951 research outputs found
THE LIFE AND PERSONALITY OF GALIP ERDEM (1930-1997)
No full textBu çalışmada Türk basın-yayın ve siyasi hayatında milliyetçi ve muhafazakar kimliğiyle öne çıkan çok önemli bir gazeteci ve yazar, deneyimli bir bürokrat ve aynı zamanda bir avukat olan Galip Erdem’in hayatı ve kişiliği incelenmiştir. Galip Erdem basın-yayın hayatı boyunca yazı işleri müdürlüğü, yazarlık ve genel yayın yönetmenliği gibi çok aktif görevlerde bulunmuştur. Galip Erdem bu görevlerini Türk Yurdu, Orkun, Tercüman, Son Havadis, Yeni İstanbul, Bizim Anadolu, Zafer, Bab-ı Alide Sabah, Ortadoğu, Ölçü, Devlet, Bozkurt, Yeni Sözcü, Bakış, Töre ve Millî Hareket isimli dönemin milliyetçi ve muhafazakar görüşte olan dergi ve gazetelerinde sürdürmüştür. Kendisi bu faaliyetleri devam ederken başta Hüseyin Nihal Atsız, Dündar Taşer, Prof. Dr. Osman Turan, Osman Yüksel Serdengeçti ve Emine Işınsu olmak üzere pek çok akademisyen, sanatçı, yazar ve bilim insanıyla birlikte çalışma fırsatı bulmuştur. Çok üretken bir yazar olarak dikkat çeken Galip Erdem’in, sadece Devlet’te 340 makalesi yayınlanarak en fazla makalesi yayınlanan yazar unvanına sahip olmuştur. Kerkük Türklüğüne ise özel bir önem atfeden Galip Erdem, Irak Türkmenlerini devamlı surette Anadolu’nun bir parçası olarak görmüştür. Galip Erdem siyasi yaşamı esnasında ise Samsun, Burdur ve Niğde illerinden 1965, 1969 ve 1973 yıllarında yapılan genel seçimlerde milletvekili adayı olmuştur. Kendisi aynı zamanda 12 Eylül 1980 Darbesi’nden sonra görülen MHP ve Ülkücü Kuruluşlar Davası’nın avukatlarındandır.The life and personality of Galip Erdem, a very notable journalist and writer, an experienced bureaucrat and a lawyer, who stands out with his nationalist and conservative identity in the Turkish press and political life, is analyzed in this study. Galip Erdem worked in very active positions such as editor-in-chief, author and executive editor throughout his press life. Galip Erdem performed these duties in Türk Yurdu, Orkun, Tercüman, Son Havadis, Yeni İstanbul, Bizim Anadolu, Zafer, Bab-ı Alide Sabah, Ortadoğu, Ölçü, Devlet, Bozkurt, Yeni Sözcü, Bakış, Töre ve Millî Hareket, which were nationalist and rightwinger magazines and newspapers of the period. While continuing these activities, he had the opportunity to work with a great many academicians, artists, authors and scientists, especially Hüseyin Nihal Atsız, Dündar Taşer, Prof. Dr. Osman Turan, Osman Yüksel Serdengeçti and Emine Işınsu. Galip Erdem, who was a very prolific author, had 340 articles published only in Devlet newspaper, making him the author with the highest number of articles published. Galip Erdem, who attributed special importance to Kirkuk Turkishness, always considered Iraqi Turkmen as a part of Anatolia. During his political life, Galip Erdem became a candidate for parliamentarian from Samsun, Burdur and Niğde in the general elections held in 1965, 1969 and 1973. He was also one of the lawyers of the MHP (Nationalist Movement Party) and Ülkücü Kuruluşlar (Idealistic Associates) Case after the September 12, 1980 coup d'état
Effect of pacifier use on exclusive and any breastfeeding: a meta-analysis
No full textKarabulut E, Yalcin SS, Ozdemir-Geyik P, Karaagaoglu E. Effect of pacifier use on exclusive and any breastfeeding: a meta-analysis. Turk J Pediatr 2009; 51: 35-43
A correlation coefficient-based feature selection approach for virus-host protein-protein interaction prediction
No full textPrediction of virus-host protein-protein interactions (PPI) is a broad research area where various machine-learning-based classifiers are developed. Transforming biological data into machine-usable features is a preliminary step in constructing these virus-host PPI prediction tools. In this study, we have adopted a virus-host PPI dataset and a reduced amino acids alphabet to create tripeptide features and introduced a correlation coefficient-based feature selection. We applied feature selection across several correlation coefficient metrics and statistically tested their relevance in a structural context. We compared the performance of feature-selection models against that of the baseline virus-host PPI prediction models created using different classification algorithms without the feature selection. We also tested the performance of these baseline models against the previously available tools to ensure their predictive power is acceptable. Here, the Pearson coefficient provides the best performance with respect to the baseline model as measured by AUPR; a drop of 0.003 in AUPR while achieving a 73.3% (from 686 to 183) reduction in the number of tripeptides features for random forest. The results suggest our correlation coefficient-based feature selection approach, while decreasing the computation time and space complexity, has a limited impact on the prediction performance of virus-host PPI prediction tools
Yoğun Bakım Ünitelerinde Yatan Hastalara İlişkin Mortalite ve Yatış Süresine Etki Eden Faktörlerin Veri Madenciliği Yöntemleriyle İncelenmesi,Yoğun Bakım Ünitelerinde Yatan Hastalara İlişkin Mortalite ve Yatış Süresine Etki Eden Faktörlerin Veri Madenciliği Yöntemleriyle İncelenmesi
No full textIn this thesis, association rules, classification and regression models of data mining methods were used in order to estimate mortality and length of stay in intensive care units. A total of seven classification models, C4.5, CART, random forest, logistic regression, support vector machine, artificial neural network and naive bayes, were built using a total of 4,233 patient data for estimating mortality. Random forest model, which has the best predictive performance, was compared with APACHE II mortality prediction model which is commonly used in intensive care units as a logistic regression based model, and it was found that random forest model performed better. In order to predict length of stay in intensive care units; linear regression, support vector machines, random forest and artificial neural network models were built and artificial neural network performed better then other models. In addition, variable significance was found out from classification and regression models and as a result, most important factors affecting mortality and length of stay were determined.Bu tez çalışmasında veri madenciliği yöntemlerinden birliktelik kuralları, sınıflama ve regresyon modelleri, yoğun bakım ünitelerinde yatan hastaların mortalite ve yatış sürelerini tahmin etmek amacıyla kullanılmıştır. Mortalite tahmini amacıyla toplam 4.233 hasta verisi kullanılarak C4.5, CART, Rasgele Orman, Lojistik Regresyon, Destek Vektör Makinesi, Yapay Sinir Ağı ve Naive Bayes olmak üzere toplam yedi sınıflandırma modeli kurulmuştur. En iyi tahmin performansı gösteren rastgele orman modeli ile yoğun bakım ünitelerinde yaygın olarak kullanılan, lojistik regresyon temeline dayanan APACHE II mortalite tahmin modeli karşılaştırılmış, rastgele orman modelinin daha iyi performans gösterdiği sonucuna varılmıştır. Hastaların yoğun bakım ünitelerinde yatış süresinin kestirimi amacına yönelik olaraksa, doğrusal regresyon, destek vektör makineleri, rastgele orman ve yapay sinir ağları modelleri kurulmuştur. Ayrıca, kurulan sınıflama ve regresyon modellerinde değişken önemliliklerine göre mortalite ve yatış süresine etki eden en önemli faktörler belirlenmiştir
Transkriptom Veri Seti Üzerinde Derin Öğrenme Yöntemi ile Klasik Veri Madenciliği Yöntemlerinin Sınıflama Performanslarının Karşılaştırılması
No full textIn this thesis, Artificial Neural Networks, Random Forest, Support Vector Machines, which are classical data mining methods, and Deep Learning method were used to classify the cancer subtypes. The performances of these methods were compared by using some performance comparison measures like accuracy, Kappa and F measure. For this reason, two different RNA sequencing data sets were used. The first data set is the lung cancer data set which has two classes. It is a balanced data set in terms of class size. The other data set is renal cancer data set. This data set contains three classes and the number of observation in these classes are uneven. Gene sets used in the classification were obtained by using different filters. Therefore the performances of the classification methods in different data sets and filters were examined. For each classification method, specific parameters were optimized and the most appropriate parameters were selected. Deep Learning method which has a deeper structure compared to classical data mining methods, showed a successful performance on the data sets used in this study. In terms of the measurements used in performance comparison, the classical single-layer Artificial Neural Network has lower values compared to other methods.Microsoft Genetik EkibiONAY iii
YAYIMLAMA VE FİKRİ MÜLKİYET HAKLARI BEYANI iv
ETİK BEYAN v
TEŞEKKÜR vi
ÖZET vii
ABSTRACT viii
İÇİNDEKİLER ix
SİMGELER VE KISALTMALAR xi
ŞEKİLLER xii
TABLOLAR xiv
1. GİRİŞ 1
2. GENEL BİLGİLER 3
2.1. Omikler (Omics) 3
2.1.1. Genomikler (Genomics) 4
2.1.2. Transkriptomikler (Transcriptomics) 4
2.1.3. Proteomikler (Proteomics) 6
2.1.4. Metabolomikler (Metabolomics) 6
2.1.5. Transktriptom Verisinin Elde Edilmesi 7
2.2. Sınıflama Yöntemleri 15
2.2.1. Rastgele Orman 15
2.2.2. Destek Vektör Makineleri 19
2.2.3. Yapay Sinir Ağları 22
2.2.4. Derin Öğrenme 25
2.3. Performans Ölçüleri 35
3. GEREÇ VE YÖNTEM 39
3.1. Uygulama 39
3.1.1. Farklı İfade Edilmiş Genlerin Bulunması 39
3.1.2. Filtreleme 40
3.1.3. Dönüşüm 40
3.2. Yöntem 41
4. BULGULAR 44
5. TARTIŞMA 52
6. SONUÇ VE ÖNERİLER 57
7. KAYNAKLAR 58
8. EKLER
EK-1: Tez Çalışması Orijinallik Raporu
EK-2: Dijital Makbuz
9. ÖZGEÇMİŞBu tez çalışmasında akciğer kanseri ve böbrek kanserine ait RNA dizileme verileri kullanılarak, kanser alt türlerinin sınıflandırılmasında klasik veri madenciliği yöntemleri ve Derin Öğrenme yöntemi kullanılmıştır. Çalışmada kullanılan klasik veri madenciliği yöntemleri Yapay Sinir Ağları, Rastgele Orman ve Destek Vektör Makineleri’dir. Sınıflama yöntemlerinin performansları doğruluk, Kappa, F ölçütü gibi ölçüler kullanılarak karşılaştırılmıştır. Akciğer kanseri veri seti iki sınıflı ve sınıf dağılımları dengeli bir veri seti iken böbrek kanseri veri setinde üç sınıf vardır, sınıflardaki gözlem sayıları dengesizdir. Sınıflamada kullanılan gen setleri, farklı filtreler uygulanarak elde edilmiştir. Böylece, farklı özellikte veri setlerinde ve farklı filtrelerde sınıflama yöntemlerinin performansları incelenmiştir. Her sınıflama yöntemi için, yöntemlere ait belirli parametrelerin alabileceği değer aralıkları belirlenmiş ve eğitim setleri üzerinde denenerek uygun parametre seçimi gerçekleştirilmiştir. Çalışmada kullanılan veri setlerinde, klasik veri madenciliği yöntemlerine göre daha derin bir yapıya sahip olan Derin Öğrenme yöntemi, genel olarak başarılı bir performans göstermiştir. Performans karşılaştırmada kullanılan ölçüler bakımından tek katmanlı klasik Yapay Sinir Ağı, diğer yöntemlere göre daha düşük değerler almıştır
Machine Learning Methods for Virus–Host Protein–Protein Interaction Prediction
No full textThe attachment of a virion to a respective cellular receptor on the host organism occurring through the virus–host protein–protein interactions (PPIs) is a decisive step for viral pathogenicity and infectivity. Therefore, a vast number of wet-lab experimental techniques are used to study virus–host PPIs. Taking the great number and enormous variety of virus–host PPIs and the cost as well as labor of laboratory work, however, computational approaches toward analyzing the available interaction data and predicting previously unidentified interactions have been on the rise. Among them, machine-learning-based models are getting increasingly more attention with a great body of resources and tools proposed recently. In this chapter, we first provide the methodology with major steps toward the development of a virus–host PPI prediction tool. Next, we discuss the challenges involved and evaluate several existing machine-learning-based virus–host PPI prediction tools. Finally, we describe our experience with several ensemble techniques as utilized on available prediction results retrieved from individual PPI prediction tools. Overall, based on our experience, we recognize there is still room for the development of new individual and/or ensemble virus–host PPI prediction tools that leverage existing tools
Sosyal Ağ Analizinin Hastalık Biyobelirteçlerinin Belirlenmesinde Kullanımı
No full textEspecially, in recent years, the use of social network analysis has gained interest in biomarker discovery studies. Hybrid approaches involve social network analysis as a step of the feature selection process bring a different perspective to identify disease-specific biomarkers. In this thesis, dimension reduction, clustering and community detection methods used in the different steps of the hybrid approach called “SocialNetworkFeature Selection (SNFS)” were briefly reviewed; the different combinations of these methods in the steps of SNFS were compared by using open access genomic microarray data sets in terms of the effects on classification performance of Support Vector Machine (SVM) classifier. In addition, a simulation study was conducted to examine the changes in classification performance obtained from SVM classifier with the use of SNFS. In conclusion, it had been seen that SNFS approach applied in R improves the classification performance of SVM classifier tremendously and dimension reduction with SNFS has positive effects on classification performance in case of high dimensional data.ONAY SAYFASI iii
YAYIMLAMA VE FİKRİ MÜLKİYET HAKLARI BEYANI iv
ETİK BEYAN SAYFASI v
TEŞEKKÜR vi
ÖZET vii
ABSTRACT viii
İÇİNDEKİLER ix
SİMGELER ve KISALTMALAR xi
ŞEKİLLER xiii
TABLOLAR xiv
1. GİRİŞ 1
1.1. Probleme Genel Bakış 1
1.2. Genetik Verilerde Sosyal Ağ Analizinin Kullanımı 3
1.3. Alanyazına Katkı 4
1.4. Tezin Planı 5
2. GENEL BİLGİLER 6
2.1. Gen, Genetik Bilgi, Gen İfadesi ve Gen İfade Analiz Yöntemleri 6
2.2. Gen İfade Verileri ile Danışmanlı Makine Öğrenmesi 9
3. GEREÇ ve YÖNTEM 13
3.1. SNFS Melez Biyobelirteç Belirleme Yöntemi 13
3.1.1. Boyut İndirgeme Aşaması ve Özellik Seçimi 14
3.1.2. Genlerin Kümelenmesi 23
3.1.3. Sosyal Ağ Analizi ve Toplulukların Belirlenmesi 28
3.2. Çalışmada Kullanılan Veri Setleri 34
3.2.1. Gerçek Veri Setleri 34
3.2.2. Sentetik Veriler ve Benzetim Çalışması 37
4. BULGULAR 39
4.1. Lösemi Veri Setinden Elde Edilen Uygulama Sonuçları 39
4.2. Kolon Kanseri Veri Seti Üzerinde Uygulama Sonuçları 53
4.3. Sentetik Veri Seti Üzerinde Uygulama Sonuçları 55
4.4. Benzetim Çalışmasına İlişkin Sonuçlar 57
5. TARTIŞMA 61
6. SONUÇ ve ÖNERİLER 65
7. KAYNAKLAR 66
8. ÖZGEÇMİŞÖzellikle son yıllarda, hastalığa özgü biyobelirteçlerin belirlenmesi amacıyla yapılan çalışmalarda sosyal ağ analizinin kullanımı ilgi uyandırmaktadır. Özellik seçim (feature selection) sürecinin bir adımı olarak sosyal ağ analizinin yer aldığı melez (hybrid) yöntemler ile hastalığa özgü biyobelirteçlerin belirlenmesi problemine farklı bir bakış açısı getirilmektedir. Bu tez çalışmasında, “Sosyal Ağ Özellik Seçimi (SocialNetworkFeature Selection, SNFS)” olarak adlandırılan melez yöntemin farklı aşamalarında kullanılan boyut indirgeme, kümeleme ve topluluk belirleme yöntemleri kısaca incelenmiş; erişime açık genomik mikrodizi veri setleri kullanılarak, SNFS’nin adımlarında yer alan bu yöntemlerin farklı kombinasyonları, Destek Vektör Makinesi (DVM) sınıflayıcısının sınıflama başarımına etkileri açısından karşılaştırılmıştır. Aynı zamanda, SNFS kullanılarak DVM sınıflayıcısından elde edilen sınıflama başarımındaki değişimlerin incelenmesi amacıyla bir benzetim çalışması yapılmıştır. Sonuç olarak, R’da uygulanan SNFS yönteminin DVM sınıflayıcısının sınıflama başarımını ciddi oranda iyileştirdiği ve yüksek boyutlu veriler söz konusu olduğunda SNFS ile boyut indirgemenin sınıflama başarımı üzerinde olumlu etkisi olduğu görülmüştür
Prcell: Sentetik Biyoloji için Sinyal Yolağı Programlamaya Yönelik Bir Yazılım
No full textSynthetic biology is a new and interdisciplinary field of research aimed at applying the fundamental principles of engineering to biology, especially to the cell. It aims to design and produce artificial biological systems. Synthetic biology is very important to for design or adjust new signaling pathways that can be designed and implemented to alter or correct cellular functions, enable the cell to respond to environmental conditions, or manage cellular development. Researchers expect a future in which the design of biological circuits will resemble the design of integrated circuits in electronics and increase the capabilities of genetic engineering. The purpose of the applications developed as a cell programming language is to design genetic circuits for living cells and to realize the designed genetic circuit in the cell. One of these is Cello, which is based on the electronic circuit design program, verilog, and uses logic gates to design electronic circuits. Since we think that the application of electronic circuit design logic to biological circuits cannot be enough, in this thesis we have developed a new programming language for designing biological circuits which we call prCell. The main feature of prCell is that instead of the logic gates used for any electronic circuit design to design the biological circuit, it has a logic based on the dynamic structures in which the user will determine the input-output and control objects. This provides flexibility and possibility to design a very large and complex biological circuit. Since there will be a membership system in prcell to be published over the internet, there will be a database of the user and a biological circuit design environment of the user. Our most important goal is that anyone interested in synthetic biology can easily and effectively design the signal pathway and apply it in the living cell. We believe that in order to better model intracellular events, prcell will be developed according to user demands and will provide a different perspective for reprogramming living things.İÇİNDEKİLER
ONAY SAYFASI iii
YAYIMLAMA VE FİKRİ MÜLKİYET HAKLARI BEYANI iv
ETİK BEYAN v
TEŞEKKÜR vi
ÖZET vii
ABSTRACT viii
İÇİNDEKİLER ix
SİMGELER VE KISALTMALAR xii
ŞEKİLLER xiii
1.GİRİŞ 1
2.GENEL BİLGİLER 3
2.1. Bileşik 3
2.2. Protein 3
2.3. Modifiye Protein 3
2.4. Protein Kompleksi 3
2.5. Biyokimyasal Reaksiyonlar 4
2.6 .Gen İfadesi 4
2.7. Sinyal yolağı 5
2.8. Sinyal yolağı Çizim Programları 5
2.9. Sentetik Biyoloji ve Genetik Devreler 6
2.10. “prCell” Sinyal Yolağı Programlama Dili 8
3. GEREÇ VE YÖNTEM 9
3.1. Nesneler ve Etkileşimler 9
3.1.1. Sinyal Yolağında Kullanılan Temel Nesneler 9
3.1.2. Etkileşimler 11
3.1.3. Gen İfadesi ve Biyokimyasal Reaksiyonların Modellenmesi 14
3.1.4. Bağlanma 15
3.2. İş Akışı 17
3.2.1. Üyelik 17
3.2.2. Temel Nesnelerin Kaydedilmesi 17
3.2.3. Nesne ve Entity Yapısına Port Eklenmesi 17
3.2.4. Proje Oluşturma ve Diagram Çizme 19
3.3. Yazılımın Teknik Özellikleri 20
3.3.1. Veri tabanı dili 20
3.3.2. Programlama dili 21
3.3.3. Yazılım Mimarisi 21
3.3.4.Javascript Kütüphanesi 22
3.4. Veri tabanı Tasarlama 23
3.4.1. Temel Nesnelerle İlgili Tablolar 23
3.4.2. Nesnelerin Etkileşim Tabloları 26
3.4.3. Entity Tabloları 28
3.4.4. Geçici ve Gerçek tablolar 31
3.4.5. Diagram Tablosu 31
3.5. Nesnelerin Modellenmesi 32
3.5.1. Temel Nesnelerin Diagramda Gösterim Şekilleri 32
3.6. Gen İfadesi ve Biyokimyasal Reaksiyonlar 33
3.6.1. Entity Modellemesi 33 3.7. Üyelik ve Temel Veri Kaydı 34
3.7.1. Üyelik 34
3.7.2. Kütüphane Oluşturma 34
3.7.3. Kompleks Yapı Oluşturma 39
3.8. Port Ekleme 41
3.8.1. Nesnelere Giriş ve Kontrol Portlarının Eklenmesi 41
4.BULGULAR 48
4.1. Tasarım 48
4.1.1. Proje Oluşturma 48
4.2.2. Diagram Çizme 49
4.2. Örnek Bir Uygulama 53
4.2.1. Kütüphaneye Veri Kaydı 53
4.2.2. Nesnelere Giriş Ve Kontrol Portlarının Eklenmesi 58
4.2.3. Proje Oluşturma ve Diagram Çizme 62
4.2.4. Proje İmport ve Export Etmek 63
4.3. Ecoli Bakterisine Ait Sinyal Yolağı Üzerine Bir Uygulama 64
5.TARTIŞMA 68
6.SONUÇ VE ÖNERİLER 70
7.KAYNAKLAR 71
8.EKLER
EK-1: Etkileşim Kuralları
EK-2: KEGG Pathway Map
EK-3: Pathvisio Sinyal Yolağı Çizim Ekranı
EK-4: Dijital Makbuz
9.ÖZGEÇMİŞSentetik biyoloji, mühendisliğin temel ilkelerinin biyolojiye, özellikle de hücreye uygulanmasına yönelik yeni ve disiplinlerarası bir araştırma alanıdır. Yapay biyolojik sistemler tasarlamayı ve üretmeyi amaçlar. Sentetik biyoloji, hücresel işlevleri değiştirmek veya düzeltmek, hücrenin çevresel koşullara yanıt vermesini sağlamak veya hücresel gelişimi yönetmek için tasarlanıp uygulanabilen yeni sinyal yollarını tasarlamak veya ayarlamak için çok önemlidir. Araştırmacıları biyolojik devre tasarımının elektronikteki entegre devrelerin tasarımına benzeyeceği ve genetik mühendisliğinin yeteneklerini artıracağı bir gelecek bekliyor. Bir hücre programlama dili olarak geliştirilen uygulamaların amacı, canlı hücreler için genetik devreler tasarlamak ve hücrede tasarlanmış genetik devreyi gerçekleştirmektir. Bunlardan biri, elektronik devre tasarım programına dayanan, verilog olan ve elektronik devreleri tasarlamak için mantık kapılarını kullanan Cello'dur. Elektronik devre tasarım mantığının biyolojik devrelere uygulanmasının yeterli olamayacağını düşündüğümüzden, bu tezde prCell adını verdiğimiz biyolojik devrelerin tasarımı için yeni bir programlama dili geliştirdik. prCell'in ana özelliği, herhangi bir elektronik devre tasarımında biyolojik devreyi tasarlamak için kullanılan mantık geçitleri yerine, kullanıcının giriş-çıkış ve kontrol nesnelerini belirleyeceği dinamik yapılara dayanan bir mantığa sahip olmasıdır. Bu, çok büyük ve karmaşık bir biyolojik devre tasarlama esnekliği ve imkanı sağlar. İnternet üzerinden yayınlanacak olan prcell'de bir üyelik sistemi olacağından, kullanıcının bir veritabanı ve kullanıcının bir biyolojik devre tasarım ortamı olacaktır. En önemli hedefimiz sentetik biyoloji ile ilgilenen herkesin sinyal yolunu kolay ve etkili bir şekilde tasarlayıp canlı hücrede uygulayabilmesidir. Hücre içi olayları daha iyi modellemek için, prcell'in kullanıcı taleplerine göre geliştirileceğine ve canlıları yeniden programlamak için farklı bir bakış açısı sağlayacağına inanıyoruz
Mikrodizi Gen İfade Verilerinde Farklı Öznitelik Seçim Yöntemleri ile Sınıflama Yöntemlerinin Performanslarının Değerlendirilmesi
No full textBioinformatics is an interdisciplinary branch of science that combines statistics, biology, computing, mathematics, and genetics, and thanks to the analysis in bioinformatics, it can be shown which abnormalities causes which disease. In cancer disease, diagnosis with microarray gene expression data, classification procedures and identification of genes that are effective in the structure of cancer are of great importance for early diagnosis of the disease. In the thesis, microarray gene expression data of lung, kidney, lymphoma, cervical, prostate, breast and leukemia cancer types were studied. Since the number of features of the data is high, varFilter, nsFilter, rf, lasso, rfe and limma feature selection methods have been discussed. In filtered data sets, classification models were constructed with Naive Bayes, Support Vector Machines, k-Nearest Neighbor, Artificial Neural Networks and Deep Learning method, which has gained popularity in recent years. Accuracy, sensitivity, specificity and AUC were obtained to demonstrate which classification methods are better in the subject feature selection methods and to compare the performance and success of the generated classification models. Generally, classification models obtained in lasso and limma feature selection methods are more successful than models obtained in other feature selection methods. Deep Learning method is also generally more successful than classical data mining classification methods. Deep learning classification models were also obtained without applying the feature selection method on the datasets. It was compared whether there is a difference between the performances of deep learning models obtained by applying and without applying feature selection methods. In addition, implementation steps were carried out in four different simulation data. Similar results were obtained on real and simulation datasets.İstatistik, biyoloji, bilgisayar, matematik ve genetik bilimlerini bir arada kullanan disiplinler arası bir bilim dalı olan biyoinformatik sayesinde, hangi anormalliklerin hangi hastalığa neden olduğu gösterilebilmektedir. Kanser hastalığında mikrodizi gen ifade verileri ile yapılan teşhis, sınıflama işlemleri, kanserin yapısında etkili olan genlerin belirlenmesi erken teşhiste önemlidir. Bu tez çalışmasında da akciğer, lenfoma, rahim ağzı, prostat, meme ve lösemi kanser türlerine ait mikrodizi gen ifade verileri üzerinde çalışılmıştır. Verilerin öznitelik sayısı fazla olduğu için daha az sayıda öznitelik ile çalışmak amacıyla varFilter, nsFilter, rf, lasso, rfe ve limma öznitelik seçim yöntemleri ele alınmıştır. Öznitelik seçimi yapılmış veri setlerinde Naive Bayes, Destek Vektör Makineleri, k-En Yakın Komşu ve Yapay Sinir Ağları sınıflama yöntemleri ile son yıllarda popülerlik kazanan Derin Öğrenme yöntemi ile sınıflama modelleri oluşturulmuştur. Veri setlerinde, ele alınan öznitelik seçim yöntemlerinin hangi sınıflama yöntemlerinde daha iyi olduğunu göstermek ve oluşturulan sınıflama modellerinin performanslarını karşılaştırmak için doğruluk, duyarlılık, seçicilik ve ROC eğrisi altında kalan alan değerleri elde edilmiştir. Genellikle lasso ve limma öznitelik seçim yöntemlerinde oluşturulan sınıflama modelleri diğer öznitelik seçim yöntemlerinde oluşturulan modellere göre daha başarılıdır. Derin Öğrenme yöntemi de klasik veri madenciliği sınıflama yöntemlerine göre çoğunlukla daha iyi performans göstermiştir. Veri setleri üzerinde öznitelik seçim yöntemi uygulamadan Derin Öğrenme sınıflama modelleri de elde edilmiştir. Öznitelik seçim yöntemlerini uygulayarak ve uygulamadan elde edilen Derin Öğrenme modellerinin performansları da karşılaştırılmıştır. Ayrıca benzetim çalışması yapılmıştır ve gerçek veri setlerine benzer sonuçlar elde edilmiştir
Kısmi İlişkili Verileri İncelemekte Kullanılan Parametrik ve Parametrik Olmayan Yöntemler ve Benzetim Çalışması
No full textPartially correlated data is a situation that missing values appear in a dependent data for two groups.Kısmi ilişkili veri bağımlı iki gruplu veride kayıp değerlerin ortaya çıkmasıyla oluşan bir durumdur
- …
