Enhancing multimodal drug-target interaction prediction with domain adaptation
Alan adaptasyonu ile çok kipli ilaç-hedef etkileşim tahmininin iyileştirilmesi
- Tez No: 940302
- Danışmanlar: Prof. Dr. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN, PROF. DR. MEHMET VOLKAN ATALAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, İlaç hedefleme, İlaç keşifleri, İlaçlar, Deep learning, Drug targeting, Drug discoveries, Drugs
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İlaç–hedef etkileşimi tahmini, geniş genomik ve moleküler veri uzayında etiket eksikliği nedeniyle biyoenformatik ve kimyasal-enformatik alanlarında zorlu bir problem olarak karşımıza çıkar. Bu problem, ilaç ve protein olmak üzere iki girdiyi kullanarak ikili sınıflandırma biçiminde modellenebilir ve çok kipli öğrenme yaklaşımıyla ele alınabilir. Farklı kiplerden gelen özelliklerin etkileşimini doğrudan incelemek için en yeni algoritmalardan olan çapraz dikkat (cross-attention) mekanizmasını kullanıyoruz. Ancak eğitim ve test aşamalarında verinin dağılımı genellikle farklılık gösterdiğinden, rastgele eğitim/test bölünmeleri gerçekçi olmayan ve iyimser sonuçlara yol açmaktadır. Daha gerçekçi bir senaryo için, eğitim ve test kümelerinde istatistiksel olarak farklı ilaç–protein çiftleri kullanarak bir alan kayması (domain shift) oluşturuyoruz. Bu kaymayı gidermek amacıyla, asıl sınıflayıcının yanı sıra alan uyarlama yöntemlerini kullanarak, kaynak ve hedef dağılımları aynı alana hizalayabilen alan-bağımsız bir nitelik çıkarıcı eğitiyoruz. Bunun için, çekişmeli (adversarial) eğitim ve (bildiğimiz kadarıyla DTI tahmini bağlamında daha önce kullanılmamış olan) Maksimum Ortalama Farklılık (MMD) Kayıp Fonksiyonu gibi ileri düzey yöntemlerden yararlanıyoruz. Çok kipli öğrenme ve alan uyarlamasını bir araya getiren yaklaşımımız, yaygın olarak kullanılan BindingDB veri kümesinde literatürdeki en iyi yöntemlerle karşılaştırıldığında çeşitli metriklerde üstün veya benzer performans sergilemekte ve alan kayması durumunda dahi etkinliğini kanıtlamaktadır.
Özet (Çeviri)
Drug-target interaction (DTI) prediction remains challenging due to the scarcity of annotated data in a vast input space. We treat DTI prediction as a binary classification problem with two inputs (drugs and proteins) and employ a state-of-the-art cross-attention mechanism to fuse these modalities. However, the data distribution typically differs between training and inference settings, making standard random splits overly optimistic. To simulate realistic conditions, we use dissimilar drug-protein pairs in training and test sets, introducing a domain shift. We then apply domain adaptation to learn a domain-invariant feature extractor, aligning source and target distributions alongside a primary classifier. In particular, we leverage advanced methods, including Maximum Mean Discrepancy (MMD) Loss—which, to the best of our knowledge, has not been used previously for DTI prediction—and adversarial training for robust feature extraction. Our multimodal learning with domain adaptation achieves performance on par with the state of the art on the widely used BindingDB dataset, demonstrating the effectiveness of our approach even under domain shifts.
Benzer Tezler
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Isı borusu prensibinin güneşli su ısıtıcılarına ve damıtmaya uygulanması
Başlık çevirisi yok
ALİ YÜCEL UYAREL
- Batı Anadolu linyitlerinin koklaşabilme özelliklerinin incelenmesi
The Investigation of cokingability properties of west-anatolia lignites
JALE YANIK
- Protein biyosentez inhibitörlerinin bazı bitki viruslarına etkileri üzerinde araştırmalar
Research on the effects of protein biosynthesis inhibitors on some plant viruses
SEBİLA AKSOY