HIV-1 proteaz enzimine ait kesme konumlarının fizikokimyasal özelliklere dayalı yeni bir kodlama yaklaşımı ile oluşturulmuş veri seti ile tahmin edilmesi

Abstract

Küresel dünyanın sonucu olarak sınırlar ortadan kalkmakta ve hastalıkların bir bölgeden başka bir bölgeye taşınması hızlı ve kısa sürede gerçekleşebilmektedir. Salgın ve hastalıklarla mücadele de Dünya Sağlık Örgütü önemli bir yer tutmaktadır. Dünya sağlık örgütünün verilerine göre HIV/AIDS’e bağlı hastalıklara maruz kalan kişi sayısının çok yüksek olması nedeniyle, bu hastalıkla mücadele bilim adamları için önemini korumaktadır. HIV’e bağlı hastalıkla mücadele de laboratuvar ortamlarında ilaçların tasarlanması ve geliştirilmesi zaman alıcı olması nedeniyle son zamanlarda makine öğrenmesi yöntemleri ile çalışmalar yapılarak literatüre katkı verilmektedir. Proteaz inhibitörleri kullanılarak üretilen ilaçlar HIV-1 proteazın normal fonksiyonunu yerine getirmesini önlemekle beraber, öncül virüs proteinlerinin olgun virüs proteinlere dönüşümünü yani proteaz enzimi içeren mikroorganizma sürecini de engellenmiş olurlar. HIV-1 proteaz verisi sekizli amino asit dizilimlerinden oluşan ve oktamer adı verilen peptidlerden oluşmaktadır. Peptidler, amino asitlerden meydan geldiğinden, amino asitlerin sahip olduğu 566 fizikokimyasal özelliğe ait veriler derlenmiştir. Kayıp gözlemlere değer atanması Maksimum Beklenti ve Jack Knife yöntemleri ile irdelenmiştir. Rögnvaldsson ve arkadaşları tarafından oluşturulan HIV-1 proteaz verilerinin birleştirilirken ayıklanarak yeni bir kodlama yaklaşımı ile veri seti oluşturulmuştur. Bu veri setine ilişkin kesme konumlarının (kesilmiş, kesilmemiş) tahmin edilmesi için makine öğrenmesi yöntemlerinden yararlanılmaktadır. Tezin amacı doğrultusunda, bağımlı değişken olarak kesme konumları, bağımsız değişkenler olarak fizikokimyasal özellikler ele alınmıştır. Bu kapsamda, karar ağaçları, naive bayes, lojistik regresyon analizi, rastgele orman ve k en yakın komşuluk sınıflandırma algoritmaları tanıtılarak 10 kat çapraz doğrulama uygulanarak sınıflandırma performans ölçütleri bakımından karşılaştırma yapılmıştır. Veri setinin özgünlüğü ve literatür de daha önce böyle bir veri ile çalışılmadığı göz önüne alınarak yapılan bu uygulama da “WEKA” açık kaynak yazılımının yanı sıra “MATLAB” ve “Microsoft Excel” programları kullanılmıştır.