Tatlandırıcıların titreşimsel spektroskopi ve makine öğrenimi teknikleriyle karakterizasyonu
Characterization of sweeteners by vibrational spectroscopy and machine learning techniques
- Tez No: 924911
- Danışmanlar: PROF. DR. OZAN ÜNSALAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Fizik ve Fizik Mühendisliği, Computer Engineering and Computer Science and Control, Physics and Physics Engineering
- Anahtar Kelimeler: Tatlandırıcılar, moleküler modelleme, makine öğrenimi, tatlılık yoğunluğu, DFT, IR ve Raman spektrumları, Aglomeratif Hiyerarşik Kümeleme, regresyon analizi, sınıflandırma, SHAP analizi, XGBoost, Voting Ensemble, SweetenersDB, Sweeteners, molecular modeling, machine learning, sweetness intensity, DFT, IR and Raman spectra, Agglomerative Hierarchical Clustering, regression analysis, classification, SHAP analysis, XGBoost, Voting Ensemble, SweetenersDB
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Nükleer Fizik Bilim Dalı
- Sayfa Sayısı: 415
Özet
Bu doktora tezi, moleküler modelleme ve makine öğrenimini birleştirerek bileşiklerin göreceli tatlılık yoğunluğunu tahmin etmek ve tatlı ya da tatlı olmayan olarak sınıflandırmak suretiyle tatlandırıcıların rasyonel tasarımına katkıda bulunmakta ve tatlılığın moleküler teorisine dair içgörüler sunmaktadır. 37 doğal ve yapay tatlandırıcının hesaplamalı analizi, IR ve Raman spektrumlarının oluşturulmasını ve DFT kullanılarak optimize edilmiş moleküler geometrilerin elde edilmesini içermektedir. Advantame ve D-Tagatose bileşiklerinin deneysel spektrumları, teorik spektrumlarıyla dalga sayısı bazında karşılaştırılmış ve tutarlılık açısından değerlendirilmiştir. Moleküler tanımlayıcılar temel alınarak tatlı bileşikler için belirgin kümeler oluşturan yapısal benzerlikleri ortaya çıkarmak amacıyla Aglomeratif Hiyerarşik Kümeleme (AHC) yöntemi uygulanmıştır. Regresyon analizi için, göreceli tatlılık yoğunluklarını içeren 316 bileşikten oluşan SweetenersDB veritabanı kullanılmıştır; sınıflandırma görevleri ise tatlı ya da tatlı olmayan olarak kategorize edilmiş 649 bileşikten oluşan bir veritabanına dayanmaktadır. Moleküler yapıları temsil etmek için Mordred moleküler tanımlayıcılar ve çeşitli parmak izi verileri hesaplanmıştır. Azure Machine Learning ile test edilen modeller arasında, Voting Ensemble modeli en etkili sonuçları göstermiştir. Karar ağacı tabanlı modellerden türetilen özellik önem değerleri, özellik kümesinin azaltılmasını yönlendirmiş; ardından XGBoost modeli, azaltılmış kümeler üzerinde regresyon ve sınıflandırma analizleri yapmak için uygulanmıştır. XGBoost regresyon modeli, literatürde bildirilen en yüksek performansı elde etmiş olup 10 katlı çapraz doğrulama için R² = 0,83 ve test seti için R² = 0,85 değerlerine ulaşmıştır. Sınıflandırma için, Voting Ensemble modeli 10 katlı çapraz doğrulama setinde Ağırlıklı AUC skoru olarak 0,91 ve test setinde 0,89 elde etmiştir. Y-Rastgeleleştirme testi, XGBoost modellerinin sağlamlığını doğrulamıştır. Özellik önem ve SHAP analizleri ile regresyon ve sınıflandırma analizleri için kilit moleküler tanımlayıcılar belirlenmiştir. Tez kapsamında oluşturulan interaktif grafikler, tatlandırıcı moleküllerin tatlılık yoğunluğunu etkileyen özelliklerinin anlaşılmasını kolaylaştırmak amacıyla tasarlanmıştır. Bu grafiklerin gelecekte bir web tabanlı uygulama üzerinden sunulması, tatlandırıcı geliştirme süreçlerinde kullanıcıların bilimsel verilere dayalı karar alma süreçlerini destekleme potansiyeline sahiptir. Elde edilen bulgular, moleküler geometrilerin ve makine öğrenimi analizlerinin entegre edilmesiyle, düşük dozlarda yüksek tatlılık sağlayan yeni nesil tatlandırıcıların tasarımına rehberlik edebilecek moleküler özellikleri ortaya koymaktadır. Ayrıca, bu sonuçların tat maskeleme stratejilerinin optimize edilmesi ve tat algılayıcı biyosensör tasarımlarında kullanılabilecek özellikleri tanımlaması, bu çalışmanın multidisipliner alanlardaki uygulanabilirliğini artırmaktadır.
Özet (Çeviri)
This doctoral thesis contributes to the rational design of sweeteners by predicting the relative sweetness intensity of compounds and classifying them as sweet or non-sweet through the integration of molecular modeling and machine learning, while also providing insights into the molecular theory of sweetness. The computational analysis of 37 natural and artificial sweeteners includes the generation of IR and Raman spectra and the acquisition of molecular geometries optimized using DFT. The experimental spectra of Advantame and D-Tagatose were compared with their theoretical spectra based on wavenumber and evaluated for consistency. The Agglomerative Hierarchical Clustering (AHC) method was employed to reveal structural similarities forming distinct clusters for sweet compounds based on molecular descriptors. For regression analysis, the SweetenersDB database, consisting of 316 compounds with relative sweetness intensities, was utilized, while classification tasks were based on a database containing 649 compounds categorized as sweet or non-sweet. Mordred molecular descriptors and various fingerprint data were calculated to represent molecular structures. Among the models tested using Azure Machine Learning, the Voting Ensemble model demonstrated the most effective results. Feature importance scores derived from decision tree-based models guided the reduction of the feature set, and the XGBoost model was subsequently applied to perform regression and classification analyses on the reduced datasets. The XGBoost regression model achieved the highest performance reported in the literature, with R² = 0.83 for 10-fold cross-validation and R² = 0.85 for the test set. For classification, the Voting Ensemble model achieved a Weighted AUC score of 0.91 on the 10-fold cross-validation set and 0.89 on the test set. The Y-Randomization test confirmed the robustness of the XGBoost models. Key molecular descriptors for regression and classification were identified through feature importance and SHAP analyses. The interactive graphs developed as part of this thesis were designed to facilitate the understanding of properties affecting the sweetness intensity of sweetener molecules. The potential presentation of these graphs through a web-based application in the future has the potential to support users' decision-making processes based on scientific data in sweetener development processes. The findings reveal molecular properties that, through the integration of molecular geometries and machine learning analyses, could guide the design of novel sweeteners providing high sweetness intensity at low doses. Additionally, the identification of features that could optimize taste-masking strategies and aid in the design of taste-sensing biosensors enhances the multidisciplinary applicability of this study.
Benzer Tezler
- Yapay tatlandırıcıların bazı omurgalı canlılar üzerindeki etkisi
Effects on some vertebrate animals of arti̇fi̇ci̇al sweeteners
AYŞEN KARDEŞLER
- Diyet tatlandırıcıların tip 2 diyabet hastalarında GLP-1, PYY, insülin, C peptid ve kan glukozu üzerine etkileri
The effect of diet sweeteners on GLP1, PYY, insulin,C peptide and blood glucose levels in type 2 diabetic patients
ŞULE TEMİZKAN
Tıpta Uzmanlık
Türkçe
2012
Endokrinoloji ve Metabolizma HastalıklarıMarmara Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. OĞUZHAN DEYNELİ
- Yapay tatlandırıcıların ratlarda bağırsak mikrobiyotasının modülasyonu ve glisemi düzeyleri ile ilişkisinin ve Kuersetin'in bu parametreler üzerindeki potansiyel etkisinin incelenmesi
Investigation of the relationship of artificial sweeteners with modulation of intestinal microbiota and glycemia levels in rats and the potential effect of Quercetin on these parameters
ZAHİDE YILDIZ
Yüksek Lisans
Türkçe
2024
Eczacılık ve FarmakolojiNecmettin Erbakan ÜniversitesiTıbbi Farmakoloji Ana Bilim Dalı
DOÇ. DR. İPEK DUMAN
- Doğal tatlandırıcıların (Stevia and Maple Syrup) sütlü tatlıların fiziksel, kimyasal ve tekstürel özellikleri üzerine etkisi
The effect of natural sweeteners (Stevia and Maple Syrup) the physical, chemical and textural properties of dairy dessert
FATMA AYTAÇ
Yüksek Lisans
Türkçe
2017
Gıda MühendisliğiNamık Kemal ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BİNNUR KAPTAN
- Effect of some intense sweeteners on rheological, textural and sensory properties of chocolate
Bazı yoğun tatlandırıcıların çikolatanın reolojik, dokusal ve duyusal özelliklerine etkisi
MUTLU YÜCEKUTLU
Yüksek Lisans
İngilizce
2015
Gıda MühendisliğiOrta Doğu Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HALİL MECİT ÖZTOP
PROF. DR. BEHİÇ MERT