Prediction of drug-drug interaction by using profile fingerprint vectors and protein similarities
İlaç-ilaç etkileşimlerini profil parmak izi vektörleri ve protein benzerlikleri kullanarak tahmin etme
- Tez No: 537049
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN AYVAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İlaç ilaç etkileşimi insanların sağlığını tehdit eden en önemli problemdir. Bu nedenle, bu problem ilaç firmaları ve sağlık hizmeti sağlayıcıları tarafından ciddi olarak dikkate alınmalıdır. Hastalar tarafından ilgili ilaç çiftinin birlikte kullanılmasından önce olabilecek ilaç-ilaç etkileşimlerini tespit etmek çok önemlidir. Bununla birlikte, ilaç-ilaç etkileşimleri tahmininde in-vivo deneyler kullanmak son derece pahalı olmakla birlikte, aynı zamanda in-vivo ve in-vitro ortamda çok ciddi yan etkilerin tespit edilmesi zordur ve bu durum test edilmesi gereken çok sayıda ilaç-ilaç kombinasyonlarının olmasından kaynaklanmaktadır. Böylece, hesaplama metodolojilerini kullanan çeşitli in-silico yaklaşımlar potansiyel ilaç-ilaç etkileşimlerinin tahmin edilmesine yardımcı olmak için geliştirilmiştir. Bu tezde, son zamanlarda, hesaplanan ilaç-ilaç etkileşimlerinin tahmin metotlarının bazıları değerlendirilmiştir. Daha da detaylandırılmak istenirse, bilinen etkileşimler, ilaç proteinleri, yan etkiler, ilaç-ilaç etkileşimlerini tahmin etmek için kullanılan ilaç parmak izlerini oluşturmak için kullanılır. Bu sonuçların karşılaştırılmasıyla, etkileşim profili parmak izlerinin kullanılmasının daha yüksek bir performansa sahip olduğunu göstermiştir. Bununla birlikte, bilinen etkileşimlere sahip olan ilaç çiftlerinin protein benzerlikleri karşılaştırılmıştır.
Özet (Çeviri)
Drug - drug interaction (DDI) is a significant problem which threatens people's health. Therefore, this problem must be taken into serious consideration by pharmaceutical companies and healthcare providers. It is crucial to detect potential DDIs before the relevant drug pair is used together by the patients. However, the prediction of DDIs by using in-vivo experiments is not only extremely expensive but also difficult as many serious side effects are hard to detect in-vivo and in-vitro setting and as there exist many combinations of potential drug pairs to be experimented. Thus, various in-silico approaches utilizing computational methodologies have been developed to aid in the prediction of potential DDIs. In this paper, some of the recent computational DDI prediction methods are evaluated. More specifically, known interactions, drug targets, adverse effects are used to construct drug fingerprints which are further used to predict DDIs. Comparing these results showed that using interaction profile fingerprints has higher performance. Additionally, protein similarities of drug pairs which have known interactions were compared.
Benzer Tezler
- Deep learning for prediction of drug-target interaction space and protein functions
İlaç-hedef protein etkileşim uzayı ve protein fonksiyonlarının tahmini için derin öğrenme
AHMET SÜREYYA RİFAİOĞLU
Doktora
İngilizce
2020
Mühendislik BilimleriOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET VOLKAN ATALAY
PROF. DR. RENGÜL ÇETİN ATALAY
- Parkinson hastalığına yönelik bitki tabanlı ilaç adaylarının hesaplamalı yöntemlerle analizi
Analysis of plant-based drug candidates for Parkinson's disease using computational methods
EMRE AKTAŞ
Doktora
Türkçe
2026
BiyolojiYıldız Teknik ÜniversitesiMoleküler Biyokimya ve Genetik Ana Bilim Dalı
PROF. DR. NEHİR ÖZDEMİR ÖZGENTÜRK
- Akut iskemik inmeli hastalarda disfonskiyonel hdl, myeloperoksidaz, lipid hidroperoksidaz değerlerinin inme şiddeti ve enfarkt volümüyle ilişkisi ve disabiliteyi tayin etmede prognostik değeri
The relationship of dysfunctional hdl, myeloperoxidase, lipid hydroperoxides levels with stroke violence and infarctus volume, and its prognostic value in determining disability in acute ischemic stroke
ESRA DEMİR
Tıpta Uzmanlık
Türkçe
2021
NörolojiAnkara Yıldırım Beyazıt ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. GÖNÜL VURAL
- Deep learning-based methods for drug synergy prediction
İlaç sinerjisi tahmini için derin öğrenme tabanlı yöntemler
HALİL İBRAHİM KURU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH ERCÜMENT ÇİÇEK
DOÇ. DR. ÖZNUR TAŞTAN OKAN
- Sanal tarama ve çok boyutlu moleküler modelleme yöntemleri ile p53-MDM2 potansiyel inhibitörlerinin belirlenmesi
Identification of p53-MDM2 potential inhibitors with virtual screening and multidimensional molecular modeling methods
GÜLŞAH AYDIN
Doktora
Türkçe
2020
Biyofizikİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MİNE YURTSEVER
PROF. DR. SERDAR DURDAĞI