GDSC VERİLERİNİ KULLANARAK YAPAY ÖĞRENME YÖNTEMLERİ İLE AKCİĞER KANSERİ İÇİN HEDEF İLAÇ VE YOLAK TAHMİNİ

Authors : Abdullah TERCAN, Gıyasettin ÖZCAN

Pages : 729-736

Doi:10.31796/ogummf.1248489

View : 38 | Download : 43

Publication Date : 2023-08-21

Article Type : Research Paper

Abstract :Bu çalışmada literatürde yer alan ve uluslararası alanda öneme sahip olan GDSC veri kümesinde yer alan akciğer kanseri verileri toplanmış, ve bu veriler üzerinde yapay öğrenme yöntemleri kullanarak tahmin yapmak hedeflenmiştir. Bu amaçla ilaç dozunun yarılanma süresine bağlı hedef ilaç ve hedef yolak tahminleri yapılmıştır. Elde edilen bu iki tahminin yine literatürde yer alan CTDBase isimli bir veri kümesinden hastalık tahmini için kullanılması amaçlanmıştır. Böylece ilaçların doz kullanım bilgilerinin hangi hastalıkla ilişkili olabileceği sayısal verilerden tahmin edilmeye çalışılmıştır. Yapılan tahmin işlemi makine öğrenmesi algoritmaları kullanılarak yapılmıştır. Bu süreçte Python programlama dili ile kodlama yapılmış ve bu dilin makine öğrenmesi araçlarından faydalanılmıştır. Elde edilen sonuçlara göre Neighborhood Components Analysis temelini kullanan kNN algoritmasının GDSC veri kümesinde verimli tahmin performansına ulaştığı sonucuna varılmıştır. Bu nedenle kNN algoritması farklı k değerleri ile daha detaylı analiz edilmiştir. Elde edilen tahmin sonuçları % 70 - % 90 aralığında bulunmuştur. Bu sonuçlar makine öğrenmesi algoritmalarının kanser ilaç verilerine ait bilinmeyen anlamlı örüntüleri ortaya çıkarma potansiyeli olduğunu göstermektedir.
Keywords : Yapay öğrenme, GDSC2 veri kümesi, Hedef ilaç tahmini, Hedef yolak tahmini, CTDBase veri kümesi, Machine learning, GDSC2 dataset, Lung adenocarcinoma, Drug target prediction, Target pathway prediction CTDBase dataset