İlaç keşfi ve geliştirmede yapay zeka kullanımı

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: EMRE ALTAY

Danışman: İdil Yavuz

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, ilaç moleküllerinin hedef proteinlere bağlanmasını, daha kısa sürede ve daha düşük maliyetle tahmin etmeye yönelik bir yaklaşım ele alınmaktadır. İlaç geliştirme süreçlerinde aday moleküllerin hedef proteinlerle kurduğu bağlanma afinitesini öngörmek, maliyet ve hız açısından önemlidir. Bu çalışmanın odağında, sadece SMILES ve FASTA dizilerini girdi kabul eden Transformer tabanlı bir mimari yer almaktadır. Kurgulanan yapıda protein ve ligand dizileri, öncelikle birbirinden bağımsız kodlayıcı bloklarda işlenir. Takip eden aşamada ise iki yönlü çapraz dikkat katmanları devreye girer. Temsiller burada karşılıklı hizalanır ve etkileşim sinyali belirginleşir. Doğrusal olmayan ilişkilerin esnek bir biçimde öğrenilmesi esastır. Bu esnekliği sağlamak adına, modelin ileri beslemeli ağında standart yapılar yerine GeGLU tabanlı kapılı mekanizmalar kullanılmıştır. Bahsedilen yapılandırma sonucunda ortaya çıkan TransformGeGLU modeli, sadece SMILES dizileri ve FASTA sekansları ile eğitilmiş olmasına karşın, DAVIS veri setinde MSE açısından 0.2359, Uyum İndeksi (Concordance Index, CI) açısından 0.8786 ve Kesinlik–Geri Çağırım Eğrisi Altındaki Alan (AUPR) içinse 0.7243 seviyesine ulaşmıştır; KIBA veri kümesinde ise sırasıyla MSE=0.1774, CI=0.8782 ve AUPR=0.7966 değerlerini yakalamıştır. Çok-modlu yaklaşımların sıklıkla sunduğu ilave iki ve üç boyutlu yapısal bilginin avantajına karşın, sınırlı ve minimal girdiyle dahi afinite tahmini açısından rekabet gücü yüksek performans yakalanabildiği bu çalışma kapsamında net biçimde ortaya konmuştur.