Knowledge graph embeddıng approaches for computatıonal drug reposıtıonıng over bıomedıcal ınformatıon resources
Biyomedikal bilgi tabanları üzerinde hesaplamalı ilaç yeniden konumlandırması için bilgi grafiği temsil yaklaşımları
- Tez No: 994621
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET GÖKHAN BAKAL, DR. ÖĞR. ÜYESİ ABDULKADİR KÖSE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Computer Engineering and Computer Science and Control, Biotechnology
- Anahtar Kelimeler: Hesaplamalı İlaç Yeniden Konumlandırma, Bilgi Grafiği Temsili, Biyomedikal Bilgi Grafiği, Anlamsal Doğrulama, Nesnelerin İnterneti, Computational Drug Repositioning, Knowledge Graph Embedding, Biomedical Knowledge Graph, Semantic Validation, Internet of Things
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İlaç yeniden konumlandırma, mevcut ilaçlar için yeni terapötik kullanım alanları belirleyen ve geleneksel ilaç geliştirme süreçlerine göre daha hızlı ve daha düşük maliyetli bir yaklaşım sunan bir stratejidir. Bu tez, SemMedDB, repoDB ve UMLS gibi biyomedikal bilgi tabanlarını bir araya getirerek bütünleşik bir biyomedikal bilgi grafiği oluşturmakta ve TransE, TransH, TransR, TransD, TransF, ProjE ve RESCAL olmak üzere yedi bilgi grafiği temsil yaklaşımının kapsamlı bir değerlendirmesini sunmaktadır. Biyolojik geçerliliği artırmak için PubMed tabanlı biyomedikal dil modeli ince ayarlanmış, yaklaşık %96 doğruluk elde edilmiş ve tahmin edilen ilaç–hastalık ilişkilerini değerlendiren bir semantik doğrulama hattı oluşturulmuştur. Modeller arasında TransF en yüksek nicel performansı göstererek 0.767 düzeyine yakın bir makro hassasiyet–duyarlılık eğrisi altı alan skoruna ulaşmıştır. ProjE ise veri kümesinde yer almayan ancak literatürde desteklenen 14 ilaç–hastalık ilişkisini başarılı biçimde belirlemiştir. Ayrıca, nesnelerin interneti tabanlı otomatik güncelleme sistemi her gün yeni PubMed kanıtlarını tarayarak semantik olasılık skorlarını güncel tutmaktadır. Genel olarak, bilgi grafiği temsil yaklaşımlarının semantik doğrulama ile bütünleştirilmesi, literatürde desteklenen çok sayıda ilişkiyi ortaya çıkarmış ve yöntemin hesaplamalı ilaç yeniden konumlandırma için güçlü, yorumlanabilir ve veri odaklı bir çözüm sunduğunu göstermiştir.
Özet (Çeviri)
Drug repositioning, or the strategy of finding new medical applications to an existing drug, is a safer and cheaper alternative to development of a new drug. The thesis constructs a unified biomedical knowledge graph by integrating biomedical information resources such as SemMedDB, repoDB, and UMLS, and presents a comprehensive evaluation of seven knowledge graph embedding models: TransE, TransH, TransR, TransD, TransF, ProjE, and RESCAL. To have a biological relevance, a semantic validation pipeline was created by refining the PubMed-based biomedical language model to an accuracy of around 96% in order to determine the plausibility of the suggested drug-disease associations. TransF had the best quantitative performance with a macro area under the precision-recall curve of 0.767, whereas ProjE produced the largest number of semantically plausible hypotheses with 14 literature-supported drug-disease pairs. Moreover, an automated update system, which leverages internet of things, is used to retrieve fresh PubMed evidence on a daily basis to update semantic plausibility scores. Altogether, the knowledge graph embeddings and semantic validation workflow showed numerous new and literature-based drug-disease relations and indicated its potential to become a strong, explainable and data-driven model in computational drug repositioning.
Benzer Tezler
- Predicting possible drug repositioning using computational methods
Hesaplama yöntemleri kullanarak olası ilaç yeniden konumlandırmasını tahmin etme
ESLAM AHMED ALI ALI ABUSHAABAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. REDA ALHAJJ
- Predicting drug sensitivity in cancer cell lines using contextualized prior knowledge networks and graph neural networks
Kanser hücre kültüründe ilaç duyarlılığının bağlamsallaştırılmış önceki bilgi ağları ve grafik sinir ağları kullanılarak tahmin edilmesi
DENİZ GERMEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN
PROF. DR. MEHMET VOLKAN ATALAY
- Proteinlerin subselüler yerleşimlerinin görüntü, sekans ve interaktom verisi tabanlı tahmini
Image, sequence and interactome based prediction of subcellular localization of proteins
ECEM KUŞCUOĞLU
Yüksek Lisans
İngilizce
2024
BiyoteknolojiHacettepe ÜniversitesiBiyoenformatik Ana Bilim Dalı
PROF. DR. TUNCA DOĞAN
- Evaluation of vector and graph-based search methods in a banking knowledge platform using advanced language models
Bankacılık bilgi platformu için vektör ve grafik temelli arama yöntemlerinin gelişmiş dil modelleriyle değerlendirilmesi
BÜNYAMİN BAKIR
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Varlık bağlama sisteminin dizi öğrenme yöntemi ile bilgi tabanı kullanılarak geliştirilmesi
Developing entity linking system with sequence learning by using knowledge bases
EMRAH İNAN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ DİKENELLİ