Molecular Biology and Genetics / Moleküler Biyoloji ve Genetik
Permanent URI for this collectionhttps://hdl.handle.net/11147/9
Browse
15 results
Search Results
Research Project Ms Homolog özelliğe dayalı veritabanı aramalarının kapsamının genişletilmesi(2012) Yılmaz, Şule; Allmer, JensProteomik, çalışılan proteinin işlevini, yerini, etkileşimi ve diğer özelliklerini inceleyen bir bilim dalıdır. Kütle spektrometresi (MS) bu alanda kullanılan bir analitik tekniktir. Bu teknik, birkaç saat içerisinde binlerce spektrumlar üretilmesine olanak sağlamaktadır. Bu alanda, temel olarak iki yaklaşım bulunmaktadır: veritabanı araması ve de novo dizileme. Veritabanı araması, bilinen bir protein dizisi söz konusu olduğunda spektrumlara tahmin atamaları yapılmasına fırsat vermektedir. Fakat tahminler, veritabanında dizinin doğru bir şekilde eklenmiş olmasına bağlıdır. Dizinin veritabanında yer almadığı durumlarda, de novo dizileme algoritmaları ile veritabanından herhangi bir yardım almadan incelenen protein hakkında sonuç elde edilebilmektedir. Fakat bu algoritmaların başarısı spektrumların kalitesine oldukça bağlıdır. Veritabanı aramalarında, hata-toleranslı tanımlamaya olanak veren bazı yöntemler bulunmaktadır. Peptit dizi etkiletleme (PDE) bu amaçla kullanılan bir tekniktir. PDE, arama alanını azaltmak amacı ile veritabanının filtrelemesinde de kullanılan kısa amino asit dizisidir. Fakat PDE’ler, öncül yon kütlesine bağlıdır ve bu yüzden öncül iyon kütlesindeki herhangi bir değişiklik PDE yaratılmasını engellemektedir. Ayrıca, veritabanında protein dizisi bulunmadığı durumlarda homoloji arama yapılması da yararlı olabilmektedir. Bu strateji, yakın türler üzerinde veritabanı aramasını olanak sağlamaktadır. Mevcut homoloji arama yöntemleri de novo dizileme algoritmalarına dayalı olarak çalışmaktadır. Fakat kullanılan de novo dizileme algoritmaları modellemede bazı matematiksel hataları içerebilmekte ve spektrumlara her zaman tahmin verememektedirler.Research Project Mikro-RNA metabolik ağ kontrol analizi için veri ambarı(2017) Saçar Demirci, Müşerref Duygu; Acar, İlhan Erkin; Allmer, JensMikroRNA'lar (miRNA) uzunluğu yaklaşık 22 nükleotid olan, tek diziden oluşan ve kodlama özelliği olmayan küçük RNA'lardır ve gen ekspresyonunu transkripsiyon sonrası seviyede hedefleri olan mRNA'ların translasyonel baskılanması ve istikrarsızlaştırılması yoluyla kontrol ederler. Çeşitli türlerde yüzlerce miRNA tespit edilmesine rağmen, miRNA?ların büyük bir miktarı hala bilinmemektedir. Bu nedenle, yeni miRNA genlerinin keşfi, miRNA aracılığıyla düzenlenen transkripsiyon sonrası düzenleme mekanizmalarının anlaşılması için önemli bir adımdır. Konvansiyonel ileri genetik tarama, klonlanmış ürünleri domine eden, yüksek miktarda sentezlenen ve/veya her yerde görülen miRNA?lara karşı yanlı bir yöntemdir. Fakat bu tarz biyolojik yöntemler nadir miRNA?ların saptanmasında etkisiz kalmaktadır. İncelenen doku ve organizmanın içinde bulunduğu gelişimsel dönemlerin farklılıkları gibi sınırlamalar, olası miRNA?ları in silico olarak bulmak için karmaşık bilgisayar programlarının geliştirilmesine yol açmıştır. Ancak bir genomdaki muhtemel miRNA?ları tahmin etme amacıyla oluşturulan bu programlar, tahminlerini deneysel olarak doğrulamak için yeterli güveni garanti edebilecek kadar hassas ya da kesin olmaktan çok uzaklardır. Bu nedenle, bu proje kapsamında miRNA analizinde daha güvenilir sonuçlar elde etmek için yeni ve daha etkili bir araç geliştirdik. Proje kapsamında geliştirdiğimiz yöntem sayesinde artık miRNA?lar organizmaların genom dizilerinden yüksek güven aralıklarında bulunabilmektedir. MiRNA?ların potansiyel hedeflerini tespit edebilmek için kullanılması planlanan algoritmaların yeterli doğruluk seviyesinde olmadığı denemeler sonucu görüldükten sonra, hedef tahminlemesi için psRNATarget gibi özelleştirilebilir tahmin araçlarının kullanımı tercih edilmiştir. Bu araçlar birlikte kullanarak farklı organizmalarda önemli miRNA etkileşimleri bulunmuştur. VANESA?nın verilerini aldığı DAWIS-M.D.?ye, tüm bilinen miRNA?lar ve bunların hedeflerini içeren bir veritabanı entegre edilmiştir. Böylece, düzenleyici yolakların görselleştirilmesi (örn: KEGG, Reactome) ve miRNA etkileşimleriyle zenginleştirilmesi mümkün hale gelmiştir. Ek olarak, tahmini yapılan miRNA?lar ve hedefleri, yerel olarak VANESA?ya eklenebilmektedir. Bu özellik, kızamık yolaklarının daha iyi anlaşılmasına ve ALS için yeni potansiyel ilaç hedeflerinin tanımlanmasına olanak sağlamıştır.Research Project Puccinellia distans (Jacq.) Parl.’da boron hiperakümülasyonu ve tolerans mekanizmalarının proteomiks yaklaşım kullanarak anlaşılması(2017) Yalçın, Talat; Frary, Anne; Allmer, JensBor hem yüksek hem düsük konsantrasyonlarında bitkilerde büyüme bozukluklarına ve verim kaybına neden olmaktadır. Yüksek bor konsantrasyonundan kaynaklanan problemlerin giderilmesi için gerçeklestirilen; topragın yıkanması, topragın çinko ile zenginlestirilmesi gibi yöntemlerin bu sorunun giderilmesinde yetersiz kaldıgı gözlemlenmistir. Dünya bor rezervlerinin %71,3?üne sahip olan Türkiye?de bor toksisitesi, önemli bir tarımsal sorundur ve ülkenin belirli bölgelerindeki birçok tarım bitkinin verimini azaltmakta ve kullanılabilir tarım alanlarını kısıtlamaktadır. Dayanıklı tür belirlemeye yönelik yapılan arastırmalar sonucunda Türkiye?de bor madenlerinin bulundugu arazilerde büyüyebilen ve yüksek bor toksisitesine tolerans gösteren Puccinellia distans (çorak çimi) tanımlanmıstır. Tarımsal olarak ekonomik bir degeri olmamasına ragmen, yakın zamanda gerçeklestirilen fizyolojik çalısmaların ısıgında bünyesinde yüksek miktarlarda bor biriktirebildigi bulunmustur. Bu bitki türü ile transkriptomik düzeyde çalısılmıstır fakat üzerinde daha önce proteomik düzeyde herhangi bir çalısma gerçeklestirilmemistir. Bu projede, Puccinelia distans bitkisindeki bor toksisitesine karsı toleransta rol oynayan mekanizmalar proteomik (proteinlerin farklı ekspresiyon profillerinin çıkarılması) yaklasımla incelenmistir. Puccinellia distans bitkisindeki bor toksisitesine dayanıklılık mekanizmalarını ortaya çıkarmak için bor stresine maruz bırakılmıs bitkiler ile normal sartlarda yetistirilmis bitkilerin kök ve yapraklarından izole edilen proteinler incelenmistir. Ifadelenmesi farklı bulunan proteinlerin tanımlanması için etiketsiz (label-free) kütle spektrometresi ile ölçümler yapılmıstır. Puccinelia distans transkriptomu, Arabidopsis thaliana ve Oryza sativa proteinleri ve de novo dizileme sonuçlarında olusan bir veritabanı kullanılarak kütle spektrometre verileri analiz edilmistir, peptitler ve dolayısıyla proteinler tanımlanmıstır. Çalısma sonucunda boron transportundan sorumlu aquaporin proteinleri, tonoplastlar tanımlanmıs ve karbohidrat, lipid, protein yıkım, oksidatif stres, hormonal sinyal transdüksiyonu gibi metabolik yolların stres kosullarından etkilendigi tespit edilmistir.Research Project Gen İfadesinin Yeni Düzenleyicileri Halkasal Rna’ların Apoptotik Yolaklara Olan Etkilerinin Araştırılması(2019) Akgül, Bünyamin; Aldanmaz, Ayten Nalbant; Allmer, JensApoptoz gerek normal gelişimde gerekse kanser, otoimmun ve dejeneratif hastalıklar gibi bir dizi patolojik olgularda önemli rol oynayan hücresel bir işlevdir. Apoptotik mekanizmalar üzerine yapılan araştırmalar, apoptotik yolakların protein kodlayan genler yayında protein kodlamayan genler tarafından da düzenlendiğini göstermektedir. Bu bağlamda miRNA’lar ve uzun kodlamayan transkriptler en iyi karakterize edilmiş kodlamayan RNA türlerini oluşturmaktadır. Son iki yılda derin sekanslama protokollerinde ve ilgili derin sekans verilerinin incelenmesinde kullanılan biyoinformatik algoritmalarda yapılan değişiklikler, lineer kodlamayan transkripter yanında halkasal formda kodlamayan transkriptlerin (halkasal RNA) keşfine yol açmıştır. Çekirdek ve sitoplazmada lokalize olabilen ve genomun çok farklı bölgelerinden üretilen halkasal RNA’ların biyogenezi, moleküler fonksiyonu, etkileştikleri diğer moleküller ve regülasyonlarıyla ilgili bilgiler oldukça sınırlıdır. İnsanda intrinsik ve ekstrinsik yolağın düzenlenmesinde rol oynayan halkasal RNA’ların sistematik bir yaklaşımla belirlenmesini amaçlayan bu projede genetik manipülasyonların kolay olduğu HeLa hücreleri model olarak seçilmiştir. Hipotezler ayrıca Jurkat ve MCF-7 hücrelerinde test edilerek tanımlanan RNA’ların hücreye özgün olup olmadığı araştırılmıştır. HeLa hücrelerinde intrsinsik yolak doksorubisin ve sisplatin ile ekstrinsik yolak ise anti-FAS/CD95 antikoru ve TNF-alfa ile tetiklenecek ve izole edilen RNA’lar derin sekans analizine tabi tutulmuştur. Kümeleme çalışmaları, kullanılan liganda göre ifadesi değişen halkasal RNA’lar olduğunu göstermiştir. qPCR ile doğrulanan adaylardan bir tanesi HeLa hücrelerinde susturularak fonksiyonel teste tabi tutulmuştur. Ayrıca biyoinformatik analizler, bazı aday halkasal RNA’ların proteine çevrilme potansiyeli olduğunu gösterirken diğer bazı adayların miRNA süngeri olarak görev yapabileceğine işaret etmektedir.Conference Object Citation - WoS: 3Citation - Scopus: 8Distinguishing Between Microrna Targets From Diverse Species Using Sequence Motifs and K-Mers(SCITEPRESS, 2017) Yousef, Malik; Khalifa, Waleed; Acar, İlhan Erkin; Allmer, JensA disease phenotype is often due to dysregulation of gene expression. Post-translational regulation of protein abundance by microRNAs (miRNAs) is, therefore, of high importance in, for example, cancer studies. MicroRNAs provide a complementary sequence to their target messenger RNA (mRNA) as part of a complex molecular machinery. Known miRNAs and targets are listed in miRTarBase for a variety of organisms. The experimental detection of such pairs is convoluted and, therefore, their computational detection is desired which is complicated by missing negative data. For machine learning, many features for parameterization of the miRNA targets are available and k-mers and sequence motifs have previously been used. Unrelated organisms like intracellular pathogens and their hosts may communicate via miRNAs and, therefore, we investigated whether miRNA targets from one species can be differentiated from miRNA targets of another. To achieve this end, we employed target information of one species as positive and the other as negative training and testing data. Models of species with higher evolutionary distance generally achieved better results of up to 97% average accuracy (mouse versus Caenorhabditis elegans) while more closely related species did not lead to successful models (human versus mouse; 60%). In the future, when more targeting data becomes available, models can be established which will be able to more precisely determine miRNA targets in hostpathogen systems using this approach.Book Part Citation - Scopus: 9Differential Expression of Toxoplasma Gondii Micrornas in Murine and Human Hosts(Springer, 2016) Allmer, Jens; Saçar Demirci, Müşerref Duygu; Bağcı, CanerMicroRNAs are short RNA sequences involved in post-transcriptional gene regulation. MicroRNAs are known for a wide variety of species ranging from bacteria to plants. It has become clear that some cross-kingdom regulation is possible especially between viruses and their hosts. We hypothesized that intracellular parasites, like Toxoplasma gondii, similar to viruses would be able to modulate their host’s gene expression. We were able to show that T. gondii produces many putative pre-miRNAs which are actually transcribed. Furthermore, some of these expressed pre-miRNAs have a striking resemblance to host mature miRNAs. Previous studies indicated that T. gondii infection coincides with increased abundance of some miRNAs. Here we were able to show that many of these miRNAs have close relatives in T. gondii which may not be distinguishable using PCR. Taken together, the similarity to host miRNAs, their confirmed expression, and their upregulation during infection, it suggests that T. gondii actively transfers miRNAs to regulate its host. We conclude, that this type of cross-kingdom regulation may be possible, but that targeted analysis is necessary to consolidate our computational findings. © Springer International Publishing Switzerland 2016. All rights are reserved.Conference Object Citation - Scopus: 13Feature Selection for Microrna Target Prediction Comparison of One-Class Feature Selection Methodologies(Hindawi Publishing Corporation, 2016) Yousef, Malik; Allmer, Jens; Khalifa, WaleedTraditionally, machine learning algorithms build classification models from positive and negative examples. Recently, one-class classification (OCC) receives increasing attention in machine learning for problems where the negative class cannot be defined unambiguously. This is specifically problematic in bioinformatics since for some important biological problems the target class (positive class) is easy to obtain while the negative one cannot be measured. Artificially generating the negative class data can be based on unreliable assumptions. Several studies have applied two-class machine learning to predict microRNAs (miRNAs) and their target. Different approaches for the generation of an artificial negative class have been applied, but may lead to a biased performance estimate. Feature selection has been well studied for the two-class classification problem, while fewer methods are available for feature selection in respect to OCC. In this study, we present a feature selection approach for applying one-class classification to the prediction of miRNA targets. A comparison between one-class and two-class approaches is presented to highlight that their performance are similar while one-class classification is not based on questionable artificial data for training and performance evaluation. We further show that the feature selection method we tried works to a degree, but needs improvement in the future. Perhaps it could be combined with other approaches.Article Citation - Scopus: 19Feature Selection Has a Large Impact on One-Class Classification Accuracy for Micrornas in Plants(Hindawi Publishing Corporation, 2016) Yousef, Malik; Demirci, Müşerref Duygu Saçar; Khalifa, Waleed; Allmer, JensMicroRNAs (miRNAs) are short RNA sequences involved in posttranscriptional gene regulation. Their experimental analysis is complicated and, therefore, needs to be supplemented with computational miRNA detection. Currently computational miRNA detection is mainly performed using machine learning and in particular two-class classification. For machine learning, the miRNAs need to be parametrized and more than 700 features have been described. Positive training examples for machine learning are readily available, but negative data is hard to come by. Therefore, it seems prerogative to use one-class classification instead of two-class classification. Previously, we were able to almost reach two-class classification accuracy using one-class classifiers. In this work, we employ feature selection procedures in conjunction with one-class classification and show that there is up to 36% difference in accuracy among these feature selection methods. The best feature set allowed the training of a one-class classifier which achieved an average accuracy of 95.6% thereby outperforming previous two-class-based plant miRNA detection approaches by about 0.5%. We believe that this can be improved upon in the future by rigorous filtering of the positive training examples and by improving current feature clustering algorithms to better target pre-miRNA feature selection.Conference Object Citation - Scopus: 19Data Mining for Microrna Gene Prediction: on the Impact of Class Imbalance and Feature Number for Microrna Gene Prediction(Institute of Electrical and Electronics Engineers Inc., 2013) Saçar, Müşerref Duygu; Allmer, JensMicroRNAs (miRNAs) are small, non-coding RNAs which are involved in the posttranscriptional modulation of gene expression. Their short (18-24) single stranded mature sequences are involved in targeting specific genes. It turns out that experimental methods are limited and that it is difficult, if not impossible, to establish all miRNAs and their targets experimentally. Therefore, many tools for the prediction of miRNA genes and miRNA targets have been proposed. Most of these tools are based on machine learning methods and within that area mostly two-class classification is employed. Unfortunately, truly negative data is impossible to attain and only approximations of negative data are currently available. Also, we recently showed that the available positive data is not flawless. Here we investigate the impact of class imbalance on the learner accuracy and find that there is a difference of up to 50% between the best and worst precision and recall values. In addition, we looked at increasing number of features and found a curve maximizing at 0.97 recall and 0.91 precision with quickly decaying performance after inclusion of more than 100 features. © 2013 IEEE.Conference Object Citation - Scopus: 1Ranking Tandem Mass Spectra: and the Impact of Database Size and Scoring Function on Peptide Spectrum Matches(Institute of Electrical and Electronics Engineers Inc., 2013) Has, Canan; Kundakçı, Cemal Ulaş; Altay, Aybuge; Allmer, JensProteomics is currently driven by mass spectrometry. For the analysis of tandem mass spectra many computational algorithms have been proposed. There are two approaches, one which assigns a peptide sequence to a tandem mass spectrum directly and one which employs a sequence database for looking up possible solutions. The former method needs high quality spectra while the latter can tolerate lower quality spectra. Since both methods are computationally expensive, it is sensible to establish spectral quality using an independent fast algorithm. In this study, we first establish proper settings for database search algorithms for the analysis of spectra in our gold benchmark dataset and then analyze the performance of ScanRanker, an algorithm for quality assessment of tandem MS spectra, on this ground truth data. We found that OMSSA and MSGFDB have limitations in their scoring functions but were able to form a proper consensus prediction using majority vote for our benchmark data. Unfortunately, ScanRanker's results do not correlate well with the consensus and ScanRanker is also too slow to be used in the capacity it is supposed to be used. © 2013 IEEE