy and relatively low computational cost, has been generated specifically for the DNA bases. In this respect, an automated framework has been developed to produce well-polished computational grids, carry out ab-initio calculations, perform FF parametrization, and even expand the existing set of parameters. With this genuine parametrization approach, which is analogous to machine learning (ML) techniques, we were able to fit the calculated SCS-MI-MP2 interaction energies (IEs) to the Buffered 14–7 potential function. The first set of parameters has been obtained using the generated data sets of all ten DNA base combinations. Afterwards, the NICE-FF parameter set was integrated into the FFCASP, and the performance of the FF was tested by performing CSPs on a series of organic molecules. First, CSP tests are conducted on four DNA bases and two other molecules (namely, hypoxanthine and uracil) that contain only the same atom types as the DNA bases. Once we were satisfied with the validity of our parameter set, we introduced two more molecules (pyrazinamide and 9-methylhypoxanthine), mostly consisting of DNA base atom types, along with a few other new ones, to broaden the range of NICE-FF. Following the determination of the new atom type parameters, we proceeded to perform CSP for these two compounds. Additionally, we performed CSP on our independent test case, theophylline, which contains the newly parametrized atom types, in order to validate the reliability of our extended parameter set. For all of these test cases mentioned above, a total of over one hundred thousand predictions were made. It has been revealed that they yielded quite successful results, and we were able to locate almost all the known experimental CSs of the considered molecules. Finally, with the help of CrystalCMP software, we quantitatively compared the molecular packing of all the above-mentioned NICE-FF-predicted crystals and their corresponding experimental structures. The low $RMSD_{20}$ values obtained for almost all test cases indicated that the molecular packing quality of the reproduced structures is quite high. Other than these tests, we performed benchmarking on the renowned S22 data set against the five popular FFs and high-level ab-initio IEs to evaluate the performance of NICE-FF. The results revealed that NICE-FF outperforms the widely recognized FFs by providing the most compatible IEs with the reference method (CCSD(T)). Polymorph studies that we conducted using our new FF showed that even with this limited parameter set, quite promising results can be obtained. Moreover, it is evident that NICE-FF has the potential to easily cover new organic molecules. By pursuing this direction, it is possible to develop a more generalized version of NICE-FF, which can cover a wider range of possible atom types of organic molecules. In this ongoing polymorph study, CSPs were carried out for four DNA bases (when $Z =$ 2, 4, and 8), and subsequent DFT calculations were completed for the selected promising structures. The lattice energies have been calculated in order to make it easier to compare the structures with varying $Z$. The last study reported in the thesis is independent from the subject of FFs. In this study, machine learning techniques were employed to predict the band gap and formation energy of dual-cation organic-inorganic hybrid perovskites.

Benzer Tezler

  1. Tez No

    799709

    Machine learning assisted massively parallel crystal structure prediction

    Makine öğrenimi destekli paralel kristal yapı tahmini

    SAMET DEMİR

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ADEM TEKİN

  2. Tez No

    444550

    Identifying neural correlates of motor adaptation learning for BCI-assisted stroke rehabilitation

    BBA-destekli felç rehabilitasyonu için motor adaptasyon öğreniminin nöral ilintilerinin tanımlanması

    OZAN ÖZDENİZCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜJDAT ÇETİN

  3. Tez No

    387830

    Design, implementation and BCI-based control of a series elastic mobile robot for home-based physical rehabilitation

    Evde kullanılabilen seri elastik mobil rehabilitasyon robotunun tasarımı, uygulaması ve beyin-bilgisayar arayüzü tabanlı kontrolü

    MİNE SARAÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN PATOĞLU

    DOÇ. DR. MÜJDAT ÇETİN

  4. Tez No

    798375

    Robust and intelligent control of unmanned aerial vehicles

    İnsansız hava araçlarının akıllı ve gürbüz kontrolü

    ABDURRAHMAN BAYRAK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÖNDER EFE

  5. Tez No

    390318

    Makine öğrenmesi yöntemleriyle bel bölgesi rahatsızlıklarının tanısı

    Diagnosis of lumbar disease by using machine learning techniques

    YAVUZ ÜNAL

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HASAN ERDİNÇ KOÇER

    DOÇ. DR. KEMAL POLAT

Geri Dön