Show simple item record

dc.contributor.advisorSezerman, Osman Uğur
dc.contributor.authorŞireli, Elanur
dc.date.accessioned2020-12-10T07:39:23Z
dc.date.available2020-12-10T07:39:23Z
dc.date.submitted2004
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/217979
dc.description.abstractÖZET Bir proteinin temas eden amino asit ve ikili-sülfat bağı bilgileri proteinin 3 boyutlu yapısı ve fonksiyonu ile ilgili önemli ipuçları vermektedir. Bu çalışmada, bilgilerin tahmini üzerine işlemsel yaklaşım sunulmaktadır ve bu çalışmaların her ikisi de protein katlanması probleminin önemli adımlarım oluşturmaktadır. İlk çalışmada, proteinlerin temas matrikslerinin tahmini üzerine çalıştık. Tahmin işlemi için, Sinir Ağları ve Destek Vektör Makinalan tekniklerini uygulayarak, proteinlerin fiziksel (sıralanma, hacim ölçüleri), kimyasal, evrimsel (komşu bilgileri) ve yapısal (ikincil yapı) bilgileri kullanıldı. Çalışmanın sonunda, %0.6'lık temas dışı hata oram ile temas örneklerinin %14'ünü tahmin edebildik ve bu tahmin, raslantısal tahminden 9 kat daha iyidir. İkinci çalışmada, aynı parametreleri kullanarak, sistin amino asitlerinin bağlanıp ikili sülfat bağı oluşturabilirliğini tahmin ettik. Bu çalışmada SVM kullandık ve ikili- sülfat bağı talımininde %63.76 doğruluğa ulaştık.
dc.description.abstractABSTRACT Contact map and disulfide bond information of a protein give crucial clues about 3-dimensional structure and function of a protein. In this study, we represent a computational approach to predict both contact maps and disulfide bonds of the residues inside of a protein and these studies are two of the essential steps of protein folding problem. In the first study, we predicted contacting residues of proteins using physical (ordering, length and volume), chemical (hydrophobicity), evolutionary (neighboring) and structural (secondary structure) information by implementing classification techniques, Neural Networks (NNs) and Support Vector Machines (SVMs). As a result, our method predicts 14% of the contacting residues with 0.6% false positive ratio and it performs 9 times better than a random predictor. In the second study, using the same parameters we predicted cysteine residues forming. In this study, we used SVMs, we obtained 63.76% accuracy in disulfide bond prediction.en_US
dc.languageEnglish
dc.language.isoen
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBiyolojitr_TR
dc.subjectBiologyen_US
dc.subjectMikrobiyolojitr_TR
dc.subjectMicrobiologyen_US
dc.titleA computational approach to predict contact potential and desulfide bond of proteins
dc.title.alternativeProteinlerin temas matrisleri ve ikili sülfat bağı tahmini üzerine işlemsel yaklaşım
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBiyoloji Anabilim Dalı
dc.identifier.yokid170733
dc.publisher.instituteMühendislik ve Fen Bilimleri Enstitüsü
dc.publisher.universitySABANCI ÜNİVERSİTESİ
dc.identifier.thesisid152826
dc.description.pages62
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/embargoedAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/embargoedAccess