Geri Dön

Omik veriler üzerinde geometrik derin öğrenim tekniklerinin uygulanması

Application of geometric deep learning on omic data

  1. Tez No: 895936
  2. Yazar: SEDA MÜRÜTSOY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TURGAY BATBAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Biotechnology, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Anabilim Dalı
  13. Sayfa Sayısı: 63

Özet

Günümüzde sağlık araştırmalarının artan önemiyle birlikte ilaç araştırma ve geliştirme çalışmaları da büyük bir talep görmektedir. Bu çalışmada, ilaç keşfi ve tasarımının temelini oluşturan protein-ligand etkileşimlerinin hesaplamalı yöntemlerle belirlenmesi hedeflenmiştir. Bu sayede, laboratuvar çalışmalarına harcanan zaman ve maliyetlerin azaltılması amaçlanmıştır. Yapıların gösteriminde son dönemde yaygın olarak kullanılan ligandların SMILES gösterimleri ve proteinlerin parmak izi temsilleri kullanılmıştır ve etkileşimler açısından düzenlenmiştir. Biyomoleküllerin etkileşimlerinin simülasyonu için modern yapay zekâ teknolojilerinden Graf Derin Öğrenme metodu tercih edilmiştir. İki molekül arasındaki yapısal benzerliği ölçmek ve etkileşim tespitinin doğruluğunu artırmak için literatürde sıkça kullanılan Tanimoto benzerlik oranı kullanılmıştır. Bu yöntem ile deneysel olarak doğrulanmış veri kümeleri üzerinde %80.14 doğruluk oranına ulaşılmıştır. Önerilen yöntemler, ilaç keşfi ve biyoteknoloji alanlarında önemli bilgiler sunarak, bu alanlarda yol gösterici nitelikte olmuştur. Bu çalışmanın bulguları, modern hesaplamalı biyoloji ve biyoinformatik tekniklerinin ilaç geliştirme süreçlerindeki potansiyelini gözler önüne sermektedir.

Özet (Çeviri)

Nowadays, with the increasing importance of health studies, drug research and development processes are in great demand. In this study, it is aimed to determine the protein-ligand interactions that form the basis of drug discovery and design by computational methods. In this way, it is aimed to reduce the time and money costs that spent on laboratory studies. Tremendous methods for representations not only model but also interactions for computers, SMILES representations of ligands and fingerprint representations were used in terms of interactions. Graph Deep Learning method, one of the modern artificial intelligence technologies, was preferred for the simulation of the interactions of biomolecules. In order to measure the structural similarity between two molecules and increase the accuracy of interaction detection the Tanimoto similarity ratio, which is frequently used in the literature, was integrated. In this thesis, an accuracy rate of 80.14% was achieved on experimentally validated datasets. The proposed methods have provided important insights and guidance in the fields of drug discovery and biotechnology. The findings of this study demonstrate the potential of modern computational biology and bioinformatics techniques in drug development processes.

Benzer Tezler

  1. Numerical simulation of a magnetoplasmadynamic arcjet thruster

    Eksenel simetrik bir manyetoplazmadinamik itici içindeki akışın sayısal simülasyonu

    MELİH ALTINÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Astronomi ve Uzay Bilimleriİstanbul Teknik Üniversitesi

    PROF.DR. UMUR DAYBELGE

  2. Çoklu omik verilerinin birleştirilmesinde kullanılan yaklaşımların ve sınıflandırma yöntemlerinin performansının araştırılması

    Performance investigation of approachesand classification methods used in integration multi-omics data

    FUNDA İPEKTEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    BiyoistatistikErciyes Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    DOÇ. DR. GÖKMEN ZARARSIZ

  3. Omic analyses of stress-resistant Saccharomyces cerevisiae

    Strese dirençli Saccharomyces cerevisiae'nin omik analizleri

    ENES FAHRİ TEZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Biyomühendislikİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    PROF. DR. ZEYNEP PETEK ÇAKAR

    PROF. DR. ŞEFİKA KUTLU ÜLGEN

  4. Blockchain based data sharing platform for bioinformatics field

    Biyoinformatik alanı için blokzincir tabanlı veri paylaşım platformu

    BEYHAN ADANUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU GÜNGÖR

  5. Ankilozan spondilit hastalığının moleküler mekanizmasının çoklu-omik verilerin entegre analizi ile incelenmesi

    Investigation of molecular mechanism of ankylosing spondylitis by multi-omics data integration

    KEREM UZALA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Biyolojiİstanbul Medeniyet Üniversitesi

    Biyolojik Veri Bilimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED ERKAN KARABEKMEZ