Bioinformatics
73 theses under this subject heading
Protein etkileşimlerinin tahmininde pozitif etiketlenmemiş öğrenme
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.
Biyolojik veritabanlarında etkin benzerlik hesaplama
Canlının temel özelliklerini taşıyan en küçük birim olan hücrenin içerisinde meydana gelen olayların açıklanması biyolojik ağlarının incelenmesiyle mümkün olur. Bu inceleme için kullanılan tekniklerden biri benzerlik tabanlı analizdir. Bu kapsamda, bir sorgu ağıyla biyolojik ağlardan oluşan bir biyolojik veritabanı karşılaştırılmakta, sorgu ağıyla benzerliği belli bir eşik değerinin üzerinde ve aşağısında olan ağlar ayrışmaktadır. Bu problemin çözümü, iki ağın benzerliğinin bulunmasını gerektirir. Literatürde NP-tam olarak geçen alt çizge eşleniği problemi sebebiyle problemin çözümü hesaplamsal olarak çok maliyetlidir. Çözüm için literatürde çeşitli yöntemler geliştirilmiştir. Bu yöntemlerden biri olan QNET yöntemi, bu tez çalışması kapsamında Java diliyle ve Hadoop çatısında kodlanmıştır. 7 düğümlü sorgu ağları için Hadoop gerçekleştirimi 10 makinalı (18 çekirdekli) bir öbekte 11,42 hızlanma sağlamıştır. Ayrıca literatürde yer alan "referans tabanlı indeksleme yöntemi" incelenerek ESBiD yöntemi geliştirilmiş, bir referans tabanlı indeksleme yöntemi olan RINQ' nun zayıflıkları üzerine çalışmalar yapılmıştır. Bu kapsamda sezgisel yöntemler kullanılarak belirsizlik setindeki ağ sayısı %29,85 oranında, %93,22 doğruluk payıyla azaltılmış, referans ağların seçim yöntemi değiştirilmiş ve belirsizlik setinde biriken ağların daha hızlı hizalanması için "en yüksek dereceli düğüm" tekniği geliştirilmiştir. Bu teknik, QNET' le yapılan tam hizalamanın %89,76 etkinliğine %51,14 daha kısa sürede ulaşmıştır . Anahtar Kelimeler: Biyolojik ağ hizalama, biyolojik veritabanı hizalama, çizge hizalama, referans tabanlı indeksleme, QNET, Hadoop, ESBiD, en yüksek dereceli düğüm
Çeşitli laktik asit bakterilerinin kullanımı ile hazırlanan ekşi mayanın, ekmekte küf gelişimine etkisinin belirlenmesi
Bu çalışma, sıvı ekşi hamur üretimi için antifungal aktiviteye sahip üç farklı bakteri suşu (Lactiplantibacillus pentosus SC-9, Lactocaseibacillus rhamnosus E-106 ve Lactobacillus paraplantarum N-15) kullanarak çeşitli koşulların optimizasyonunu ve yüksek antifungal aktiviteye sahip sıvı ekşi mayaların hazırlanmasını ele almaktadır. Ekşi mayalar buğday, çavdar, siyez ve yulaf unları ile ayrı ayrı hazırlanmış ve 30°C ve 37°C'de kontrol gruplarıyla birlikte optimizasyon çalışmaları gerçekleştirilmiştir. Toplam canlı sayımı, laktik asit bakterisi sayımı, toplam maya ve küf sayımları, pH, titrasyon asitliği, HPLC, GS-MS ve LS-MS/MS yöntemleriyle metobolit tespitleri ve Penicillium expansum, Fusarium oxysporum ve Aspergillus niger küfleri üzerinde antifungal aktivite testleri yapılmıştır. Sonuçlar, Lactocaseibacillus rhamnosus E-106 ile hazırlanan sıvı ekşi mayanın, Fusarium oxysporum küfüne karşı 48.saat, 30°C'de, 32,58 mm zon çapı ile iyi bir antifungal aktiviteye sahip olduğu bulunmuştur. Yine Lactocaseibacillus rhamnosus E-106 suşunu içeren ekşi mayalarda, HPLC ile laktik asit, GS-MS ile normal ekmeğe göre daha zengin uçucu metobolit ve LS-MS/MS sonuçlarına göre K3 ve K4 nolu ekşi mayalarda fenillaktik asit varlığı tespit edilmiştir. Ayrıca in silico modelleme çalışmaları, Moleküler Kenetleme yöntemi kullanılarak gerçekleştirilmiş, laktik asit bakterilerinin; fenillaktik asit, laktik asit, asetik asit, malik asit, reuterin, hidrojen peroksit gibi önemli metabolitleri ile kontrol grubu olarak seçilen natamisinin, fungal hif büyüme proteinlerine olan bağlanma enerjileri hesaplanmış ve fenillaktik asidin -6,3 kcal/mol ile diğer metabolitlere göre daha yüksek antifungal aktiviteye sahip olduğu bulunmuştur. Bu tez kapsamında antifungal aktiviteye sahip fonksiyonel sıvı ekşi maya ilk defa üretilmiş ve antifungal metabolit üretimi açısından suş ve koşul optimizasyonları gerçekleştirilmiştir.
Varroa destructor'un mt-CO1 gen dizileri kullanılarak filogenetik ve haplotip çeşitliliğinin biyoinformatik analizi
Varroasis, Varroa destructor akarının neden olduğu ve dünya çapında bal arılarına (Apis mellifera) ciddi zararlar veren bir hastalıktır. Bu parazit, diğer eklembacaklıların neden olduğu hastalıklardan çok daha büyük hasarlara yol açmakta ve arıcılık sektöründe yüksek ekonomik kayıplara neden olmaktadır. Bu çalışmada, National Center for Biotechnology Information (NCBI) veri tabanına kayıtlı V. destructor'un Mitochondrial Cytochrome c Oxidase Subunit 1 (mt-CO1) gen dizileri kullanılarak, türün küresel filogenetik ilişkisi, haplotip çeşitliliği, genetik varyasyon ve popülasyon yapısı biyoinformatik yöntemlerle araştırılmıştır. Bu kapsamda, NCBI veri tabanından elde edilen ve 20 farklı coğrafi bölgeyi temsil eden toplam 492 mt-CO1 gen dizisi analiz edilmiştir. Gerçekleştirilen analizler sonucunda, 29 polimorfik bölge ve 19 haplotip grubu tespit edilmiştir. Bunlardan Hap01, 288 gen dizisiyle en yaygın (ana) haplotip olarak belirlenmiş; ayrıca 14'ü tekli olmak üzere toplam 18 farklı haplotip daha saptanmıştır. Hesaplanan haplotip çeşitliliği 0,530 ± 0,014 olup, bu değer orta düzeyde genetik çeşitliliğe işaret etmektedir. Nükleotid çeşitliliği ise 0,00287 ± 0,00019 olarak bulunmuş ve bu da V. destructor popülasyonunun genel olarak genetik açıdan homojen olduğunu göstermektedir. Tajima'nın D, Fu'nun Fs, Fu'nun LD ve Fu'nun LF testlerinin tümü negatif değerler göstermiş, bu da yakın geçmişte yaşanan bir popülasyon genişlemesini düşündürmektedir. Popülasyonlar arası genetik farklılık açısından en düşük fiksasyon indeks değeri Tayland-Vietnam arasında, en yüksek fiksasyon indeks değeri ise Tayvan ile İran, Fransa, Avustralya, Türkiye, Güney Kore ve Arjantin arasında tespit edilmiştir. Sonuç olarak, bu çalışma V. destructor'un küresel ölçekte belirli düzeyde genetik çeşitlilik gösterdiğini ve bazı coğrafi popülasyonlar arasında belirgin genetik ayrışmaların bulunduğunu ortaya koymuştur. Bu genetik farklılıkların, türün yayılım desenlerinin ve adaptasyon kapasitelerinin anlaşılmasında önemli bilgiler sağladığı ve etkili kontrol stratejilerinin geliştirilmesine katkı sunabileceği değerlendirilmektedir.
Predicting disease-gene associations via machine learning
In the quest to elucidate disease etiology and develop advanced diagnostic and treatment tools, knowing disease-gene relationships is of great importance. Traditional approaches based on manual curation fall short due to limited scalability and precision. On the other hand, graph neural networks (GNN) enable the analysis of complex relational data within biological networks. Although the GNN-based methods developed to date have produced positive results in predicting unknown biological relationships, there is a current need to develop new models with high prediction performance and generalisation capabilities for usability in biology and medicine. In this thesis study, we propose GLADIGATOR (Graph Learning bAsed DIsease Gene AssociaTiOn pRediction), a deep learning model designed with the encoder-decoder architecture to predict disease-gene associations. GLADIGATOR creates a heterogeneous graph that primarily integrates two types of biological components, genes and diseases, and the connections between them. The model was trained using gene-gene, disease-disease and gene-disease relationships existing in source biological databases, as well as protein sequence representations generated by the Prot-T5 protein language model and disease representations generated by the BioBert language model, as node feature vectors. As the outcome of the analyses conducted, it was observed that GLADIGATOR had superior prediction accuracy. Additionally, the model was positioned as the highest performer among 14 different disease-gene association prediction methods. Literature-driven studies on selected predictions have confirmed the biological relevance of predicted novel associations and highlighted the effectiveness of the GNN-based approach in identifying potential candidate genes for specific diseases. These results may provide valuable information for discovering new drugs as a result of future experimental validation analyses. GLADIGATOR has not only enriched computational approaches developed for disease-gene association prediction but also emphasised the transformative abilities of GNNs in biomedical research by potentially accelerating the discovery of new biological relationships.
Triticum boeoticum Boiss. ve T. urartu Thum. ex Gandil. popülasyonlarının yeni nesil dizileme yöntemi ile araştırılması
Bu tez çalışmasında Triticum baeoticum Boiss. ve Triticum urartu Thum. Ex. Gandil. türlerine ait popülasyonları temsil eden 94 aksesyonun DArTseq dizileme metodu kullanılarak tür içi ve türler arasındaki farklılıklarının ortaya konması amaçlanmıştır. Gerçekleştirilen tez çalışmasında kullanılan 59 adet Triticum urartu aksesyonu USDA (U. S. Department of Agriculture)' 'dan elde edilmiş olup, 34 adet Triticum baeoticum aksesyonu ise TTGB (Türkiye Tohum Gen Bankası)'den elde edilmiştir. 94 aksesyona ait tohumlar TTGB iklimlendirme kabininde çimlendirildikten sonra TTGB Moleküler Biyoloji Laboratuvarı'nda DNA izolasyonları gerçekleştirilmiştir. Saflaştırılan DNA'lar DArTseq dizilemesinin gerçekleştirilmesi için Diversity Arrays Technologies'e gönderilmiştir. DArT tarafından sağlanan SNP ve SilicoDArT verisetleri genotip verisini 2 farklı şekilde depolayan dosya formatlarıdır. SNP veri seti genotip verisini 0, 1 ve 2 şeklinde depolarken, SilicoDArT verisi 0/1 (var/yok) olarak depolamaktadır. DArT tarafından sağlanan SNP ve SilicoDArT verisetlerinden sırasıyla 56.188 ve 105.260 SNP ve SilicoDArT lokusu elde edilmiştir. Gerekli olan kalite filtrelemeleri sonrasında SNP ve SilicoDArT verisetlerinde bulunan lokus sayısı sırasıyla 16.898 ve 100.103 lokusa düşmüştür. Kalitesi ve tekrarlanabilirlik oranı yüksek olan genotip verileri ile popülasyon yapılarının ortaya çıkarılması için ADMIXTURE programı kullanılmıştır. Çapraz doğrulama hatası en düşük olan K değerine ve loglikelihood değeri en yüksek olan K değerine sahip olan Q matriksleri popülasyon yapısını incelemek için dendrogramlara dönüştürülmüştür. T. urartu ve T. baeoticum türlerine ait popülasyonlar arası varyansı ortaya çıkarmak için AMOVA analizi gerçekleştirilmiştir. Popülasyonlar arası ana varyasyon kaynaklarını iki boyutlu düzlemde görselleştirebilmek için PCoA analizi gerçekleştirilmiştir. 94 aksesyon arasındaki evrimsel ilişkinin ortaya konulabilmesi için SNP veri setinden elde edilen FASTA dosyası maksimum olabilirlik (maximum likelihood) istatiksel metodu ve UPGMA (aritmetik ortalama ile ağırlıksız çift grup yöntemi) kümeleme algoritması kullanılarak dendrogramlara dönüştürülmüş ve iToL v6.8 kullanılarak görselleştirilmiştir. Gerçekleştirilen analizler sonucunda T. urartu ve T. baeoticum türlerine ait aksesyonların iki farklı türe ait farklı popülasyonlara olduğu gözlemlenmiştir. Analizler sonucunda, Triticum urartu ve Triticum baeoticum türleri arasında yüksek düzeyde genetik çeşitliliğin var olduğu gözlemlenmiştir. Bu yüksek çeşitlilik, AMOVA analizindeki yüksek Phi-statistics değeri ve PCoA analizindeki geniş varyans ile de desteklenmektedir. Bunun yanı sıra DArTseq dizileme metodunun birbirinden morfolojik olarak ayırt edilmesi güç türleri moleküler olarak ayırt edebilen, maliyet ve hız açısından güçlü bir teknik olduğu anlaşılmıştır.
Cloning putative voltage-gated calcium channel gene in Astacus Leptodactylus and determination of structural and functional properties of related protein
Voltage-gated calcium channels are essential elements in development of many cellular processes like electrical signaling, contraction secretion and gene expression. There has been a fair amount of information about the functional and structural properties of the calcium channels in mammalian species. Crayfish serves as a model animal for many types of experiments. However, there has been no information related to the molecular and genetic properties of the calcium channels in the crayfish. Conventional cloning methods, three-dimensional structural calculations, docking experiments have been conducted. An mRNA 7791 bp in size has been cloned. The coding region has been translated into an alpha peptide with 1942 residues. The cloned protein sequence has similarity to other L-type voltage-gated calcium channel sequences from the neighboring species. Three-dimensional structure, in reference to human L-type voltage-gated calcium channel, has been calculated. Known calcium channel blockers; nifedipine, verapamil and diltiazem have been successfully docked on the calculated three-dimensional model. Considering the similarity assay in the NCBI platform, the three-dimensional structural calculations and the docking experiments it was concluded that the cloned mRNA codes an alpha peptide for a putative voltage-gated calcium channel protein in the crayfish. In the present work by using the conventional molecular biology methods complete mRNA coding a putative calcium channel was de novo cloned. Three-dimensional structure of the related protein was calculated and several pharmacological agents blocking the channel were docked to the identified receptor sites.
Otoinflamatuvar hastalıklarda rolü olan MRNA ve MİRNA moleküllerinin meta-analizi
Otoinflamatuvar hastalıklar, doğal bağışıklık sisteminin etkilenmesi sonucunda inflamasyon yanıtlarının arttığı bir hastalık grubudur. Bu hastalıklar genetik özellikleri açısından monogenik ve poligenik olarak gruplandırılabilmektedir. Bu hastalıklar içerisinde tez kapsamında incelenen; PFAPA poligenik olarak, AAA, CAPS, TRAPS, MKD hastalıkları ise farklı genlerde oluşan mutasyonlar sonucunda ortaya çıkmaktadır, ancak bu hastalıklarda görülen benzer fenotip, benzer yolakların ve moleküllerin etkilendiğini düşündürmektedir. Literatürde otoinflamatuvar hastalıklar ile ilişkili omik temelli çalışmalar mevcuttur. Tez kapsamında, bu verilerin birlikte değerlendirilmesi amaçlanmış, mRNA ve miRNA temelli omik çalışmaların mikrodizin veri setleri R (4.0.5), BRB-ArrayTools ve MeV gibi programlar kullanılarak analiz edilmiştir. İfadesi değişen genler, DAVID ve InnateDB programlarıyla analiz edilerek inflamasyonla ilişkili olanlar belirlenmiştir. Sonrasında, bu hastalıklarda ortak olarak ifadesi değişen mRNA'lar, ifadesi değişen miRNA'ların hedef genleri olabileceğinden, veri setlerinden elde edilen mRNA ve miRNA'ların bağlanma olasılıkları TargetScan veri tabanı kullanılarak gösterilmiştir. Son aşamada, anlamlı olarak ifadesi değişen mRNA ve miRNA'ların hedeflediği proteinler tanımlanmış, bu proteinlerin arasındaki protein-protein ilişkileri STRING analizleri ile belirlenmiştir. Analizler sonucunda, inflamasyon açısından önemli proteinler olan STAT1, NAIP, FAS, MAPK14 proteinleri öne çıkmış ve seçilen hastalıklara sebep olan genlerin kodladığı proteinler ile ilişkisi oldukları gösterilmiştir. Elde edilen bu ön bilgiler, seçilen hastalıklarda ortak moleküllerin patogenezi etkilediği hipotezini desteklemiş, bu bulguların laboratuvar ortamında incelenmesi önem kazanmıştır. Bu tez, otoinflamatuvar hastalıklarda inflamasyona sebep olan yolakların aydınlatılarak hastalıkların daha iyi sınıflandırılması ve uzun vadede tedavi hedefi olabilecek moleküllerin belirlenmesine yönelik önemli katkılar sağlayabilecektir.
Mikrodizi gen ifade verilerinde farklı öznitelik seçim yöntemleri ile sınıflama yöntemlerinin performanslarının değerlendirilmesi
İstatistik, biyoloji, bilgisayar, matematik ve genetik bilimlerini bir arada kullanan disiplinler arası bir bilim dalı olan biyoinformatik sayesinde, hangi hastalığa hangi anormalliklerin neden olduğu gösterilebilmektedir. Çağımızın hastalığı olan kanser de ne kadar erken fark edilirse iyileşme ihtimali o kadar yüksektir. Kanser hastalığında mikrodizi gen ifade verileri ile yapılan teşhis, sınıflama işlemleri, kanserin yapısında etkili olan genlerin belirlenmesi erken teşhiste önemlidir. Tez çalışmasında da akciğer, lenfoma, rahim ağzı, prostat, meme ve lösemi kanser türlerine ait mikrodizi gen ifade verileri üzerinde çalışılmıştır. Verilerin öznitelik sayısı fazla olduğu için daha az sayıda öznitelik ile çalışmak amacıyla varFilter, nsFilter, rf, lasso, rfe ve limma öznitelik seçim yöntemleri ele alınmıştır. Filtrelenmiş veri setlerinde Naive Bayes, Destek Vektör Makineleri, k-En Yakın Komşu ve Yapay Sinir Ağları sınıflama yöntemleri ile son yıllarda popülerlik kazanan Derin Öğrenme yöntemi ile sınıflama modelleri oluşturulmuştur. Veri setlerinde, ele alınan öznitelik seçim yöntemlerinin hangi sınıflama yöntemlerinde daha iyi olduğunu göstermek ve oluşturulan sınıflama modellerinin performanslarını karşılaştırmak için doğruluk, duyarlılık, seçicilik ve ROC eğrisi altında kalan alan değerleri elde edilmiştir. Genellikle lasso ve limma öznitelik seçim yöntemlerinde oluşturulan sınıflama modelleri diğer öznitelik seçim yöntemlerinde oluşturulan modellere göre daha başarılıdır. Derin Öğrenme yöntemi de klasik veri madenciliği sınıflama yöntemlerine göre çoğunlukla daha iyi performans göstermiştir. Yapay Sinir Ağları yöntemi ise diğer sınıflama yöntemlerine göre düşük performansa sahiptir. Veri setleri üzerinde öznitelik seçim yöntemi uygulamadan Derin Öğrenme sınıflama modelleri de elde edilmiştir. Öznitelik seçim yöntemlerini uygulayarak ve uygulamadan elde edilen Derin Öğrenme modellerinin performansları da karşılaştırıldı. Ayrıca benzetim çalışması yapılmıştır ve gerçek veri setlerine benzer sonuçlar elde edilmiştir.
AEBP1/ACLP'nin protein etkileşim ağının proteomik ve biyoinformatik yöntemlerle araştırılması
Hücre dışı matriks (ECM) yapısı hücreleri mekanik kuvvetlere karşı bir arada tutarak dokulara yapısal destek kazandırır. Doku hasarı sonucunda ECM'de başta kolajenler olmak üzere geri dönüşüşüz yapısal protein birikimi gözlenen patoloji fibrozis olarak isimlendirilir. Fibrozisin iskelet kası veya çeşitli diğer organlarda gerçekleşmesi geri dönüşümsüz işlev kaybına yol açmaktadır. Fibrozis sürecinde görev alan düzenleyici proteinlerin aydınlatılması, bu patolojik sürecin yavaşlatılmasına yönelik önemli hedefler ortaya koyabileceği düşünülmektedir. Adipocyte Enhencer Binding Protein 1 / Aortic Carboxypeptidase Like Protein (AEBP1/ACLP) mutasyonları insanlarda daha esnek ve hasara açık bağ dokusu ile karakterize Ehlers-Danlos Sendromu ile ilişkisi bulunmuş ve bu proteininin kolajen organizasyonu ile ilişkili olabileceği düşünülmüştür. Hücre farklıaşması ve fibrozis sürecinde ifadesinin arttığı bilinen AEBP1/ACLP'nin ECM olgunlaşması sürecinin bir düzenleyicisi olabileceği düşünülmektedir. İşlevi tam olarak bilinmeyen AEBP1/ACLP proteinin işlevsel ortaklıkları hakkında bilgiler de sınırlıdır. Protein-protein etkileşimlerinin yüksek ölçekli genom bilim araçları ve biyoinformatik analizlerle aydınlatılması proteinlere işlev atfetmek için önemli bir yaklaşımdır. Bu tez çalışmasında protein-protein etkileşimlerinin keşfi için kullanılan "Proximity-Proteomics" teknolojisi için gerekli deneysel araçların üretilmesi ve biyoinformatik yöntemlerle iskelet kasına ait transkriptom ve proteom verilerinde AEBP1/ACLP proteinini ifadesine yönelik veri madenciliği çalışmalarının yapılması planlanmıştır. Yapılan çalışmalar sonucunda AEBP1/ACLP'nin çevresindeki proteinlere kimyasal etiket ekleyebileceği deneysel araçlar hazırlanmıştır. Biyoinformatik analizlerle in vitro ve in vivo deneylerde matrizom proteinlerinin ifadesi transkriptom ve proteom düzeylerinde incelenmiştir. Farklı hücre gruplarında ve doku hasarlarında üretilen matrizom, kolajenler başta olmak üzere karşılaştırmalı şekilde analiz edilmiş, ifadesi ortak ve ayrılan gen listeleri elde edilmiştir
Kistik fibrozis patogenezinde aday miRNA ve hedef genlerinin biyoinformatik araçlarla tanımlanması
Kistik fibrozis transmembran regülatör (CFTR) genindeki mutasyonların sebep olduğu kistik fibrozis (KF) otozomal resesif kalıtılan oldukça yaygın görülen genetik bir hastalıktır. Hastalık ciddiyeti mutasyonların CFTR proteini üzerindeki etkisiyle ilişkilendirilse de aynı mutasyonu taşıyan hastalarda hastalık ciddiyetini epigenetik faktörlerin de etkilediği bilinmektedir. Hacettepe Üniversitesi Tıp Fakültesi Tıbbi Biyoloji Anabilim Dalı ve Çocuk Sağlığı ve Hastalıkları Anabilim Dalı Göğüs Hastalıkları Ünitesi iş birliği ile gerçekleştirdiğimiz ön çalışmalar sonucunda aynı mutasyonu taşımasına rağmen hastalık ciddiyeti farklı seyreden kardeşler saptanmıştır. Gerçekleştirdiğimiz ön çalışmalarda hasta kardeşlerden elde ettiğimiz nazal sürüntüler kullanılarak; hedeflenmiş transkriptomik Kistik Fibrozis PCR Array yöntemi ile ifade farklılığı gösteren genler ve yolaklar saptanmıştır. Bu tez çalışmasında amacımız, aynı CFTR mutasyonuna sahip olmalarına rağmen farklı klinik ciddiyete sahip hasta kardeşlerde ifade değişikliği gösteren, fenotipik farklılığı açıklamaya yönelik ortak miRNA'ların ve hedef genlerinin tanımlanmasıdır. Bu amaç ile Hacettepe Üniversitesi Kapsamlı Araştırma Projesinde (TSA 201816629) gerçekleştirilmiş olan miRNA array ham verisi farklı biyoinformatik araçlarla tanımlanmış, kardeşler arasında klinik heterojeniteye sebep olabilecek aday miRNA'lar ve hedefleriyle ilişkili yolaklar saptanmıştır. BRB-ArrayTool, TAC 4.0 ve MeV programları kullanılarak Affymetrix miRNA 4.0 Array mikrodizin sonuçlarının ham verileri analiz edilmiş ve aday miRNA'lar seçilmiştir. Analizler sonucunda ağır seyirli hastalarda hafif seyirli hastalara göre ve Sınıf IV hasta grubunda ağır seyirli hastada hafif seyirli hastalara göre ifadesi artan miR-145-5p saptanmıştır. miR-145-5p'nin hedef genlerine ait yolak analizleri sonucunda miRWalk ve miRNET programlarında ortak ErbB sinyal yolağı elde edilmiştir. Ön çalışmamızın çıktılarında yer alan aday genlerin miRNA hedefleri olma durumu da araştırılmıştır. KF patolojisi ile uyumlu ve p değeri en yüksek IL-17 sinyal yolağı miR-145-5p için tanımlanmıştır. Ayrıca hastalarda kontrol bireylere göre ifadesi artan miR-92a-3p tanımlanmıştır. miR-92a-3p'nin hedef genlerine ait yolak analizleri sonucunda miRWalk ve miRNET programlarında en çok hedef geni içeren endositoz yolağı elde edilmiştir. Bu çalışma ile KF hastalarının klinik seyrini ve KF'ye eşlik eden diğer hastalıkların erken dönemde saptanmasını kolaylaştıracak, prognostik bir miRNA imzası tanımlanabilecek ve hastalık patogenezi ile ilişkili yeni yolaklar aydınlatılabilecektir.
Kronik lenfositik lösemi B hücreleri ve normal B hücrelerinin karşilaştirmali proteomik analizi ile yeni biyobelirteçlerin belirlenmesi
Kronik Lenfositik Lösemi (KLL) batı ülkelerinde en yaygın olarak görülen erişkin lösemi tipi olup geniş bir klinik spektrum gösteren heterojen bir B hücresi kanseridir. KLL hastalarında genomik değişiklikler büyük oranda bildirilmiş ve genomik-transkriptomik teknikler hastalığın tedavisi, prognozu, sınıflaması ve progresyonu ile ilgili yönleri incelemek için temel bir araç olarak kullanılmıştır. Bununla birlikte, gen ekspresyonu her zaman B hücresindeki proteinlerin ekspresyonunu gerçekten temsil etmediği için proteomik yaklaşımlar konusunda ileri çalışmalara ihtiyaç duyulmaktadır. Bu tez çalışmasında, DNA-bazlı protein afinite reaktifleri kullanılarak karşılaştırmalı proteomiks analizler ile KLL hastası ve sağlam kişilerin B hücre örnekleri arasındaki proteom seviye farklılıklarının saptanması ile bu proteinlerin etkin olduğu metabolik yolakların, hastalığın tanı ve tedavisinde kullanılabilecek biyobelirteçlerin ve yeni ilaç hedeflerinin belirlenmesi amaçlanmıştır. Proteomik test platformu ile 1129 protein araştırılmış ve 132 proteinin ekspresyon seviyesinin anlamlı olarak değiştiği saptanmıştır. Bu proteinlerin içinde en anlamlı seviyede azalan ve artan proteinlerin validasyonu moleküler testler ile yapılmıştır. Bulgular KLL hastaların ve sağlam kişilerin B hücre örneklerinde belirgin bir proteom farklılıkların olduğunu göstermiştir. Analizler ile en anlamlı oranda değişen proteinler içinden başta APOE4 ve ACY1 olmak üzere SPOCK2, GZMH, GNLY, ANXA1, LTA4H, CST2, CST6, PROS1, F9 ve THBS1 proteinlerin KLL tanısında biyobelirteç için aday olabileceği tespit edilmiştir. Ayrıca çalışmada farklı biyoinformatik araçların kombine olarak kullanılması ile proteinlerin ekspresyon seviyelerindeki farklılıklar KLL hastalığı'nın LXR/RXR sinyal yolağı ve trombosit mekanizması ile ilişkili değişikliklerle bağlantılı olabileceğini göstermiştir.
Kopya sayısı varyasyonlarının makine öğrenme yöntemi ile analiz edilmesi
Kopya sayısı varyasyonları insan genomunun yaklaşık yüzde ikisinde bulunan belirli bir DNA bölgesinin kayıp veya kazançlarıdır. Yapısal varyasyonlar arasında yer alan bu grup sağlıklı popülasyonda bulunabileceği gibi ilgili bölgenin kayıp veya kazançları klinik tablolarla ilişkilendirilebilir. Tespit edilen kopya sayısı varyasyonunun klinik olarak yorumlamak aile çalışmasını da gerektiren, klinik ve genetik verinin değerlendirme sürecidir ve her zaman doğru bilgiye ulaşılamamaktadır. Kullanımı artan makine öğrenme algoritmaları tıp alanında da kullanılmakta ve özellikle büyük veri setlerinin bulunduğu genetik gibi alanlarda giderek önem kazanmaktadır. Bu çalışma ile kopya sayısı varyasyonlarının klinik açıdan değerlendirilmesinde makine öğrenme algoritmalarının kullanımı amaçlanmıştır. ClinVar veri seti ile birden fazla çok sınıflı makine öğrenme algoritmaları kullanılarak makine öğrenme modelleri oluşturulmuştur. Daha küçük veri seti ile yapılan modelde çok sınıflı karar ağacı ile ortalamada 0,96 doğruluğa ulaşılırken ana veri setinde yine çok sınıflı karar ağacı ile 0,86 doğruluğa ulaşılmıştır. Çalışmada sık karşılaşılan tanımlı varyantların daha yüksek başarı ile tanımlandığı, yine iki sınıflı benign patojenik ayrımında modelin daha başarılı olduğu gösterilmiştir. Bu çalışma kopya sayısı varyantlarının klinik değerlendirilmesinde kullanılabilecek ve tanıyı otomatikleştirebilecek öncül bir makine öğrenme modeli oluşturulabileceğini göstermiştir.
Genomik veritabanlarında indeksleme ve arama yöntemleri üzerine
Biyoenformatiğin en önemli konularından iki tanesi büyük genomik veritabanlarında gen dizilimleri arama ve genomik verilerin kümelenmesidir. Genomik veri tabanlarında milyarlarca nükleotit yer almaktadır ve bu veritabanlarında hızlı arama yapabilmek ve elde edilen sonuçları doğru analiz edebilmek araştırmacılar için çok önemlidir. Bu konuda yapılan çalışmalar verilerin etkin şekilde indekslenmesi gerekliliğini ortaya koymaktadır. Ayrıca gen dizilerinin fonksiyonel işlevlerinin belirlenmesi, genetik hastalıkların anlaşılması ve tedavi yöntemlerinin geliştirilmesi için bu verilerin kümelenmesi gen analizlerinde büyük kolaylık sağlamaktadır. Genomik verilerin kümelenmesi için de literatürde yapılan birçok çalışma mevcuttur. Bu tez çalışmasında, genomik veriler için geliştirilen arama, indeksleme ve kümeleme yöntemleri araştırılmıştır. Genomik verilerin kümelenmesi için yeni kümeleme yöntemleri önerilmiştir. Önerilen yöntemlerin sonuçları literatürdeki diğer kümeleme algoritmaları ile karşılaştırılmıştır. Elde edilen sonuçlar önerilen yöntemin literatürdeki diğer algoritmalardan daha iyi kümeleme yaptığını göstermiştir. Son olarak bu tez çalışmasında arama ve indeksleme teknolojilerinden yararlanan yazılım programları geliştirilmiştir.
Schizophrenia: Another emphasis of ERBB4 and NRG1 impact on disease development
Schizophrenia, which is one of the most commonly reported illnesses among all psychiatric disorders, is defined as a complex disease; this implicates that it does not show a simple Mendelian pattern of inheritance. The discovery of the role of ERBB4-NRG1 axis has led to many publications, which studied the independent as well as interactive effects of ERBB4 and NRG1, associated with schizophrenia. However, most of these findings could not be validated in other studies. Also the all 21 genome-wide association studies in schizophrenia, published so far, could not identify any of ERBB4 and NRG1 SNPs as significant. This study exploits three publicly available genome-wide association study datasets: CATIE, GAIN and nonGAIN and aims to establish an innovative analysis methodology to highlight genetic significance of genes, such as ERBB4 and NRG1 that play crucial roles in molecular pathways leading to schizophrenia. In the framework of this study, novel regions of the ERBB4 and NRG1 genes associated with schizophrenia were identified in three large GWAS datasets using two different haplotype analyses, haplotype-based logistic regression and Haploview. Using the same methodology, previously associated ERBB4 and NRG1 blocks were validated. To predict the functional effects of novel blocks, transcription factors that bind to these regions were identified. This is the first study to perform an in silico and bioinformatics-based functional analysis of variants located within introns in schizophrenia subjects from GWAS datasets. The methodology exploited in this thesis gives promising results that facilitate our further understanding of the functional role of intronic variants.
Identification of C17orf45 protein and the effects of its snorNAs on cell cycle
The Wnt / ß-catenin signaling has many important roles in cellular responses and dysregulation of this pathway are linked to tumor formation. Priorly, SAGE and microarray analyses were performed in our laboratory in order to detect differentially expressed genes in Wnt / ß-catenin pathway and c17orf45 gene was found to be upregulated in the presence of constitutively active ß-catenin. It was characterized as a novel Wnt / ß-catenin target. A bioinformatics tool designed by our former lab member was used to detect differentially expressed genes in different tumor samples from online data. This indicated that the expression level of c17orf45 gene was altered in distinct tumors. Besides, the upregulation of c17orf45 was experimentally observed in meningi-oma samples. Moreover, c17orf45 gene is accepted as the host gene for 3 snoRNAs in its introns. SnoRNAs are mainly involved in post-transcriptional modification of ribo-somal RNAs; however the roles of snoRNAs in cancer are currently identified. In this study, the putative protein product of c17orf45 gene and the effects of 2 snoRNAs residing in introns of c17orf45 on different cancer cells were analyzed. Bioinformatics and PAML analyses for c17orf45 ORF revealed that there might be a positive selection for putative protein of the gene. Western Blot analysis done to identify the putative protein resulted in that the antibody did not target the protein of c17orf45. Besides, to examine the possible effects of snoRNAs, snoRNAs were cloned into intronic region of HBB gene encompassed by exonic parts in order to splice intron out. This would lead to obtain functional, processed snoRNAs. Splicing were verified with RT-PCR, Real Time PCR and YFP fused HBB construct which depended on joining of exons and splicing out of intron. Then, snoRNA constructs were introduced to different cancer cell lines to determine the effects of snoRNAs on cell cycle. However, none of the cells with 2 dif-ferent time points indicated an alteration on cell cycle.
Kavunda (Cucumis melo L.) sıcaklık stresine cevabın transkriptom düzeyinde araştırılması
Kavun (Cucumis melo L.) bitkisi ekonomik açıdan önemli bir bitkidir. Ülkemiz dünya genelinde kavun üretiminde ikinci sırada yer almaktadır. Kavunla ilgili birçok transkriptomik çalışma raporu farklı abiyotik stres koşullarında incelenmiştir. Fakat kavunda sıcaklık stresinin transkriptomik analizi ilişkin rapor eksikliği devam etmektedir. Bu nedenle, sıcaklık stresi altında kavun transkriptomunda meydana gelen değişiklikleri incelemek amacıyla mevcut araştırma yürütülmüştür. Transkriptomik çalışmalar bitkilerin karmaşık birçok özelliğinin ve işlevinin moleküler açıdan alt yapısının daha iyi anlaşılmasına olanak sağlamaktadır. Tez çalışması kapsamında kavun kısa okuma platformu kullanılarak sekanslanmıştır. Sekans sonucunda elde edilen çift yönlü okumaları Galaxy platformu içerisinde bulunan çeşitli algoritmalar kullanarak kavun genomuna haritalanmış, sayılmış ve diferansiyel ekspresyonu değişen genler tespit edilmiştir. Analiz sonucunda sıcaklık stresine cevaben istatistiksel olarak anlamlı olarak 788 genin ifade düzeyi artış gösterdiği, 134 genin ifadesinin azaldığı tespit edilmiştir. Ekspresyon değişimi tespit edilen genler literatürde incelendiğinde abiyotik stres altında benzer yanıtlar verdiği gözlenmiştir. Gen ontoloji ve KEGG analizi yapılmış genlerin fonksiyonel anotasyonu yapılmıştır. Bu tez çalışması kapsamında elde edilen sonuçların yapılacak diğer çalışmalara ışık tutacak ve literatüre özgün katkı sağlayacaktır.
Meme tümörlerinde adaptif immün sistemde meydana gelen moleküler değişikliklerin miRNA düzeyinde araştırılması
Dünya genelinde kadınlarda en sık görülen kanser tipi olan meme kanseri, kompleks ve heterojen bir hastalıktır. Üçlü negatif meme kanseri alt tipi, meme kanserlerinin yaklaşık %15'ini oluşturur ve kemoterapi, PARP inhibitörleri ve immün kontrol noktası inhibitörleri gibi sistemik tedavi seçenekleri olmasına karşın hala en agresif ve en kötü prognoz gösteren meme kanseri alt tipidir. Son yıllarda meme kanseri ve immün sistem ilişkisi ile ilgili yapılan çalışmalar ışığında meme kanserinin immünolojik olarak sessiz bir kanser tipi olmadığı, alt tipler bazında immünolojik olarak tanımlanabileceği belirtilmiştir. Üçlü negatif meme kanseri alt tipinde ise tümöre karşı immün cevabın ortaya çıktığı ancak çeşitli mekanizmalar ile baskılandığı vurgulanmaktadır. İmmün sistem hücrelerinin regülasyonunda, 19-24 nükleotit uzunluğunda çoklu hedef genlerin düzenlenmesi yoluyla çeşitli hücresel yolaklarda düzenleyici rol oynayan kodlanmayan kısa RNA molekülleri (mikroRNA ya da miRNA) etkin rol almaktadır. Meme kanserinin de içinde bulunduğu solid tümörler ve immün sistem ilişkisi ile ilgili çalışmalar olmakla birlikte, meme kanseri immünolojisinde immün hücreler açısından miRNA çalışmaları oldukça kısıtlıdır. Bu doktora tez çalışmasında, fare modelinde üçlü negatif meme kanserinin oluşum ve gelişim süreçlerinde immün sistemde meydana gelen değişimleri incelemek amacıyla, immün sistem hücrelerinden tümör hücreleri ile savaşta en etkin hücre grubu olan CD8+ T lenfositlerin miRNA profilleri mikrodizin yöntemi ile belirlenmiştir. TNBC oluşum, remisyon ve tekrar ortaya çıkış sürecini temsil eden ve de kontrol örneklerini içeren dört farklı grupta belirlenen miRNA ifade profilleri ile mmu-miR-93-3p, mmu-miR-3470b ve mmu-miR-30b-3p'nin gruplar arasında ortak bir şekilde istatistiksel olarak anlamlı ifade değişimi gösterdiği bulunmuştur. Belirtilen ortak 3 miRNA'nın eş zamanlı PZR ile doğrulamaları yapılarak özellikle tümör oluşumu ve gelişiminde ifadelerinin arttığı, kontrol ve remisyon gösteren grupta ise ifadelerinin düşük olduğu tespit edilmiştir. miRNA hedef genleri ve zenginleştikleri yolaklar incelenerek özellikle BCL-2 ve BCL-XL anti-apoptotik genleri üzerinden CD8+ T lenfositlerin apoptoz sürecini regüle ettiği bulunmuştur. Eş zamanlı PZR ve Annexin-V deneyi sonucunda miRNA hedef genleri BCL-2 ve BCL-XL'nin tümör oluşumunda CD8+ T hücrelerde ifadelerinin azaldığı ve erken evre tümör oluşum grubunda CD8+ T hücrelerin apoptoz ile ortadan kaldırıldığı gösterilmiştir. Ek olarak, ortak 3 miRNA'nın ifadelerinin azaldığı tümörün kaybolduğu remisyon grubunda ise hedef genlerin ifadelerinin artarak apoptoz sürecinin baskılandığı doğrulanmıştır. Sonuç olarak, üçlü negatif meme kanseri oluşumunda, mmu-miR-93-3p, mmu-miR-3470b ve mmu-miR-30b-3p, tümör hücrelerinin immün sistem baskısından kaçışında tümör hücrelerine karşı CD8+ T hücre cevabını apoptoz üzerinden regüle ederek immünolojik biyobelirteç olma potansiyeline sahiptir. Anahtar Sözcükler: Üçlü negatif meme kanseri, Adaptif immün sistem, CD8+ T lenfosit, miRNA, mikrodizin
Hardware acceleration for multiple sequence alignment of proteins
Multiple Sequence Alignment (MSA), which has been an active research area for a long time, is a computational task that is used in the field of bioinformatics. MSA for proteins involves the process of aligning three or more amino acid sequences. The outputs of this task provide further information for other areas in bioinformatics such as homology searches, phylogenetic analysis and protein structure prediction. The algorithmic solutions for MSA can mainly be split into three groups: Direct approach, progressive approaches and iterative approaches. H4MSA is one of the iterative approaches in the literature, that uses multi-objective optimization and a type of genetic algorithm (GA) to solve the MSA problem. In this work, a hardware acceleration is proposed for the MSA tasks and H4MSA is selected as the test algorithm. The acceleration is accomplished by designing a hardware block for the evaluation of weighted sum of pairs score (WSPS), which is a commonly used scoring function in MSA applications and also used as an objective function in the H4MSA algorithm. The entire application is built in a CYCLONE V SOC device, where the hardware is implemented in the FPGA fabric and the test algorithm is run on the CPU core of the device. For testing the design, 12 different sequence sets from a well-known database are used, and the results show that the accelerated version of the algorithm achieves speedups of 1.7x to 20x over the CPU version.
Gen ağı çıkarımı için proteomik ve gen ifade verilerinin entegrasyonunda ilişki tahmincilerin etkisi
Bu tez çalışmasında gen ağı çıkarım yöntemleri üzerinde önemli etkiye sahip olan ve moleküler etkileşimleri belirlemek için kullanılan ilişki tahmincilerinin, farklı biyolojik veri türlerinin entegrasyonu üzerindeki etkisi incelenmiştir. Tezde incelenen tüm kanser türleri için gen ifade ve proteomik verileri The Cancer Proteome Atlas (TCPA) tarafından sağlanmıştır. Öncelikle korelasyon tabanlı ilişki tahmincilerin etkisi, literatürde sıklıkla kullanılan Gen Ağı Çıkarım (GAÇ) yöntemleri kullanılarak, on altı farklı kanser türüne ait proteomik veriler analiz edilerek incelenmiştir. Ardından, Amerikan Kanser Topluluğu verilerine göre yaygın olarak görülen beş farklı kanser türüne ait proteomik verileri kullanılarak, hastalıkla ilişkili gen-gen/protein-protein etkileşim alt ağlarındaki merkez genler/proteinler tespit edilmeye çalışılmıştır. Bu işlem sırasında literatürde sıklıkla kullanılan karşılıklı bilgi (KB) ve korelasyon tabanlı dokuz ilişki kestirimci karşılaştırılmıştır. İlişki tahmincilerinin performansını ölçmek için altın standart olarak, Hastalık-Gen ilişkileri entegrasyon platformu (DisGeNET) ve Moleküler İmzalar Veritabanı (MSigDB) kullanılmıştır. Oluşturulan ortak ifade ağları ile hastalıkla ilişkili yollar karşılaştırılmış ve ilişki tahmincilerinin performansını değerlendirmek için Fisher'ın kesinlik testi kullanılmıştır. Ağırlıklı korelasyon ağ analizinde (WGCNA) düzenleyici ağların tahmini için kullanılan Spearman ve Pearson korelasyon yaklaşımlarına göre, KB tabanlı ilişki tahmincilerinin başarımının daha yüksek olduğu gözlenmiştir. Korelasyon tabanlı yöntemlerde beş kanser türü için en iyi ortalama başarı oranı %60 iken, KB tabanlı yöntemlerde ortalama başarı oranı James-Stein Shrinkage (Shrink) için %71, Schurmann-Grassberger (SG) için %64'tür. Sonrasında gen ifade ve proteomik verilerinden çıkarımlanmış ağların entegrasyonu sağlanmıştır. Son olarak her bir kanser türüne göre merkez genler ve çıkarımlanmış alt ağlar, araştırmacıların ve biyologların incelemesi için sunulmuştur.
Kaz dağı (Çanakkale, Türkiye) endemik bitkilerinden bazılarının dna barkodlaması
Bu çalışmada Kazdağı endemik bitkilerinden Sideritis trojana Bornm. (Lamiaceeae) ve Digitalis trojana Ivan. (Scrophulariaceae) türlerinin DNA barkodlaması yapılmıştır. DNA barkodlaması çalışması için matK (Maturase) geni ve trnH- psbA genler arası bölge seçilmiştir. Genç yaprak dokularından DNA ayrıştırılması yapılmış, matK geni ve trnH- psbA genler arası bölgeye özgü primerlerle PCR çoğaltımı sağlanmıştır. İlgili bant Agaroz jel elektroforeziyle UV altında görüntülenmiştir. Bantı veren PCR ürünü için hizmet alımı yapılmıştır. Türlere ait dizilerin eldesinden sonra gerekli programlar kullanılarak hem diziler yoluyla elde edilen sınıflandırma klasik taksonomi ile karşılaştırılmış, hem diziler baz alınarak Kazdağı endemik bitkilerinin diğer bitkiler ile ilişkisi araştırılmış hem de ilgili gen bölgelerinin öz barkod olabilme olasılıkları tartışılmıştır. Türlerin kendi familyalarına ait türlerle sıralamaları CLUSTALW2 ve T-COFFEE ?Multiple Sequence Alignment? programları kullanılarak yapılmış, S. trojana ve D. trojana türleri ile sıralanacak türlerin dizileriyse BLAST programından seçilmiştir. Türlere ait DNA barkod temelli ağacın eldesi için MEGA 4.1 programı kapsamında Neighbor Joining metodu ve Kimura-2-Parametresi kullanılmıştır.Elde edilen sonuçlar doğrultusunda türlere ait diziler kullanılarak elde edilen DNA barkod temelli ağaç sınıflandırılmaları ile türlerin klasik taksonomik sınıflandırılmasının uyumlu olduğu gözlemlenmiştir. Örnekler doğrultusunda matK lokusu, sıralama ve DNA barkod temelli ağaç elde etmedeki kolaylığı, genel olarak yeterli değişkenlik içermesi sebebiyle öz barkod bölgesi olarak kullanılabilir. Ancak tür tanımlamasının temel olduğu çalışmalarda matK geninin yeterli değişkenlik içeren başka genlerle kombinasyon halinde kullanılmasının daha iyi sonuç vereceği önerilebilir.Anahtar sözcükler: Sideritis trojana, Digitalis trojana, matK, trnH- psbA, DNA barkodlaması
Ionic current estimations from cardiac action potentials by using single and multi-output regression models
Conventional experimental procedures for capturing the dynamics of ion channels are not at all times possible, and when they are, they can be time-consuming. Using an artificial neural network (ANN) the aim is to predict the ionic currents during cardiac action potential (AP) in this work. A single-cell model was used to perform electrophysiological simulations to determine ionic currents based on ion channel conductance fluctuations. Then, the relevant ionic currents together with the related cardiac AP are calculated and fed into an ANN algorithm to anticipate the desired currents from the AP curve only. This thesis shows that when Bayesian regularization (BR) is utilized, the ionic current can be predicted with great accuracy from AP, as evidenced by the R (validation) scores of the whole data set, utilizing only AP forms.
Protein katlanması dinamiği: Transfer edilebilir etkileşim potansiyeli dizaynı ve farklı komplekslik seviyelerine sahip yeni monte carlo ve moleküler dinamik protein modellerinin geliştirilmesi
Protein katlanması, biyolojik bilimlerdeki en zorlu problemlerden bir tanesidir. Sahip oldukları amino asit dizisi, zincir uzunluğu, katlı yapı topolojisi vb. özelliklere bağlı olarak, proteinler katlanma kooperativitesi ve katlanma oranlarında saçılım gibi farklı termodinamik ve kinetik davranışlar sergilerler. Bu davranışların anlaşılması ancak farklı karmaşıklık seviyelerine sahip protein modellerinin ayrıntılı incelenmesi ile gerçekleşebilir. Tezin ilk bölümünde, protein içi etkileşim ağlarının, katlanma termodinamiği ve kinetiği üzerindeki etkileri basitleştirilmiş zincir temsilli içeren moleküler dinamik model yaklaşımı ile 13 farklı protein incelendi. Bariyersiz davranıştan , iki durumlu davranışa termodinamik davranışa geçişin dikkate değer bir şekilde ortalama etkileşim sayısına bağlı olduğu gözlemlendi. Ayrıca, önerilen yeni etkileşim düzen parametresi AEEDP, bağsız etkileşimlere ilaveten açısal etkileşimleri de içerisine dahil ederek, proteinin hem kinetik hem de termodinamik davranışların açıklanmasında kullanılabildiği görüldü. İkinci bölümde, tüm atomların temsil edildiği Monte Carlo simülasyon yöntemi için transfer edilebilir etkileşim potansiyeli tasarlandı. 25,801 proteinin katlı yapısı üzerinden veri madenciliği kullanarak, (i) atom çiftleri etkileşmesi (ii) NHO hidrojen bağları, (iii) 7 farklı ardaşık amino asit üçlü terimi, (iv) ardaşık aminoasit dörtlüsü için istatistiksel etkileşim potansiyeli geliştirildi. Atom çiftleri etkileşmelerinde, atomların zincir üzerinde ki bir birlerine olan mesafesi incelenerek toplam çift çeşidinin 195,223'e çıkartılması tartışılmıştır. Monte Carlo simülasyon yöntemi ile modellen iki alpha-yapılı protein ikisi de başarı ile kararlı yapılarına katlanmış, en düşük 2.29A RMSD değerine sahip yapı elde edilmiş ve kooperatif katlanma - açılma geçişleri gözlemlenmiştir. Anahtar Kelimeler: Protein Katlanması, Protein İçi Etkileşim Ağları, Moleküler Dinamik Go Modeli, Transfer Edilebilir Protein Modelleri, Bütün Atom Temsilli Monte Carlo Protein Modeli
Detection of small organic molecules with three-dimensional biomolecule-based biosensors using bioinformatics applications
Endocrine-disrupting chemicals (EDCs) are an array of compounds, either synthetic or naturally occurring, that have the ability to mimic or interfere with the normal hormonal activity within the body upon exposure. The genesis of these substances is attributed to the consumption of polluted water, inhalation of polluted air, consumption of contaminated food, or exposure to polluted soil. As a result, biosensors have been constructed for the purpose of rapid and targeted detection of endocrine-disrupting compounds (EDCs) in environmental samples. Biosensors employ aptamers, which are biological recognition elements, in their production. Aptamers have emerged as a promising substitute for various applications, exhibiting superiority over numerous biomolecules due to their inherent advantages such as enhanced stability, reusability, artificial synthesis, and prolonged preservation. Aptamer biosensors serve a crucial role in the detection of small molecules due to these characteristics. Due to the intricacy of aptamer structure, their elucidation by conventional methods is extremely challenging. This circumstance has led to the development of three-dimensional aptamer structures based on various models and techniques. This study aims to provide an approach to predicting the 3D structures of the SS-DNA required for this sequence by initially selecting an aptamer sequence showing biosensor properties specific to BPA, one of the endocrine-disrupting chemicals detected in water samples in the literature. The present study aims to elucidate the intermolecular mechanisms and binding affinity between aptamers and endocrine-disrupting chemicals through the utilization of bioinformatics techniques such as molecular docking, molecular dynamics simulation, and binding energies. Furthermore, a comparative analysis of the reliability of different modeling programs and force fields will be conducted by assessing their correlation with experimental results reported in the literature. The results of our study using these computational strategies will provide useful information to reveal the intermolecular mechanisms and affinity required for aptamer-based biosensors and to develop a new aptamer for aptamer-based biosensors in a shorter time and at a lower cost. Keywords: Aptamer, Binding energy, Endocrine disruptive chemicals, molecular docking, molecular dynamic simulation