Tez No	İndirme	Tez Künye	Durumu
178319		Consensual classification of drug/nondrug compounds for drug design / İlaç/ilaç olmayan bileşenlerin ilaç yapımı için ortak kararla sınıflanması Yazar:AYÇA ÇAKMAK PEHLİVANLI Danışman: YRD. DOÇ. DR. TURGAY İBRİKÇİ Yer Bilgisi: Çukurova Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik ve Elektronik Mühendisliği Bölümü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora İngilizce 2008 88 s.
İlaç yapımının çok uzun, pahalı ve emek gerektiren bir süreç olmasından dolayı farmasötik çalışmalarda kullanılan deneme-yanılma yöntemlerinin yerini ?akıllı ilaç geliştirme? yöntemleri almıştır. Laboratuar ortamında çok iyi sonuçlar veren bir çok aday molekül, doğal ortamda tam tersi sonuçlar verebilmektedir. Bu nedenle kimsayal bir bileşiğin ilaç olup olamayacağının tahmin edilebilmesi, potansiyel ilaç aday moleküllerinin seçimi ve geliştirilmesi açısından önemli bir adımdır. Bu amaçla yeni bir ortak karar (konsensüs) yaklaşımı önerilmiştir. Bu model bağımsız hatalara sahip sonuçlar için rasgele matris dönüşümü ve filtreleme ile tek tek elde edilmiş sonuçları birleştirme aşamalarından oluşmuştur. Üç farklı birleştirme metodu, Pseudoinvers, eşit ağırlık ve genetik algoritma, ile tek tek sınıflama sonuçları için dört farklı sinir ağları metodu, genel regresyon sinir ağları, uyarlanmış genel regresyon sinir ağları, kendini organize eden haritalar ve kendini organize eden küresel sıralama kullanılmıştır.Molecular Operating Environment ile hesaplanan açıklayıcı değişkenlerden oluşan Murcia-Soler ve Cherkasov veri setleri bilinen ilaçlar ve ilaç olmayan bileşenleri içerir. Bu veri setleri çeşitli ön işleme aşamalarından geçirilerek dört farklı metod ile uygulanmıştır. Elde edilen sonuçlar konsensüs için üç farklı birleştirme metodu ile birleştirilmiştir. Birleştirme için ilk defa kullanılan genetik algoritma diger iki metoda göre en yüksek sınıflama başarısını göstemiştir. Ayrıca ilaç verisine ilk defa uygulanan kendini organize eden küresel sıralama metodu da oldukça yüksek sınıflama başarısı sağlamıştır. Kullanılan konsensüs yaklaşımı da kimyasal veriler ile ilk defa kullanılmıştır.Bu çalışmadaki uygulamalardan elde edilen sonuçlar doğrultusunda, ilaç yapım sürecinin başında kullanılacak ya da incelenecek aday bileşenlerin sayısında ciddi bir düşüş ve ilaç olma olasılığı yüksek adayların seçiminde hız elde edileceği, dolayısı ile zaman ve maliyet açısından bir iyileşme olacağı düşünülmektedir.
Because of the costly, lengthy and laborious drug development process, the aim of the pharmaceutical industry has shifted from traditional trial-and-error process of drug discovery to a structure-based drug design. Although many potential drug candidates may look promising in in vitro studies, they can fail during in vivo stages. Therefore, it is very important to know if the compound is druglike or nondruglike for selection and development of new potential drug candidates. In this thesis, a special consensual approach is proposed for this purpose. The constructed consensual model has a preprocessing unit which consists of transformation of input patterns by random matrices and median filtering to generate independent errors for a single type of classifier, and a postptocessing unit for consensus. Three different combining methods, genetic algorithm, pseudoinverse and equal weight, for postprocessing and four different neural network methods, general regression neural network, adaptive general regression neural network, supervised self organizing map and self organizing global ranking for individual classification were used.Murcia-Soler and Cherkasov data sets which consist of drug and nondrug compounds were used with descriptors calculated with the Molecular Operating Environment tool.This thesis presented that the best results to discriminate between the drug-like and the nondrug-like compounds were obtained with the proposed consensus approach with the genetic algorithm which is used for the first time for combining. On the other hand, the self organizing global ranking algorithm which has been applied for the first time on chemical data set also produced high classification results. The consensus approach presented is also used for the first time with chemical data.In this thesis, on the basis of results obtained from the experiments, new approach is provided for choosing potential drug candidates by using molecular data automatically. Hence, it can be stated that this narrowing considerably reduces the time and effort for the discovery of novel pharmaceuticals.