Kimyasal Bileşiklerin Tat Özelliklerinin GNN Tabanlı Modellerle Sınıflandırılması

Authors : Ulvi İsgandarli, Eyyüp Gülbandılar

Pages : 28-34

Doi:10.53608/estudambilisim.1700516

View : 29 | Download : 17

Publication Date : 2025-06-30

Article Type : Research Paper

Abstract :Özet: Bu çalışma, kimyasal bileşiklerin tat özelliklerinin (acı veya tatlı) moleküler yapılarından tahmin edilmesini ele almaktadır. Bu amaçla, bileşiklerin kanonik SMILES gösterimlerinden moleküler grafikler oluşturulmuş ve bu grafikler üzerinde GraphSAGE, Graph Convolutional Network (GCN) ve Graph Attention Network (GAT) olmak üzere üç farklı Graph Neural Network (GNN) mimarisi uygulanmıştır. Modeller, Kaggle platformundan elde edilen bir veri seti üzerinde eğitilmiş ve doğruluk, kesinlik, duyarlılık, özgüllük ve F1 skoru gibi metrikler kullanılarak değerlendirilmiştir. Sonuçlar, GNN tabanlı yaklaşımların tat sınıflandırma görevinde etkili olduğunu ve özellikle GraphSAGE modelinin %90.09 doğruluk ve 0.8772 F1 skoru ile en iyi performansı sergilediğini ortaya koymuştur. Bu bulgular, GNN tabanlı modellerin özellikle tat ile ilişkili bileşiklerin hızlı taranması ve değerlendirilmesi gibi görevlerde ilaç keşfi ve gıda bilimi gibi alanlara katkı sağlayabileceğini göstermektedir.
Keywords : Kimyasal Bileşikler, Tat Sınıflandırması, Grafik Sinir Ağları, Grafik Evrişimli Ağlar, Grafik Dikkat Ağları

ORIGINAL ARTICLE URL