Basit öğe kaydını göster

dc.contributor.authorKoca, Mehmet Buraken_US
dc.contributor.authorKaradeniz, İlknuren_US
dc.contributor.authorNourani, Esmaeilen_US
dc.contributor.authorSevilgen, Fatih Erdoğanen_US
dc.date.accessioned2021-08-31T07:24:20Z
dc.date.available2021-08-31T07:24:20Z
dc.date.issued2021-06-09
dc.identifier.citationKoca, M. B., Karadeniz, İ., Nourani, E. & Sevilgen, F. E. (2021). Çizge evrişim ağı kullanarak patojen-konak ağlarında protein etkileşim tahmini. Paper presented at the 2021 29th Signal Processing and Communications Applications Conference (SIU), 1-4. doi:10.1109/SIU53274.2021.9478041en_US
dc.identifier.isbn9781665436496
dc.identifier.isbn9781665436502
dc.identifier.issn2165-0608
dc.identifier.urihttps://hdl.handle.net/11729/3212
dc.identifier.urihttp://dx.doi.org/10.1109/SIU53274.2021.9478041
dc.description.abstractProteinler yaşamsal faaliyetlerin gerçekleşmesinde kritik rol oynayan biyolojik moleküllerdir. Konak canlı proteinleri ile patojen proteinleri arasındaki etkileşimler patojenkonak etkileşim (PHI) ağlarını oluşturmaktadır. Bu iki parçalı etkileşim ağları patojenin hangi yaşamsal faaliyetleri etkilediğini belirlemede ve dolayısıyla sebep olabileceği hastalıkların tespitinde büyük öneme sahiptir. Proteinler arası etkileşimlerin laboratuvar ortamında tespiti hem zaman alıcı hem de maliyetlidir. Deneysel olarak saptanabilen etkileşim sayısının kısıtlı olması ve bazı etkileşimlerin gözden kaçması hesaplamalı tahmin yöntemlerinin geliştirilmesine önayak olmaktadır. Bu çalışmada PHI ağlarında protein etkileşim tahmini yapmayı sağlayan çizge evrişim ağı (GCN) tabanlı bir yöntem sunulmaktadır. Gözetimsiz olarak eğitilen GCN modeli (GraphSAGE) topolojik bilginin yanı sıra temel öznitelik olarak amino asit dizilimlerini kullanmaktadır. Bu çalışma bildiğimiz kadarıyla PHI ağlarında GCN tabanlı etkileşim tahmini sağlayan ilk çalışmadır. Deneysel sonuçlar geliştirilen modelin kıyaslama için kullanılan PHI veri seti üzerinde yüksek performanslı algoritmalardan %10 daha iyi performans göstererek %96 oranında doğrulukla etkileşim tahmini yaptığını göstermektedir.en_US
dc.description.abstractProteins are biological molecules that play a critical role in vital biological processes. Interactions between pathogen proteins and host proteins form pathogen-host interaction (PHI) networks. These bipartite interaction networks have great importance in determining which vital activities are affected by the pathogen and the diseases it may cause. Experimental detection of the protein interactions in wet labs is both timeconsuming and costly. The limited number of experimentally detectable interactions and overlook of some potential interactions lead to development of computational methods. In this study, a graph convolution network (GCN) based method is presented that enables to predict protein-protein interactions in PHI networks. The unsupervised trained GCN model (GraphSAGE) uses amino acid sequences as node features as well as the topological information. This is the first study to the best of our knowledge which provides GCN models to do protein-protein interaction prediction in PHI networks. The experimental results show that the developed model performs 10% better than the state-of-art algorithms on the benchmark PHI dataset and it predicts interactions with 96% accuracy.en_US
dc.language.isoturen_US
dc.publisherIEEEen_US
dc.relation.isversionof10.1109/SIU53274.2021.9478041
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectBiyoinformatiken_US
dc.subjectProtein-protein etkileşim tahminien_US
dc.subjectPHI ağlaren_US
dc.subjectÇizge evrişim ağlarıen_US
dc.subjectBioinformaticsen_US
dc.subjectProtein-protein interaction predictionen_US
dc.subjectPHI networksen_US
dc.subjectGraph convolution networksen_US
dc.subjectArts computingen_US
dc.subjectConvolutionen_US
dc.subjectForecastingen_US
dc.subjectSignal processingen_US
dc.subjectTopologyen_US
dc.subjectAmino acid sequenceen_US
dc.subjectBiological moleculeen_US
dc.subjectBiological processen_US
dc.subjectHost interactionsen_US
dc.subjectInteraction networksen_US
dc.subjectProtein interactionen_US
dc.subjectProtein-protein interactionsen_US
dc.subjectTopological informationen_US
dc.subjectProteinsen_US
dc.titleÇizge evrişim ağı kullanarak patojen-konak ağlarında protein etkileşim tahminien_US
dc.title.alternativeProtein interaction prediction on PHI networks using graph convolution networksen_US
dc.typeconferenceObjecten_US
dc.description.versionPublisher's Versionen_US
dc.relation.journal2021 29th Signal Processing and Communications Applications Conference (SIU)en_US
dc.contributor.departmentIşık Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.contributor.departmentIşık University, Faculty of Engineering, Department of Computer Engineeringen_US
dc.contributor.authorID0000-0002-7097-6143
dc.identifier.startpage1
dc.identifier.endpage4
dc.peerreviewedYesen_US
dc.publicationstatusPublisheden_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.contributor.institutionauthorKaradeniz, İlknuren_US
dc.relation.indexWOSen_US
dc.relation.indexScopusen_US
dc.relation.indexConference Proceedings Citation Index – Science (CPCI-S)en_US
dc.description.wosidWOS:000808100700282


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster