DeepTFBS: Transkripsiyon Faktörü Bağlanma Bölgeleri Tahmini İçin Derin Öğrenme Yöntemleri Kullanan Hibrit Bir Model

Abstract

Moleküler seviyede genetik verinin oluşum, aktarım ve düzenlenme süreçleri anlaşılması zor karmaşık kombinasyonel süreçlerden oluşmaktadır. Bu süreçlerin temelini oluşturan transkripsiyon faktörleri genetik bilginin DNA'dan RNA'ya kopyalanmasını sağlayarak hücrelerin özellik ve fonksiyonlarını belirlemede kritik rol oynar. Özellikle sinir sistemi gibi karmaşık yapıları kontrol eden transkripsiyon faktörleri, gen ifadesini düzenleyerek hastalık, sağlık gibi durumların belirlenmesinde hayati rol oynarlar. Proteinlerin DNA üzerinde bağlandıkları bölgeler, gen ifadelerinin kritik noktalarını belirler ve hücrelerin çeşitli koşullara uyum sağlamasına katkıda bulunur. Genetik hastalıkların teşhis edilmesi ve tedavi edilmesi süreçleri için önemli bir adım olan transkripsiyon faktörü bağlanma bölgelerinin tahmini amacıyla literatürde çeşitli yöntemler geliştirilmiştir. DNA’nın dizi ve şekil özelliklerinin beraber kullanımıyla başarılı sonuçlar elde edilen çeşitli çalışmalar geliştirilmiştir. Bu çalışmada DNA dizileri ve şekillerine dayalı olarak transkripsiyon faktörü etkileşimlerini belirlemek için farklı derin öğrenme teknolojileri birleştirilerek hibrit bir yöntem önerilmiştir. Çalışmada 165 doğrulanmış CHIP-Seq veri kümesi kullanılmıştır.