• Türkçe
    • English
  • Türkçe 
    • Türkçe
    • English
  • Giriş
Öğe Göster 
  •   DSpace@Muğla
  • Fakülteler
  • Mühendislik Fakültesi
  • Bilgisayar Mühendisliği Bölümü Koleksiyonu
  • Öğe Göster
  •   DSpace@Muğla
  • Fakülteler
  • Mühendislik Fakültesi
  • Bilgisayar Mühendisliği Bölümü Koleksiyonu
  • Öğe Göster
JavaScript is disabled for your browser. Some features of this site may not work without it.

Machine Learning Methods for Virus–Host Protein–Protein Interaction Prediction

Tarih

2023

Yazar

Karpuzcu, Betül Asiye
Türk, Erdem
İbrahim, Ahmad Hassan
Karabulut, Onur Can
Süzek, Barış Ethem

Üst veri

Tüm öğe kaydını göster

Künye

Karpuzcu BA, Türk E, Ibrahim AH, Karabulut OC, Süzek BE. Machine Learning Methods for Virus-Host Protein-Protein Interaction Prediction. Methods Mol Biol. 2023;2690:401-417. doi: 10.1007/978-1-0716-3327-4_31. PMID: 37450162.

Özet

The attachment of a virion to a respective cellular receptor on the host organism occurring through the virus–host protein–protein interactions (PPIs) is a decisive step for viral pathogenicity and infectivity. Therefore, a vast number of wet-lab experimental techniques are used to study virus–host PPIs. Taking the great number and enormous variety of virus–host PPIs and the cost as well as labor of laboratory work, however, computational approaches toward analyzing the available interaction data and predicting previously unidentified interactions have been on the rise. Among them, machine-learning-based models are getting increasingly more attention with a great body of resources and tools proposed recently. In this chapter, we first provide the methodology with major steps toward the development of a virus–host PPI prediction tool. Next, we discuss the challenges involved and evaluate several existing machine-learning-based virus–host PPI prediction tools. Finally, we describe our experience with several ensemble techniques as utilized on available prediction results retrieved from individual PPI prediction tools. Overall, based on our experience, we recognize there is still room for the development of new individual and/or ensemble virus–host PPI prediction tools that leverage existing tools.

Kaynak

Methods in Molecular Biology

Cilt

2690

Bağlantı

https://hdl.handle.net/20.500.12809/10854

Koleksiyonlar

  • Bilgisayar Mühendisliği Bölümü Koleksiyonu [103]
  • PubMed İndeksli Yayınlar Koleksiyonu [2082]
  • Scopus İndeksli Yayınlar Koleksiyonu [6219]



DSpace software copyright © 2002-2015  DuraSpace
İletişim | Geri Bildirim
Theme by 
@mire NV
 

 




| Politika | Rehber | İletişim |

DSpace@Muğla

by OpenAIRE
Gelişmiş Arama

sherpa/romeo

Göz at

Tüm DSpaceBölümler & KoleksiyonlarTarihe GöreYazara GöreBaşlığa GöreKonuya GöreTüre GöreDile GöreBölüme GöreKategoriye GöreYayıncıya GöreErişim ŞekliKurum Yazarına GöreBu KoleksiyonTarihe GöreYazara GöreBaşlığa GöreKonuya GöreTüre GöreDile GöreBölüme GöreKategoriye GöreYayıncıya GöreErişim ŞekliKurum Yazarına Göre

Hesabım

GirişKayıt

DSpace software copyright © 2002-2015  DuraSpace
İletişim | Geri Bildirim
Theme by 
@mire NV
 

 


|| Politika || Rehber|| Yönerge || Kütüphane || Muğla Sıtkı Koçman Üniversitesi || OAI-PMH ||

Muğla Sıtkı Koçman Üniversitesi, Muğla, Türkiye
İçerikte herhangi bir hata görürseniz, lütfen bildiriniz:

Creative Commons License
Muğla Sıtkı Koçman Üniversitesi Institutional Repository is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 4.0 Unported License..

DSpace@Muğla:


DSpace 6.2

tarafından İdeal DSpace hizmetleri çerçevesinde özelleştirilerek kurulmuştur.