Applications of deep learning for binding site predicitons in proteins
Proteinlerdeki bağlanma noktaları tahminleri için derin öğrenme uygulamaları
- Tez No: 921152
- Danışmanlar: DR. ÖĞR. ÜYESİ ONAN GÜREN, DR. ÖĞR. ÜYESİ ARZU UYAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyokimya, Biyomühendislik, Computer Engineering and Computer Science and Control, Biochemistry, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu tez, ilaç keşfi ve biyomoleküler araştırmalarda kritik bir adım olan doğru protein bağlanma bölgesi tahmini için gelişmiş bir makine öğrenimi yaklaşımı geliştirmeye odaklanmaktadır. Eşdeğişken Grafik Sinir Ağlarından (EGNN'ler) yararlanan çalışma, protein-ligand etkileşimlerini yüksek hassasiyetle analiz etmeyi ve ortosterik ve allosterik bağlanma bölgelerinin tanımlanmasını sağlamayı amaçlamaktadır. Araştırma, tahmin doğruluğunu artırmak için yarı denetimli öğrenme tekniklerini kullanarak proteinlerin yapısal ve kimyasal özelliklerini birleştiriyor. Ek olarak proje, potansiyel ligand yapılarını ve bunların öngörülen bağlanma bölgeleri içindeki optimal konumlarını önermek için üretken modelleri araştırıyor. Bu çalışmanın sonucu, protein-ligand etkileşimi analizi için sağlam ve ölçeklenebilir hesaplama araçları sağlayarak ilaç keşif hatlarının hızlandırılmasına katkıda bulunacaktır.
Özet (Çeviri)
This thesis focuses on developing an advanced machine learning approach for accurate protein binding site prediction, a critical step in drug discovery and biomolecular research. By leveraging Equivariant Graph Neural Networks (EGNNs), the study aims to analyze protein-ligand interactions with high precision, enabling the identification of orthosteric and allosteric binding sites. The research integrates structural and chemical features of proteins, employing semi-supervised learning techniques to enhance predictive accuracy. Additionally, the project explores generative models to propose potential ligand structures and their optimal poses within predicted binding sites. The outcome of this work will contribute to accelerating drug discovery pipelines by providing robust and scalable computational tools for protein-ligand interaction analysis.
Benzer Tezler
- Mimari tasarımda yapay zeka: Evrişimli yapay sinir ağlarının vaziyet planı tasarımında kullanımı
Artificial intelligence in architectural design: The use of convolutional neural networks in site plan design
MUSTAFA KEMAL KAYIŞ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
PROF. DR. HAKAN YAMAN
- Understanding the genomic regulatory code of hemocytes with deep learning, topic modelling and single-cell genomics
Genomik düzenlemeyi anlamak derin öğrenme ile hemosit kodu,konu modelleme ve tek hücreli genomik
MEHMET ERİM ERDAL
Yüksek Lisans
İngilizce
2021
Bilim ve TeknolojiKatholieke Universiteit Leuven (Catholic University of Leuven)PROF. DR. İBRAHİM İHSAN TAŞKIRAN
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Prediction of early-age mechanical properties of high strength concrete with pozzolans by using statistical methods
İstatistik yöntemler kullanılarak puzolan katkılı yüksek dayanmlı betonların erken yaş mekanik özelliklerinin tahmini
MUZAFFER UMUR DALGIÇ
Yüksek Lisans
İngilizce
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Ana Bilim Dalı
PROF. DR. YILMAZ AKKAYA
- Machine-learning-assisted de novo design of molybdenum disulfide binding peptides
Molibden disülfid bağlayıcı peptitlerin makine öğrenimi destekli de novo tasarımı
ALP DENİZ ÖĞÜT
Yüksek Lisans
İngilizce
2024
Biyomühendislikİzmir Yüksek Teknoloji EnstitüsüBiyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ TANIL YÜCESOY
DR. ÖĞR. ÜYESİ MEHMET SERKAN APAYDIN