Acta Infologica
Yazarlar: ["Ezgi ÇAKMAK", "İhsan Hakan SELVİ"]
Konular:-
DOI:10.26650/acin.1008075
Anahtar Kelimeler:Protein İkincil Yapı Tahmini,CNN,RNN,GRU
Özet: Protein, canlı organizmaların biyolojik süreçlerinde çok önemli bir role sahiptir. Proteinin işlevini bilmek, biyoloji ve tıp alanında gelecekteki çalışmalara büyük katkı sağlar. Proteinin fonksiyonunu anlamak için üç boyutlu yapısını anlamak önemlidir. Protein yapısını çözümlemek için X-ışını kristalografisi ve NMR gibi deneysel yöntemler kullanılmasına rağmen, sonuçların yetersiz olduğu kanıtlanmıştır. Bu nedenle, proteinlerin üç boyutlu yapısının tahmini, süreçlerdeki en önemli konulardan biri haline gelmektedir. Birincil yapı olarak bilinen amino asit dizisinden proteinin üç boyutlu şeklinin belirlenmesi zorlu olarak tanımlandığından, ikincil yapının tahmin edilmesi bu konuda önemli bir rol oynamaktadır. Literatürde protein ikincil yapısını tahmin etmek için makine öğrenmesi ve son zamanlarda derin öğrenme gibi birçok yöntem kullanılmıştır. Bu makale, yaygın olarak uygulanan dört derin öğrenme yöntemi olan CNN, RNN, LSTM ve GRU kullanılarak geliştirilen modellerin performanslarının bir karşılaştırmasını sağlamayı amaçlamaktadır. Bu modellerin eğitimi ve test edilmesi amacıyla CB513 veri seti kullanılmış, buna ek olarak doğruluk, f1 skoru, doğruluk ve kesinlik gibi performans değerlendirme ölçütleri uygulanmıştır. CNN, RNN, LSTM ve GRU modellerinin doğruluk oranları sırasıyla %82,54, %82,06, %81,1 ve %81,48’dir.