Protein etkileşimlerinin tahmininde pozitif etiketlenmemiş öğrenme
Positive unlabeled learning for deriving protein interaction networks
- Tez No: 316534
- Danışmanlar: YRD. DOÇ. DR. MEHMET TAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoloji, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Biology, Science and Technology
- Anahtar Kelimeler: Biyoinformatik, Veri madenciliği, Bioinformatics, Data mining
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Tobb Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir veri kümesindeki örneklerin belli bir özelliğe sahip olup olmayışlarına göre etiketlendirilmeleri işlemine ikili sınıflandırma adı verilir. Bir ikili sınıflandırıcı eğitebilmek için, genel yaklaşımda, hem pozitif hem de negatif örnekler içeren bir eğitim verisine ihtiyaç duyulur. Ancak bazı çalışma alanlarında negatif örneklerin elde edilmesi zor, hatta imkansız olabilir. Bu durumlarda veri kümesi sadece pozitif örnekler ve üye oldukları sınıfların belirlenmesi hedeflenen etiketlenmemiş örneklerden oluşur. Bu tür problemlere bir örnek protein-protein etkileşim ağlarının tahminidir.Bir canlı vücudunda hayati işlemlerin devamlılığı proteinlerin çalışmasına bağlıdır ve proteinler bu işlemler sırasında birbirleriyle etkileşime girerler. Hangi proteinlerin birbirleriyle etkileştiğinin bilinmesi tıbbi açıdan önemli bir bilgidir. Proteinlerin etkileştiği laboratuar deneyleri ile tespit edilebilirken, aksi durum kesin bir şekilde belirlenemez. Deneyler sırasında bir protein çiftinin etkileştiğine şahit olunmaması, bu çiftin başka bir zaman ve durumda etkileşmeyeceğinin kanıtı olamaz.Bu çalışmamızda negatif eğitim verisinin mevcut olmadığı bu durumlarda kullanılabilinecek olan algoritmaları özetledik ve bu algoritmaların bir kısmını protein-protein etkileşimlerinin tahmininde kullanarak test edip karşılaştırdık. Böylece protein-protein etkileşim ağlarının tahmininde kullanılabilecek veya bu işlem için ümit vadeden algoritmaları belirledik.
Özet (Çeviri)
Binary classification is the process of labeling the members of a given data set on the basis of whether they have some property or not. To train a binary classifier, normally one needs two sets of examples from each group, usually named as positive and negative examples. However, in some domains, negative examples are either hard to obtain or even not available at all. In these problems, data consist of positive and unlabeled examples. An example to this kind of problems is derivation of protein-protein networks.Biological processes in a living organism depend on proteins and mostly interactions of proteins. It is important to determine which proteins interact to understand how an organism survives. While it is possible to derive by experiments that two proteins interact with each other, it is much harder to conclude that they do not. Even if we do not observe the interaction of two proteins during an experiment, they may interact in a different time or condition.In this thesis we first present a survey of algorithms which can handle such problems, and then provide a comparison of some of these algorithms on the protein-protein interaction derivation problem by using the available (positive) interaction information. Thus we identify which algorithms can be used or have potential to be used for deriving protein-protein interaction networks.
Benzer Tezler
- Antijenlerin yapısal özellikleri ve çizge sinir ağları kullanılarak B hücresi epitopu tahmini
Prediction of B cell epitopes using structural properties of antigens and graph neural networks
MUHAMMET BÜNYAMİN ŞEN
Yüksek Lisans
Türkçe
2025
GenetikHacettepe ÜniversitesiBiyoinformatik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. TUNCA DOĞAN
- Comparative analysis of negative sampling strategies in protein-protein interaction prediction
Protein-protein etkileşim tahmininde negatif örnekleme stratejilerinin karşılaştırmalı analizi
ZEHRA KESEMEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. REYHAN AYDOĞAN
DR. ÖĞR. ÜYESİ ZEYNEP İLKNUR KARADENİZ EROL
- A computational approach for predicting host specificity of adenoviruses
Adenovirüslerin konak özgüllüğünü tahmin etmede kullanılacak bir hesaplama yöntemi
ONUR CAN KARABULUT
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBiyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ETHEM SÜZEK
- Polifenollerin tiyoller ve proteinlerle etkileşiminin bazı antioksidan aktivite tayin yöntemlerine etkisi
The effects of interactions of polyphenols with thiols and proteins on certain methods of antioxidant activity determinations
ASLI NESLİHAN AVAN
- Predicting the binding affinities of drug-protein interaction by analyzing the images of binding sites
Bağlanma alanlarının görüntülerini inceleyerek ilaç-protein etkileşiminin bağlanma eğiliminin tahmin edilmesi
ÖZLEM ERDAŞ
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FERDANUR ALPASLAN
PROF. DR. MEHMET ERDEM BÜYÜKBİNGÖL