Comparative analysis of negative sampling strategies in protein-protein interaction prediction

Konakçı ve patojen proteinleri arasındaki protein-protein etkileşimlerinin (PPI) doğru bir şekilde tahmin edilmesi, viral enfeksiyon mekanizmalarının anlaşılması açısından büyük önem taşımaktadır. Ancak, deneysel olarak doğrulanmış negatif etkileşimlerin eksikliği (etkileşmeyen protein çiftleri), bu alanda karşılaşılan temel zorluklardan biridir. Bu eksiklik, etkili negatif örnekleme stratejilerinin geliştirilmesini gerekli kılmaktadır. Bu tez kapsamında, özellikle kümeleme tabanlı yaklaşımlar olmak üzere çeşitli negatif örnekleme stratejileri karşılaştırmalı olarak analiz edilmiştir. Çalışmada, negatif etkileşimlerin yanlış-lıkla pozitif etkileşimler olarak seçilme riskini (deneysel olarak doğrulanmış etkileşimli çiftler) en aza indirmeyi amaçlayan yeni bir Kümeleme Tabanlı Negatif Örnekleme (CNS) yöntemi önerilmektedir. Ayrıca, bu stratejilerin doğruluğunu nicel olarak değerlendirebilmek amacıyla, Yanlış Örneklerden Kaçınmak için Örneklemenin Güvenilirliği (R-SAFE) adını taşıyan yapılandırılmış bir değerlendirme metodolojisi geliştirilmiştir. Dört halka açık virüs-konakçı etkileşim veri seti üzerinde gerçekleştirilen deneysel çalışmalar, veri setlerinin yapısal özelliklerinin negatif örnekleme stratejilerinin güvenilirliği üzerinde belirleyici bir etkisi olduğunu ortaya koymaktadır. Bu doğrultuda, veri seti özelliklerine dayalı olarak en uygun negatif örnekleme stratejisini önermek için bir karar ağacı modeli kullanılmıştır. Elde edilen sonuçlar, PPI modellerinin öngörüsel güvenilirliğini artırmak için negatif örnekleme stratejilerinin önemini vurgulamaktadır.