Geri Dön

Computational prediction of protein subcellular localization and function

Protein içi hücre içi konum ve fonksiyonlarının işlemsel yöntemlerle tahmini

  1. Tez No: 128511
  2. Yazar: MUTLU DOĞRUEL
  3. Danışmanlar: DR. OSMAN UĞUR SEZERMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoloji, Computer Engineering and Computer Science and Control, Biology
  6. Anahtar Kelimeler: Proteinler, Uzman sistemler, Veri madenciliği, Yapay zeka, Proteins, Expert systems, Data mining, Artificial intelligence
  7. Yıl: 2002
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Bu çalışmada, proteinlerin hem fonksiyonlarının doğrudan bulunması, hem de fonksiyonlarının bulunmasında dolaylı olarak işe yarayan hücre içindeki yerlilerinin saptanmasının mümkün olduğu iki işlemsel yaklaşım sunulmaktadır. Proteinlerin hücre içindeki yerlerinin, içerdikleri amino asit oranları kullanılmak suretiyle, yapay zeka teknikleriyle saptanmaya çalışıldı. Bitkisel ve diğer proteinlerin hücre içindeki yerlerinin ve özellikle de ökaryotların fonsiyonlarının tespiti için Destek Vektörü Makineleri adı verilen yapay zeka uygulamasına dayanan uzman sistemler tasarlandı. Bu sistemler kullanılarak, bitki ve diğer protein sınıfları için dörder hücre içi protein konumu, sırasıyla %95.4 ve %99.7 oranlarında doğru bir şekilde tahmin edilmiştir. Her iki grup için tahmin edilen mitokondri, hücredışı / sinyal ve nükleer sınıflarının yanı sıra, bitkiler için kloroplast, hayvanlar için ise sitozolik hücre konumları da sınıflandırmaya dahil edildiler. Hücre içindeki organellerle ilgili faaliyet gösteren proteinlerin fonksiyonları, konum bulmada kullanılan yöntem kullanılarak tahmin edilmeye çalışıldı. 2321 protein dizisinin %92.3'ü, seçilmiş 10 fonksiyonel kategori içine doğru bir şekilde sınıflandı. Son olarak, MEDLINE makalelerinin veri madenciliği ile analizinin fonksiyon tahminine katkı yapabileceği ayrı bir protein veri tabanı kullanılarak gösterildi. vııı

Özet (Çeviri)

ABSTRACT In this study, we present a computational approach in which it is possible to directly predict the protein functional categories from sequence and to identify the protein subcellular localization, which, in turn, is helpful for functional classification. ^" Subcellular protein locations and functions have been predicted basically from amino acid composition by using a machine learning approach. Expert systems based on Support Vector Machines have been designed to predict subcellular locations for proteins both in plants and nonplants, and function particularly for nonplants. Four subcellular localization categories for plant and nonplant proteins have been identified by correct prediction accuracies of 95.4%, and 99.7% respectively. In addition to the three common categories mitochondrial, extracellular / secretory, and nuclear; the classes cytosolic for nonplants, and, chloroplast for plants are included. Functional categories related to the subcellular compartments are predicted by using a similar approach applied for localization prediction. 92.9% of the 2321 protein sequences have been correctly assigned into the selected 10 functional categories. Finally, the contribution of the data-mining of the MEDLINE papers to the function prediction is tested by another protein data set. Vll

Benzer Tezler

  1. Tez No

    180820

    Computational representation of protein sequences for homology detection and classification

    Protein dizilimlerinin homoloji sezimi ve sınıflandırma amaçlı bilişimsel gösterimi

    HASAN OĞUL

    Doktora

    İngilizce

    İngilizce

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    Y.DOÇ.DR. ERKAN MUMCUOĞLU

  2. Tez No

    178317

    Computational prediction of disordered regions in proteins

    Proteindeki düzensiz bölgelerin hesapsal tahmini

    İREM ERSÖZ KAYA

    Doktora

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    YRD. DOÇ. DR. TURGAY İBRİKÇİ

  3. Tez No

    168733

    A high-performance algorithm for automated prediction of protein-protein interactions

    Protein-protein etkileşimlerinin otomatik tahmini için yüksek başarımlı bir algoritma

    ALİ SELİM AYTUNA

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Y.DOÇ. ATTİLA GÜRSOY

    Y.DOÇ. ÖZLEM KESKİN

  4. Tez No

    185297

    Computational approaches to protein structure prediction

    Protein yapısını tahminlemek için geliştirilen hesaba dayalı yaklaşımlar

    ZERRİN IŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    YRD. DOÇ. DR. BERRİN YANIKOĞLU

  5. Tez No

    152826

    A computational approach to predict contact potential and desulfide bond of proteins

    Proteinlerin temas matrisleri ve ikili sülfat bağı tahmini üzerine işlemsel yaklaşım

    ELANUR ŞİRELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    BiyolojiSabancı Üniversitesi

    Biyoloji Ana Bilim Dalı

    Y.DOÇ.DR. OSMAN UĞUR SEZERMAN

Geri Dön