Yardımcı T hücreleri/büyük doku uygunluk kompleksi molekülleri bağlanma yerlerinin tespitinde öznitelik kodlama yöntemleri geliştirilmesi

T hücreleri, bağışıklık yanıtı oluşumunda önemli bir yere sahiptir. İnsan vücudu her an dışarıdan gelen ve sürekli değişiklik gösteren çok sayıda mikroorganizma ile karşı karşıya kalır. Bağışıklık sisteminin harekete geçmesine zararlı mikroorganizmalara ait olan antijen proteinleri neden olur. Uzun antijen proteinleri antijen sunan hücreler tarafından T hücreleri ile birleşebilmeleri için daha küçük peptit parçacıklarına ayrılırlar. Bu antijenik peptitlere Epitop adı verilir. Doğada bulunan protein yapısındaki antijenlerin her bir peptitine farklı bir T hücre klonu olduğu kabul edilir. T hücrelerinin diğer bir önemli özelliği ise bir antijeni tanıyıp reaksiyon oluşturabilmesi için bu antijenin bazı hücreler tarafından işlenmesi ve yüzey molekülleri aracılığıyla kendilerine sunulması gerekmektedir. T hücrelerine antijen sunumunu sağlayan hücre yüzeyindeki moleküllere Büyük Doku Uygunluk Kompleksi (BDUK) denir. Büyük doku uygunluk kompleksi (BDUK) molekülünün bağlanması T hücre aktivasyonuna yol açar ve bir seri biyokimyasal reaksiyonu tetikler. Bağışıklık sistemi hareketinde bir aşı ya da ilaç geliştirmek için T hücre epitoplarının önceden tahmin edilmesi büyük önem taşır. Sürekli mutasyona uğrayarak çeşitlilik gösteren sayısı binleri aşan antijenik peptitlerin tanımlanması laboratuvar ortamında zaman ve maliyet açısından uygun değildir. Bu nedenle bilgisayar ortamında makine öğrenmesi algoritmaları ile çözüm aramak daha uygundur. Bu tez çalışmasında amacımız epitopları kestirmek için yeni makine öğrenmesi öznitelik kodlama teknikleri geliştirmektir. Yardımcı T hücreleri / BDUK molekülleri bağlanma özgünlüklerinin tanımlanmasında Bağışıklık Epitop Veritabanı (IEDB)'den insan lökosit antijeni (İLA-A, İLA-B) peptit verileri kullanılmıştır. Veri seti dokuz amino asit uzunluğunda peptitlerden oluşmaktadır. Yardımcı T hücreleri / BDUK özgünlüğünü tespit etmek için iki tane öznitelik kodlama yöntemi geliştirildi. Birinci yöntemde Blosum 50 yer değiştirme matrisi ile amino asitlerin fizikokimyasal özellikleri kullanıldı. İkinci yöntemde ise amino asitlerin ağırlık ve konum bilgileri ile Blosum 50 yer değiştirme matrisi kullanılmıştır. Sınıflandırma testleri Weka yazılımı ortamında 10-Kat Çapraz Doğrulama Test Tekniğine göre gerçekleştirilmiştir. Tez kapsamında yapılan deneysel çalışmalarda sınıf doğruluğu, duyarlık, özgünlük ve MKK (Matthews Korelasyon Katsayısı) performans metrikleri elde edilmiştir.