پديد آورنده :
حسن پور، نسيم
عنوان :
تعيين ويژگيهاي متمايز كننده براي شناسايي اهداف دارويي در شبكهي برهمكنش پروتئيني
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
سيزده، ۷۵ص: مصور، جدول، نمودار
استاد راهنما :
جعفر قيصري
توصيفگر ها :
شبكهي زيستي , ويژگيهاي توپولوژي , شبكههاي برهمكنش پروتئيني , معيارهاي مركزيت , كنترلپذيري , موتيف , يادگيري ماشين
تاريخ ورود اطلاعات :
1396/08/16
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
1 چكيده سلول موجودي خودآموخته است و درون خود مكانيزمهاي متعددي براي كنترل و تنظيم فعاليتهايش دارد تا دو دههي گذشته هدف پژوهشگران شناخت اجزاي سازندهي سلول و چگونگي ارتباط آنها با يكديگر بوده است اما امروزه هدف اصلي از مطالعهي سلولها توانايي پيشبيني و دخالت در تصميمگيريهاي سلول است دانشي كه مطالعهي سيستماتيك در زمينهي سلولها بويژه فرآيندهاي سلولي مانند برهمكنشهاي مولكولي و ارتباطات بين سلولي را مورد بررسي قرار ميدهد علم زيست شناسي سيستمها نام دارد پيشرفت دانش مهندسي سبب شده كه اين علم با ابزارهاي خود بتواند سيستمهاي زيستي را مدلسازي و در نهايت آناليز كند شبكههاي زيستي به روشهاي متعددي مدلسازي ميشوند و تعدادي از مدلها بر پايهي نظريهي گراف ايجاد ميگردند در اين پايان نامه هدف يافتن ويژگيهاي متمايز كننده بين گرههاي مناسب به عنوان هدف دارو و ساير گرههاي شبكههاي برهمكنش پروتئيني براي طراحي داروهاي جديد است به همين منظور ابتدا به مطالعهي شبكههاي زيستي مدلسازي شده و بررسي ويژگيهايي كه تاكنون براي تشخيص اجزا مهم شبكههاي زيستي مورد استفاده قرار گرفتهاند و مشكالت و محدوديتهاي آنها پرداخته شده است سپس شبكهي برهمكنش پروتئيني انسان به شكل گراف مدلسازي شده است پس از مدلسازي شبكهي زيستي در قالب گراف مجموعهي بسيار گستردهاي حاصل ميشود هزاران ژن گرههاي گراف را تشكيل ميدهند و برهمكنش بين ژنها يالهاي گراف هستند آناليز چنين شبكهاي بسيار دشوار است و تشخيص اهداف دارويي گرههاي مهم و حساس نسبت به دارو در شبكههاي زيستي در اين شبكه از اهميت بااليي برخوردار است زيرا ميتوان پس از تشخيص اهداف دارويي شبكه روي آنها متمركز شد و در صورت امكان با تأثير دارو بر آن بخشها رفتار سلول را تغيير داد بنابراين ويژگيهايي جهت تشخيص بخشهاي مهم موجود در شبكههاي زيستي معرفي شدهاند و چون شبكهها به شكل گراف مدل ميشوند اين ويژگيها با استفاده از تئوري گراف اهداف دارويي را در شبكه شناسايي ميكنند پس از آن مشاهده ميشود ويژگيهايي كه براي تشخيص اجزا مهم شبكهها معرفي شدهاند داراي محدوديتهايي هستند و در شناسايي بخشهاي مهم شبكهها براي اثر دادن دارو بر آنها نتايج كامل و دقيقي ارائه نميدهند سپس الگوريتم كنترلپذيري شبكههاي زيستي بر روي شبكه برهمكنش پروتئيني سلول انساني پيادهسازي شده و نتايج حاصل كه گوياي رتبهبندي ميزان اهميت پروتئينها از ديدگاه اهداف دارويي هستند ارائه شدهاند مجددا مشاهده ميشود كه اين نظريه با دقت قابل قبولي قادر به جداسازي اهداف دارويي از ساير نودها نيست پس از آن موتيفهاي موجود در شبكه برهمكنش پروتئيني انسان شناسايي و جداسازي شدهاند همچنين نسبت حضور و نرخ تكرار اهداف دارويي در آنها محاسبه شده و با نسبت حضور و نرخ تكرار اهداف دارويي در شبكهي كلي مورد مقايسه قرار گرفتهاند عالوه بر اين تمامي موتيفهاي شناسايي شده در شبكه از نظر تعداد نوع و مكان قرارگيري اهداف دارويي بررسي شدهاند مشاهده ميشود كه احتمال حضور اهداف دارويي در موتيفها بسيار بيشتر از احتمال حضور آنها در كل شبكهي برهمكنش پروتئيني انسان است سپس در جهت يافتن تابعي براي شناسايي و تشخيص اهداف دارويي با دقت بيشتري پيش ميرويم و در اين راستا ويژگيهاي توپولوژي و برخي ويژگيهاي مربوط به موتيفها كه از مطالعات در اين رساله استخراج شده مورد استفاده قرار گرفتهاند در نهايت يك راهكار مناسب مبتني بر ساخت تابع بر اساس ويژگيها جهت تشخيص بخشهاي مهم و ضروري در شبكههاي زيستي ارائه شده تا بتوان آن بخشها را شناسايي كرد و سپس تحت تأثير دارو قرار داد و عملكرد سلول را تغيير داد سپس صحت و دقت عملكرد آن راهكار با تستها و نمودارهاي آماري بررسي ميگردد پس از آن به مطالعه بر الگوريتمهاي يادگيري ماشين پرداخته شده و براي شناسايي اهداف دارويي مورد استفاده قرار گرفتهاند با آزمايش بر ماشينهاي مختلف ماشيني كه بهينهترين عملكرد را در شناسايي اهداف دارويي دارد پيشنهاد شده است عالوه بر اين ويژگيهاي بيشتري از شبكه استخراج شده و براي آموزش و شناسايي در اختيار ماشين قرار گرفتهاند مشاهده ميشود استفاده از ماشين روش مناسبي براي جداسازي اهداف دارويي است و افزايش ويژگيها سبب بهبود عملكرد ماشين ميشود واژههاي كليدي شبكهي زيستي ويژگيهاي توپولوژي شبكههاي برهمكنش پروتئيني معيارهاي مركزيت كنترلپذيري موتيف يادگيري ماشين
چكيده انگليسي :
76 Determination of distinguishing features to identify drug targets in protein protein interaction network Nasim hassanpour N hassanpour@ec iut ac ir September 13 2017 Department of Electrical and Computer Engneering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language Farsi Supervisor Assoc Prof Jafar Ghaisari ghaisari@cc iut ac ir AbstractThe living cell is a self instructed biochemical entity which responds to its enviroment inseveral complex ways that provide its own survival and breeding In the last two decades researchers have aimed at identification of the components of the cell and the way theyintract with each other Nowadays the main purpose of cell studies are achiving the abilityto predict and interfere with cell decisions The science of systems biology is the knowledgewhich mentions systematic study of cells especially cellular processes such as molecularinteractions and intercellular comunications Mathemathics and engeneering knowledge methodes and tools have enabled systems biology to model and analyze its components innew ways For example biological networks are modeled based on Graph theory In thisthesis the goal is to find dinstinctive features among appropriate nodes as drug targets andother nodes of protein protein interaction network to design new drugs Accordingly at firstwe studied some biological networks modeled and their features which have been used toidentify important components of biolofical networks with their problems and limitations Then the human protein protein interaction network is modeled as a graph which is socomplex Thousonds of genes are modeled as graph nodes and the interactions between themare modeled as graph edges Analysing this network is difficult and the drug targets detectionin it is highly important because it can be focused on drug targets and it may change thebehavior of the cell by influencing the medicine on them Therefore some features havebeen introduced to identify the significant parts of the biological networks Because networkis modeled in the form of graph this properties identify drug targets in it by using methodsbased on graph theory Subsequently it is observed that these features do not provideaccurate results for identifing important parts of the network for effecting drugs After that
استاد راهنما :
جعفر قيصري
