Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/5799

Browse

Filters

2020 - 20245

Settings

Author: search.filters.author.Güngör, BurcuPublisher: search.filters.publisher.Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü

Search Results

Now showing 1 - 5 of 5
  • Master Thesis
    Enhancing breast cancer detection with a hybrid machine learning approach
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Etcil, Mustafa; Güngör, Burcu; Güngör, V. Cagri
    According to the World Health Organization (WHO), breast cancer is one of the most prevalent illnesses, with 7.8 million instances recorded in the previous five years. As such, it poses a serious threat to world health. This alarming statistic underscores the urgent necessity for enhanced diagnostic methods. Against this backdrop, the current study proposes a novel diagnostic model, the CSA-PSO-LR classifier, which innovatively combines the clonal selection algorithm (CSA) with particle swarm optimization (PSO) to refine the logistic regression model training process for breast cancer detection. This research employs two extensively recognized datasets: the Wisconsin Diagnostic Breast Cancer (WDBC) and the Wisconsin Breast Cancer Database (WBCD), putting into practice a strict evaluation procedure that assesses performance using Bayesian hyperparameter optimization and 10-fold cross-validation. Furthermore, the study introduces CPU parallelization strategies to significantly curtail the model training time. Comparative analyses against machine learning algorithms, encompassing decision trees, extreme gradient boosting, k-nearest neighbors, logistic regression, random forests, and support vector machines, demonstrate the CSA-PSO-LR classifier's superior performance in detection accuracy and F1-measure. This investigation contributes a groundbreaking approach to the early detection of breast cancer, potentially facilitating more effective treatment plans and enhancing patient survival prospects.
  • Master Thesis
    İnsan Bağırsak Mikrobiyotasından Hastalık Biyobelirteçlerinin Tespiti için Makine Öğrenmesi Temelli Sistem Geliştirilmesi
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Koçak, Ayşegül; Güngör, Burcu; Yousef, Malik
    The human gut microbiota consists of a diverse ecosystem of organisms, encompasses billions of species. Recently developed next-generation sequencing methods have enabled researchers to examine the microbiota in greater detail, leading to new insights into its functions and dysfunctions. This study aims to identify metagenomic biomarkers (Microorganism-Enzyme Pairs) for colorectal cancer (CRC). The tool that we used allows for the analysis of microorganisms and enzymes within the gut microbiota. It achieves this by initially clustering enzymes based on their correlations with species and subsequently utilizing these clustering results to evaluate the ability of groups to differentiate between patient and healthy cohorts. By integrating species and enzymes, it is possible to identify pathogen microorganisms and enzyme clusters, that have the potential to distinguish cases (individuals with CRC) from controls (healthy individuals). The identified enzyme clusters and associated species could potentially act as biomarkers for colorectal cancer (CRC), enabling early diagnosis and more effective treatment. This approach holds promise for further exploration of the gut microbiota and its importance in human health and illness. Keywords: Bioinformatics, Machine Learning, Colorectal Cancer Diagnosis
  • Master Thesis
    K-mer Sekans Gösterimine Dayalı MicroRNA-Hastalık İlişkilerinin ve MicroRNA-Tür İlişkilerinin Sınıflandırılması
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Erbaşı, Yalçın Han; Güngör, Burcu
    The 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 diagnosis
  • Master Thesis
    Özellik Gruplaması ve Sıralaması ile Birlikte miRNA ve mRNA Ekspresyon Profillerinin Makine Öğrenimi Tabanlı Entegrasyonu
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2021) Göy, Gökhan; Güngör, Burcu
    Hastalıkların 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.
  • Master Thesis
    Biyoinformatik Alanı için Blokzincir Tabanlı Veri Paylaşım Platformu
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2020) Adanur, Beyhan; Güngör, Burcu
    Son 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.