Identifying peptide motifs dsing genetic algorithms
Genetik algoritmalar kullanarak peptidlerde motif bulma
- Tez No: 95439
- Danışmanlar: DOÇ. DR. CEM ERSOY, DR. UĞUR SEZERMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Genetik algoritmalar, Peptidler, Regresyon analizi, Genetic algorithms, Peptides, Regression analysis
- Yıl: 2000
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
genetik algoritmalar kullanarak peptidlerde motif bulma Alıcı moleküllere bağlanan peptid motiflerini bulmak, aşı ve ilaç dizaynında çok önemlidir. Bunun en önemli uygulaması ise MHC-peptid problemidir. Bu çalışmada belirli MHC moleküllerine bağlanan peptid motiflerine karar vermek için regresyon analizi kullanıldı. Geleneksel regresyon analizi metodlan ile her zaman optimum sonuç yakalanamadığı için optimum regresyon doğrusunu bulmak için genetik algoritma (GA) teknikleri kullanıldı. GA ile bulunan optimum regresyon doğrusu peptid motifini belirlemekle beraber MHC moleküllerinde, peptidlerin bu moleküllere bağlanması için gerekli olan etkenleri de bulmaktadır. GA'nm yeterliliği değişik uygulama teknikleri ile test edilmiş ve bu problem için optimum parametre seti belirlenmiştir. Sonuçlar, peptid motifinin ikinci pozisyonunun bulunmasında yüzde 95 birebir uyumluluk ve yüzde 100, bir standart sapma ile uyumluluk göstermiştir. Son pozisyonu iki regresyon doğrusuyla açıklayabilmek için veri ikiye bölünmüştür. İlk regresyon doğrusu ile peptid motifinin son pozisyonunun bulunmasında yüzde 80, ikinci regresyon doğrusu ile ise yüzde 75 doğru tahmin yapılabilmiştir.
Özet (Çeviri)
Finding the ligand motifs binding to the receptor molecules is crucial in vaccine and drug design, especially for the MHC-peptide problem. In this work, for determining the peptide motifs binding to specific MHC molecules, we have used regression analysis. In order to find the the optimum regression line, genetic algorithm (GA) techniques are used because in traditional regression analysis methods, you may not be able to reach the optimum solution. The optimum regression line generated by the GA also determines the factors on the MHC molecules mat makes the peptide bind to these MHC molecules. The efficiency of the GA is tested by doing several tests on its different parameters, and the optimum set of parameters are determined for this problem. Results have shown that we are able to predict second position of a peptide motif with 95 per cent exact match or 100 per cent close match within one standard deviation of the predicted equation. We have divided last position's data into two parts in order to explain it with two regression lines. Predictions for the last position of the peptide motif with the first regression line resulted in 80 per cent exact match. Second regression line resulted in 75 per cent exact match.
Benzer Tezler
- Identifying academic English needs of English medium medical students at Hacettepe University for a communicative course design
Başlık çevirisi yok
İSMAİL BOZTAŞ
- Identifying probability distributions using neural networks
Yapay sinir ağları ile istatistiki dağılımların belirlenmesi
ANIL YILMAZ
- Dişli çark hata ve hasarlarının titreşim analizi ile belirlenmesi
Identifying the faults in gears with vibration analysis
VOLKAN SİPAHİ
- Üniversite gençliğinin çevre ve çevre sorunlarına yönelik tutumları -Gazi Eğitim Fakültesi öğrencileri üzerine bir araştırma-
The attitudes of undergraduate students toward environment and environmental issues
ERDOĞAN ŞAMA
- Türk endüstriyel seramik işletmelerinde fire ve kayıpların tespiti, değerlendirilmesi ve örnek olay
Identifying, evaluating waste and loss in Turkish industrial (manufacturing) ceramics companies and a case study
NECMİ TEKİN
Yüksek Lisans
Türkçe
1998
İşletmeÇanakkale Onsekiz Mart ÜniversitesiMuhasebe ve Finansman Ana Bilim Dalı
YRD. DOÇ. DR. B. EROL UÇMAN
