Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Biyomedikal Teknolojiler (Disiplinlerarası) Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: DUYGU GEÇKİN
Danışman: GÜLESER KALAYCI DEMİR
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Proteinler, sinyal iletimi yapmak, bağışıklık tepkisi oluşturmak ve metabolik döngüler yaratmak gibi spesifik işlevleri yerine getirmek için fiziko-kimyasal bağlantılar oluşturarak protein-protein etkileşimlerini meydana getirirler. Bu etkileşimler, hastalık mekanizmalarının incelenmesi, ilaç ve tedavi tasarımı gibi uygulamalar için büyük potansiyele sahiptir. Bununla birlikte, protein-protein etkileşimlerini belirlemeye yönelik deneysel yöntemler zaman alıcı, pahalı ve kapsamı sınırlıdır. Bu nedenle, protein-protein etkileşimlerinin tanımlaması ve buna yönelik çalışmaları geliştirmek için hesaplama yöntemlerine ihtiyaç duyulmaktadır. Sunulan çalışmanın amacı, proteinlerin sadece sekans bilgilerini kullanarak protein-protein etkileşimlerini derin öğrenme ağı oluşturarak kestirim yapmaktır. İlk olarak, protein sekansları üç farklı yöntem kullanılarak temsil edilmişlerdir: Binary kodlama, otokovaryans, ve Position Specific Scoring Matrix (PSSM). Daha sonra, proteinprotein etkileşim kestirimi yapmak için evrişimli bir Siyam sinir ağı oluşturulmuştur. Ağ mimarisi, aynı parametreleri paylaşan iki özdeş alt ağdan oluşmaktadır ve protein dizisi çiftleri arasındaki karmaşık modellerin saptanmasını sağlamaktadır. Deneysel sonuçlar, PSSM kodlama yönteminin 0,8407 ile en yüksek tahmin doğruluğunu sağladığını göstermiştir. Farklı kodlama metodolojileri, aynı protein sekansında farklı özellikleri yakaladığından, herbir kodlayıcının Siyam sinir ağından çıkan tahmin değerleri toplanarak bir topluluk öğrenmesi yöntemi kullanılarak, tahmin performansı iyileştirilmiştir. Sonuç olarak, tahmin doğruluğu yüzde 0,8627'ye yükselmiştir. Bu sonuçlara göre, protein-protein etkileşim tahmininin doğruluğunu artırmak için çoklu protein kodlama stratejilerini entegre etmenin etkinliğinin önemli olduğu görülmektedir. Kapsamlı deneysel sonuçlar, önerilen yöntemin protein-protein etkileşim tahmini için etkili, sağlam ve güvenilir bir alternatif yaklaşım olduğunu kanıtlamaktadır