Geri Dön

Neural network models for protein structure prediction

Protein yapısının belirlenmesi için yapay sinir ağ metodları

  1. Tez No: 95558
  2. Yazar: TURGAY İBRİKÇİ
  3. Danışmanlar: DOÇ. DR. MARİFİ GÜLER
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2000
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 111

Özet

oz DOKTORA TEZİ PROTEIN YAPISININ BELİRLENMESİ İÇİN YAPAY SİNİR AĞ METOTLARI Turgay İBRİKÇİ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ELEKTRİK-ELEKTRONİK ANA BİLİM DALI Danışman : Doçent Dr. Marifi Güler Yd: 2000 Sayfa 125 Jüri : Doç. Dr. Marifi Güler Prof.Dr. Süleyman Güngör Yrd.Doç. Dr. Mustafa Oral Hayatın en önemli yapı taşlarından olan proteinler makro moleküler yapıdadırlar ve organizma içinde önemli görevleri vardır. Üç çeşit protein yapısı vardır, bunlar birincil, ikincil ve üçüncül yapılandır. Birincil yapı, amino asitlerin sırasal olarak dizilmesinden oluşur. Proteinlerin ikincil seviyesini anlamak onun gerçek yapışım çözmek için gerekli olan ilk adımdır. Üçüncül yapısı da proteinin üç boyutlu şeklini tanımlar. Yapay sinir ağlan şu ana kadar birçok güncel probleme basan ile uygulanmışlardır. Yapay sinir ağlan 1988 yılında proteinlerin yapışım çözmek için kullanılmaya başlanmıştır. Bu çalışmanın amacı, farklı yapay sinir ağlan tekniklerini farklı bilgi setleri üzerinde kullanarak proteinlerin ikincil yapılannı daha iyi doğrulukla çözümleyebilmektir. Bu çalışma da iki çeşit bilgi seti kullanıldı. Birinci bilgi seti Qian-Sejnowski(1988) tarafından DSSP (Kabsh ve Sander, 1983) programı kullanılarak Brookheaven Ulusal labarotuvar verilerinden oluşmaktadır. Diğer bilgi seti ise California üniversitesinden Dr. Chandonia ve Dr. Karplus (1995) tarafından geliştirilenidir. Bu iki bilgi seti arasındaki en önemli fark, Qian-Sejnowski bilgi seti sadece üç sınıf içermesine rağmen Dr. Chandonia' run bilgi seti ise sekiz tane ikincil sınıfına sahiptir. Farklı yapılardaki yapay sinir ağlan bu protein yapılan üzerinde denenmiştir. Eğitmenli veya eğitmensiz yapıdaki sistemler ve ağırlıklı olarak da geriye yaydım yöntemi denendi Geri yaydım yöntemi farklı fonksiyon formülleri ile, Radial Basis Fonksiyonlar ve Kohonen yapay sinir ağlan, üst üste pencereler ve ağırlıkları azaltma yöntemleri bu araştırma içinde kullanılmıştır. Sonuçlar göstermiştir ki, proteinlerin ikincil yapışım bulmak üç sınıfı olmasına rağmen kolay bir çalışma değildir. Anahtar Kelimeler : Yapay Sinir Ağlan, Protein tanımlanması, Geri yayılım yöntemi, Radial Basis Fonksiyonlar ve Kohonen yapay sinir ağlan, Ağırlıkların azaltılması

Özet (Çeviri)

ABSTRACT Ph.D THESIS NEURAL NETWORK MODELS FOR PROTEIN STRUCTURE PREDICTION Turgay İBRİKÇİ DEPARTMENT OF ELECTRICAL AND ELECTRONICS ENGINEERING INSTITUTE OF NATURAL AND APPLIED SCIENCES UNIVERSITY OF ÇUKUROVA Supervisor : Assoc. Prof. Dr. Marifi Güler Year : 2000 Pages: 125 Jury : Assoc. Prof. Dr. Marifi Güler Prof. Dr. Süleyman Güngör Asst. ProfDr. Mustafa Oral Proteins are the machinery of life. They are the macromolecules that perform all-important tasks in organisms. A protein has three types of structures; primary, secondary and tertiary. The primary structure is the linear arrangement of constituent amino acids. Secondary structure prediction is a useful first step in understanding how the amino acid sequence of protein determines the native state. If the secondary structure is known, it is possible to derive a comparatively small number of tertiary structures using the secondary structural element pack. Tertiary structure describes the 3 -dimensional shape of the protein. Neural Networks (NN) have been applied to many real world applications. They have also been used for solving the protein structure problem. The NN is a structure that is composed of interconnected adaptable nodes and layers. NNs are able to effect mapping between protein sequences and identify similar structural features of a database. The objective of this research is to use various neural network techniques to solve secondary structure of protein for having better accuracy rate in different databases. Two different protein databases were obtained from Qian-Sejnowski in 1988 at the Brookhaven National Laboratory by using DSSP program that created by Kabsch and Sander in 1983. The Second database is the Chandonia-Karplus (1995) database from the Department of Cellular and Molecular Pharmacology at the University of California. The main different in these two databases is the number of classes. There are three classes in the Qian-Sejnowski database and eight classes in the Chandonia's database. Different neural network architectures were researched and applied to the secondary structure. Both supervised and unsupervised neural networks were created and tested with emphasis on the backpropagation networks. We applied backpropagation (BackProp) with different equations, Radial Basis Function Neural Network (RBF) and Kohonen Neural Network (KNN) methods and windows overlapping and weight elimination techniques. The results showed that to finding secondary structure is not an easy task; even though there are three classes. Keywords : Neural Networks, Protein Prediction, Backpropagation, Radial Basis Functions, Kohonen Map, Weight Elimination II

Benzer Tezler

  1. Tez No

    485241

    Homojen ve heterojen evrimsel sosyal ağlarda bağlantı tahmini

    Link prediction in evolving homogeneous and heterogeneous networks

    ALPER ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  2. Tez No

    645069

    Derin öğrenme ağları kullanılarak protein metal bağlanma yerlerinin analizi

    Analysis of protein metal-binding sites using deep neural networks

    İSMAİL HABERAL

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN OĞUL

  3. Tez No

    676815

    Variant pathogenicity prediction tool based on protein-protein interactions and the effects of variants on 3-dimensional protein structure:a model for monogenic autoinflammatory disorders

    Protein protein etkileşimlerini ve varyantların 3 boyutlu protein yapısındaki etkilerini esas alan varyant patojenite tahmini

    ABDULLAH ALPER BÜLBÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Biyoistatistikİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    PROF. DR. EDA TAHİR TURANLI

  4. Tez No

    648680

    Evaluation and ranking of protein docking models by 3D convolutional neural networks

    Modellenmiş protein-protein etkileşim arayüzlerinin 3 boyutlu evrişimli sinir ağları ile değerlendirilmesi ve sıralanması

    SUKEJNA VALJEVAC

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. ATTİLA GÜRSOY

    PROF. ZEHRA ÖZLEM KESKİN ÖZKAYA

  5. Tez No

    857941

    Accelerating molecular docking using machine learning methods

    Kenetleme hesaplarının makine öğrenme metotları ile hızlandırılması

    ABDULSALAM YAZID BANDE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    Assist. Prof. Dr. SEFER BADAY

Geri Dön