Yüksek Lisans Tezi

Yüksek lisans tezim, protein işlev kestirimi üzerine bir araştırmaydı. Bu çalışmanın bir parçası olarak, ikincil yapı bilgisinin protein işlev kestirimi başarısına olan katkısını ölçtüm ve Oommen-Kashyap yazı dizimsel geçiş olasılığı hesabını peptit sınıflandırma problemine uyguladım. Bu, bildiğim kadarıyla, Oommen-Kashyap yöntemiyle biyolojik dizi analizini bir araya getiren ilk yayınlanmış çalışma.

Kısa özet:

Protein İşlev Kestiriminde Yapısal Bilginin Katkısı ve Dizi Geçiş Olasılıkları ile Peptit Sınıflandırma

Biyolojik dizi analizi, nükleotid ve amino asit dizilerinin evrimsel, yapısal ve işlevsel özelliklerini ortaya çıkarmayı amaçlar. İkili hizalama algoritmaları, biyolojik dizi analizinde yoğun olarak kullanılan araçlardır. Bu çalışmada; standart ikili hizalama algoritmalarının bir derlemesini sunmak, Oommen ve Kashyap'ın tanımladığı dizi geçiş olasılığını bir biyolojik dizi benzerlik ölçütü olarak tanıtmak, yapısal bilginin protein işlev kestiriminin başarısını nasıl arttırdığını göstermek, Oommen ve Kashyap'ın dizi geçiş olasılığını, iki peptit sınıflandırma problemi üzerine standart dizi benzerlik ölçütleriyle kıyaslamak, ve gereken dizi analiz araçlarını bir bilgisayar yazılımı olarak gerçeklemek amaçlanmıştır. Çalışmanın deneysel kısmının ilk aşamasında, ikincil yapı dizilerini amino asit dizisi hizalamalarıyla birlikte kullanmanın moleküler işlev kestirim başarısını arttırdığını açıkça ortaya koymuştur. Buna karşılık kestirilmiş ikincil yapıların kestirime herhangi bir katkısının olmadığı gözlenmiştir. İkinci olarak, dizi geçiş olasılıkları, sınıflandırıcıya sunulan nitelikler olarak, standart genel hizalama puanları ile kıyaslanmıştır. Sınıflandırma başarısı ölçümleri, dizi geçiş olasılıklarının genel hizalama puanlarından çok daha iyi nitelikler sağladığını şüpheye yer bırakmayacak şekilde ortaya koymuştur. Önerilen yöntem ayrıca aynı veri kümeleri üzerinde uygulanmış önceki yöntemlerin neredeyse hepsinden daha başarılı olarak genel kabul görmüş peptit benzerlik ölçütü olmaya aday olduğunu kanıtlamıştır.

Tez: Aygun2009.pdf

İlgili Yayınlar

• Aygün, E.; Oommen B.J. & Cataltepe, Z. Peptide Classification Using Optimal and Information Theoretic Syntactic Modelling Pattern Recognition, 2010, 43, 3891
• Aygün, E.; Oommen B.J. & Cataltepe, Z. On Utilizing Optimal and Information Theoretic Syntactic Modelling for Peptide Classification Pattern Recognition in Bioinformatics, 2009 (Sunum)
• Aygün, E.; Komurlu, C.; Aydin, Z. & Cataltepe, Z. Protein Function Prediction with Amino Acid Sequence and Secondary Structure Alignment Scores International Symposium on Health Informatics and Bioinformatics, 2008
• Filiz, A.; Aygün, E.; Keskin, O. & Cataltepe, Z. Importance of Secondary Structure Elements for Prediction of GO Annotations International Symposium on Health Informatics and Bioinformatics, 2008
• Aygün E. & Cataltepe Z. Gene Ontology (GO) Molecular Function Prediction Based on Alignment Scores International Symposium on Health Informatics and Bioinformatics, 2007
• Cataltepe, Z.; Ayan, U. & Aygün, E. Protein Function Prediction Using Motifs, Sequence Features, Alignment Scores Research in Computational Molecular Biology, 2007
• Cataltepe, Z.; Aygün, E.; Filiz, A.; Keskin, O.; Komurlu, C. & Altunbasak, Y. Dimensionality Reduction for Protein Function Prediction Automated Function Prediction – Biosapiens Joint Special Interest Group Meeting at ISMB/ECCB, 2007