683 research outputs found
Ziraat Bankası kredileri
No full textAnkara : İhsan Doğramacı Bilkent Üniversitesi İktisadi, İdari ve Sosyal Bilimler Fakültesi, Tarih Bölümü, 2013.This work is a student project of the The Department of History, Faculty of Economics, Administrative and Social Sciences, İhsan Doğramacı Bilkent University.by Zeynep Gül Erel.Erel, Zeynep Gül. HIST 200-18EREL HIST 200-18/2 2012-1
Anne-baba Soruyor, Akademisyen Cevap Veriyor
No full text##nofulltext##Özgülük, Sıdıka Burcu (MEF Author)..
Investigation of the Role Self- Compassion and Basic Psychological Needs Play in Adolescents’ Cyber- Bullying Behaviors
No full textÖzgülük, Sıdıka Burcu (MEF Author)##nofulltext##..
Machine Learning Based Integration of miRNA and mRNA Profiles Combined With Feature Grouping and Ranking
No full textHastalıkların oluşum ve gelişim mekanizmalarını moleküler seviyede anlamak çok önemlidir. Hastalığa yol açan fonksiyonel mekanizmaların açığa vurulması, yalnızca hastalıkların moleküler tanısına değil, aynı zamanda yeni tedavi yöntemlerinin geliştirilmesine de katkıda bulunur. Bugünlerde, teknolojideki ilerlemeler sayesinde moleküler veriler eski zamanların aksine daha ucuz fiyatlarla elde edilebilir. Bu erişime açık verilerin entegre edilmesi, özellikle kanser gibi kompleks oluşum ve ilerleme mekanizması olan hastalıkların moleküler mekanizmalarını anlamak için elzemdir. Bu tezde, kanser hastalarını doğru sınıflandırmak için, mRNA ve mikroRNA verilerini (moleküler seviyede iki tip –omik veri) entegre eden miRcorrNet ve miRMUTINet adında iki adet araç geliştirildi. 11 kanser tipi için, örneklerin mRNA ve miRNA ekspresyon profilleri, The Cancer Genome Atlas'tan indirildi. İki veri tipi, hem Pearson Korelasyon Katsayısı, hem de Ortak Bilgi metrikleri kullanılarak entegre edildi. 100 katlı Monte Karlo Çapraz Doğrulama kullandığımız deneylerimizde, her iki araç için de 99% Area Under the Curve skoru elde ettik. Geliştirilen yöntemler bağımsız veri kümeleri ile de test edildi. Biyolojik doğrulama amacıyla, her kanser tipi için, önemli olduğu belirlenen miRNAlar ve genler listesi üzerinde, fonksiyonel zenginleştirilme analizi gerçekleştirildi. Ayrıca, her kanser tipi için, hastalıklar ile ilgili olduğu düşünülen mRNA ve miRNA'ler literatür validasyonuna tabi tutulmuş ve bulguların dikkate değer olduğu görülmüştür.It is very important to understand the development and progression mechanisms of the diseases at the molecular level. Revealing the functional mechanisms that cause the disease not only contributes to the molecular diagnosis of the diseases, but also contributes to the development of the new treatment methods. Nowadays, due to the advances in technology, more molecular data can be obtained at cheaper costs, unlike in the past. Integrating these available data is essential to understand the molecular mechanisms of the diseases, especially the ones having complex formation and progression processes such as cancer. In this thesis, to correctly classify cancer patients and cancer free patients, two different bioinformatics tools (miRcorrNet and miRMUTINet) that integrate mRNA and microRNA data (two types of -omic data at the molecular level) have been developed. For 11 cancer types, mRNA and miRNA expression profiles of the samples were downloaded from The Cancer Genome Atlas. These two data types were integrated using both the Pearson Correlation Coefficient and the Mutual Information metrics. In our experiments using 100-fold Monte Carlo Cross Validation, for both tools, 99% Area Under the Curve score have been obtained. The developed tools have also been tested using independent dataset. For biological validation purposes, for each cancer type, functional enrichment analysis is conducted on the identified list of significant miRNAs and genes. Additionally, for each cancer type, the identified mRNAs and miRNAs were subject to literature validation and the findings were noteworthy
K-mer sekans gösterimine dayalı microRNA-hastalık ilişkilerinin ve microRNA-tür ilişkilerinin sınıflandırılması
No full textThe dysregulated gene expression brings about a variety of diseases, and dysregulation of microRNA (miRNA) has a wide impact on disease development and cellular physiology. Thus, miRNAs play important roles in a variety of fundamental and significant biological processes related to human diseases. There are a lot of research about changes in the function of miRNAs have been published in many human diseases. Computational methods serve as a complementary process to traditional wet-lab experiments, which require many resources and time in terms of detecting potential miRNA-Disease associations. Furthermore, there is a need to present a novel approach that allows assignment of an unknown miRNA to its most likely species. An easy way to filter new data would be to ensure that the new miRNA is classified below the maximum distance to the species known to originate from. In this thesis, a computational model has been proposed for identifying miRNA-disease and miRNA-Species associations by depicting the miRNAs with their k-mer sequence representation and by utilizing machine learning methodologies. The difference of our approach is which we reveal disease and species associated the sequences of miRNA store information. This put a question about the miRNA's chemical compounds and their associations with different types of species and diseases. With this study, the new disease-disease and species-Species associations disclosed can be calculated for many different species and diseases, these approaches can develop to species and disease classification. Lastly, our study may open a door to redefine species and diseases classifications which have been used nowadays, also it may provide the improvement of treatment strategies and early diagnosisDüzensiz gen ekspresyonu, çeşitli hastalıkları beraberinde getirir ve mikroRNA'nın (miRNA) düzensizliğinin, hastalık gelişimi ve hücresel fizyoloji üzerinde geniş bir etkisi vardır. Bu nedenle miRNA'lar, insan hastalıklarıyla ilgili çeşitli temel ve önemli biyolojik süreçlerde önemli roller oynar. Birçok insan hastalığında miRNA'ların işlevindeki değişiklikler hakkında birçok araştırma yayınlanmıştır. Hesaplamalı yöntemler, potansiyel miRNA-hastalık ilişkilerini saptamak açısından birçok kaynak ve zaman gerektiren geleneksel ıslak laboratuvar deneylerini tamamlayıcı bir süreç olarak hizmet eder. Ayrıca, bilinmeyen bir miRNA'nın en olası türlerine atanmasına izin veren yeni bir yaklaşım sunmaya ihtiyaç vardır. Yeni verileri filtrelemenin kolay bir yolu, yeni miRNA'nın köken aldığı bilinen türlere olan maksimum mesafenin altında sınıflandırılmasını sağlamak olabilir. Bu tezde, miRNA'ları k-mer sekans gösterimleri ile betimleyerek ve makine öğrenme metodolojilerini kullanarak miRNA-hastalığı ve miRNA-tür ilişkilerini tanımlamak için bir hesaplama modeli önerilmiştir. Yaklaşımımızın farklılıkları, miRNA depolama bilgilerinin dizileriyle ilişkili hastalıkları ve türleri ortaya çıkarmamızdır. Bu, miRNA'ların kimyasal bileşikleri ve bunların farklı türler ve hastalıklarla ilişkileri hakkında bir soru ortaya koyar. Bu çalışma ile ortaya çıkan yeni hastalık-hastalık ve tür-tür ilişkileri birçok farklı tür ve hastalık için hesaplanabilmekte, bu yaklaşımlar tür ve hastalık sınıflandırmasını geliştirebilmektedir. Son olarak, çalışmamız günümüzde kullanılan tür ve hastalık sınıflandırmalarının yeniden tanımlanmasına kapı aralayabilir, ayrıca tedavi stratejilerinin geliştirilmesini ve erken teşhis edilmesini de sağlayabili
Blockchain Based Data Sharing Platform for Bioinformatics Field
No full textSon zamanlarda, panomik çalışmalar -omik verileri ile diğer veri türlerini birleştirerek, yeni ve uygulanabilir biyobelirteçleri belirlemeye çalışmaktadır. Bu bağlamda omik verilerinin doğru analizi için veri paylaşımının yanı sıra veri gizliliği ve sahipliği sorunlarını çözen, etik yönleri dikkate alan güvenli platformların geliştirilmesine ihtiyaç vardır. Bugünlerde blokzincir teknolojisi, farklı bir perspektiften bu sorunlara yönelik yeni bir çözüm sunduğu için genomik alanında büyük ilgi görmektedir. Bu tezde, verimli genomik veri paylaşımını sağlamak, genomik veriler üzerinde istatistiksel analiz ve benzeri işlemleri yapmak için blokzinciri, homomorfik şifreleme ve intel yazılım koruması uzantısına (SGX) dayanan, GenShare adlı hibrit bir platform önermekteyiz. Önerilen model, homomorfik şifreleme ve SGX kullanarak güvenlik gizliliği sorunlarını çözerken, diğer sorunları Hyperledger Fabric ve Ethereum ağlarının bir kombinasyonunu kullanarak çözmektedir. Bu çalışmada, GenShare modelinin ilk aşaması olan Hyperledger Fabric ağ kurulumu yapılmış ve farklı sayıda iş yükü ile ağın performansı test edilmiştir. Performans değerlendirmelerimizin sonucunda, GenShare modelinin veri toplama ve paylaşma sürecini hızlandıracağı, ve kullanıcalar için verimli bir platform olacağı sonucuna varılmıştır.Recently, panomics studies attempt to identify new and actionable biomarkers by combining -omics data with other data types. In this context, there is a need to develop secure platforms that take into account ethical aspects and solve privacy and ownership issues as well as data sharing for an accurate analysis of -omics data. These days, blockchain technology has picked up significant attention in genomics, since it offers a new solution to these problems from a different perspective. In this thesis, we proposed a hybrid platform called GenShare, which is based on blockchain, homomorphic encryption and intel software guard extension (SGX) to provide efficient genomic data sharing, to perform statistical analysis and other similar processes on genomic data. While the proposed model solves security-privacy issues using homomorphic encryption and SGX, it solves other issues by using a combination of Hyperledger Fabric and Ethereum networks. In this study, Hyperledger Fabric network, which is the first phase of the GenShare model, setup is made and the performance of the network is tested with a different number of workloads. At the end of our performance evaluations, we concluded that the GenShare model has a potential to speed up the process of collecting and sharing data and it offers an efficient platform for the participants
Merkezi olmayan elektronik sağlık kaydı yönetim sistemi ve makine öğrenmesi yöntemleri ile hastalık tahmini
No full textElectronic health records (EHRs) are vital to the advancement of healthcare and can help detect and prevent diseases early. However, EHR sharing faces challenges such as managing large data volumes, ensuring data privacy, security, and interoperability. This thesis aims to develop and analyze a blockchain-based EHR sharing system for disease prediction mechanism integration using SysML. The AguHyper platform, built by merging the InterPlanetary File System (IPFS) with Hyperledger Fabric, ensures the immutability of health records by storing hash values in the blockchain and encrypted records in IPFS. The system architecture and implementation configurations, including CouchDB and the Raft consensus mechanism, are thoroughly examined. The study also presents a novel hybrid approach called CSA-DE-LR, which integrates Differential Evolution (DE) and Clonal Selection Algorithm (CSA) with Logistic Regression (LR) to improve LR weights for precise categorization of cardiovascular diseases. The integration of the AguHyper with the CSA-DE-LR is explained in detail. At the end of our performance evaluations, we concluded that the AguHyper model has the potential to speed up the process of collecting and sharing data, and it offers an efficient platform for the participants.Elektronik sağlık kayıtları (EHRs), sağlık hizmetlerinin ilerlemesi için hayati öneme sahiptir ve hastalıkların erken tespit edilip önlenmesine yardımcı olabilir. Ancak EHR paylaşımı, büyük veri hacimlerinin yönetilmesi, veri gizliliğinin, güvenliğin ve birlikte çalışabilirliğin sağlanması gibi zorluklarla karşı karşıyadır. Bu tez, SysML kullanarak hastalık tahmin mekanizması entegrasyonu için blokzincir tabanlı bir EHR paylaşım sistemi geliştirmeyi ve analiz etmeyi amaçlamaktadır. Gezegenler Arası Dosya Sisteminin (IPFS) Hyperledger Fabric ile birleştirilmesiyle oluşturulan AguHyper platformu, şifrelenmiş kayıtları IPFS'de ve hash değerlerini ise blokzincirde depolayarak sağlık kayıtlarının tahrip edilemezliğini sağlamaktadır. CouchDB ve Raft konsensüs mekanizması da dahil olmak üzere sistem mimarisi ve uygulama konfigürasyonları kapsamlı bir şekilde incelenmektedir. Çalışma ayrıca, kardiyovasküler hastalıkların kesin kategorizasyonu için LR ağırlıklarını iyileştirmek amacıyla Diferansiyel Evrim (DE) ve Klonal Seçim Algoritmasını (CSA) Lojistik Regresyon (LR) ile birleştiren CSA-DE-LR adı verilen yeni bir hibrit yaklaşım da sunmaktadır. AguHyper'ın CSA-DE-LR ile entegrasyonu ayrıntılı olarak anlatılmaktadır. Performans değerlendirmeleri sonucunda AguHyper modelinin veri toplama ve paylaşma sürecini hızlandırma potansiyeline sahip olduğu ve katılımcılara verimli bir platform sunduğu sonucuna varılmıştır
Visualization of Intersecting Sets in Biological Networksand Filtering Based on Their Topological Properties
No full textBilgisayar bilimleri ve veri işleme teknolojilerinin hızlı gelişimiyle beraber, biyoenformatik alanı, bu yüzyılın popülerliği artan disiplinlerarası çalışma alanlarından birisi haline gelmiştir. Bu tez çalışmasında, BioNetVis isimli yeni bir göreslleştirme aracı geliştirerek, biyoenformatik very analizine yeni bir perspektif getirmeyi amaçladık. Geliştirdiğimiz araç, keşisen kümeleri biyolojik ağlar, özellikle protein-protein etkileşim ağları üzerinde görselleştirme ve ağ topolojik özelliklerine göre filtreleme yeteneğine sahiptir. BioNetVis, verileri olabildiğince hızlı ve verimli bir şekilde işlemek için son teknoloji frameworkler ve programlama kütüphaneleri ile geliştirilmiştir. BioNetVis'in ana amacı kesişen biyolojik verileri, biyolojik ağlar üzerinde analiz etmeyi kolaylaştırmaktır. Sunulan araç, ilaçların yeniden konumlandırılması, kişiselleştirilmiş tıp, nadir hastalıkların teşhis ve tedavisi konularında çalışan araştırmacılara hizmet etmeyi amaçlar. Proje şu üç adımda gerçekleştirilmiştir. İlk olarak, biyolojik veri biyolojik ağa haritalanmış, ve back-end kısmı geliştirilmiştir. İkinci olarak, back-end kısmında işlenmiş veriler, kullanıcılar için kodlanan arayüz ile görselleştirilmiştir. Üçüncü olarak, front-end ve back-end kısımları birleştirilmiş ve araştırmacılar için kullanılabilir hale getirilmiştir. BioNetVis'i diğer ağlara ve diğer veri kümelerine kolayca uyarlanabilsin diye modüler olarak tasarladık. Böylece, BioNetVis diğer alanlarda kesişen veri kümelerinin ağda görsellenmesi, ve ağ topolojik özelliklerine göre filtrelenmesi amacıyla kullanılabilir. Son olarak, BioNetVis'in sunduğu işlevleri açıklamak için, bir kullanım uygulaması ile beraber sunduk. Anahtar kelimeler: Biyoenformatik, Veri Görsellenmesi, Kesişen Veri Kümeleri, İlaçların Yeniden Konumlandırılması, Kişiselleştirilmiş TıpWith the rapid development of computer sciences and data processing technologies, bioinformatics became one of the rising multidisciplinary fields in this century. In this thesis, we aim to introduce a new perspective on bioinformatics data analysis via developing a new visualization software called BioNetVis. Our tool has ability to visualize intersecting sets in the biological networks, especially in the protein-protein interaction networks; and to filter based on graph topological measures. BioNetVis, is developed with the latest versions of state-of-the-art frameworks and programming libraries for processing data as fast as possible with higher efficiency. The main goal of BioNetVis is to facilitate the analysis of intersecting biological datasets on biological networks. The proposed tool aims to serve to the researchers who are working in the field of drug repurposing, personalized medicine, diagnosis and treatment of rare diseases. The project implementation is realized in the following three steps. Firstly, the biological data is mapped to a biological network and back-end development is performed. Secondly, a visualization is created based on the processed data in the back end with latest framework services. Thirdly, the back-end and front-end developments are connected and BioNetVis is made available to the researchers. We design BioNetVis in a modular fashion such that it is applicable to other types of networks and datasets and hence, it could be used in other domains to visualize intersecting sets in networks and filter based on graph topological properties. Lastly, we present a use case scenario to explain the features of BioNetVis. Keywords: Bioinformatics, Data Visualization, Intersecting Data Sets, Drug Repurposing, Personalized Medicin
Development of Data Mining Methodologies and Machine Learning Models to Understand Cardiovascular Disease Mechanisms
No full textDünya Sağlık Örgütü'nün 2016 yılında yayınladığı bir rapora göre, Koroner Arter Hastalığı (KAH), dünyadaki toplam ölümlerin %31'ine (17,9 milyon), neden olmaktadır. Ayrıca, 2030'da yaklaşık 23,6 milyon insanın KAH'dan dolayı öleceği tahmin edilmektedir. Bu hastalığın önümüzdeki yıllarda, milyonlarca ölüme neden olacağı, tanı ve tedavisinin milyarlarca dolara mal olacağı düşünülmektedir. KAH, arterlerin duvarlarında aterom denilen yağlı madde birikiminin bir sonucu olarak, kalbin kanla yeterince beslenmemesi durumudur. Makine öğrenmesi ve veri madenciliğinin yöntemlerinin gelişmesiyle birlikte, bazı fiziksel ve biyokimyasal değerleri kontrol ederek, Kardiovasküler Hastalığı (KVH) ucuz ve zahmetsiz bir şekilde teşhis etmek mümkündür. Bu bağlamda, bu tezde, KVH teşhisi için farklı hesaplamalı öznitelik seçme (ÖS) yöntemleri, doğrusal ayırt edici analizler ve farklı sınıflandırma algoritmaları değerlendirilmiş; ve bir alan bilgisi temelli ÖS yöntemi, bir topluluk ÖS yöntemi ve bir olasılıksal ÖS yöntemi önerilmiştir. Bu tez çalışması, halka açık iki veri seti olan UCI Cleveland ve Z-Alizadehsani verileri üzerinde deneyler yaparak, KHV'ları daha düşük maliyetle teşhis edebilecek sağlam bir model geliştirmeyi amaçlamaktadır. Önerilen çözüm, yapılan deneylerdeki tanı testlerinde %91.78 doğruluk ve %93.50 duyarlılık ulaşmıştır.World Health Organization (WHO) reported that in 2016, 31% (17.9 million) of the total deaths in the world were caused by Coronary Artery Disease (CAD) and it is estimated that around 23.6 million people will die from CAD in 2030. In the following years, this disease will cause millions of more deaths and the diagnosis and treatment will cost billions of dollars. CAD, which is a sub-category of Cardiovascular Disease (CVD), is the inability to feed the heart with blood as a result of the accumulation of fatty matter called atheroma on the walls of the arteries. With the development of machine learning and data mining techniques, it became possible to diagnose Cardiovascular Diseases (CVD), especially CADs, at a lower cost via checking some physical and biochemical values. To this end, in this thesis, for CVD diagnosis problem, different computational feature selection (FS) methods, dimension reduction, and different classification algorithms have been evaluated; and a domain knowledge-based FS method, an ensemble FS method and a probabilistic FS method have been proposed. Via experimenting on two publicly available data sets, i.e., UCI Cleveland and Z- Alizadehsani, this thesis aims to generate a robust model for the diagnosis of CVD, at a lower cost. In our experiments, our proposed solution achieved 91.78% accuracy and 93.50% sensitivity on the diagnostic tests
- …
