Modeling neuronal growth dynamics using artificial neural networks
Modelleme nöronal büyüme dinamiklerinin kullanılması yapay sinir ağları
- Tez No: 916977
- Danışmanlar: YRD. DOÇ. DR. CEREN GÜRKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 44
Özet
Nöronlar ve sinir ağları üzerinde çalışarak, hesaplamalı sinirbilim ve yapay zeka teknikleri son birkaç on yılda beynin işleyişini anlama ve modelleme konusunda muazzam bir ilerleme kaydetmiştir. Bu çalışmada, yapay sinir ağları (ANNs) kullanarak, bilişsel aktivitelerde önemli rol oynayan iki temel sinir hücresi türü olan kortikal ve hipokampal nöronların büyüme desenlerini modelledim ve tahmin ettim. Bildiğimiz kadarıyla, daha önce hiçbir araştırmada nöron çoğalmasını tahmin etmek için sinir ağları kullanılmamıştır. Çalışmamız, nöron büyümesi tahmini için YSA tabanlı bir model oluşturarak bu bilgi açığını kapatmayı ve bu alanda yeni bilgiler eklemeyi amaçlamaktadır. Hipokampal ve kortikal nöronlar doğum sonrası (0-1. gün) fare beyinlerinden toplanmış ve 100 mm'lik bakteriyolojik sınıf bir petri kabında kültürlenmiştir. Hücreler 15 gün boyunca 37 °C'de inkübe edilmiş ve büyüme her altı saatte bir kontrol edilmiştir. Nöronal büyüme, Carl Zeiss Axiovert A1 invert floresan mikroskop kullanılarak izlenmiştir. Altı katmanlı bir Multi-Layer Perceptron (MLP) sinir ağı tasarlanmıştır. The Exponential Linear Unit (ELU) aktivasyon fonksiyonu, alfa değeri 1 ve öğrenme oranı 0.01 olacak şekilde kullanılmıştır. Bu ağ, günlük büyüme için 15 gün boyunca kortikal nöron verileri üzerinde eğitilmiş ve hipokampal nöron büyümesini tahmin etmek için test edilmiştir. Bu çalışmada hedef kortikal nöronun vücut büyümesi laboratuvarda gözlemlenmiştir. Her gün için nöronun alan değerleri elde edildikten sonra ANN modeli eğitilmiştir. Eğitimin ardından model hipokampal nöron üzerinde test edilmiştir. Yapının hassasiyetini doğrulamak için hipokampal nöron üzerindeki ANN tahmini, laboratuvardan elde edilen deneysel verilerle karşılaştırıldı ve çok yakın bir eşleşme bulundu. Bu çalışma, ANN'nın doğru modellendiği takdirde nöronların büyüme modelini tahmin edilebileceğini göstermiştir.
Özet (Çeviri)
Through studying neurons and neural networks, computational neuroscience and artificial intelligence techniques have made tremendous progress in the past several decades in comprehending and simulating the brain's workings. In this work, I employed artificial neural networks (ANNs) to model and forecast the growth patterns of cortical and hippocampal neurons, two important types involved in many cognitive activities. To our knowledge, no earlier research has used neural networks to predict neuron proliferation. By creating an ANN-based model for neuron growth prediction, our work seeks to close this knowledge gap and add new insights to the field. Hippocampal and cortical neurons were collected from postnatal (day 0-1) mouse brains and cultured in a 100-mm bacteriological-grade petri dish. The cells were incubated at 37 °C for 15 days, with growth checked every six hours. Neuronal growth was monitored using Carl Zeiss Axiovert A1 inverted fluorescent microscope. A Multi-Layer Perceptron (MLP) neural network with six layers was designed. The Exponential Linear Unit (ELU) activation function was used with an alpha value of 1 and a learning rate of 0.01. The network was trained on cortical neuron data for 15 days for daily growth and tested to predict hippocampal neuron growth. In this study the body growth of target cortical neuron was monitored in the laboratory. After obtaining the area values of the neuron for each day, the ANN model was trained. After the training, the model was tested on hippocampal neuron. To confirm the precision of the structure, ANN prediction on hippocampal neuron was compared with the experimental data obtained from the laboratory and a very close match was found. This study showed that ANN could predict the growth pattern of the neurons if modeled properly.
Benzer Tezler
- Modeling the linker movement of the dynein motor protein at atomic resolution
Dinein motor proteinin kuvvet kolu hareketinin atomik çözünürlükte modellenmesi.
MERT GÖLCÜK
Yüksek Lisans
İngilizce
2019
Biyofizikİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERT GÜR
- Büyüme hormonunun parkinson hücre modellemesi üzerinde terapötik ve koruyucu etkisinin incelenmesi
Investigation of therapeutic and protective effects of growth hormone on parkinson's cell modeling
KADİR SİNAN ARSLAN
- Investigation of the effect of DNA topoisomerase IIβ on neuronal survival by regulating LPS-induced microglia-mediated neuroinflammation
DNA topoizomeraz IIβ'nin LPS ile indüklenen mikroglia aracılı nöroinflamasyonu düzenleyerek nöronal sağkalım üzerindeki etkisinin araştırılması
NAKİ BURAK AKÜL
Yüksek Lisans
İngilizce
2023
BiyolojiÜsküdar ÜniversitesiMoleküler Biyoloji Ana Bilim Dalı
PROF. DR. SEVİM IŞIK
- Motif tabanlı biyolojik sinir ağlarının kısa- ve uzun dönem bellek davranışının incelenmesi
Research to short- and long term memory effects of moti̇f based neuronal networks
AHMET TURAN
Doktora
Türkçe
2013
BiyomühendislikKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TEMEL KAYIKÇIOĞLU
- Computer simulation of NGF induced TrkA signal transduction pathway in PC12 cells
NGF ile uyarılan TrkA sinyal yolağının PC12 hücrelerinde bilgisayarla simülasyonu
SERTAN YILMAZ
Yüksek Lisans
İngilizce
2003
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT KURNAZ