SARS-CoV-2 proteini ile insan proteini arasindaki etkileşimlerin makine öğrenmesi yöntemleri ile tahmini

Dünya genelinde insan sağlığını tehdit eden Kovid-19, 2020 yılında Dünya Sağlık Örgütü (WHO) tarafından salgın hastalık olarak ilan edilmiştir. Kovid-19 hastalığı yayılma hızı ve ölümcül etkisinden dolayı insanlık üzerinde yıkıcı bir etkiye sebep olmuştur. Kovid-19 hastalığı SARS-CoV-2 virüsünün neden olduğu yeni tip korona virüstür. Bulaşıcı hastalıklara karşı çalışmalarda patojen-konakçı etkileşimlerinin belirlenmesi, hastalığa karşı önlem alınmasında büyük önem taşır. Patojen proteinleri, konakçıyı istila etmek için konakçı proteinleri ile etkileşime girer. Konak proteinlerine normal fonksiyonlarını engeller hatta yanlış yönlendirerek ve zayıflatarak bir konağın bağışıklık sistemini tehlikeye atabilirler. Bunun için Patojen-konak arasında varsayılan protein-protein etkileşiminin tahmin edilmesi büyük önem taşımaktadır. Protein-protein etkileşimlerinin belirlenmesi ile virüs proteinlerinin nasıl çalıştığını, nasıl çoğaldıklarını ve hastalığa nasıl neden olduğunun bulunmasında yardımcı olur. Biz de bu çalışmada SARS-CoV-2 virüs proteinlerinin konakçı(insan) proteinler ile etkileşimleri makine öğrenmesi yöntemleri ile tahmin ettik. Çalışmamızda 30.046 negatif ve 20.365 pozitif veriden oluşan bir protein etkileşimli veri seti kullandık. Protein etkileşimleri tahmin etmek için protein dizilimindeki amino asitleri, protein öznitelik kodlama yöntemiyle kodladık. Sınıflandırma algoritmaları olarak Naif Bayes, Bayes Net, k-En Yakın Komşuluğu, Doğrusal Destek Vektör Makineleri, Radyal Destek Vektör Makineleri ve Çok Katmanlı Algılayıcı kullanılmıştır. Sınıflandırma algoritmalarına, öncelikle literatürde yer alan protein öznitelik kodlama yöntemleri ile elde edilen veriler verilmiştir. Daha sonra amino asitlerin sıklık, konum ve kimyasal özellikleri bilgisinin yer aldığı yeni bir yöntem geliştirildi. Geliştirilen yöntem ile literatürdeki yöntemlerin sınıflandırma sonuçları karşılaştırıldığında daha dengeli sonuçlar sağlamıştır. Elde ettiğimiz deneysel sonuçlara göre geliştirdiğimiz yöntem Naif Bayes ve Bayes Ağları sınıflandırma algoritmaları ile 0,513 doğruluk, 0,529 duyarlık, 0,471 özgünlük, 0.514 kesinlik, 0,514 F1-skor, 0,027 Kappa değeri vermiştir.