SAA proteinlerinin yapısal özelliklerinin makina öğrenme metotları ile ortaya konulması


Creative Commons License

İBRİKÇİ T., Ersöz Kaya İ.

1st International Mediterranean Science and Engineering Congress (IMSEC 2016), Adana, Türkiye, 26 - 28 Ekim 2016, ss.1018-1024

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Adana
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1018-1024
  • Çukurova Üniversitesi Adresli: Evet

Özet

Ailevi Akdeniz Ateşi (FMF) tam adıyla tanımlanan genetik bir hastalıktır. Ancak, onun belirtileri diğer bazı hastalıklarla özellikle romatizmal hastalıklar ile karıştırılabilir. Yaklaşık ailevi Akdeniz ateşi olan 1000 kişi başına 1 ila 3 kişilik arasında değişen Türkiye’de, günlük yaşam üzerindeki oldukça etkili genetik bir hastalıktır. Bu hastalığın ana belirtilerinden biri, belirli organlarda serum amiloid A (SAA) proteinlerinin birikmesidir. Bu çalışmada, araştırma biyoinformatik destekli makine öğrenme yöntemleri kullanılarak insan vücudunda biriken dört SAA proteinlerin ortak biyolojik yapılarını sergilemek amacıyla yapılmıştır. Her şeyden önce, birincil ve ikincil yapıların ortak yanları, sonra parametreleri ortaya çalışılmıştır. Bu nedenle, SAA proteinlerin ortak yapıları tanımlanması için sonuçlar, biyoinformatik destekli makine öğrenme yöntemleri sayesinde kolay ve kullanılabilir bir şekilde elde edilmiştir.

Familial Mediterranean Fever (FMF) is a genetic disease that is fully defined with the name. However, it can be confused with some other diseases especially rheumatic diseases because of its symptoms. In Turkey, approximately ranging from 1 to 3 persons per 1000 people with familial Mediterranean fever is a genetic disease that affects the daily life of quite. One of the basic symptoms of this disease is accumulation of Serum Amyloid A (SAA) proteins on certain organs. In this study, a research was performed to exhibit the common biological structures of four SAA proteins deposited in a human body by using bioinformatics-assisted machine learning methods. First of all, the common sides of primary and secondary structures, then the parameters were tried to reveal. Therefore, the results on defining the common structures of SAA proteins were obtained in an easy and robust way owing to the bioinformatics-assisted machine learning methods.