Unveiling the true impact of drug and cell line representations in drug synergy prediction
İlaç sinerjisi tahmininde ilaç ve hücre hattı temsillerinin gerçek etkisinin ortaya çıkarılması
- Tez No: 929444
- Danışmanlar: DOÇ. DR. ÖZNUR TAŞTAN OKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik ve Doğa Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
İlaç kombinasyon terapisi, kanser gibi karmaşık hastalıkların tedavisinde etkili bir strateji olarak umut vadetmektedir. Ancak, ilaç kombinasyon uzayı çok geniş olduğundan, tüm kombinasyonların deneysel olarak değerlendirilmesi mümkün değildir. Bu nedenle, deneysel tarama çabalarını hızlandırmak için sinerjistik çalışabilecek ilaç çiftlerini önceliklendiren hesaplamalı modeller geliştirilmiştir. Bu modeller, daha önce raporlanmış ilaç kombinasyonu ölçümlerini içeren büyük veri kümeleri üzerinde eğitilmektidr ve kimyasal, yapısal ve biyolojik özellikleri kodlayan zengin ilaç ve hücre hattı temsilleri kullanmaktadır. Bu tezde, öncelikle sinerji tahmin modeli MatchMaker'ı, yolaklar ve etki mekanizmaları gibi daha zengin biyolojik bilgileri veya alternatif ilaç temsillerini dahil ederek geliştirmeyi amaçladık. Ancak, tüm çabalarımıza rağmen hiçbir model daha iyi performans gösteremedi. Bu bulgulardan hareketle, daha basit bir yaklaşım denedik ve detaylı özellik temsillerini ilaçların ve hücre hatlarının tek-seçim kodlamalarıyla değiştirdik. Kimyasal ve biyolojik bilgiler içermeyen bu modeller, beklenmedik bir şekilde, zengin biyolojik ve kimyasal bilgilerle eğitilen modellerin sonuçlarına oldukça yakın bir performans sergileyebildi. Bu tezde, yayınlanmış sinerji tahmin modellerini sistematik olarak inceledik ve çeşitli değerlendirme kurulumunda ilaç ve hücre hattı temsillerini basit tek-seçim kodlamalarıyla değiştirdik. Kullanılan ilaç giriş özelliği veya model mimarisi ne olursa olsun, basit tek-seçim kodlama yaklaşımının tüm modellerde benzer şekilde performans gösterdiğini gözlemledik. Bu beklenmedik sonuç, temsillerin kimyasal veya biyolojik bilgiyi öğrenmek yerine yalnızca basit tanımlayıcılar olarak hizmet ettiğini ve modellerin kısa yoldan sinerji ölçümlerinin genel ortak varyasyon örüntülerini yakaladığını göstermektedir. Bu durum, modellerin yeni ilaçlar ve hücre hatlarına iyi genelleme yapamamasının bir nedeni olabilir. Sinerji tahmin modelleri, ilaç ve hücre hattı panelinde hangi çiftlerin test edileceğine karar verirken hala yararlı olsalar da, bu sonuçlar, yeni ilaçlar, hücre hatları ve hastalar için çalışabilecek sinerji tahmin modellerinin geliştirilmesi için alternatif yaklaşımlara ihtiyaç olduğunu ortaya koymaktadır.
Özet (Çeviri)
Drug combination therapy holds promise as an effective strategy for treating complex diseases such as cancer. However, due to the vast combinatorial space of drug combinations, experimental screening of all of them is not feasible. Computational models have been developed to prioritize drug pairs that could work synergistically to accelerate experimental screening efforts. These models are trained on large datasets of previously reported drug combination measurements and use rich representations of drugs and cell lines that encode chemical, structural, and biological properties. In this thesis, we first aimed to improve upon our previous synergy predictor, MatchMaker, by incorporating richer biological information such as pathways and mechanism of action or alternative drug representations. Despite all our efforts, none of the models could perform better. Motivated by these findings, we tested a more straightforward approach by replacing detailed feature representations with one-hot encodings of drugs and cell lines. Surprisingly, these models stripped of chemical and biological information can come very close to the results trained with rich biological and chemical information. Here, in this thesis, we systematically experimented with published synergy prediction models by replacing drug representations and cell line features with a simple one-hot encoding of drugs and cell lines in various evaluation settings. Regardless of the drug input feature or the architecture, we observe that the simple one-hot encoding baseline performs similarly in all models. This unexpected result suggests that the representations serve as simple identifiers and models that capture general co-variation patterns of synergy measurements rather than learning chemical or biological information. This could be why the models do not generalize well to new drugs and cell lines. While synergy prediction models are still beneficial in deciding on what pairs to test within a panel of drugs and cell lines, these results demonstrate that alternative approaches are needed for developing synergy prediction models that could work across new drugs, cell lines, and patients.
Benzer Tezler
- Exploring the meaning of practicing classroom inquiry from the perspectives of national board certified science teachers
Başlık çevirisi yok
AYHAN KARAMAN
- The analysis of the concept of education in the selected 20th century utopian and anti-utopian novels
20. yy ütopya ve anti-ütopya romanlarında eğitim kavramı
GÜLŞAH TIKIZ
Doktora
İngilizce
2015
Eğitim ve ÖğretimDokuz Eylül Üniversitesiİngiliz Dili Eğitimi Ana Bilim Dalı
DOÇ. DR. FATMA FERYAL ÇUBUKÇU
- Une etude sur le concept de negation dans le cadre de la critique Hegelinne de l'ironie romantique
Hegel'in romantik ironi eleştirisi çerçevesinde olumsuzlama kavramı üzerine bir inceleme
SEMA ÖZTEKİN
Yüksek Lisans
Fransızca
2024
FelsefeGalatasaray ÜniversitesiFelsefe Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UMUT ÖKSÜZAN
- Seeking certitude: Iktisāb and Ilhām in imam al-Ghazālī's theory of knowledge
İmam Gazzâlî'nın bilgi teorisinde ilme giden iki yolu: İktisab ve ilham
SHEEBA ARIF
Yüksek Lisans
İngilizce
2021
Dinİbn Haldun ÜniversitesiMedeniyet Araştırmaları Ana Bilim Dalı
PROF. DR. RECEP ŞENTÜRK
