Publication: Multiview contrastive autoencoder-transformer approach for protein-protein interface representation: Unveiling biological and functional insights
Program
Computer Sciences and Engineering
KU-Authors
KU Authors
Co-Authors
Authors
YĆK Thesis ID
904941
Approval Date
Publication Date
Language
Type
Embargo Status
No
Journal Title
Journal ISSN
Volume Title
Alternative Title
Protein-protein arayüzü gƶsterimi iƧin Ƨoklu gƶrünümlü karÅılaÅtırmalı otomatik kodlayıcı-transformatƶr yaklaÅımı: Biyolojik ve iÅlevsel iƧgƶrülerin ortaya Ƨıkarılması
Abstract
Protein-protein interactions (PPIs) play pivotal roles in various biological processes, orchestrating cellular functions essential for life. The interfaces where these interactions occur serve as focal points for understanding the mechanisms underlying disease pathways. Accurate representation of these interfaces is crucial for deciphering their biological significance and designing therapeutic interventions. This thesis introduces a novel approach for representing protein-protein interfaces using a graph-based multiview contrastive autoencoder combined with a transformer, which learns representations from a large dataset. Comprehensive evaluations demonstrate the method's effectiveness in capturing the structural and functional characteristics of protein-protein interfaces. The learned representations are applied to tasks such as biological relevance prediction, biological vs. crystal classification, and Gene Ontology term prediction, showcasing their versatility and utility in understanding PPIs. By integrating explainable AI techniques, key features contributing to model predictions are identified, enhancing the interpretability of the results. A detailed case study illustrates the practical application of these methods, highlighting their potential to provide actionable insights for biological research and drug discovery. Overall, this thesis advances the understanding of protein-protein interactions by providing interpretable representations that capture the complex structural and functional characteristics of interfaces, thereby facilitating biomedical studies and therapeutic developments.
Protein-protein etkileÅimleri, ƧeÅitli biyolojik süreƧlerde hayati roller oynayarak yaÅam iƧin gerekli olan hücresel iÅlevleri düzenler. Bu etkileÅimlerin gerƧekleÅtiÄi arayüzler, hastalık yollarının altında yatan mekanizmaları anlamak iƧin odak noktalarıdır. Protein-protein arayüzlerinin doÄru temsili, biyolojik ƶnemlerini Ƨƶzmek ve terapƶtik müdahaleler tasarlamak iƧin zorunludur. Bu tez, büyük bir veri setinden temsiller ƶÄrenmek iƧin bir graf tabanlı Ƨoklu gƶrüŠkarÅılaÅtırmalı otomatik kodlayıcı ve bir transformer kullanan yeni bir yaklaÅım sunmaktadır. Kapsamlı deÄerlendirmeler, yƶntemin protein-protein arayüzlerinin yapısal ve iÅlevsel ƶzelliklerini doÄru bir Åekilde yakalamadaki etkinliÄini gƶstermektedir. ĆÄrenilen temsiller, biyolojik alaka tahmini, biyolojik ve kristal sınıflandırma ve Gen Ontolojisi terim tahmini gibi gƶrevlerde uygulanarak, PPI'ları anlamadaki Ƨok yƶnlülüÄünü ve faydasını ortaya koymaktadır. AƧıklanabilir yapay zeka tekniklerini entegre ederek, model tahminlerine katkıda bulunan anahtar ƶzellikler belirlenmekte ve sonuƧların yorumlanabilirliÄi artırılmaktadır. Ayrıntılı bir vaka ƧalıÅması, bu yƶntemlerin pratik uygulamasını gƶstermekte ve biyolojik araÅtırma ve ilaƧ keÅfi iƧin saÄladıÄı eyleme geƧirilebilir iƧgƶrüleri vurgulamaktadır. Genel olarak, bu tez, protein-protein etkileÅimlerini anlamayı ilerleterek, arayüzlerin karmaÅık yapısal ve iÅlevsel ƶzelliklerini yakalayan yorumlanabilir temsiller saÄlayarak biyomedikal ƧalıÅmaları ve terapƶtik geliÅmeleri kolaylaÅtırmaktadır.
Protein-protein etkileÅimleri, ƧeÅitli biyolojik süreƧlerde hayati roller oynayarak yaÅam iƧin gerekli olan hücresel iÅlevleri düzenler. Bu etkileÅimlerin gerƧekleÅtiÄi arayüzler, hastalık yollarının altında yatan mekanizmaları anlamak iƧin odak noktalarıdır. Protein-protein arayüzlerinin doÄru temsili, biyolojik ƶnemlerini Ƨƶzmek ve terapƶtik müdahaleler tasarlamak iƧin zorunludur. Bu tez, büyük bir veri setinden temsiller ƶÄrenmek iƧin bir graf tabanlı Ƨoklu gƶrüŠkarÅılaÅtırmalı otomatik kodlayıcı ve bir transformer kullanan yeni bir yaklaÅım sunmaktadır. Kapsamlı deÄerlendirmeler, yƶntemin protein-protein arayüzlerinin yapısal ve iÅlevsel ƶzelliklerini doÄru bir Åekilde yakalamadaki etkinliÄini gƶstermektedir. ĆÄrenilen temsiller, biyolojik alaka tahmini, biyolojik ve kristal sınıflandırma ve Gen Ontolojisi terim tahmini gibi gƶrevlerde uygulanarak, PPI'ları anlamadaki Ƨok yƶnlülüÄünü ve faydasını ortaya koymaktadır. AƧıklanabilir yapay zeka tekniklerini entegre ederek, model tahminlerine katkıda bulunan anahtar ƶzellikler belirlenmekte ve sonuƧların yorumlanabilirliÄi artırılmaktadır. Ayrıntılı bir vaka ƧalıÅması, bu yƶntemlerin pratik uygulamasını gƶstermekte ve biyolojik araÅtırma ve ilaƧ keÅfi iƧin saÄladıÄı eyleme geƧirilebilir iƧgƶrüleri vurgulamaktadır. Genel olarak, bu tez, protein-protein etkileÅimlerini anlamayı ilerleterek, arayüzlerin karmaÅık yapısal ve iÅlevsel ƶzelliklerini yakalayan yorumlanabilir temsiller saÄlayarak biyomedikal ƧalıÅmaları ve terapƶtik geliÅmeleri kolaylaÅtırmaktadır.
Source
Publisher
KoƧ University
Subject
Protein-protein interactions, Computational biology, Bioinformatics
Citation
Has Part
Source
Book Series Title
Edition
DOI
item.page.datauri
Link
Rights
restrictedAccess
Copyrights Note
© All Rights Reserved. Accessible to Koç University Affiliated Users Only!