Pamukkale Univ Muh Bilim Derg. 2022; 28(2): 255-265 | DOI: 10.5505/pajes.2021.51261

Ýnsana ait protein fonksiyonlarýnýn protein haritalama teknikleri ve derin öðrenme modeli ile tahmin edilmesi

Talha Burak Alakuþ¹, Ýbrahim Türkoðlu^2
1Kýrklareli Üniversitesi, Mühendislik Fakültesi, Yazýlým Mühendisliði Bölümü, Kýrklareli, Türkiye
²Fýrat Üniversitesi, Teknoloji Fakültesi, Yazýlým Mühendisliði Bölümü, Elazýð, Türkiye

Canlýlarýn moleküler mekanizmasýnýn anlaþýlabilmesi için protein fonksiyonlarý önem arz etmektedir. Proteinlere ait fonksiyonlar belirlenirken, proteinlerin yapýlarýndan yararlanýlýr. Protein fonksiyonlarý daha çok, karakterize edilmemiþ protein dizilimlerinin anotasyonlarýnýn belirleyebilmek, canlýlarýn hücresel mekanizmalarýný anlayabilmek, genlerde ya da proteinlerde hastalýða neden olan fonksiyonel deðiþiklileri belirleyebilmek ve hastalýklarýn önlenebilmesi, tedavi edilebilmesi ve teþhisi için yeni yaklaþýmlar geliþtirmek için kullanýlmaktadýr. Protein fonksiyonlarý deneysel yöntemlerle etkin bir þekilde belirlenebilmektedir. Ancak, deneysel yöntemlerin zaman almasý ve çok sayýda kimyasal süreçten geçmesi, bu aþamalarýn yavaþ ve maliyetli olmasýna neden olmaktadýr. Bunlara ek olarak, fonksiyonel yapýsý ve dizilimi bilinen bazý proteinlerin anotasyonlarý deneysel süreçlerden dolayý halen belirlenememektedir. Bu gibi nedenler ve dezavantajlardan dolayý hesaplama-tabanlý uygulamalara ihtiyaç duyulmaktadýr. Hesaplama-tabanlý uygulamalar için genellikle yapay zeka algoritmalarý kullanýlmaktadýr. Yapay zeka yöntemleri ile protein fonksiyonlarýnýn tahmin edilebilmesi için protein dizilimlerinin belirli haritalama yöntemleri ile sayýsal hale getirilmesi gerekmektedir. Bu çalýþmada, belirli protein haritalama teknikleri kullanýlarak gen ontoloji tabanlý protein fonksiyonlarýnýn tahmini gerçekleþtirilmiþtir. Çalýþma, protein verilerinin elde edilmesi, protein dizilimlerinin sayýsallaþtýrýlmasý, protein fonksiyonlarýnýn sýnýflandýrýlmasý ve protein haritalama tekniklerinin performanslýlarýnýn belirlenmesi olmak üzere dört farklý aþamadan oluþmaktadýr. Çalýþmanýn sonunda, biyolojik süreç kategorisinde en iyi doðruluk ve AUC skoru PAM250 protein haritalama tekniði ile elde edilmiþ ve sýrasýyla %69 ve %88 olarak hesaplanmýþtýr. Hücresel bileþen kategorisinde ise en iyi doðruluk ve AUC deðer, sýrasýyla %64 ve %89 oraný ile FIBHASH protein haritalama tekniði ile elde edilmiþtir. Moleküler fonksiyon kategorisinde ise %64 AUC oraný ve %89 doðruluk deðeri ile en iyi sonuç FIBHASH ile elde edilmiþtir. Önerilen yapay zeka yöntemi ile protein sayýsal haritalama tekniklerinin birlikte kullanýmýnýn, protein fonksiyonlarýnýn tahmin edilmesinde etken bir role sahip olduðu gözlemlenmiþtir.

Anahtar Kelimeler: Protein fonksiyonlarý, Derin öðrenme, Protein haritalama teknikleri, Ýki yönlü uzun-kýsa vadeli bellek

---

Prediction of human protein functions with protein mapping techniques and deep learning model

Talha Burak Alakuþ¹, Ýbrahim Türkoðlu^2
1Kirklareli University, Engineering Faculty, Department Of Software Engineering, Kirklareli, Turkey
²Firat University, Technology Faculty,department Of Software Engineering, Elazig, Turkey

Protein functions are important for understanding the molecular mechanism of living organisms. Protein structures are used when determining the functions of proteins. Protein functions are mostly used to determine the annotations of uncharacterized protein sequences, to understand the cellular mechanisms of living things, to identify functional changes in genes or proteins that cause disease, and to develop new approaches to prevent, treat and diagnose diseases. Protein functions can be determined effectively by experimental methods. However, experimental methods take time and go through many chemical processes, causing these stages to be slow and costly. In addition to these, the annotations of some proteins whose functional structure and sequence are known cannot be specified due to experimental processes. Due to such reasons and disadvantages, computational-based approaches are needed. Artificial intelligence algorithms are generally used for computational-based applications. In order to predict protein functions with artificial intelligence methods, protein sequences must be mapped with certain mapping methods. In this study, prediction of gene ontology-based protein functions was performed using certain protein mapping techniques. The study consists of four different stages; obtaining protein data, mapping protein sequences, classifying protein functions, and determining the performance of protein mapping techniques. At the end of the study, the best accuracy and AUC score in the biological process category was obtained by the PAM250 protein mapping technique and was calculated as 69% and 88%, respectively. In the cellular component category, the best accuracy and AUC value were obtained by FIBHASH protein mapping technique with 64% and 89%, respectively. In the molecular function category, the best result was obtained with FIBHASH with 64% AUC score and 89% accuracy. It has been observed that the combined use of the proposed artificial intelligence method and protein numerical mapping techniques have an effective role in predicting protein functions.

Keywords: Protein functions, Deep learning, Protein mapping techniques, Bidirectional long-short term memory

---