Neural insights into drug repositioning: A literature-based framework using word embeddings and siamese networks
Derin öğrenme temelli ilaç yeniden konumlandırma: Kelime temsilleri ve siyam ikizi ağları kullanılarak literatüre dayalı bir çerçeve
- Tez No: 958165
- Danışmanlar: YRD. DOÇ. MEHMET GÖKHAN BAKAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Geleneksel ilaç geliştirme süreçlerinin yüksek maliyetleri, uzun zaman çizelgeleri ve riskleri, mevcut ilaçların yeni kullanım alanlarını keşfetmeyi amaçlayan ilaç yeniden konumlandırma çalışmalarına olan ilgiyi artırmıştır. Bu tez, SemMedDB'den elde edilen biyomedikal verileri kullanarak, ilaçlar ile hastalıklar arasındaki potansiyel yeni tedavi bağlantılarını belirlemeye yönelik derin öğrenmeye dayalı bir sistem sunmaktadır. Geliştirilen sistem, erken aşama ilaç keşfi için pratik ve verimli bir fikir üretme yöntemi sağlamayı hedeflemektedir. Sistem, FastText modelinden türetilen kelime desenlerini kullanarak eğitilen bir Siyam Sinir Ağı (SNN) mimarisine dayanmaktadır. Çalışmada, hangi yapının daha verimli özellikler çıkarabildiğini test etmek için biri yoğun (dense), diğeri evrişimli (convolutional) olan iki farklı alt ağ yapısı denenmiştir. 570'ün üzerinde model yapılandırması test edilmiş ve en iyi konfigürasyon %87.66 doğrulama doğruluğu ve yaklaşık %83 test doğruluğu elde etmiştir. Ayrıca kesinlik, duyarlılık ve F1-skorları açısından da dengeli bir performans sergilemiştir. Bu çalışma, derin öğrenmenin organize edilmiş biyomedikal literatür ile birleşiminin, daha akıllı ilaç keşif süreçlerine nasıl katkı sağlayabileceğini göstermektedir.
Özet (Çeviri)
The high cost, long timelines, and risks of traditional drug development have sparked interest in drug repositioning—finding new uses for drugs we already have. My thesis introduces a deep learning tool that digs into biomedical data from SemMedDB to spot potential new treatment connections between drugs and diseases. It's built to be a practical, efficient way to come up with ideas for early drug discovery. The tool uses a Siamese Neural Network (SNN), trained on word patterns from the FastText model. The study tested two subnetworks—one dense, one convolutional—to see which worked best for pulling out useful features. After running over 570 setups, the best configuration hit a validation accuracy of 87.66% and a test accuracy of about 83%. It performed well across precision, recall, and F1-scores, too. This work shows how deep learning paired with organized biomedical literature can power smarter drug discovery. It's not perfect yet—relying on one data source, using made-up negative samples, and missing contextual embeddings are some drawbacks. Overall, this system aims to support smarter decisions in drug research and fits into broader efforts for affordable and accessible healthcare.
Benzer Tezler
- Prediction of drug response in cancer using hybrid deep neural networks
Hibrit derin sinir ağları ile kanserde ilaç yanıt tahmini
BURAKCAN İZMİRLİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCA DOĞAN
- Tek A'lı çekirdeklerin taban-durum manyetik momentlerinin sinirsel-bulanık sistemiyle belirlenmesi
Determination of the ground-state magnetic moments of odd mass nuclei using neuro-fuzzy system
BÜRUCE ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN YAKUT
- Molecular recognition of protein-ligand complexes via convolutional neural networks
Protein-ligand komplekslerinin konvolüsyenel sinir ağları ile moleküler tanınması
HÜSEYİN GÜNER
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER AYDIN
- Bioinspired materials for regenerative medicine and drug delivery applications
Biyoesinlenilmiş malzemelerin rejeneratif tıp ve ilaç taşınımı alanlarında uygulamaları
SEREN HAMSICI
Yüksek Lisans
İngilizce
2016
Biyomühendislikİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
YRD. DOÇ. DR. AYŞE BEGÜM TEKİNAY
- The role of neuropilin-1 and semaphorin 3A in glioblastoma progression and dispersal
Başlık çevirisi yok
TUĞBA BAĞCI
Doktora
İngilizce
2008
BiyomühendislikTufts UniversityBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
DANIEL G. JAY