1. Bağlı veri ile istenmeyen ilaç etkileşimlerinin tespiti için bir sistem
- Author
-
Yaşar, Erkan, Egesoy, Ahmet, Bilgisayar Mühendisliği Anabilim Dalı, and Fen Bilimleri Enstitüsü
- Subjects
Link Pediction ,İlaç-İlaç Etkileşimi ,Biyolojik Ağlar ,Drug-Target Interactions ,Bağlantı Tahmini ,Drug-Drug Interactions ,İlaç-Hedef Etkileşimi ,Biological Network ,Computer Engineering and Computer Science and Control ,Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol - Abstract
Potansiyel İlaç-İlaç Etkileşimlerinin (İİE) tespiti ilaç yönetimi ve ilaç gelişmeleri ile ilgili maliyetleri ciddi bir şekilde azaltabilir. Ayrıca ölüme neden olan ciddi advers ilaç reaksiyonlarını önleyebilir ve ilaçların yeniden konumlandırılması (ilacın başka bir amaç için kullanılması) hususunda da önemli ilerlemeler sağlayabilir. Bu tez İİE'leri tahmin etmek için iki farklı çözüm önerisi sunmaktadır. İlk olarak İİE ağının ilaç benzerlik skorları ile ağırlıkladırılmasıyla oluşan yapının İİE tahminine olan etkisi incelenmiş. Daha sonra ise bu ağa ilaç-hedef verisinin eklenmesiyle oluşan heterojen ağın İİE tahminine etkisinin belirlenmesi hedeflenmiştir. Değerlendirme ölçütü olarak AUC ve Hassasiyet kullanılmıştır. Drugbank veri setinden elde edilen homojen İİE ağları üzerinde hem AUC hem de Hassasiyet açısından önemli performans artışı elde ettik. Ayrıca İlaç-hedef bilgisinin ve İİE ağının oluşturduğu heterojen ağ ise ağırlıklı ve ağırlıksız olarak iki şekilde test edilmiştir. Sonuç olarak heterojen ağ üzerinde İİE tahmininin arttığı gözlemlenmiştir., Detection of potential Drug-Drug Interactions (DDI) can reduce the costs associated drug administration and drug development. It can also prevent serious adverse drug reactions possibly causing death and it may enable advances in drug repurposing (using drug for different purposes). This thesis purposes two different solutions for prediction of DDI. In first part the effect of the DDI network weighted by drug similarity scores on DDI prediction has been investigated. Then, the effect of the heterogeneous network combined with the drug-target data has been investigated. AUC and Precision has been used as evaluation metrics. Significant performance enhancement has been obtained both in terms of AUC and Precision on DDI networks extracted from Drugbank. In addition to this heterogenous network formed by drug-target knowladge and DDI network were tested as weighted and unweighted forms. Consequently it has been obseved that DDI prediction on heterogenius network has been increased.
- Published
- 2015