FİDAN GELİŞİMİ ALGORİTMASI İLE PROTEİN YAPI TAHMİNİ

Abstract

NP türü problemleri çözmek amacıyla, özellikle doğadaki sistemlerden esinlenme konusunda yapılan çalışmalara son yıllarda ilgi gittikçe artmıştır. Genetik algoritmalar, karınca koloni algoritmaları, yapay sinir ağları, parçacık sürü optimizasyonu ve yapay bağışıklık sistemleri gibi teknikler yoğun olarak optimizasyon amaçlı kullanılmaktadır.Bu tez çalışmasında, fidanların gelişiminden esinlenerek geliştirilen hesapsal bir yöntem olan Fidan Gelişimi Algoritması kullanılmıştır. Fidan Gelişimi Algoritması hem yerellik ve hem de küresellik özelliğine sahip yeni bir hesapsal yöntemdir.Aminoasitler arasındaki etkileşimler analitik olarak bilinmediğinden, protein yapı tahmini yapmak için yaklaşımsal yöntemler kullanmak uygundur.Bu tezde, proteinlerin peptit bağları arasındaki karbon atomları kullanılarak proteinlerin ikincil yapısının tahmini yapılmaya çalışılmıştır. Veriler Fidan Gelişimi Algoritması kullanılarak eğitime tabi tutulmuştur. Algoritmanın test işlemleri 1a9a, 1a89, 1bbe proteinleri için yapılmıştır ve proteinlerin açı sınıfları tespit edilerek proteinlerin yapıları tahmin edilmiştir.

There is interest in the methods were inspired by the natural processing systems at aim of solving NP type problems, recently. Genetic algorithms, ant colony algorithms, artificial neural Networks, particle swarm optimization, and artificial immune systems are used for optimization.In this thesis, tree growing up algorithm which was developed with respect to inspiring by growing up of trees, was used. Tree growing up algorithm consists of local and global search together, and it is a new method.Approximation method was used in this study, since the interactions amongs the amino acids are not known, analytically.In this study, we used amino acid primary structure chains. The angles of centre carbons in amino acids sequence in two dimensions were used by grouping centre carbons three by three. In order to accomplish this study, we used the actual angle values obtained from data bank for training of tree growing up algorithm. The proteins 1a9a, 1a89, 1bbe were used for testing process and angles? classes were determined for estimation of secondary structure of proteins.