Biyolojik ağların keşifsel görselleştirilmesi

İlaç keşfi ve geliştirilmesinde biyoojik varlıklar arasındaki ilişkilerin anlşılması büyük öneme sahiptir. Bu amaç için de büyük araştırma yatırımları yapılmaktadır. Fakat, ilaç keşfi ve geliştirilmesi zaman alıcı ve maliyetlidir. Bu yüzden araştırmacılar harcanan zamanı ve maliyeti, klinik denemelerin zararlı yan etkileri de dahil olmak üzere en aza indirmek için hesaplamalı yaklaşımlar aramaktadır. Son yıllarda biyomedikal araştırmalardaki gelişmeler, biyolojik verilerin geniş birikimini arttırmaktadır. Sonuç olarak, biyolojik varlıkların bilinen ilişkisi ve öznitelik verileri, bu varlıklar arasındaki karmaşık ilişkiyi anlamak için biyolojik ilişkileri biyolojik ağlar biçiminde modelemek ve terapötik tedavilerin keşfini hızlandırabilecek gizli ilişkileri ortaya çıkarmak için kullanılabilir. Bu tezde, karmaşık biyolojik ilişkileri modelemek için I-UMAP adlı boyutsal küçültme yöntemli bir yapı sunduk. Sunduğumuz yapı, biyolojik ağları, bizim durumumuzda ilaç--protein ağlarını, temel biyolojik ilişkileri anlamak için keşifsel veri analizinde kullanılmak üzere doğru bir şekilde modeller. Tanıtılan yapı, varlık özellikleri ile bilinen ilişki bilgisini kullandığından, biyolojik varlıklar arasındaki önemli etkileşimleri de açığa çıkarabilir. Bu yüzden belirtilen problemi biyolojik varlıklar arasındaki bağlantıları tahmin etmek şeklinde formüle edebiliriz. Hem bilinen etkileşim bilgilerinden hem de varlık özelliklerinden yararlanabilmek için yeni bir yaklaşımda bulunduk. Ayrıca kapasitesini arttırmak ve optimizasyon performansını geliştirmek için temel aldığımız UMAP algoritmasını değiştirdik. Algoritmamızın etkinliğini test etmek amacıyla ilaç--protein etkileşim ağlarını ve ilaç--hastalık etkileşim ağları üzerinde deneylerimizi gerçekleştirdik. Deney sonuçları doğrultusunda I-UMAP algoritmasından üstün performans gösterdiği ve biyolojik ilişkileri keşfetmek ve açığa çıkarmak için kullanılabileceğini gösterdik.