2
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Solunum yolu hastalıklarında rol oynayan seçilmiş protein ve nükleik asitlerin dizi ve yapılarının moleküler modelleme yoluyla incelenmesi
Solunum yolu hastalıklarında rol oynayan seçilmiş protein ve nükleik asitlerin dizi ve yapılarının moleküler modelleme yoluyla incelenmesi Bu tezde, solunum hastalıklarında rol oynayan seçilmiş 7 mikroorganizmanın biyofilm oluşumunda önemli bir mekanizma olan Çevreyi Algılama Sistemi (Quorum Sensing) 'de görevli protein ve nükleik asitleri, moleküler modelleme ve dizi karşılaştırma yolu ile incelenmiştir. Proteinlerin amino asit ve nükleik asit dizileri https://www.ncbi.nlm.nih.gov/ ve https://www.uniprot.org/ veri tabanlarından alınmıştır. MEGA 7. 0. 26 programında ortak nükleik ve amino asit dizilerinin bulunması için dizi hizalama (alignment) yapılmıştır. PyCharm Community Edition 2018.3.4 programında oluşturulan algoritma ile bu dizilerin benzerlik yüzdeleri hesaplanmıştır. https://swissmodel.expasy.org/ veri tabanında bu proteinlerin 3 boyutlu yapıları oluşturulmuş ve UCSF Chimera 1. 13. 1 (University of California, 2000) programında bu modeller karşılaştırılmış ve ortak yapılar bulunmuştur. Fiziksel ve kimyasal özelliklerin incelenmesi amacıyla https://web.expasy.org/protparam/ veri tabanı kullanılmıştır. Sonuçta ise ortak diziler ve yapılar elde edilmiştir. Bu sonuçların biyofilm oluşumunu önleyici çözümler üretilmesine önemli katkılar sağlayabileceği düşünülmektedir. Anahtar Kelimeler; Moleküler modelleme; Quorum Sensing; Solunum yolu hastalıkları; Biyofilm
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.