Tez No	İndirme	Tez Künye	Durumu
368863		Identification of interaction sites of G protein-coupled receptors using machine learning techniques / Makine öğrenme teknikleri kullanılarak g protein-kenetli reseptörlerin etkileşim bölgelerinin tespit edilmesi Yazar:MEHMET EMRE ŞAHİN Danışman: DOÇ. DR. TOLGA CAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2014 102 s.
Patofizyolojik yolaklarda önemli rol oynayan G protein-kenetli reseptörler (GPKR), en büyük ve en çok çeşitli reseptör ailesini oluşturmaktadır. Tipik olarak, G-proteinler ile etkileşerek hücre dışındaki sinyalleri hücre içerisine iletirler. Gelişmekte olan GPKR dimerleşmesi görüşü, GPKR'lerin tek parçalı bireyler halinde görevlerini yerine getirdiği klasik görüşünü geride bırakmıştır. GPKR dimerlerinin arayüzlerinin tahmini ilgi çekici bir konudur. Burada sunulan yöntem, kendisini literatürde bulunan bilinen arayüzler ile eğiterek, GPKR'lerin hem sekans, hem de üç-boyutlu yapısal bilgilerini kullanarak tahminlerini yapar. Her ne kadar sonuçların biyolojik olarak tasdiklenmesi gerekiyorsa da, önerilen yöntemin bilinen arayüzler tabanlı değerlendirme sonuçları iç açıcı ve gerçek veriyle uyumludur. Bu yöntemin geliştirilmesi esnasında, araştırmacıların kullanması için IntGPCR adında yeni bir veritabanı yayınlanmıştır. Içeriği literatürden derlenen IntGPCR, etkileşen GPKR'ler hakkında bilgiler içermektedir. Güncelliği ve içeriğinin zenginliği, 348 makaleden çıkarılan 309 etkileşen GPKR bilgisi, IntGPCR veritabanını benzerleri arasında ön plana çıkarır. Tez çalışmaları kapsamında bir diğer geliştirilen metot da GPKR'lerin sınıflandırılması ile ilgilidir. Bu metot, reseptörlerin fonksiyonlarına göre hızlı ve verimli bir şekilde sınıflandırılması ihtiyacına yönelik geliştirilmiştir. GPCRsort, GPKR'lerin birincil sekanslarından elde edilen yapısal özellikleri kullanan yeni bir sınıflandırma aracıdır. Güncel GPKR sınıflandırma teknikleri ile karşılaştırma deneyleri göstermektedir ki, en iyi kullanılabilir tekniğin %90.7 doğruluğa sahip olduğu yerde, GPCRsort %97.3 doğruluk oranı ile GPKR'leri sınıflandırabilmekte ve bunu hızlıca (dakikalar içerisinde) gerçekleştirebilmektedir.
G protein-coupled receptors (GPCRs), which play a crucial role in a host of pathophysiological pathways, form the largest and most divergent receptor family. Typically, they transmit outer signals to the inner cell by interacting with G-proteins. The emerging concept of GPCR dimerization has unsettled the classical idea that GPCRs function as monomeric units. Prediction of the interface residues of GPCR dimers is a challenging topic. The method proposed in this thesis trains itself with known interfaces from the literature and makes predictions using both the sequence and three-dimensional structural information about GPCRs. The predictions are assessed by comparison to known interfaces in the literature. Our results show that the predictions are consistent with real interactions; however, further biological validation is still needed. During the development of the method, a new database was published for the use of the community: IntGPCR, the database of interacting GPCRs. IntGPCR contains information about interacting GPCRs, where the contents are curated from the literature. Up-to-dateness and the wealth of its contents, containing 309 interacting GPCRs curated from 348 articles, make IntGPCR a valuable resource for GPCR researchers. The other proposed method is about the classification of the GPCRs, serving to the requirement of an efficient and rapid classification to group the receptors according to their functions. GPCRsort, a new classification tool for GPCRs using the structural features derived from their primary sequences is proposed. Comparison experiments with the current known GPCR classification techniques show that GPCRsort is able to rapidly (in the order of minutes) classify uncharacterized GPCRs with 97.3% accuracy whereas the best available technique's accuracy is 90.7%.