Biyoinformatikte çok boyutlu verilerin boyut indirgenerek sınıflandırılması
Classification by dimension reduction of multidimensional data sets in bioinformatics
- Tez No: 395786
- Danışmanlar: DOÇ. DR. HASAN ŞAKİR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biyomühendislik, Biotechnology, Bioengineering
- Anahtar Kelimeler: Biyoinformatik, Boyutsal indirgeme, Veri madenciliği, Bioinformatics, Dimensional reduction, Data mining
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde biyoinformatik alanda devasa boyuttaki verileri veri madenciliği yöntemleri kullanarak işlemek büyük önem kazanmaktadır. Mikrodizi teknolojisi ile elde edilen gen ifade verileri üzerinde çeşitli boyut indirgeme ve öznitelik seçme yöntemleri kullanılarak hastalığa neden olan genlerin tespit edilmesi biyoinformatik alanda önemli bir yel almaktadır. Bu çalışmada, mikrodizi teknolojisinden elde edilen yumurtalık kanseri gen ifade veri kümesi üzerinde öznitelik seçme yöntemlerinden ve boyut indirgeme yöntemlerinden bazıları kullanılarak veri kümesi küçültülerek çeşitli sınıflandırma yöntemleri ile başarıları ölçülerek yumurtalık kanseri olan hastalarda hangi genlerin daha önemli olduğuna karar verilmeye çalışılmıştır. Öznitelik seçme yöntemlerinden Fisher Korelasyon Skorlama ve Weltch-T İstatistiği yöntemleri kullanılarak veri setindeki gen öznitelik sayısı bine indirgenerek, ilk 100 gen içinde sınıflandırma başarıları bulunmuştur. Çeşitli sınıflandırıcı başarımları arasında destek vektör makineleri(lineer çekirdek fonksiyonu) sınıflandırıcısı ile %100 başarı elde edilmiştir.
Özet (Çeviri)
Nowadays, Processing the big data in bioinformatics area by using data mining techniques have gained importance. Identifying genes that cause disease by using various size reduction and feature selection methods on gene expression data obtained by microarray technology is an significant role in bioinformatics. Obtained from those methods, size reducted data set measured with various methods of classification performance has been studied which genes are more important in patients with ovarian cancer.Using feature selection methods with the Fisher Correlation Score method and Weltch-T statistic method reduced the number of thousand features, classification successes were found for the first100 genes fetures in the data set. Among the various classifiers successes, support vector machine(linear kernel function) classifier were obtained with a 100% success.
Benzer Tezler
- Comparison of data reduction algorithms for biomedical applications
Biyomedikal uygulamalar için veri azaltılması algoritmalarının karşılaştırılması
THIBAUT JUDICAEL BAH
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR KARLIK
- Yeni nesil dizileme teknolojisi ile Türkiye'den izole edilen kutanöz leishmaniosis etkeni leishmania infantum'un genom dizisinin çıkarılması
The genome sequencing with next generation sequencing technology of leishmania infantum causing cutaneous leishmaniosis from Turkish isolate
DİLEK GÜLDEMİR
Doktora
Türkçe
2019
MikrobiyolojiAnkara ÜniversitesiVeterinerlik Parazitolojisi Ana Bilim Dalı
PROF. DR. AYŞE SERPİL NALBANTOĞLU
- İnsan genomundaki kopya sayısı değişikliklerinin snp-array yöntemi kullanılarak incelenmesi ve tespit edilen değişikliklerin validasyonu
Copy number variation detection in the human genome with using snp array method and validation of detected variations
FATMA YEŞİM KESİM
Yüksek Lisans
Türkçe
2014
Genetikİstanbul ÜniversitesiGenetik Ana Bilim Dalı
DOÇ. DR. SİBEL AYLİN UĞUR İŞERİ
- Gen açıklama verilerinin sınıflandırılmasında yeni bir özellik seçimi yöntemi
A novel feature selection method for classification of gene expression data
DERYA TURFAN
Doktora
Türkçe
2020
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MURTAZA ÖZGÜR YENİAY
- Biyoinformatik uygulamalarında makine öğrenme yöntemlerinin geliştirilmesine yönelik çok kriterli yaklaşım
Multi-criteria approach to development of machine learning methods in bioinformatics
ZELİHA GÖRMEZ
Doktora
Türkçe
2014
Biyolojiİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERTBAŞ
DR. HÜSEYİN ŞEKER