Fen Bilimleri Enstitüsü / Science Institute
Permanent URI for this collectionhttps://hdl.handle.net/11727/1392
Browse
14 results
Search Results
Item The Turkish lip reading using deep learning method(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2023) Berkol, AliAutomated lip reading is a research problem that has developed considerably in recent years. Lip reading is evaluated both visually and audibly in some cases. Detecting an unwanted word from a security camera is an example of a visual lip-reading problem. Audio-visual datasets are not applicable where such image-only data is involved. Therefore, we may not have audio input in all cases. In certain cases, it is not feasible to obtain the audio input of the spoken word. In this study, we have gathered a novel Turkish dataset consisting solely of images. The dataset was generated using YouTube videos, which constitute an uncontrolled environment. Consequently, the images present challenging parameters with respect to environmental factors such as lighting conditions, angles, colors, and individual facial characteristics. Despite the variations in facial attributes like mustaches, beards, and makeup, the visual speech recognition problem was addressed using Convolutional Neural Networks (CNN) without making any modifications to the data. The problem was formulated with 10 classes, comprising single words and two-word phrases. While developing the study, comparisons were made with LSTM, BGRU, and Dilated CNN. The proposed study using only-visual data obtained a model which is automated visual speech recognition with a deep learning approach. In addition, since this study uses only-visual data, the computational cost and resource usage is less than in multi-modal studies. Also, we introduce introduced a novel approach called Concatenated Frame Images, which involved combining image frames into a single large frame. It is also the first known study to address the lip reading problem with a deep learning algorithm using a new dataset belonging to the Ural-Altaic languages. Otomatik dudak okuma, son yıllarda önemli ölçüde gelişen bir araştırma problemidir. Dudak okuma bazen görsel olarak, bazen de işitsel olarak değerlendirilmektedir. Güvenlik kamerasından istenmeyen bir kelimenin tespiti, görsel dudak okuma problemine bir örnektir. İlgili birimler sadece görüntü verilerinin olduğu durumlarda işitme-görsel veri setlerinden yararlanamazlar. Bu nedenle, tüm durumlarda ses girdisine sahip olmak mümkün değildir. Telaffuz edilen kelimenin ses girişini her zaman elde etmek mümkün değildir. Bu çalışmada yalnızca görüntü kullanılarak yeni bir Türkçe veri seti toplandı. Yeni veri seti, kontrolsüz bir ortam olan Youtube videoları kullanılarak oluşturulmuştur. Bu nedenle, görüntüler ışık, açı, renk ve yüzün kişisel özellikleri gibi çevresel faktörler açısından zor parametrelere sahiptir. Bıyık, sakal ve makyaj gibi farklı yüz özelliklerine rağmen, görsel konuşma tanıma problemi, veri üzerinde herhangi bir müdahale olmadan Konvolüsyonel Sinir Ağları (CNN) kullanılarak tek kelime ve iki kelime öbeklerini içeren 100 sınıfta geliştirilmiştir. Öte yandan çalışma geliştirilirken LSTM, BGRU ve Dilated CNN ile karşılaştırmalar yapılmıştır. Yalnızca görsel veri kullanılarak yapılan önerilen çalışma, derin öğrenme yaklaşımıyla otomatik görsel konuşma tanıma modeli elde etmiştir. Ayrıca, bu çalışma yalnızca görsel veri kullandığından çoklu modalite çalışmalarına göre hesaplama maliyeti ve kaynak kullanımı daha azdır. Ayrıca, Birleşik İmajlar Yönetimiyle, görüntü çerçevelerini tek bir büyük çerçeveye birleştirme işlemine dayandırarak klasik kesik yöntemle karşılaştırma yaptık. Ayrıca, bu çalışma, Ural-Altay dillerine ait yeni bir veri seti kullanarak derin öğrenme algoritmasıyla dudak okuma problemine yönelik yapılan ilk bilinen çalışmadır.Item Robust keyword spotting in noisy environments based on deep learning(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Mercan, FatihThe present thesis introduces a novel keyword spotting (KWS) system aimed at enhancing performance under adverse noisy conditions by integrating supplementary acoustic information through a transformer-based meta-classifier framework. To accomplish this, KWT-1—a variant of the Keyword Transformer family introduced by Berg et al.—is reimplemented as the base KWS component. This model is applied without the use of knowledge distillation and is trained on the Google Speech Commands v2 dataset for a 12- label classification task. Extensive data augmentation strategies are employed in alignment with the original study to ensure robust model performance. To extract complementary acoustic features, two additional modules are integrated: a noise type classifier and a signalto- noise ratio (SNR) prediction model. The noise classifier is implemented as a onedimensional convolutional neural network informed by the methodology of Abdoli et al. and trained on the UrbanSound8K dataset to recognize ten distinct environmental noise classes. The SNR prediction model adopts a novel hourglass-style convolutional architecture to perform continuous SNR regression. During its training, clean speech samples from the Google Speech Commands v2 dataset are mixed with noise from UrbanSound8K at random SNR levels ranging from 0 to 20 dB, simulating realistic acoustic environments. The outputs from the three branches—keyword prediction, noise type, and estimated SNR—are fused at the decision level using a transformer-based meta-classifier. In this configuration, each model output is treated as a discrete token, projected into a shared embedding space, and processed by a transformer encoder block. This design is intended to capture the complex interdependencies between semantic, environmental, and acoustic factors. Although the proposed fusion model did not surpass the performance of the standalone KWT-1 baseline in terms of keyword classification accuracy, the work contributes to the academic literature by introducing an hourglass-style CNN for SNR level estimation that outperforms existing neural network-based approaches. Evaluation is conducted using classification accuracy for keyword and noise type detection tasks and mean absolute error (MAE) for the SNR regression task.Bu tez çalışmasında, olumsuz gürültü koşullarında anahtar kelime algılama (KWS) performansını artırmak amacıyla, tamamlayıcı akustik bilgilerin dönüştürücü tabanlı bir meta-sınıflandırıcı çerçevesi aracılığıyla bütünleştirildiği özgün bir sistem önerilmektedir. Bu doğrultuda, Berg ve diğerleri tarafından geliştirilen Keyword Transformer ailesinin bir türevi olan KWT-1 modeli bilgi damıtımı (knowledge distillation) uygulanmaksızın yeniden tasarlanmış ve Google Speech Commands v2 veri kümesi üzerinde 12 sınıflı bir sınıflandırma görevi için eğitilmiştir. Modelin dayanıklılığını artırmak amacıyla, ilgili literatürde önerilen kapsamlı veri artırma stratejileri uygulanmıştır. Sisteme tamamlayıcı akustik özellikler kazandırmak amacıyla iki ek modül geliştirilmiştir: bir gürültü türü sınıflandırıcısı ve bir sinyal-gürültü oranı (SNR) tahmin modeli. Gürültü türü sınıflandırıcısı, Abdoli ve diğerlerinin yöntemi temel alınarak tasarlanmış tek boyutlu bir evrişimli sinir ağı mimarisi kullanılarak geliştirilmiş ve UrbanSound8K veri kümesi üzerinde on farklı çevresel gürültü sınıfını tanıyacak şekilde eğitilmiştir. SNR tahmin modeli ise, kum saati (hourglass) tarzında özgün bir evrişimsel sinir ağı mimarisi benimseyerek sürekli SNR tahmini gerçekleştirmektedir. Bu modelin eğitimi sırasında, Google Speech Commands v2 veri kümesinden elde edilen temiz konuşma örnekleri, UrbanSound8K veri kümesinden seçilen gürültü sinyalleriyle 0 ila 20 dB arasında rastgele belirlenen SNR seviyelerinde karıştırılarak gerçekçi akustik ortamlar simüle edilmiştir. Anahtar kelime tahmini, gürültü türü sınıflandırması ve SNR tahmini olmak üzere üç farklı modülden elde edilen çıktılar, karar düzeyinde dönüştürücü tabanlı bir meta-sınıflandırıcı kullanılarak bütünleştirilmiştir. Bu yapı içerisinde her bir model çıktısı ayrı bir token olarak ele alınmış, ortak bir gömme (embedding) uzayına projekte edilmiş ve bir dönüştürücü kodlayıcı (transformer encoder) bloğu aracılığıyla işlenmiştir. Bu tasarım, anlamsal, çevresel ve akustik faktörler arasındaki karmaşık ilişkileri etkin bir şekilde modellemeyi amaçlamaktadır. Önerilen birleştirme modeli, anahtar kelime sınıflandırma doğruluğu bakımından temel KWT-1 modelinin performansını aşamamakla birlikte, kum saati tarzında tasarlanan SNR tahmin ağı sayesinde mevcut sinir ağı tabanlı yaklaşımlara kıyasla daha başarılı sonuçlar elde edilmiştir. Modelin performansı, anahtar kelime ve gürültü türü tespiti için sınıflandırma doğruluğu; SNR tahmini için ise ortalama mutlak hata (MAE) metriği kullanılarak değerlendirilmiştir.Item Transcriptomic responses to severe boron toxicity in roots of arabidopsis thaliana at single-cell level(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Can, BuğraBoron (B) is an essential plant micronutrient vital plant cell. It is vital for cell wall formation and cell membrane integrity. Boron’s concentration levels have a narrow range on the plant cells. Deficiency of boron cause negative impact such as plant growth arrest and disruption of developmental processes. It is essential for cell wall formation stability by forming boron-bridge structure and insufficient boron on the cell causes fragile tissue formation, resulting as death of plant. Excess Boron aligning with parallel reasons toxic due to impaired growth and significant yield losses on crops especially in arid regions with boron-rich soil. Cellular mechanisms to tolerate boron balance in the plant cell, especially for severe boron treatment, remain poorly understood. In this study, severe boron treated (3mM and 5mM) Arabidopsis thaliana root cells have been investigated at single-cell level in order to reveal how plant tolerance mechanisms perform. Single-cell RNA sequencing (scRNA-seq) using 10x Genomics platform has been applied to Control (col-0) 3mM (3B) and 5mM (5B) treated groups of cells. Transcriptomes resulting from this methodology have been analyzed with Seurat R package to cluster and identify cells based on their transcriptome profiles using differential gene expression (DGE) analysis. Then, Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analysis have been applied to reveal cellular mechanisms that have been impacted. This Approach identified 16 clusters in Arabidopsis thaliana root cells with annotation of major cell types of columella, cortex, endodermis, and the epidermal/root cap. Under the influence of severe boron toxicity, transcriptional responses have been highly cell type specific. Columella cells upregulated ATP-dependent detoxification pathways to pump out high level of boron from the cytoplasm, cortex cells undergo broad metabolic reprogramming to remodel cell-wall for sequestering or neutralizing boron and epidermis together with root cap, which are outer cell layers, demonstrated high expression levels of ribosome biogenesis genes to produce border-like cells shed as a boron loaded tissues and export. The outermost cells layer consisting of epidermis and root cap demonstrated largest transcriptomic shifts with 5mM B treatment, which provides this layer is the first defense line against toxic boron treatment. The distinct yet coordinated responses demonstrate that each root cell type utilizes specialized strategies to handle severe boron toxicity. Our single-cell approach helps us to understand new insights into the mechanisms of plant stress adaptation to severe levels of boron stress environment, bringing out the value of cell-type-resolved transcriptomics in explaining stress responses of Arabidopsis thaliana root cells against severe boron toxic environments. Bor (B), bitki hücreleri için hayati öneme sahip temel bir bitki mikro besin elementidir. Hücre duvarı oluşumu ve hücre zarı bütünlüğü için gereklidir. Borun bitki hücrelerindeki konsantrasyon seviyesi dar bir aralıkta tutulmalıdır. Bor eksikliği, bitki büyümesinin durması ve gelişim süreçlerinin bozulması gibi olumsuz etkilere yol açar. Hücre duvarının kararlılığı için bor-köprü yapısı oluşturarak gerekli olan bor, hücrede yetersiz kaldığında kırılgan doku oluşumuna ve sonunda bitkinin ölümüne neden olur. Aşırı bor ise, benzer şekilde, büyümenin bozulması ve özellikle bor bakımından zengin topraklara sahip kurak bölgelerde önemli ürün kayıpları nedeniyle toksiktir. Bitki hücresinde bor dengesini tolere etmeye yönelik hücresel mekanizmalar, özellikle yüksek düzeyde bor uygulamalarında, hâlâ tam olarak anlaşılmamıştır. Bu çalışmada, yüksek düzeyde borka maruz bırakılmış (3 mM ve 5 mM) Arabidopsis thaliana kök hücreleri tek hücre düzeyinde incelenerek, bitkinin tolerans mekanizmalarının nasıl işlediği ortaya konulmuştur. Bu amaçla, Kontrol (col-0), 3 mM (3B) ve 5 mM (5B) ile muamele edilmiş hücre gruplarına 10x Genomics platformu kullanılarak tek hücreli RNA dizileme (scRNA-seq) uygulanmıştır. Bu yöntemle elde edilen transkriptomlar, hücreleri transkriptom profillerine göre kümelemek ve tanımlamak amacıyla Seurat R paketi ile analiz edilmiştir. Daha sonra, etkilenen hücresel mekanizmaları ortaya koymak için Gen Ontolojisi (GO) ve Kyoto Gen ve Genom Ansiklopedisi (KEGG) yol zenginleştirme analizleri yapılmıştır. Bu yaklaşım, Arabidopsis thaliana kök hücrelerinde kolumella, korteks, endodermis ve epidermis/kök şapkası gibi ana hücre tiplerinin anotasyonu ile 16 küme tanımlamıştır. Şiddetli bor toksisitesinin etkisi altında, transkripsiyonel yanıtlar oldukça hücre tipi spesifik olmuştur. Kolumella hücreleri, sitoplazmadaki yüksek bor düzeyini dışarı atmak için ATP-bağımlı detoksifikasyon yollarını yukarı regüle etmiştir. Korteks hücreleri, boru tutmak veya etkisizleştirmek için hücre duvarını yeniden yapılandırmaya yönelik geniş çaplı metabolik yeniden programlamadan geçmiştir. Epidermis ve kök şapkası ise, dış hücre katmanları olarak, sınır benzeri hücrelerin üretimi ve bor yüklü doku olarak dökülmesi için ribozom biyogenezi genlerinde yüksek düzeyde ekspresyon göstermiştir. Epidermis ve kök şapkasından oluşan en dış hücre katmanı, 5 mM bor uygulamasında en büyük transkriptomik değişimleri göstermiş ve bu katmanın toksik bor tedavisine karşı ilk savunma hattı olduğunu ortaya koymuştur. Bu belirgin fakat koordineli tepkiler, her bir kök hücre tipinin şiddetli bor toksisitesine karşı özelleşmiş stratejiler kullandığını göstermektedir. Tek hücreli yaklaşımımız, Arabidopsis thaliana kök hücrelerinin şiddetli bor toksisitesine karşı verdiği stres yanıtlarını hücre tipi bazında anlamamıza olanak sağlayarak, bitkilerin çevresel streslere adaptasyon mekanizmalarına dair yeni bakış açıları kazandırmaktadır.Item Safety assessment of avionics large area display design(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Özden Saray, TutkuEnsuring the safety and reliability of avionics systems is critical for flight operations. Within the scope of this thesis, a comprehensive safety assessment of the Avionic Large Area Display (ALAD) equipment is conducted, focusing on its functional reliability and compliance with established aviation safety standards, specifically the FAA Advisory Circular AC 23.1309-1E and AC 25.1309-1B. The assessment employs multiple analytical methods, including Functional Hazard Assessment (FHA), Failure Modes, Effects, and Criticality Analysis (FMECA), Fault Tree Analysis (FTA) and Common Mode Analysis (CMA), to systematically identify and evaluate potential failure modes and their impacts. Quantitative risk analysis based on standardized failure rates enables determination of system reliability and safety integrity. Results indicate that the ALAD equipment meets the required safety targets, while also highlighting areas for potential design enhancements. This study provides a structured framework for early-stage safety evaluation of avionics display systems, contributing to improved flight safety. Uçuş operasyonlarında aviyonik sistemlerin emniyet ve güvenilirliğinin sağlanması kritik öneme sahiptir. Bu tez kapsamında, Aviyonik Geniş Alan Ekranı (ALAD) ekipmanının kapsamlı bir emniyet değerlendirmesi gerçekleştirilmiş olup, çalışmada özellikle işlevsel güvenilirliği ve FAA Danışma Genelgesi AC 23.1309-1E ile AC 25.1309-1B’de tanımlanan havacılık emniyet standartlarına uygunluğu ele alınmıştır. Değerlendirme sürecinde, potansiyel arıza türlerini ve bunların etkilerini sistematik olarak belirleyip incelemek amacıyla Fonksiyonel Tehlike Değerlendirmesi (FHA), Hata Türleri, Etkileri ve Kritikliği Analizi (FMECA), Hata Ağacı Analizi (FTA) ve Ortak Neden Analizi (CMA) gibi çeşitli analitik yöntemler kullanılmıştır. Standardize edilmiş arıza oranlarına dayalı nicel risk analizi, sistemin güvenilirliğinin ve emniyet bütünlüğünün belirlenmesine olanak sağlamaktadır. Elde edilen sonuçlar, ALAD ekipmanının gerekli emniyet hedeflerini karşıladığını, aynı zamanda tasarımda potansiyel iyileştirme alanlarını da ortaya koyduğunu göstermektedir. Bu çalışma, aviyonik ekran sistemlerinin erken aşamada emniyet değerlendirmesi için yapılandırılmış bir çerçeve sunarak uçuş emniyetine katkı sağlamaktadır.Item Analysis of gps and Imu system performance in unmanned aerial vehicles (Uavs): Features, advantages, and limitations(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Erbaş, MuammerThis thesis presents a performance evaluation of Global Positioning System (GPS) and Micro-Electro-Mechanical Systems-based Inertial Measurement Unit (MEMS-based IMU) technologies in Unmanned Aerial Vehicles (UAVs), based on experimental analysis of the built-in GPS and IMU sensors of the DJI and an externally integrated MPU6050 IMU module. Tests were conducted under open-sky, semi-obstructed, and Global Navigation Satellite System (GNSS)-denied indoor conditions to assess sensor reliability and environmental adaptability. Sensor data were post-processed using Kalman filter-based fusion to enhance positioning accuracy and continuity. A loosely coupled aided Inertial Navigation System (INS) was implemented to mitigate the limitations of standalone GPS and IMU systems. Results showed that fusion reduced positional error by 50–75% during temporary GPS outages and decreased orientation drift by ~75% compared to the standalone MPU6050 without GPS correction. For attitude estimation, Kalman filtering improved pitch stability by up to 80% and roll stability by up to 75% over raw IMU data. While GPS performs well in open areas, it degrades under obstruction due to signal loss and multipath effects. MEMS-based IMUs enable continuous motion tracking but suffer from drift, bias instability, and thermal sensitivity, whereas their fusion significantly improved robustness during short-term GPS outages. The comparison between the onboard IMU and MPU6050 revealed that low-cost inertial sensors require precise calibration and advanced filtering. The study highlights the need for adaptive fusion frameworks and the future integration of multi-constellation GNSS, vision-based odometry, and machine learning for reliable UAV navigation in GPS-denied environments. Bu tez, insansız hava araçlarında (İHA) Küresel Konumlama Sistemi (GPS) ve Mikro-Elektro-Mekanik Sistem (MEMS) tabanlı Ataletsel Ölçüm Birimi (IMU) teknolojilerinin performans değerlendirmesini, DJI’ın dahili GPS ve IMU sensörleri ile harici entegre MPU6050 IMU modülü üzerinde yapılan deneysel analizlere dayandırmaktadır. Sensör güvenilirliği ve çevresel uyarlanabilirlik, açık hava, yarı kapalı ve GNSS sinyalinin bulunmadığı kapalı alan koşullarında test edilmiştir. Sensör verileri, konum doğruluğu ve sürekliliği artırmak için Kalman filtre tabanlı füzyonla işlenmiştir. Bağımsız GPS ve IMU sistemlerinin sınırlamalarını azaltmak amacıyla gevşek bağlı destekli Ataletsel Seyrüsefer Sistemi (INS) uygulanmıştır. Sonuçlar, füzyonun geçici GPS kesintilerinde konum hatasını %50–75, yalnız çalışan MPU6050’e kıyasla yönelim sapmasını yaklaşık %75 azalttığını göstermektedir. Kalman filtreleme, pitch kararlılığını %80, roll kararlılığını ise %75 iyileştirmiştir. GPS açık alanlarda yüksek doğruluk sağlasa da sinyal kaybı ve çok yollu etkilerle engelli ortamlarda performansı düşer. MEMS tabanlı IMU’lar hareket takibi sağlasa da sapma, bias kararsızlığı ve sıcaklık hassasiyeti sorunları yaşar; füzyon ise kısa süreli GPS kesintilerinde sağlamlığı artırmıştır. Dahili IMU ile MPU6050 karşılaştırması, düşük maliyetli sensörlerin hassas kalibrasyon ve gelişmiş filtreleme gerektirdiğini göstermiştir. Çalışma, uyarlanabilir füzyon algoritmalarının geliştirilmesi ve GPS olmayan ortamlarda güvenilir İHA seyrüseferi için çok takımyıldızlı GNSS, görüntü tabanlı odometri ve makine öğrenmesi teknolojilerinin entegrasyonunu önermektedir.Item Elucidation of effects of propranolol and labetalol on sensitive and doxorubicin resistant mammary carcinoma cell lines at cellular and molecular level(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Öncel, Buse CeydaMetastasis and drug resistance are major challenges in breast cancer therapy. The repurposing of existing therapeutic agents offers a viable alternative to the lengthy and costly process of de novo drug discovery. This study investigated the anticancer potential and mechanisms of two commonly used β-blockers, propranolol (a first-generation non-selective beta-adrenergic receptor antagonist) and labetalol (a non-selective agent that blocks both β-adrenergic and α1-adrenergic receptors), on MCF-7 and drug resistant MCF-7/1000Dox breast cancer cell lines. Cell viability was determined by MTT and colony formation assays, while migration was assessed using wound healing analysis. Cell cycle and apoptosis were evaluated by flow cytometry, and molecular effects were identified through RNA-seq analysis. The results showed that both propranolol and labetalol caused a concentration-dependent decrease in the proliferation of both cell lines. Labetalol demonstrated higher cytotoxicity after 72 hours compared to 48 hours. Both drugs significantly reduced the colony-forming capacity of MCF-7 and MCF-7/1000Dox cells in a dose-dependent manner. Migration analyses revealed that propranolol and labetalol significantly inhibited the migratory ability of the cells, with high concentrations even causing cell detachment from the wound area. Propranolol induced apoptosis without causing a significant cell cycle arrest, whereas antiproliferative effect of labetalol effect was associated with a G2 phase cell cycle arrest. Both drugs effectively induced apoptosis in the cells. Furthermore, RNA-seq analysis revealed that propranolol treatment, a total of 31 genes were upregulated, and 54 genes were down regulated in MCF-7. Propranolol, 326 genes were upregulated and downregulation of 164 genes in MCF-7/1000Dox cells. Labetalol treatment, 286 and 62 genes were found to be upregulated in MCF-7 and MCF-7/1000Dox cells, respectively. RNA-seq analysis, propranolol downregulates the DHFR gene, potentially inhibiting nucleotide synthesis and overcoming drug resistance. Labetalol, up-regulation of the PDGFRA gene suggests that its anti-cancer effects may be linked to a complex compensatory mechanism. In conclusion, our findings demonstrate that propranolol and labetalol possess antiproliferative, pro-apoptotic, and antimigratory properties that extend beyond their known cardiovascular effects. The distinct mechanisms of action of these two drugs make them strong candidates for synergistic combination therapies with standard chemotherapeutics or with each other. This study provides data for the evaluation of repurposing of propranolol and labetalol as potential adjuvant therapeutic agents in breast cancer treatment. Meme kanseri tedavisindeki en büyük zorluklardan biri metastaz ve kemoterapiye karşı gelişen ilaç direncidir. Mevcut terapötik ajanların yeniden konumlandırılması yeni ilaç keşfi süreçlerinin uzunluğuna ve yüksek maliyetine bir alternatif sunmaktadır. Bu çalışmada, yaygın olarak kullanılan beta-blokörler olan propranolol ve labetalolün, MCF-7 ve MCF-7/1000Dox hücre hatları üzerindeki anti-kanser potansiyeli ve etki mekanizmaları araştırılmıştır. Propranolol, birinci nesil seçici olmayan beta-adrenerjik reseptör antagonisti, labetalol, hem β-adrenerjik hem de α1-adrenerjik reseptörleri bloke eden non-selektif bir ajandır. Bu çalışmanın temel amacı, propranolol ve labetalolün meme kanseri hücreleri üzerindeki hücresel ve moleküler etkilerini kapsamlı bir şekilde incelemektir. Hücre canlılığı MTT ve koloni oluşumu analizleri ile belirlenirken, hücre göçü yara iyileşmesi analizi ile değerlendirildi. Hücre döngüsü ve apoptoz akış sitometrisi ile değerlendirildi ve ilaçların moleküler etkileri RNA-seq analizi ile belirlenmiştir. Propranolol ve labetalol, MCF-7 ve MCF7/1000Dox hücrelerinin proliferasyonunda konsantrasyona bağlı ancak farklı azalmaya neden olmuştur. Labetalol, 48 saate kıyasla 72 saat sonra daha yüksek sitotoksisite göstermiştir. Hem propranolol hem de labetalol, MCF-7 ve MCF-7/1000Dox hücrelerinin koloni oluşturma kapasitesinde belirgin ve konsantrasyon bağımlı azalmaya neden olmuştur. Yapılan migrasyon analizlerinde, propranolol ve labetalolün, hücrelerin göç yeteneğini önemli ölçüde azalttığı; yüksek konsantrasyonlarda ise hücrelerin oluşturulan yara alanından daha da uzaklaşmasına neden olduğu gözlenmiştir. Propranolol, hücre döngüsünde belirgin bir duraklamaya neden olmadan apoptozu indüklerken, labetalolün anti-proliferatif etkisi G2 fazında hücre döngüsü duraklamasıyla ilişkilendirilmiştir. Propranolol ve labetalol, hücrelerin apoptozunu indüklemiştir. Ayrıca, RNA-seq analizleri sonuçlarına göre propranolol uygulaması, MCF-7 hücrelerinde toplam 31 genin yukarı yönlü ve 54 genin aşağı yönlü düzenlediği bulunmuştur. MCF-7/1000Dox hücrelerinde ise propranolol 326 genin yukarı yönlü ve 164 genin aşağı yönlü düzenlediği bulunmuştur. Labetalol uygulaması, MCF-7 ve MCF-7/1000Dox hücrelerinde sırasıyla 286 ve 62 genin yukarı yönlü düzenlediği bulunmuştur. RNA-seq analizleri, propranololün DHFR genini aşağı yönlü düzenleyerek nükleotid sentezini baskılayabileceğini ve ilaç direncini kırma potansiyeli taşıdığı bulunmuştur. Labetalolün PDGFRA genini yukarı yönlü düzenlemesi, ilacın anti-kanser etkilerinin karmaşık bir telafi mekanizmasıyla ilişkili olabileceğini düşündürmektedir. Elde edilen veriler, propranolol ve labetalolün, bilinen kardiyovasküler etkilerinin ötesinde, anti-proliferatif, apoptotik ve migrasyonu engelleyen özelliklere sahip olduğunu kanıtlamaktadır. Bu iki ilacın farklı etki mekanizmaları, standart kemoterapötiklerle veya birbirleriyle sinerjik kombinasyon tedavilerinde kullanmak için güçlü adaylar haline getirmektedir. Bulgularımız, propranolol ve labetalolün meme kanseri tedavisinde potansiyel yardımcı terapötik ajanlar olarak yeniden konumlandırılması ile ilgili çalışmalara veri sunmaktadır.Item Modeling the effects of global climate change on the distribution of the cilician water frog lineage (Genus: Pelophylax) in the Çukurova plain of Türkiye(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Gazezoğlu, İremThis study investigates the impact of global climate change on the distribution of the Cilician water frog lineage (genus: Pelophylax) in the Çukurova Plain of Türkiye. Using advanced species distribution modeling (SDM) techniques, particularly MaxEnt, the research identifies key environmental factors influencing the current habitat suitability of the lineage and predicts future habitat shifts under different climate change scenarios (low and high carbon emissions) for the years 2030, 2050, 2080, and 2100. Results indicate that temperature seasonality, minimum temperature of the cold quarter, ruggedness, and proximity to water bodies are critical determinants of the lineage's distribution. Projections reveal a significant northward shift in suitable habitats, accompanied by fragmentation and potential loss of core southern habitats. While the total climatically suitable area may expand, habitat connectivity and anthropogenic pressures pose challenges to the lineage's survival. This study underscores the urgent need for conservation strategies to mitigate climate change impacts, protect critical habitats, and ensure the long-term survival of this vulnerable amphibian lineage.Bu çalışma, küresel iklim değişikliğinin Türkiye'nin Çukurova Ovası'ndaki Kilikya su kurbağası soyu (cins: Pelophylax) üzerindeki etkilerini araştırmaktadır. İleri düzey tür dağılım modelleme (SDM) teknikleri, özellikle MaxEnt kullanılarak, soyun mevcut habitat uygunluğunu etkileyen temel çevresel faktörler belirlenmiş ve 2030, 2050, 2080 ve 2100 yılları için farklı iklim değişikliği senaryoları (düşük ve yüksek karbon salınımı) altında gelecekteki habitat değişimleri tahmin edilmiştir. Sonuçlar, sıcaklık mevsimselliği, soğuk çeyrek minimum sıcaklığı, arazi engebeliliği ve su kaynaklarına yakınlığın soyun dağılımını belirleyen kritik faktörler olduğunu göstermektedir. Projeksiyonlar, uygun habitatların kuzeye doğru önemli bir kayma yaşadığını, bununla birlikte güneydeki çekirdek habitatların parçalanması ve kaybı riskini ortaya koymaktadır. İklim açısından uygun toplam alan genişleyebilirken, habitat bağlantısı ve insan kaynaklı baskılar soyun hayatta kalması için zorluklar oluşturmaktadır. Bu çalışma, iklim değişikliği etkilerini hafifletmek, kritik habitatları korumak ve bu hassas amfibi soyunun uzun vadeli hayatta kalmasını sağlamak için acil koruma stratejilerinin gerekliliğini vurgulamaktadır.Item Development of a pre-screening test for the Identification of extracellular vesicles associated with breast cancer(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Coşar, BegümBreast cancer (BC) is the most common malignancy among women and represents a significant public health concern due to its high incidence and mortality rates. Although early diagnosis is critical for survival, most cases are not detected at the early asymptomatic stage. This underscores the need for rapid, low-cost, and field-applicable diagnostic methods. Tumor-derived extracellular vesicles (EVs), carrying proteins, nucleic acids, and lipids, are promising biomarkers for liquid biopsy (LB)-based diagnostics. Both antibodies and aptamers serve as specific recognition elements for EV detection. The aim of this thesis is to obtain a protein-based lateral flow assay (LFA) assay to be used for pre-screening screening for the detection of BC-associated EVs and comparison of aptamer-based LFA and antibody-based LFA systems. In this study, isolated EVs were characterized using transmission electron microscopy (TEM), flow cytometry, and quantitative methods. As a result of the quantitation, it was observed that the amount of EV (particles/mL) obtained from the plasma of BC patients was 123.3-793.3 times higher than the amount of EV obtained from the plasma of healthy volunteers. With this, epithelial cell adhesion molecule (EpCAM) expression, which was selected as a BC-related EV biomarker, was found to be 41.75-67.45 times higher in EVs obtained from plasma of BC patients compared to EVs obtained from plasma of healthy volunteers Optimization determined the following conditions for the aptamer-LFA: 25 pM thiolated aptamer for conjugation; streptavidin (SA)-biotin aptamer at a ratio of 1:10 for the test (T) and 1:4 for the control (C) lines; streptavidin (SA) concentrations of 0.4 mg/mL (T) and 0.2 mg/mL (C); optimal EV concentration 1.825 *108 particles/mL; and plasma volume of 120 pL. For the antibody-based LFA, optimal conditions were: 15 pg primary antibody for conjugation; 1.5 pg (T) and 0.25 pg (C) antibody for immobilization; EV concentration 2.28*107 particles/mL; and plasma volume 60 pL. Subsequently, EV surface proteins CD63 and EpCAM were targeted with biorecognition elements for visualization using gold nanoparticles (AuNPs), resulting in a prototype pre- screening kit capable of delivering rapid results with minimal sample requirements. The findings demonstrate that the system provides a fast, portable, and non-invasive pre- screening tool for BC. A patent application has been filed with the Turkish Patent and Trademark Office for the developed product (Application No: 2023/005372). This protein- based LFA system offers an economical and field-applicable alternative for early screening and could be adapted for other cancer types using different biomarkers. Meme kanseri, kadınlarda en sık görülen malignite olup, yüksek insidans ve mortalite oranları ile önemli bir halk sağlığı sorunudur. Erken tanı sağkalım açısından kritik olmasına rağmen, vakaların çoğu asemptomatik seyreden erken evrede yakalanamamaktadır. Bu durum, hızlı, düşük maliyetli ve saha koşullarına uygun tanı yöntemlerini gerekli kılmaktadır. Tümör kaynaklı ekstrasellüler veziküller (EV’ler), içeriklerindeki protein, nükleik asitler ve lipitler sayesinde likit biyopsi tabanlı tanı için umut verici biyobelirteçlerdir. Hem antikorlar hem de aptamerler, EV tespitinde özgül tanıma elemanları olarak kullanılmaktadır. Bu tezin amacı meme kanseri ile ilişkili EV'lerin tespiti için ön tarama amaçlı kullanılacak protein tabanlı yanal akış tahlili (lateralflow assay; LFA) testinin elde edilmesi ve aptamer- tabanlı LFA ve antikor-tabanlı LFA sistemlerinin karşılaştırmasının yapılmasıdır. Bu çalışmada, izole edilen EV’ler TEM, akış sitometrisi ve kantitatif yöntemlerle karakterize edilmiştir. Yapılan kantitasyon sonucunda meme kanseri hastalarının plazmalarından elde edilen EV miktarı (partikül/mL) sağlıklı gönüllü plazmalarından elde edilen EV miktarına göre 123.3-793.3 kat fazla olduğu görülmüştür. Bununla birlikte, meme kanseri hastalarının plazmalarından elde edilen EV’lerde ve sağlıklı gönüllü plazmalarından elde edilen EV’lere göre meme kanseri ilişkili EV biyobelirteçi olarak seçilen epitel hücre yapışma molekülü (EpCAM) ekspresyonu 41,75-67,45 kat arasında daha fazla bulunmuştur. Optimizasyon sonucunda aptamer-tabanlı LFA için koşullar; konjugasyon için 25 pM tiyollü aptamer, test (T) için 1:10 ve kontrol (C) çizgileri için 1:4 oranında streptavidin (SA)- biyotinli aptamer, immobilizasyon için test çizgisinde 0,4 mg/mL SA ve kontrol çizgisinde 0,2 mg/mL SA olarak belirlenmiştir. Kartuşa yüklenecek optimal EV konsantrasyonu 1,825x108 partikül/mL ve optimal plazma hacmi ise 120 pL’dir. Antikor-tabanlı LFA için ise optimal koşullar; konjugasyon için 15 pg primer antikor, immobilizasyon için test çizgisinde 1.5 pg ve kontrol çizgisinde 0,25 pg antikor olarak belirlenmiştir. Kartuşa yüklenecek optimal EV konsantrasyonu 2,28 *107 partikül/mL ve optimal plazma ise hacmi 60 pL’dir. Ardından, EV yüzeyindeki CD63 ve EpCAM proteinlerini hedefleyen biyotanıma elemanlarıyla altın nanoparçacıkları (AuNP) tabanlı görselleştirme yapılmış ve minimal örnekle hızlı sonuç veren bir ön tarama testi prototipi geliştirilmiştir. Bulgular, sistemin meme kanseri için hızlı, taşınabilir ve non-invaziv bir ön tarama aracı sunduğunu göstermektedir. Geliştirilen ürün için Türk Patent ve Marka Kurumu’na patent başvurusu yapılmıştır (Başvuru No: 2023/005372). Bu protein temelli LFA sistemi, ön tarama için kullanılabilecek ekonomik ve sahada uygulanabilir bir alternatif sunmaktadır. Tasarlanan ve kavram kanıtı gerçekleştirilen sistem farklı biyobelirteçlerle diğer kanser tiplerinde de uyarlanabilir.Item Sign language recognition with zero-shot learning(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Giray Sercan, Özcan; Emre, SümerSign language holds great importance for a specific segment of society. Automating Sign Language Recognition (SLR) using machine learning is crucial for facilitating communication between different segments of society. However, creating the necessary labeled data for this task is very challenging. Furthermore, the evolution and changing meanings of sign language words over time make this field even more difficult. This work presents a novel approach to Zero-Shot Sign Language Recognition (ZSSLR). Using hand and landmark data extracted from the signer’s body data, the signer’s hand and body have been modeled. To determine which of the extracted and modeled features are more important for this purpose, a data grading method was applied. In Zero-Shot Learning (ZSL), datasets containing descriptions of the movements in sign language videos were used. The results were tested on two benchmarkable ZSL datasets and demonstrated in ZSL and Generalized Zero-Shot Learning (GZSL) settings. ˙I ¸saret dili, toplumun belirli bir kesimi için büyük önem ta¸sımaktadır. ˙I¸saret Dili Tanımanın (SLR) makine ö˘grenmesi kullanılarak otomatikle¸stirilmesi, toplum kesimlerinin ileti¸simini kolayla¸stırmak için çok önemlidir. Ancak, bu görev için gerekli olan etiketlenmi¸s verilerin olu¸sturulması oldukça zordur. Dahası, zaman içinde i¸saret dili kelimelerinin evrim geçirip anlamlarının de˘gi¸smesi bu alanı daha da zor hale getirmektedir. Bu çalı¸sma, Sıfır- Shot˙I ¸saret Dili Tanıma (ZSSLR) için yenilikçi bir yakla¸sım sunmaktadır. ˙I¸saretçinin vücut verilerinden çıkarılan el ve landmark verileri kullanılarak, i¸saretçinin el ve vücudu modellenmi ¸stir. Çıkarılan ve modellenen özniteliklerin bu amaç için hangisinin daha önemli oldu˘gunu belirlemek amacıyla bir veri derecelendirme yöntemi uygulanmı¸stır. Sıfır-Shot Ö˘grenmede (ZSL), i¸saret dili videolarında yapılan hareketlerin tanımlarını içeren veri kümeleri kullanılmı ¸stır. Sonuçlar, iki kar¸sıla¸stırılabilir ZSL veri kümesinde test edilmi¸s ve ZSL ve Genel Sıfır-Shot Ö˘grenme (GZSL) ayarlarında gösterilmi¸stir.Item Vision transformer network implementation for multi-label Image classification(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Emre, Akkaş; Selda, GüneySwift process in technology and widespread availability of low-cost internet have led to a substantial rise in data volume in remote sensing, especially for high-resolution and very-high resolution images. Still, these images contain more complex information, and it is not appropriate to analyze the images using a solitary scene-level label while ignoring the distinct features provided by other labels in the images. In multi-label image classification applications, multiple labels are assigned to an image, reflecting various objects or features present in the scene. The classification of these images is critically important for monitoring environmental changes over large geographical areas, disaster management, urban planning, agriculture and forestry management, natural resource conservation, and military intelligence. Nowadays, many methods are used in such image classification problems, primarily deep learning algorithms. In this thesis, advanced neural networks are explored and evaluated for Multi-label AID dataset which contains 3000 images and 17 different labels; AlexNet, VGG16, DenseNet-201, Inception-v3 and ConvNeXt as the CNN models, ViT, SwinT as transformer models and MaxViT as the hybrid model that initially contains both CNN and transformer network. A fusion network that combines the strengths of a CNN and transformer model is created and applied to harness the spatial feature extraction capabilities of the CNN model and the global context understanding of the transformer model. Two distinct schedulers, OneCycleLR and ReduceLROnPlaetau, and two different loss functions, ASL and BCEWithLogitsLoss, are employed for each model to systematically evaluate their impact on model performance. The window-based MaxViT algorithm, which has not been previously applied to the Multi-label AID dataset in the current literature, has been evaluated. This algorithm has demonstrated superior performance on this dataset, significantly outperforming existing models and setting a new benchmark with an mAP of 84.98%. Teknolojideki hızlı gelişmeler ve düşük maliyetli internetin yaygın olarak bulunabilirliği, uzaktan algılama alanında, özellikle yüksek ve çok yüksek çözünürlüklü görüntüler için veri hacminde önemli bir artışa yol açmıştır. Ancak, bu görüntüler daha karmaşık bilgiler içerdiğinden, görüntüleri yalnızca tek bir sahne seviyesindeki etiketle analiz etmek, diğer etiketlerin sağladığı belirgin özellikleri göz ardı etmek uygun değildir. Çok etiketli görüntü sınıflandırma uygulamalarında, sahnede bulunan çeşitli nesneleri veya özellikleri yansıtan birden fazla etiket bir görüntüye atanır. Bu görüntülerin sınıflandırılması, geniş coğrafi alanlarda çevresel değişiklikleri izlemek, afet yönetimi, şehir planlaması, tarım ve ormanlık alanların yönetimi, doğal kaynakların korunması ve askeri istihbarat gibi çeşitli alanlarda kritik önem arz etmektedir. Günümüzde bu tür görüntü sınıflandırma problemlerinde derin öğrenme algoritmaları başta olmak üzere birçok yöntem kullanılmaktadır. Bu tez çalışmasında, AlexNet, VGG16, DenseNet-201, Inception-v3 ve ConvNeXt gibi derin öğrenme yöntemlerinden olan Evrişimsel Sinir Ağları (Convolutional Neural Network, CNN) modelleri, ViT, SwinT gibi görsel dönüştürücü modelleri ve hem CNN hem de görsel dönüştürücü ağı içeren MaxViT hibrit modeli, 3000 adet resim ve 17 adet farklı etiket içeren Multi-label AID veri seti için incelenmiş ve değerlendirilmiştir. Bir CNN ve görsel dönüştürücü modelinin güçlü yönlerini birleştiren bir füzyon ağı, CNN modelinin mekansal özellik çıkarma yeteneklerini ve dönüştürücü modelinin küresel bağlam anlama yeteneklerini kullanmak amacıyla oluşturulmuş ve uygulanmıştır. Her model için iki farklı öğrenme oranı düzenleyicisi, OneCycleLR ve ReduceLROnPlateau, ve iki farklı kayıp fonksiyonu, ASL ve BCEWithLogitsLoss, sistematik olarak değerlendirilerek performansa etkileri incelenmiştir. Mevcut literatürde daha önce Multi-label AID veri setine uygulanmamış olan pencere tabanlı MaxViT algoritmasının değerlendirilmesi yapılmıştır. Bu algoritma, bu veri setinde üstün performans sergileyerek mevcut modelleri önemli ölçüde geride bırakmış ve %84.98 mAP elde ederek yeni bir standart belirlemiştir.