Deep Learning Applications on Biological Data

Abstract

Biological sciences and medicine have been rapidly becoming data-intensive disciplines. Machine learning algorithms in particular deep learning methods are becoming essential tools of data analysis to facilitate our understanding of complex biological systems by extracting highly non-trivial patterns in data. The focus of this master thesis is to develop a working understanding of general deep learning approach and apply these approaches on a variety of biological and medical data classes. More specifically we aim to utilize Recurrent Neural Networks (RNNs) and their more advanced variants on sequential data such as DNA and protein sequences.

Biyolojik bilimlerde ve tıpta datalar hızlıca birikiyor. Makine öğrenmesi algoritmaları özellikle de derin öğrenme metotları biyolojik sistemleri daha iyi anlamamızı sağlayacak yüksek karmaşıklığa sahip desenleri çıkarmada bize yardım edecek data analiz araçları olmaya başladı. Bu yüksek lisans tezinin amacı genel Derin Öğrenme yaklaşımları üzerine bir çalışma anlayışı geliştirmek ve bu yaklaşımları çeşitli biyolojik ve tıbbi data setlerine uygulamak. Daha spesifik olarak, bu çalışmada biz Tekrarlayan Yapay Sinir Ağları (RNN) ve bunların DNA ve protein sekansları üzerine geliştirilmiş versiyonlarını kullanmayı amaçladık.