3D RNA Graph Representation Methods for Classification of RNA Molecules Using Graph Kernel and Graph Neural Network Methods

Enes Algül

Makale detayları

3D RNA Graph Representation Methods for Classification of RNA Molecules Using Graph Kernel and Graph Neural Network Methods

Yazarlar:

Enes Algül

Yayıncı:

Van Yuzuncu Yıl University

Ana Başlıklar:

Mühendislik

Dergi:

Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.28 Issue 3, pp.919-934

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001307815

pISSN:

1300-5413

Anahtar kelimeler:

Özet:

 Ribonucleic acids RNAs are nucleic acid types with 1D2D3D structural shapes and are essential for sustaining life. These structural shapes of the RNAs are highly correlated with their functions. While the primary and secondary structures of RNA have been extensively studied, the tertiary structure has received relatively less attention. In this article, we present novel approaches for representing 3D RNA structures as graph data, employing geometric measurements such as Base position, Square root velocity function SRVF, Arc length, and Curvature. Then, we utilise kernel methods and neural network methods to predict RNA functions. Our findings demonstrate the effectiveness of these methodologies in unraveling the functional attributes of RNA molecules, thus enriching our understanding of their complex biological significance.

 Ribonucleic acids RNAs are nucleic acid types with 1D2D3D structural shapes and are essential for sustaining life. These structural shapes of the RNAs are highly correlated with their functions. While the primary and secondary structures of RNA have been extensively studied, the tertiary structure has received relatively less attention. In this article, we present novel approaches for representing 3D RNA structures as graph data, employing geometric measurements such as Base position, Square root velocity function SRVF, Arc length, and Curvature. Then, we utilise kernel methods and neural network methods to predict RNA functions. Our findings demonstrate the effectiveness of these methodologies in unraveling the functional attributes of RNA molecules, thus enriching our understanding of their complex biological significance.

 Ribonucleic acids RNAs are nucleic acid types with 1D2D3D structural shapes and are essential for sustaining life. These structural shapes of the RNAs are highly correlated with their functions. While the primary and secondary structures of RNA have been extensively studied, the tertiary structure has received relatively less attention. In this article, we present novel approaches for representing 3D RNA structures as graph data, employing geometric measurements such as Base position, Square root velocity function SRVF, Arc length, and Curvature. Then, we utilise kernel methods and neural network methods to predict RNA functions. Our findings demonstrate the effectiveness of these methodologies in unraveling the functional attributes of RNA molecules, thus enriching our understanding of their complex biological significance.

 Ribonükleik asitler RNAlar, 1B2B3B yapısal şekillere sahip nükleik asit türleri olup, yaşamı sürdürmek için hayati öneme sahiptirler. RNAların bu yapısal şekilleri, fonksiyonlarıyla yüksek derecede ilişkilidir. RNAnın birincil ve ikincil yapıları kapsamlı bir şekilde incelenirken, üçüncül yapı nispeten daha az dikkat çekmiştir. Bu makalede, Baz konumu, Karekök hız fonksiyonu SRVF, Yay uzunluğu ve Eğrilik gibi geometrik ölçümler kullanarak 3B RNA yapılarını grafik verileri olarak temsil etmeye yönelik yeni yaklaşımlar sunuyoruz. Daha sonra, çekirdek kernel yöntemleri ve sinir ağı neural network yöntemleri kullanarak RNA fonksiyonlarını tahmin ediyoruz. Bulgularımız, bu metodolojilerin RNA moleküllerinin fonksiyonel özelliklerini çözmedeki etkinliğini gösteriyor ve böylece onların karmaşık biyolojik önemine dair anlayışımızı zenginleştiriyor.

Makale detayları

3D RNA Graph Representation Methods for Classification of RNA Molecules Using Graph Kernel and Graph Neural Network Methods

Yazarlar:

Enes Algül

Yayıncı:

Van Yuzuncu Yıl University

Ana Başlıklar:

Mühendislik

Dergi:

Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.28 Issue 3, pp.919-934

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001307815

pISSN:

1300-5413

3D RNA Graph Representations

Geometric Measurements

Graph Classifications

Graph Kernels

Graph Neural Networks3B RNA Graf Temsilleri

Geometrik Ölçümler

Graf Çekirdekleri

Graf Sınıflandırmaları

Graf Sinir Ağları

Sayı

Makale detayları

Yazarlar: Enes Algül

Yayıncı: Van Yuzuncu Yıl University

Ana Başlıklar: Mühendislik

Dergi: Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.28 Issue 3, pp.919-934

Belge Tipi: Makale

Yayın Tarihi: 12/2023

Belge Dili: İngilizce

Document ID (Org No.): 2001307815

pISSN: 1300-5413

Sayı

Yazarlar:

Enes Algül

Yayıncı:

Van Yuzuncu Yıl University

Ana Başlıklar:

Mühendislik

Dergi:

Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.28 Issue 3, pp.919-934

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001307815

pISSN:

1300-5413