SAUFBE Dergisi 2014 Ağustos Sayısı / SAUJS 2014 August Issue

Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi Sakarya University Journal of Science

Bu dergi Nisan, Ağustos ve Aralık aylarında olmak üzere yılda 3 defa yayımlanan ulusal hakemli bir dergidir.

Tarandığı Veri Tabanları (Indexed in Databases) Directory of Open Access Journals (DOAJ) Bielefeld Academic Search Engine (BASE) Directory of Research Journal Index (DRJI) Google Scholar Arastirmax Akademik Dizin

Yazı İşleri Müdürü / Editorial Director Sekreterya / Secretery Arzu ERSÜZ Caner ERDEN aersuz@sakarya.edu.tr

cerden@sakarya.edu.tr

Teknik Sorumlu / Technical Assistants Mehmet Ali YAR myar@sakarya.edu.tr

İnternet Sorumlusu / Webmaster Sümeyye ŞEN sumeyye@sakarya.edu.tr

Yazışma Adresi / Contact Address saujs@sakarya.edu.tr, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, 54187, Esentepe Kampüsü, Serdivan, Sakarya, Türkiye

Basılı / Printed ISSN: 1301‐4048 Elektronik / Online ISSN: 2147‐835X

www.saujs.sakarya.edu.tr SAKARYA Ağustos 2014 / August 2014

Baskı / Printed at Sakarya Gelişim Ofset, Adnan Menderes Cad. No.22/A Adapazarı, SAKARYA +90 264 273 52 53, www.sakaryagelisim.com

Dergimizin Nisan 2014 tarihli 18. Cilt 2. Sayısının kapak resmi, yazarları”………” isimli makaleden alınmıştır.

Bu sayıya elektronik ortamda ulaşmak için QR kodu:

SAKARYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ Sakarya University Journal of Science

Sahibi / Owner

Muzaffer ELMAS

Genel Yayın Ali Osman KURT Yönetmeni / General Publication Director

Editör / Editor in Chief

Emrah DOĞAN

Yardımcı Editörler / Associate Editors

Uğursoy OLGUN

emrahd@sakarya.edu.tr uolgun@sakarya.edu.tr

Cüneyt BAYILMIŞ cbayilmis@sakarya.edu.tr

Beytullah EREN beren@sakarya.edu.tr

Yayın Danışma Kurulu / Editorial Advisory Board*

A. Ç. MEHMETOĞLU D. ANGIN

M. KURT

S. SALUR

Sakarya Uni. acagri@sakarya.edu.tr

Sakarya Uni. angin@sakarya.edu.tr

Ahi Evran Uni. mkurt@ahievran.edu.tr

Rochester Uni. sema.salur@rochester.edu

A. DEMİRİZ

E. ÇELEBİ

M. ÖZEN

S. TEKELİ

Sakarya Uni. ademiriz@sakarya.edu.tr

Sakarya Uni. ecelebi@sakarya.edu.tr

Sakarya Uni. ozen@sakarya.edu.tr

Gazi Uni stekeli@gazi.edu.tr

A. HİLMİ ÇON

F. DİKBIYIK

M. TUNA

T. OGRAS

On Dokuz Mayıs Üni. ahcon@pau.edu.tr

Sakarya Uni. fdikbiyik@sakarya.edu.tr

Sakarya Uni. tuna@sakarya.edu.tr

TÜBİTAK tijen.ogras@tubitak.gov.tr

A. PINAR

H. AKBULUT

M. UTKUCU

U. KULA

Boğaziçi Uni. pinara@boun.edu.tr

Sakarya Uni. akbulut@sakarya.edu.tr

Sakarya Uni. mutkucu@sakarya.edu.tr

Sakarya Uni. ukula@sakarya.edu.tr

A. S. E. YAY

H. GÖÇMEZ

Sakarya Uni. erses@sakarya.edu.tr

Dumlupınar Uni. h_gocmez@dpu.edu.tr

M. van de VENTER Y. BECERİKLİ Nelson Mandela Metropol. Uni Yalova Uni.

A. TUTAR

K. KÜÇÜK

Sakarya Uni. atutar@sakarya.edu.tr

Kocaeli Uni. kkucuk@kocaeli.edu.tr

B. D. BOTOFTE Sakarya Uni. bbotofte@sakarya.edu.tr

C. YAVUZ Sakarya Uni. cyavuz@sakarya.edu.tr

N. BALKAYA İstanbul Uni.

Sakarya Uni. barlas@sakarya.edu.tr

L. KALIN

Ö. KELEŞ

Auburn Uni. latif@auburn.edu

İTÜ ozgulkeles@itu.edu.tr

M. BEKTAŞOĞLU Sakarya Uni.

R. MERAL

S. OKUR

İzmir Katip Çelebi Uni. salih.okur@ikc.edu.tr

caliskan@sakarya.edu.tr

Bingöl Uni. rmeral@bingol.edu.tr

M. ÇALIŞKAN Sakarya Uni.

Sakarya Uni. cyigit@sakarya.edu.tr

Z. BARLAS

nbalkaya@istanbul.edu.tr

mehmetb@sakarya.edu.tr

C. YİĞİT

maryna.vandeventer@nmmu.ac.za ybecerikli@yalova.edu.tr

*Alfabetik olarak sıralanmıştır. (Alphabetically listed.)

İçindekiler (Contents) Mühendislik Bilimleri (Engineering Science) Fibromiyalji hastalığının sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi The identification of diagnostic percentage of fibromiyalgia disease only with sympathetic skin response data Muhammed Kürşad Uçar, Mehmet Recep Bozkurt

81-86

Android üzerinde web tabanlı çocuk takip sistemi Web based child tracking system on android Hacer Bayıroğlu, Kürşat Ayan

87-91

EEG işaretlerinin epileptik analizi için boyut azaltmanın etkileri Effects of dimension reduction for analysis of epileptic in EEG signals Murat Yıldız, Erhan Bergil, Canan Oral

93-97

Aşağı Sakarya Nehri akımlarının yapay sinir ağları ile tahmin edilmesi Estimation of lower Sakarya River flow using artificial neural networks Mehmet Anıl Kızılaslan, Fatma Sağın , Emrah Doğan , Osman Sönmez

99-103

KAA ömür tahmini için basitleştirilmiş bir algılayıcı düğüm enerji tüketimi hesaplama yaklaşımı A simplified sensor node energy consumption computation approach for WSN lifetime estimation Nükhet Sazak, İsmail Ertürk, Etem Köklükaya

125-130

Temel Bilimler (Science) Kiwano (cucumis metuliferus) bitkisindeki peroksidaz enzimleri üzerine amino asit etkisinin incelenmesi Investigation of the effect of amino acids on peroxidase enzymes from kiwano (cucumis metuliferus) Zeynep Denli, Gülnur Arabacı

105-109

Bakterilerde glutatyon ve önemi Glutathione in bacteria and its significance Nihal Kanat, Serap Coşansu Akdemir

111-117

Mikroskop camları üzerinde spin kaplama yöntemiyle üretilmiş ZnO ince filmlerine tavlama sıcaklık ve süresinin etkileri Effects of thermal annealing temperature and duration for ZnO thin films produced by spin coating method on microscope glasses Özlem Ertek, İbrahim Okur

119-124

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 81-86, 2014

SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

Fibromiyalji hastalığının sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi Muhammed Kürşad Uçar*, Mehmet Recep Bozkurt *

Sakarya Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği Bölümü, Sakarya 19.12.2012 Geliş/Received, 27.07.2013 Kabul/Accepted

ÖZET Bu çalışmada fibromiyalji sendromu hastalığının sadece sempatik deri yanıtı verileri ile teşhis edilebilme doğruluk yüzdesinin araştırılması amaçlanmıştır. Bu amaç kapsamında tanısı konmuş fibromiyalji sendromlu hastalardan ve sağlıklı bireylerden alınan sempatik deri yanıtı verileri ile matlab yazılımı kullanılarak analiz edilmiş ve doğruluk yüzdeleri çıkarılmıştır. Makalemizde çalışmamızın yanında sempatik deri yanıtı hakkında kısa bir literatür tarama çalışmasına ve fibromiyalji sendromu hakkında bilgi verilmiştir.

Anahtar Kelimeler: fibromiyalji sendromu, sempatik deri direnci, fibromiyalji teşhisi, yapay sinir ağları

The identification of diagnostic percentage of fibromiyalgia disease only with sympathetic skin response data ABSTRACT In this study, it is aimed to be researched the percentage of accuracy in the illness of fibromyalgia syndrome which is only diagnosed with the data of sympathetic skin responses. In the scope of this purpose, the data of sympathetic skin responses which are taken from diagnosed fibromyalgia patients and healthy individuals are analysed and it reveals the percentage of accuracy by using matlab software. In this paper, besides our study, it is also informed about a brief study of literature review on sympathetic skin responses and fibromyalgia syndrome.

Keywords: fibromiyalgi asyndrome, sympathetic skin response, fibromiyalgia diagnosis, artificial neural networks.

*

Sorumlu Yazar / Corresponding Author mucar@sakarya.edu.tr SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

81

M. K. Uçar, M. R. Bozkurt

Fibromiyalji hastalığında sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi

1. GİRİŞ (INTRODUCTION) Günümüzde modern tıp teknolojiye bağlı olarak gelişmektedir. Teknoloji sayesinde vücuttan ölçülen değerlerin yorumlanması hayati önem arz etmektedir. Bu ölçülen değerler arasında biyosinyaller önemli bir yer tutar. Biyosinyal hastalık teşhisindeki en önemli yardımcılardan biridir. Sempatik deri yanıtı bu sinyaller arasında yeni kullanılmaya başlanan bir sinyaldir.

Sempatik deri yanıtı, derinin herhangi iç ya da dış uyaranla uyarılmasına karşılık deride meydana gelen anlık ve kalıcı olmayan elektrodermal aktivitedir (EDA) [1].

SDY’nin varlığı 19. yüzyılın sonlarından beri bilinmektedir. Ancak ilk olarak 1890 yılında Tarchoff tarafından tanımlanmıştır [2]. Bu alana ilgi Shahani (1984) ve Knezevic (1985) tarafından cerrahi müdahale gerektirmeyen metotların geliştirilmesiyle artmıştır [1,3].

Elektrofizyoloji laboratuvarında SDY kayıt uygulamaları ilk olarak 1984’te Shahani ve ardından 1985’de Knezevic tarafından yapılmıştır [1,3].

Sempatik deri yanıtı günümüze kadar pek çok isimle anılmıştır. Literatürde elektrodermal aktivite [4], elektrodermal cevap [5], psikogalvanik refleks [6], galvanik deri yanıtı [7], periferik otonom yüzey potansiyeli (periphal aotunomic surface potantial) [3] ve en sık kullanılan sempatik deri yanıtı [1] şeklinde geçmektedir.

Deride iki farklı türde elektrodermal aktivite vardır. İlki deri direnci ikincisi ise sempatik deri yanıtıdır. Sempatik deri yanıtı psikolojik ve fizyolojik uyaranlara bağlı olarak oluşur. Bu uyaranların etkisi ile deride oluşan potansiyel, yardımcı ekipman ile kaydedilir. Kaydedilen bu verilere sempatik deri yanıtı denir. Deri otonom sinir sistemine bağlı olduğu için istemsiz hareketlerle SDY değişebilir [8].

SDY latans ve genlik değerlerinden oluşur. Latans, uyarının verilmesinden sonra alınan ilk pik değerine kadar geçen süredir [9,10]. Genlik ise deride meydana gelen voltaj değişimidir [11].

SDY genelde negatif ve pozitif fazlardan oluşur. Negatif fazın kaynağı ter bezleridir [12,13,14]. Pozitif fazın kaynağı hala bilinmemektedir [13,15,16].

SDY, P tipi ve N tipi olmak üzere iki formdadır. İlk pik SDY’nin formunu belirler. Şekil 1’de gösterilmektedir [2].

82

Şekil 1: P ve N tipi sempatik deri yanıtı dalga formları (P and N type sympathetic skin response waveforms) [32]

Sempatik deri yanıtı birçok elektrofizyoloji laboratuvarında ve klasik bir EMG cihazı ile basit ve hızlı bir şekilde kaydedilebilir.

Uyarı öksürme, derin nefes alma, ses gibi çok farklı şekillerde olabilir. En sık kullanılan uyarı periferik sinirin elektriksel uyarımıdır. Uyarı 0,1-0,5 ms ve 10-30 mA arasındadır. Her iki uyarı arasında en az 30 – 60 sn beklenmelidir. Testin toplam süresi 15-20 dakikayı geçmemelidir.

2. FİBROMİYALJİ (FIBROMIYALGIA) Fibromiyalji sendromu (FMS), daha çok bayanlarda rastlanan, yaygın ağrı şeklinde hissedilen, uyku düzensizliği, yorgunluk gibi belirtilerin de eşlik ettiği kronik kas-iskelet sistemi hastalığıdır [17]. Sık rastlanılan bir hastalık olmasına rağmen sebebi bilinmemektedir. Ancak stres, kaygı, depresyon, dinlendirmeyen uyku ve bazı romatizmal ve hormonal hastalıklarla ilişkisi olabileceği düşünülmektedir [18].

Fibromiyalji hastalığında tanı koydurucu özgün bir laboratuvar testi yoktur. Röntgen filmleri, kan tahlilleri ve kas biyopsileri normaldir. Hastalığa eşlik eden romatizmal bir hastalık yoksa romatizma testleri de negatiftir. Laboratuvar incelemeleri daha çok benzer hastalıklardan ayırımda önemlidir. Teşhis tamamen hastanın ifadesine ve doktorun muayenesine göre konulur. Bir hastaya FMS demek için ağrıların en az 3 ay sürmesi, sabah yorgunluğu ve vücuttaki 18 hassa noktadan 11’inde süregelen yaygın bir ağrının bulunması gerekir [19].

3. FMS – SDY İLİŞKİSİ ( FMS – SSR RELATIONSHIP)

Çakır ve arkadaşlarının fibromiyalji sendromunda otonomik disfonksiyon mevcut olup olmadığının belirlenmesi amacıyla sempatik deri yanıtı ve F dalgasının elektronöromiyografik incelemesi yaptı.

Yapılan çalışmada kontrol grubu ile karşılaştırıldığında FMS’li hastaların her iki tarafta da daha yüksek SDY genlik değerlerine ve daha düşük latans değerlerine sahip olduğu tespit edildi. Bu yüzden yapılan çalışma FMS’li SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

Fibromiyalji hastalığında sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi

hastaların sempatik sinir disfonksiyonu gösteren bir desteklemektedir [18].

sisteminde otonom değişiklik olduğunu

1975’de Moldofsky ve arkadaşları uykunun nonREM dönemindeki bozukluğu tanımlayarak, fibrositiste santral sinir sistemi tutulumu olabileceği fikrini ileri sürmüşlerdir [20].

Fibromiyaljideki hassas noktalar ile psikolojik durum arasındaki ilişkiyi araştıran bir çalışmada hassas noktalarla psikolojik distres ve özellikle somatizasyon arasında ilişki saptanmıştır [21]. Bu bozuklukların ortaya çıkışında ebeveyn yoksunluğu, olumsuz çocukluk çağı deneyimlerinin rol oynayabileceği ileri sürülmüştür.

Savaş sonrası askerlerde fibromiyaljiye sık rastlanması, savaşın yoğun stresinin yatkın kişilerde hastalığın ortaya çıkmasına yol açtığı şeklinde yorumlamıştır [22].

Fibromiyaljide sempatik hiperaktivite, parasempatik hipoaktivite ve farklı uyaranlara karşı sempatik cevapta azalma gibi otonom sinir sistemi bozukluklarına sık rastlanmaktadır [23]. Ancak tüm bu bozukluklar fibromiyaljiye özgü olmayıp kronik ağrılı birçok durumda saptanmaktadır.

4. KULLANILAN MATERYAL VE METOTLAR (MATERIALS AND METHODS)

Yapılan çalışmada kullanılan veri tabanı, 1990 ACR kriterlerine göre tanısı konulmuş 57 FMS hastası ve 29 sağlıklı denekten alınan SDY ölçümlerinden oluşmaktadır. Ölçümler alınırken denekler sırtüstü yatar durumda ve olabildiğince rahat olmalarına; ölçüm alınan yerin de sessiz, elektromagnetik ortamdan uzak olmasına dikkat edildi.

Cihazların tıbbi gereklere uygun olarak seçilen 12m2 örtülü alan içerisinde AD Instruments ML870/P PowerLab8/30 (Chart Pro yazılımı dahil), AD Instruments PowerLab ML116 GSR Amplifikatör, AD Instruments MLT116P GSR parmak elektrodu ve uyarıcıdan oluşan ölçüm sistemi kullanılarak SDY’nin belirtilen parametreleri deneklerden alındı. Sistemin topraklaması gürültü faktörünü ortadan kaldıracak şekilde yeniden yapılandırıldı; kayıtlar, Chart Pro programı vasıtasıyla bilgisayar ortamına aktarıldı.

Uyarma için elektrotlar vasıtasıyla FMS’li hastalar ve sağlıklı denekler üzerinden 20 μA’lik bir akım geçişi sağlandı, bu akım değerine karşılık derideki geçici potansiyel değişimler ölçüldü ve kaydedildi. Kaydedilen bu verilerin Matlab’da analizi sonucunda SDY’nin tepki gecikme süresi, maksimum genlik ve iki uyartım arası geçen süre parametre değerleri elde edildi ve kaydedildi.

SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

M. K. Uçar, M. R. Bozkurt

5. SDY PARAMETRLERİ (PARAMETERS OF SSR) Benzetimde kullanılan ve aşağıda kısaca tanımları verilen SDY’nin tepki gecikme süresi ve maksimum genlik parametreleri şekil 2’de gösterilmektedir.

Şekil 2: Örnek SDY dalga şekli (Example of a SSR waveform) [24]

5.1. SDY Tepki gecikme süresi (SSRLt) (SSR response delay time – latency time)

SDY verilerinin incelenmesi ile ilgili çalışmalarda en çok kullanılan parametre tepki gecikme süresidir.

5.2. Maksimum

genlik

(SSRMaxA)

(Maximum

Amplitude)

SDY ölçümlerinin kullanıldığı çalışmalarda en çok kullanılan parametrelerden biri de SDY dalga formlarından elde edilen ortalama genlik değerleridir.

Fakat uygulamamızda maksimum genlik alınmıştır.

Verilen uyartılar sonucu uyarı verilen bölgede aşınma ve vürudun uyarıya alışması sonucu genlik değeri azaldığından maksimum genlik alınması tercih edilmiştir.

5.3. İki uyartım arasında geçen süre (SSRTT) (The time between two excitations)

Yapılan çalışmada bu parametre, SDY ölçümü için uygulanan bir darbe ile bu uyartımı takip eden ikinci darbe arasında geçen süre olarak alındı.

6. ÇOK KATMANLI İLERİ BESLEMELİ YAPAY SİNİR AĞLARI (MULTI-LAYER FEEDFORWARD NEURAL NETWORK)

Çalışmamızda çok katmanlı ileri beslemeli bir yapay sinir ağı (MLFFNN) kullanılmıştır. Bu tip ağlar giriş katmanı, gizli katman ve çıkış katmanı olmak üzere 3 temel katmandan oluşmaktadır. Bir katmanın girişi, bir 83

M. K. Uçar, M. R. Bozkurt

Fibromiyalji hastalığında sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi

önceki katmanın çıkışıdır. Giriş katmanı bilgiyi hiçbir değişiklik olmadan gizli katmandaki hücrelere iletir.

Yani bilgi sadece gizli katmanda ve çıkış katmanında işlenir [24].

Tablo 1. Benzetim sonuçları (The simulation results) Hasta Hasta Sağlıklı Toplam

42 0

Eğitim verileri Sağlıklı Doğruluk (%) 0 100 19 100 100

Hasta 14 7

Test Verileri Sağlıklı Doğruluk (%) 1 3

93,3 30 68

7. BENZETİM SONUÇLARI (RESULT OF SIMULATION)

Yapılan çalışmada YSA’nın eğitim seti, 42’si FMS’li 19’si sağlıklı olmak üzere toplam 61 denekten alınan verilerle, test seti ise 15’i FMS’li 10’si sağlıklı olmak üzere toplam 25 denekten alınan verilerle oluşturuldu.

SDY parametreleri analiz edilirken kullanılan MLFFNN ağı 3 nöronlu bir giriş katmanı, 43 nöronlu bir gizli katman ve yine 1 nöronlu bir çıkış katmanından oluşmaktadır. Ağımızda kullandığımız veriler saf haliyle kullanılmıştır, normalize edilmemiştir. Çıkış katmanında hasta denekler için “1”, sağlıklı denekler için “0” değeri alındı. Gizli ve çıkış katmanında tansig aktivasyon fonksiyonu tercih edildi.

Gizli katmanda 1 ile 70 arasında nöron denendi ve en iyi eğitim sonuçlarına (%100) ulaşılan nöron sayıları arasından test verilerinin analizindeki doğruluk yüzdesini en yüksek yapan nöron sayısı seçildi ve kaydedildi. Şekil 3’te çalışmada kullanılan YSA yapısı görülmektedir.

Verilerin YSA ile analizi sonucunda FMS’nin teşhisi için elde edilen doğruluk yüzdeleri aşağıdaki şekilde hesaplandı: %

ğ

ğ

Şekil 4: Eğitim verileri için ROC eğrisi (ROC curve for training data)

Yapılan çalışmayla ilgili benzetim sonuçları tablo 1 de görülmektedir. Buna göre çalışmanın eğitimde kullanılan 61 verinin doğruluk yüzdesi %100 iken test verilerinin analiz doğruluk yüzdelerinin maksimum değerleri bulunmaya çalışıldı.

SDY parametre verilerinin YSA ile analiz edilmesi sonucunda %68’lik doğruluk oranına ulaşıldı. Bu adımda 15 hastanın 14’unda, 10 sağlıklı deneğin 3’ünde doğru sonuç elde edildi. Benzetim sonuçlarının başarı yüzdeleri ve doğruluk oranları tablo 1’te gösterilmiştir. Şekil 4 ve 5’te ise eğitim ve test verileri için ROC eğrileri verilmiştir.

Şekil 5: Test verileri için ROC eğrisi (ROC curve for test data)

Fibromiyalji hastaları ve sağlıklı bireyler için elde ettiğimiz ortalama latans ve genlik değerleri tablo 2’de gösterilmektedir. Şekil 3: Ağ yapısı (Artificial neural network structure)

84

SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

Fibromiyalji hastalığında sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi

Tablo 2. SDY parametrelerinin istatiski değerleri (Statistical value of parameters of SSR) SDY Tepki Maksimum İki uyartım gecikme süresi genlik arasında geçen (SSRLt) (SSRMaxA) süre (SSRTT) (Saniye) (Volt) (Saniye) Hasta 2,901921 2,68E-06 47,0358 Sağlıklı 1,424919 2,76E-06 46,02264 Toplam 2,403862206 2,70818E-06 46,69415093

M. K. Uçar, M. R. Bozkurt

[7]

[8] [9]

8. SONUÇ (RESULT) Bu çalışmada fibromiyalji sendromu hastalığının sadece sempatik deri yanıtı verileri ile teşhis edilebilme doğruluk yüzdesinin araştırılması amaçlanmıştır.

Yapılan çalışmada YSA’nın eğitim seti, 42’si FMS’li 19’si sağlıklı olmak üzere toplam 61 denekten alınan verilerle, test seti ise 15’i FMS’li 10’si sağlıklı olmak üzere toplam 25 denekten alınan verilerle oluşturuldu.

Elde ettiğimiz sonuçlarda eğitim setimiz ağımız tarafından %100 olarak sınıflandırıldı. Test verileri ile yapılan sınıflandırma da 15 hastanın 1’i yanlış, 10 sağlıklı bireyin 7’si yanlış sınıflandırıldı. Hastalarda başarı oranı %56 iken sağlıklı bireylerde başarı oranı sadece %28 olarak bulundu. Tüm test verilerin ortalama başarısı %68 olarak bulundu. Yapılan bu çalışma ile sempatik deri yanıtının fibromiyalji sendromunun teşhisinde yardımcı bir unsur olarak kullanılabileceği kanısına varıldı.

[10]

[11] [12]

[13] [14] [15]

KAYNAKLAR (REFERENCES) [1]

[2]

[3]

[4] [5] [6]

Shahani BT, Halperin JJ, Boulu Ph, Cohen J. Sympathetic skin response – a method of assessing unmyelinated axon dysfunction in peripheral neuropaties. J Neurol Neurosurg Psychiatry 1984; 47: 536-542.

Kucera P, Goldenberg Z, kurca E. Sympathetic skin response: review of the method and its clinical use. Bratisl Lek Listy 2004; 105 (3): 108116.

Knezevic W, Bajada S. Peripheral autonomic surface potential: a quantitative technique for recording sympathetic conduction in man. J Neurol Sci 1985; 67: 239-251.

Verghese A. Some observations on psychogalvanic reflex. Brij J Psychiat 1968; 114: 639-642.

Christie MJ. Elekctrodermal activity in the 1980s: a review. J Roy Soc Med 1981; 74; 616-622.

Lader MH, Montagu JD. The psychogalvanic reflex: a pharmacologic study of peripheral machanism. J Neurol Neurosurg Psychiatry 1962; 25: 126-133.

SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

[16]

[17]

[18]

[19]

[20]

Eisenstein EM, Eisenstein D, Bonheim P, Welch EA. Habituation of galvanik skin response in adult males as function of age. Physiol Bchav 1990; 48: 169-173.

Ertekin C. Santral ve periferik EMG Otonom sinir sistemi. 2006:884-909 Cariga P, Catley M, Mathias CJ, Savic G Frankel HL, Ellaway PH.: Organisation of the Sympathetic Skin Response in Spinal Cord Injury.

J. Neurol. Neurosurg. Psychiatry, 72:356-360, 2002.

Selçuk B, Atlı D, Kurtaran A, İnanır M, Akyüz M.: Serebrovasküler Olay Sonrası Hemipleji Gelişen Hastalarda Sempatik Deri Yanıtları. Türk Fiz. Tıp ve Rehab. Derg., 49(5):18-23, 2003 Arunodaya GR, Taly AB.: Sympathetic Skin Response: A Decade Later, Journal of the Neurological Sciences, 129: 81-89, 1995 Vetrugno R, Liguori R, Cortelli P, Montagna P. Sympathetic skin response: basis mechanisms and clinical applications. Clin Auton Res. 2003; 13:256-270.

Shaver BA, Brusilow SW, Cooke RE. Origin of the galvanic skin response. Proc Soc Ex Biol NY 1962; 110: 559–564.

Takagi K, Nakayama T. Peripheral effector mechanism of galvanic skin reflex. Jpn J Physiol 1959; 9: 1-7.

Roberto Vetrugno, Rocco Liguori, Pietro Cortelli, Pasquale Montagna. Sympathetic skin response.

Basic mechanisms and clinical applications. Clin Auton Res 2003; 13 : 256–270.

Yokota T, Takahashi T,Kondo M, Fujimori B. Studies on the diphasic wave form of thegalvanic skin reflex. Electroenceph Clin Neurophysiol 1959; 11: 687–696.

Guida A. A new method of simultaneous recording of two effects of the psychogalvanic reflex (Tarchanoff effect and Fere effect) Riv Patol Clin. 1957 Jun;12(6):303-1 Çakır T, Evcik D, Dündar Ü, Yiğit İ, Kavuncu V.: Evaluation of Sympathetic Skin Response and F Wave in Fibromyalgia Syndrome Patient, Turk J Rheumatol 2011;26(1):38-43 doi: 10.5606/tjr.2011.006.

Wolfe, F, Smythe, H.A, Yunus, M.B, The American College of Rheumatology 1990 criteria for the classification of fibromyalgia, Report of the Multicenter Criteria Committee, Arthritis Rheum., 33(2): 160-72, Feb. 2009.

Moldofsky H, Scarisbrick P, England R, Smythe H.Musculosketal symptoms and non-REM sleep disturbance in patients with “fibrositis syndrome” and healthy subjects. Psychosom Med 1975;37(4):341-351.

85

M. K. Uçar, M. R. Bozkurt

[21]

[22]

[23] [24]

86

Fibromiyalji hastalığında sadece sempatik deri yanıtı verileri ile teşhis yüzdeliğinin belirlenmesi

McBeth J, Macfarlene GJ, Benjamin S, et al. The assocation between tender points, psychological distress, and adverse childhood experiences.

Arthritis Rheum 1999; 42: 1397-1404.

Clauw DJ. Fibromyalgia. In: Hochberg MC, Silman AJ, Smolen JS, Weinblatt ME; eds.

Rheumatology 4th ed. New York Mosby Pr; 2007:701-711.

Dönmez A, Erdoğan N. Fibromiyalji Sendromu.

Klinik Gelişim 60-64. Özkan Ö, Yildiz M, Köklükaya E, “Fibromiyalji sendromunun teşhisinde kullanılan laboratuar testlerinin sempatik deri cevabı parametreleriyle desteklenerek teşhis doğruluğunun arttırılması”, SAÜ. Fen Bilimleri Dergisi, 15. Cilt, 1. Sayı, s.17, 2011.

SAU J. Sci. Vol 18, No 2, p. 81-86, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 87-91, 2014

SAU J. Sci. Vol 18, No 2, p. 87-91, 2014

Android üzerinde web tabanlı çocuk takip sistemi

Hacer Bayıroğlu 1*, Kürşat Ayan2 2

1* Düzce Üniversitesi, Teknoloji Fakültesi, Bilgisayar Mühendisliği, Düzce Sakarya Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Sakarya

31.05.2013 Geliş/Received, 01.08.2013 Kabul/Accepted

ÖZET GPS sistemi sivil kullanıma da açıldığından beri birçok alanda hayati önem taşıyan bir araç olarak kullanıma girmiştir. Günümüzde çoğu mobil cihaz üzerinde bulunan GPS sistemi, konum bilgisi sağlayan bir elektronik ünite olarak tanımlanabilir. Bu çalışmada Android İşletim Sistemine sahip bir mobil cihaz üzerinden çocuk takip programı geliştirilmiştir. Android İşletim Sistemi Google firması tarafından yayınlanan yeni nesil bir mobil telefon platformudur ve bir uygulamaya konum bilgisini sağlamak için farklı metotlar sunar. Bu metotlar, konum sağlayıcılar (location providers) olarak adlandırılır ve hepsinin kendine özel güçlü ve zayıf yönleri vardır. Bu amaçla, gerçeğe yakın konum verisini elde edebilmek için bütün konum sağlayıcıları bir arada kullanılarak zayıf yönler en aza indirgenmeye çalışılmıştır.

Anahtar Kelimeler: konum belirleme hizmeti, GPS (Global Positioning System), android.

Web based child tracking system on android ABSTRACT Since the GPS system has been opened to the use of civilians it has become an invaluable tool in many fields. GPS system found on many mobile devices can be defined as an electronic unit that provides location data. In this work, a child tracking program was developed on a mobile device with an Android Operating System. The Android Operating System is a new generation mobile phone platform released by Google and presents different methods to provide an application with location data. These methods are called (Location Providers) and all of them have their own strengths and weaknesses. For this reason, to get realistic location data and to decrease the effects of these weaknesses, all the location providers were used together.

Keywords: location based services, GPS(Global Positioning System), android

*

Sorumlu Yazar / Corresponding Author

hcrbayiroglu@gmail.com

H. Bayıroğlu, K. Ayan

1. GİRİŞ (INTRODUCTION) Günlük yaşamda karşılaşılan olumsuz sebepler ve çevresel şartlar ebeveynlerin çocuklarını sürekli gözetim altında tutmak istemelerine neden olmaktadır. Türkiye İstatistik Kurumu'nun 81 ilde yaptığı araştırmaya göre, 2008-2011 yılları arasında kaybolan çocuk sayısı 27 bini geçmiş bulunmaktadır. Çocuk güvenliği gittikçe artan bir sorun olmakla birlikte, bu sorun teknolojiyle aşılabilmektedir. Teknoloji geliştikçe insanoğlunun hayatı da kolaylaşmaya devam etmektedir. Yakın geçmişe kadar, mobil harita ve konum uygulamaları geliştirmek oldukça karmaşık ve çok zor görülmekteydi.

Bu yüzden çoğu zaman harita yapımcıları yüksek miktarda telif hakkı ücreti ödemek zorunda kalıyordu.

Fakat Android tabanlı açık kaynak kodlu mobil telefonun piyasaya sürülmesinden sonra, bir programcı doğrudan donanıma ulaşıp Web ve GPS tabanlı hizmetler geliştirmek için özelleştirilmiş yerel uygulamalar tasarlayabilmektedir [1].

Bu konuyla ilgili bir çalışmada, Java tabanlı mobil telefonlar için GPS sistemi kullanılarak, kullanıcının geçerli konumunu veren bir konum farkındalık sistemi geliştirilmiştir. Bu çalışmada kullanıcının konumu kısa mesaj servisiyle daha önceden belirtilen numaralara gönderilmektedir ve kullanıcılar konumlarını bir web sayfası aracılığıyla Google Map üzerinden ailesiyle ve arkadaşlarıyla paylaşabilmektedir. [2]. Bir diğer çalışmada, yine GPS sistemi kullanılarak acil durum senaryosu oluşturulmuştur. Bu çalışmada kullanıcı konumunu enlem ve boylam bilgileriyle birlikte harita üzerinde görebiliyor ve acil bir durum olduğunda önceden belirlediği kişilere isterse ekran görüntüsünü çekip veya sadece konum bilgilerini mesaj veya e-mail atabiliyor. [3]. Yine bir çalışmada, Android İşletim sistemine sahip bir mobil telefona entegre olmuş GPS sistemi ve veri iletiminde GPRS kullanılarak bir takip sistemi oluşturulmuştur. Bu çalışmada kullanıcılara ait konum verileri GPS sisteminden elde edilip ve o telefona ait IMEI numarası eklenerek MYSQL Server da oluşturulan bir veri tabanına GPRS sistemi kullanılarak gönderilmektedir. Java Script Page 'de hazırlanan web sayfasında kullanıcıya ait konum Google MAP aracılığıyla harita üzerinde gösterilmektedir. [4].

Bu çalışmada; GPS sistemi, kablosuz ağ erişim noktaları ve CELL ID' ler (baz istasyonu) aracılığıyla en az hata payıyla konum bilgisi elde edilmeye çalışılmıştır. Çalışmanın web ara yüzünde ebeveyn gerçek zamanlı ve geçmişe dönük çocuğun konumunu görebilmekte, istediği gün ve saate bölge sınırlaması belirleyebilmekte 88

Android üzerinde web tabanlı çocuk takip sistemi

ve çocuk sınırları ihlal ettiğinde maille bilgilendirilmektedir.

Ayrıca ebeveyn çocuğun telefonuna (neredesin) mesajı attığında çocuğun o anki konumu adres olarak elde edilebilmektedir. Bu çalışmada; yapılan çalışmalardan farklı olarak, konum verisini alırken GPS ve Wi-Fi kapalı olduğunda, baz istasyonlarından almasıdır. Ayrıca telefonda internet olmadığında konum verileri internet geldiğinde veritabanına gönderilmek üzere geçici olarak telefonda bir text dosyasına kaydedilmektedir. Bir diğer farklılık ise web ara yüzünde ebeveyn çocuğu için sınırlamaları esnek girebilmektedir.

2. SİSTEM MİMARİSİ (SYSTEM ARCHITECTURE)

Çalışma; Android işletim sistemine sahip bir telefona yüklenilecek bir adet mobil uygulama, çocuğun konumunu takip edebilmek için bir web sayfası, verilerin depolandığı bir veritabanı ve mobil uygulamayla veritabanı arasında veri alış verişini yöneten bir adet web servisi olmak üzere 4 alt bölümden oluşmaktadır.

2.1. Sistemin Veritabanı (System Database) MySQL en popüler açık kaynak kodlu, ilişkisel SQL veritabanı yönetim sistemidir. Oracle Şirketi tarafından geliştirilip dağıtılan ve desteklenen bir sistemdir. [5].

MySQL Server' ın hem açık kaynak kodlu oluşu hem de web uygulamalarında sağladığı kullanım kolaylığı bu çalışmada MySQL ' in tercih sebebi olmuştur. "kidstackingdb" isimli veritabanı; çocuğun bilgilerini, ailenin bilgilerini, çocuğun konumlarını, ihlallerini ve sınırlarını tutan tablolardan oluşmaktadır.

Veritabanından veri alıp veri yazarken JDBS (Java Database Connectivity -Java Veritabanı Bağlantısı) API' si kullanılmıştır.

2.2. Sistemin Web Servisi (System Web Service ) Web' in yaygınlaşmasından sonra farklı platformların birbirleriyle haberleşme ihtiyacı artmıştır. Bunun için web servis uygulamaları geliştirilmiştir. W3C (World Wide Web Consortium) tarafından yapılan resmi tanımıyla web servisleri, bilgisayarlar arasında ağ üzerinden etkileşimi ve uyumluluğu sağlayacak yazılım sistemleridir. Günümüzde birbiriyle haberleşecek sistemleri gerçekleştirmek için en çok tercih edilen yöntem web servisleridir. [6] .

Web servislerini yazarken, daha hızlı ve uygulanabilirliği daha kolay olduğu için Rest mimarisi SAU J. Sci. Vol 18, No 2, p. 87-91, 2014

Android üzerinde web tabanlı çocuk takip sistemi

seçilmiştir. Web servisi, mobil uygulama ve veritabanı arasında veri alış verişi yönetilecek şekilde tasarlandı ve Eclipse Indigo editöründe Maven projesi olarak geliştirildi. Maven teknolojisinin en büyük avantajı, jar kütüphaneleriyle uğraşmak zorunda kalmayışınızdır.

Projeyi inşa etmek için Maven kullanıldığında, projenin bağımlı olduğu bütün kütüphaneler otomatik olarak indirilir.

"KidsTrackingService" web servis sınıfı üç paketten oluşmaktadır. Birinci paket; çocuk bilgilerinin tutulduğu, telefonun sistemde kayıtlı olup olmadığı sonucunu tutan ve sonuç olarak true ve false değerleri döndürmek için oluşturulmuş üç adet sınıftan oluşmaktadır. Servis, mobil uygulamayla haberleşeceği için bu paketin altındaki sınıfların benzeri mobil uygulamada da mevcuttur. İkinci paket (utils) uyguma içinde çok sık kullanılan veritabanı ve diğer işlemler için kullanılan fonksiyon ve prosedürlerin tutulduğu pakettir. Ayrıca her servisi çağıran sınıf için kimlik denetlemesi yapan, çocuğun konum bilgilerini tutan, çocuğun limitlerini veritabanına yazmak hem de bulunduğumuz an içinde çocuk için sınırlama var mı varsa çocuğun girilen adresler içinde olup olmadığını döndüren ve Geolocation verisini yani enlem ve boylam bilgisini adrese çeviren ve sınıflardan oluşmaktadır.

Eğer çocuk belirlenen sınırları aşarsa ebeveyne e-posta gönderen sınıf da "utils" paketinin içindedir. Üçüncü paket rest servislerinin tutulduğu pakettir. Bu paketteki en önemli sınıf, telefondan gelen konum bilgilerini veritabanına yazan sınıftır.

H. Bayıroğlu, K. Ayan

noktalarının o anki sinyal güçlerini buldurur, sonra cihaz Google konum hizmetine (Android konum hizmetinden farklı) sorgu yapar, bu da Wi-Fi bilgisine dayalı olarak konum bilgisi sağlar. Bir cihaz o anki konumunu baz istasyonları aracılığıyla bulması gerektiğinde, o an bağlı olduğu baz istasyonunun ID’sini, aynı zamanda önceden kullandığı baz istasyonlarının geçmiş bilgisini Google konum hizmetine gönderir. Bu bilgiyle, Google konum hizmeti baz istasyonu ağı hakkında sahip olduğu bilgiye bağlı olarak cihazın konumu hakkında bilgi sağlayabilir. Eğer birden fazla baz istasyonunun ID’si Google konum hizmetine gönderilirse, üçlü kestirim kullanarak daha yüksek hassasiyet sağlayabilir. [7].

Şekil 1. Mobil uygulama giriş ekranı (Login screen of mobile application)

2.3. Sistemin Mobil Uygulaması (Mobile Application of System)

Projenin Mobil kısmı Eclipse editöründe Android projesi olarak geliştirilmiştir. Mobil uygulama kısmındaki hedef, konum bilgilerinin elde edilip veritabanına işlenmek üzere kaydedilmesidir. Telefona "neredesin" mesajı geldiğinde konum bilgilerini döndüren sınıf burada oluşturulmuştur.

Bu bölümde Android' in sunmuş olduğu Location Provider (konum sağlayıcılar)'lar aracılığıyla konum verisi elde edilerek, daha sonra web sitesinde kullanılmak üzere web servisler aracılığıyla veritabanına kaydedilmektedir. Uygulamada bütün konum sağlayıcıların açık olup olmadığı kontrol edilir.

GPS mevcut konumu belirlemek için en iyi tahmini verdiği için ilk önce GPS algılayıcı kontrol edilir, konum verisini alabiliyorsa o veri veritabanına yazılır.

Aksi halde ağ algılayıcılar kontrol edilir. Ağ tabanlı konum sağlayıcılar; CELL ID (baz istasyonu) 'ler ve kablosuz ağ erişim noktaları aracılığıyla konum bilgisi elde ederler. Wi-Fi tabanlı konum bulma bir cihaza erişebileceği Wi-Fi erişim noktalarını ve o erişim SAU J. Sci. Vol 18, No 2, p. 87-91, 2014

Şekil 2. Programın aktif edildiği ekran (The screen that activates the program)

2.4. Sistemin Web Arayüzü (Web Interface of System) Projenin web kısmı Eclipse editöründe Maven projesi olarak geliştirilmiştir. Web arayüzü Jsp (Java Server Page) teknolojisi kullanılarak yazılmıştır. Sitede Google firmasının sunmuş olduğu Google Maps Api' si sayesinde haritayı kullanıp, üzerinde işlem yapılabilmektedir. Haritayı kullanabilmek için Google Maps Api Key elde edilmesi gerekmektedir. Bunu da 89

H. Bayıroğlu, K. Ayan

"https://code.google.com/apis/console/" sitesine girerek kayıt yaptıktan elde edilebilmektedir [8].

Android üzerinde web tabanlı çocuk takip sistemi

sağlanabilmektedir. Daha sonra bu adrese hangi gün, hangi saatler arasında ve ne kadar mesafeyle sınırlama girilmek istendiği belirtilebilmektedir.

Web sayfasında ilk ekrana login sayfası geliyor. Bu sayfada kullanıcı "register" butonuyla sisteme kayıt olabiliyor veya daha önceden kayıt olduğu mail adresi ve şifresiyle sisteme girişini yapıyor. Giriş yaptığında "kidsinfo" sayfasına yönlendiriliyor. Bu sayfada ebeveyne ait çocukların bilgileri görüntüleniyor.

Ebeveyn sisteme ilk defa giriyorsa hiç bir veri göremeyecektir. Sol üst köşedeki "Add" butonuyla yeni bir çocuk girişi yapmalıdır ve ayrıca "kidsinfo" sayfasında çocuğun üzerine tıklandığında "kidsedit" sayfasına yönlendiriliyor ve böylece kullanıcıya önceden girilen bilgilerde değişiklik yapma imkanı sağlıyor. Şekil 5. Çocuğun bulunabileceği sınırları belirleme ekranı (Screen for determining the limits of the location that the child is allowed)

Şekil 3. Çocuğun bilgilerinin olduğu ekran (The screen that includes information about the child)

"kidsinfo" sayfasında "where is my kid" butonu tıklandığında "location" sayfasına yönlendiriliyor.

Burada çocuğun mevcut konumu harita üzerinde gösteriliyor. Ayrıca bu sayfada istenilen gün ve saatler girilerek, geçmiş konumların harita üzerinde görülebilmesi mümkün olmaktadır.

Şekil 4. Çocuğun gezdiği yerler (The places that the child has been to.)

"kidsinfo" sayfasında "Add Limit" butonu tıklandığında "kidslimit" sayfasına yönlendirilmekte ve bu sayfada önceden belirlenmiş sınırlamalar görülebilmektedir.

Ayrıca "Add" butonuyla "addlimit" sayfasına yönlendirilerek, bu sayfadaki "Find Adress" butonuyla sınırlaması belirlenmek istenen adres girilerek, sistemin adrese ait enlem ve boylamı bulması 90

"kidsinfo" sayfasında "violation" butonuyla violation sayfasına yönlendirilmekte ve bu sayfa harita üzerinde mevcut konum bilgisini göstermektedir. Haritanın altında ise son yirmi ihlal adresleriyle beraber sıralanmaktadır. İhlalin üzerine tıklandığında da harita üzerinde gösterildiği görülmektedir.

3. SONUÇLAR (CONCLUSIONS) Bu çalışma, GPS modüllerinin telefonlara entegre edilecek kadar küçüldüğü, 3G teknolojisi ile mobil cihazlarda çok yüksek hızlara çıkıldığı bir dönemde, çocukların bulundukları yerleri internet üzerinden merkezi bir sistemde birleştirerek ebeveynlerin paylaşımına ve kontrolüne açan bir sistemdir. Çalışma öncelikli olarak cihazın, en iyi konum tahminini veren konum sağlayıcısı olan GPS modülünü kullanarak konum bulur. Eğer herhangi bir neden den ötürü GPS kullanılamazsa, kablosuz ağ erişim noktaları aracılığıyla konum bilgisi elde eder ve o an için telefonun Wi-Fi özelliği de kullanılamazsa baz istasyonlarından mobil ülke kodu, mobil ağ kodu, mobil bölge kodu, baz istasyonu ID (cell-id)'si alınarak daha düşük de olsa bulunduğu mahalleye kadar konum bilinebilecek bir hassasiyetle konum tespit edilebilir.

Sistemde mobil telefonda internet olduğu sürece konum verileri enlem, boylam, zaman bilgileri 10 sn' de bir veri tabanına kaydedilmektedir. İnternet olmadığında ise bu veriler telefonda bir dosyaya kaydedilip, internet geldiğinde veri tabanına aktarılmaktadır. Telefona "nerdesin" mesajı geldiğinde otomatik adres bilgisi gönderilmektedir. Web sayfası üzerinden ebeveyn mevcut konumunu, geçmişe dönük bulunduğu yerleri harita üzerinden izleyebilmektedir. Ayrıca web

SAU J. Sci. Vol 18, No 2, p. 87-91, 2014

H. Bayıroğlu, K. Ayan

Android üzerinde web tabanlı çocuk takip sistemi

sayfasından istediği saat, yer sınırlamaları girip, bu sınırlar aşıldığında maille bilgilendirilmektedir.

[6] Telefonda GPS, Wi-Fi kapalıysa yalnızca konum bilgisini GSM Baz İstasyonlarından elde edilebilmektedir. Sistemde elde edilen bu veri konum bilgisine dönüştürülemeyip herhangi bir yerde kaydedilmemektedir, yalnızca mesaj atıldığında elde edilmektedir. Ancak başka ücretsiz siteler bu verilerin girilerek konum bilgisinin harita üzerinde gösterilmesi hizmetini sunmaktadır.

[7] [8]

[Online], Available: http://dev.mysql.com/doc/refman/5.5/en/ Kreger H. (2002) Web Services Conceptual Architecture (WSCA) 1.0, IBM Software Group, May 2001. DuBois P., MySQL Cookbook Meir R. (2007) Professional Android Application Development, Wiley Publishing, Inc. Google Maps API Licensing, [Online], Available: https://developers.google.com/maps/licensing, 2013.

Gelecek çalışmalarda GSM Baz İstasyonlarından elde edilen değerler sadece mesajla ebeveyne iletilmeyip, kayıt altına alınıp web sayfasında takibi sağlanabilir.

Ayrıca sistemi milyonlarca anne ve babanın hizmetine sunulabilmek için sistemin mimarisi geliştirip güçlendirilmelidir, özellikle konum verilerinin kaydedildiği tablolar daha optimal hale getirilebilir.

Ayrıca şuan sistem sadece Android İşletim Sistemine sahip telefonlara hizmet vermektedir. Aynı yazılım diğer mobil telefonlar içinde geliştirilip tek bir web sitesi üzerinden takibi sağlanabilir. Bu sistem özellikle çocukların takibi için tasarlandığından onlar için sisteme acil durum planı eklenebilir.

KAYNAKLAR (REFERENCES) [1]

[2]

[3]

[4]

[5]

Shu X., Du Z., (2009) 'Research on Mobile Location Service Design Based on Android' , Wireless Communications, Networking and Mobile Computing' , WiCom'09 5th International Conference, School of Information Science and Technology Dalian Maritime University, Dalian, [24-26 Sept. 2009 ].

Chandra A., Jain S., Abdul Qadeer M. (2011) 'Implementation of Location Awareness and Sharing System Based on GPS and GPRS using J2ME, PHP and MYSQL, 2011 Computer Research and Development (ICCRD), 2011 3rd International Conference on (Volume:1 ), [11-13 March 2011].

Liao Y., Chuang C., Jeng J., Chen J. (2011) 'Systematic Design for the Global Positional Systems with Application in Intelligent Google Android phone', System Science and Engineering (ICSSE), 2011 International Conference, [8-10 June 2011].

Gupta R., Reddy B. (2011) 'GPS and GPRS Based Cost Effective Human Tracking System Using Mobile Phones, VIEWPOINT, Volume 2, [January-June 2011] MySQL 5.6 Reference Manual Including MySQL Cluster NDB 7.3 Reference Guide,

SAU J. Sci. Vol 18, No 2, p. 87-91, 2014

91

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 93-97, 2014

SAU J. Sci. Vol 18, No 2, p. 93-97, 2014

EEG işaretlerinin epileptik analizi için boyut azaltmanın etkileri Murat Yıldız1*, Erhan Bergil2, Canan Oral3 2

1* Sakarya Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği, Sakarya Amasya Üniversitesi, Teknik Bilimler Meslek Yüksekokulu, Elektronik ve Otomasyon Bölümü, Amasya 3 Amasya Üniversitesi, Teknoloji Fakültesi, Elektrik-Elektronik Mühendisliği, Amasya

19.02.2013 Geliş/Received, 12.08.2013 Kabul/Accepted

ÖZET EEG işaretleri epilepsi çalışmalarında yaygın olarak kullanılmaktadır. Bu işaretlerin özelliklerinden yararlanarak nöbet algılayan birçok yöntem önerilmiştir. Elde edilen özellik matrisi farklı sınıflandırıcılar kullanılarak sınıflandırılmaktadır. İşlem yükü özellik matrisinin boyutuyla doğrudan ilgilidir. Gerçek zamanlı uygulamalarda işlem yükünün fazla olması başlıca sorunlardandır. Bu problemi çözmek için özellik seçimi ve boyut azaltımı kullanılmaktadır. Bu çalışmada boyut azaltımının sınıflandırıcı performansları üzerindeki etkileri incelenmiştir.

Sağlıklı ve epileptik bireylerden farklı koşullarda alınan EEG işaretlerinden, 300x16 boyutunda özellik matrisi elde edilmiştir. Bu matris Çok Katmanlı Yapay Sinir Ağları, Lineer Diskriminant Analizi ve Destek Vektör Makineleri yöntemleri kullanılarak sınıflandırılmıştır. Özellik matrisinin boyutu Temel Bileşenler Analiziyle 300x5 boyutuna indirgenmiştir. Sınıflandırma işlemleri boyutu indirgenmiş özellik matrisi için tekrarlanmıştır. Her iki durum için sonuçlar karşılaştırılmıştır.

Anahtar Kelimeler: EEG işaretleri, epilepsi, yapay sinir ağları, lineer diskriminant analizi, destek vektör makineleri

Effects of dimension reduction for analysis of epileptic in EEG signals ABSTRACT EEG signals are widely used epilepsy studies. Utilizing features of these signals, a great number of methods have been proposed for seizure detection. Obtained feature matrix is classified using different classifiers. Processing load is directly related to the size of the matrix. For real time applications, it is major problem that processing load is too much. Dimension reduction and feature selection use to eliminate this problem. In this study, effects of size reduction on classifiers' performances are investigated. A feature matrix of size 300x16 has obtained from EEG signals, which were taken from healthy and epileptic subjects in different conditions. This matrix has been classified using Multilayer Perceptron Neural Networks (MLPNN), Linear Discriminant Analysis (LDA) and Support Vector Machines (SVM). Feature matrix has been reduced to 300x5 size using Principal Component Analysis (PCA). New feature matrix has been classified using the same classifiers again. The results of both conditions have been compared.

Keywords: EEG signals, epilepsy, neural networks, linear discriminant analysis, support vector machines

*

Sorumlu Yazar / Corresponding Author myildiz@sakarya.edu.tr

M. Yıldız, E. Bergil, C. Oral

1. INTRODUCTION (GİRİŞ) Seizures are the temporary anomalies of the brain’s electrical activities. People with epilepsy who have central nervous system defect, have difficulties because of the seizures which occur at different and unforeseeable times without any symptoms. Seizures may cause convulsion and inattentiveness. In fact, seizures which occur frequently may end up with death [1].

For the diagnosis of epilepsy, many methods such as EEG, PET (Positron Emission Tomography) and MRI (Magnetic Resonant Imaging) are used. EEG signals have a common place in epilepsy studies and diagnosis [2]. EEG shows the representation of electrical activities generated by cerebral cortex neurons. For this reason, it is an important component in the clinic evaluation of brain activities, diagnosis of epilepsy and perception of epileptic attack. The signals can be obtained by placing necessary electrode to different centers and direct measures [2, 3].

A great number of features are used in order to analyze EEG signals. The mean, maximum and minimum, hjorth parameters, standard deviation and variance of EEG signals are among the features of time domain.

Lyapunov exponantionals are the most widely nonlinear feature. Wigner-Ville distribution may be given as an example for time-frequency distribution. Subfrequency energy bands (Alpha, beta, theta and delta bands) are frequency domain features. Auto regressive model are among the power spectrum features [4-8].

If needed, dimension reduction can be applied by eliminating features, which haven't the distinguishing information. Principal component analysis is an example of the methods used to reduce dimension. Size reduction increases the response speed of the systems in real time applications.

After deciding on the features classification is performed. Feature matrix is given to classifier as input.

At the end of classification it is aimed to separate the different components of the EEG signals into normal, pre-ictal, ictal and postictal periods.

When the literature is reviewed it is seen that Hamid R. Mohseni et al. used different features and compared the results in order to detect the seizure in EEG signals.

They used separately non-linear based features, entropy based features, wavelet based features, time-frequency based features, local variance and spectral power features. Finally, they compared performances [4].

94

Effects of dimension reduction for analysis of epileptic in EEG signals

Ocak presented a new scheme for the optimal classification of epileptic seizures in EEG using wavelet analysis and the genetic algorithm (GA). Entropy values of wavelet coefficients were used as feature. The GA was used to find the optimal feature subset that maximizes the classification performance of a learning vector quantization (LVQ)-based normal and epileptic EEG classifier [9].

Shengi-Fu Liang et al. used approximate entropy, power and auto regressive model as feature. They suggested a method by which they applied genetic algorithms and principal component analysis to reduce features. In the study, linear discriminant analysis, backpropagation artificial neural networks, linear least square and support vector machine were used as classifier, the results were compared with prior studies [10].

H. Kim and J. Rosen proposed an algorithm of epileptic seizure detection for implantable device. They used auto-regressive model parameters as feature. Then they made dimension reduction using PCA [11].

Subaşı and Gürsoy classified obtained features using discrete wavelet transforms. They used principal component analysis, independent component analysis and linear discriminant analysis for dimension reduction. SVM was used as classifier. They reached 100% accuracy with linear discriminant analysis [5].

Mahajan et al. used statically features obtained from distribution of wavelet coefficients. They applied dimension reduction using Principal Component Analysis and Independent Component Analysis. Then these feature matrices were given to classifier as input.

They used Artificial Neural Network as classifier and compared results [12].

2. MATERIAL AND METHOD (MATERYAL VE METOT)

The dataset used in this research are selected from the Epilepsy center in Bonn, Germany by Ralph Andrzejak [13]. We used three data sets (Set A, Set C, Set E). Each set consists of 100 pieces EEG recording, which is 23.6 second period. The first set (Set A) was taken from five healthy and awake subjects. The other sets were taken from five patients with epilepsy subjects. The second set (Set C) includes non-seizure recording. Set E includes seizure recording. All EEG signals were recorded with the same 128-channel amplifier system, using an average common reference. The data were digitized at 173.61 samples per second using 12 bit resolution.

In this study, feature matrix was obtained at 300x16 dimensions. Then, the classification was implemented SAU J. Sci. Vol 18, No 2, p. 93-97, 2014

Effects of dimension reduction for analysis of epileptic in EEG signals

M. Yıldız, E. Bergil, C. Oral

using Multilayer Perceptron Neural Networks, Support Vector Machine and Linear Discriminant Analysis.

Finally, the performances of classifiers were compared.

64 pieces of each set were used as training data. The others were used as testing data. Then, feature matrix was reduced to the 300x5 using Principal Component Analysis. The same procedure was repeated for reduced feature matrix. Performances were evaluated in terms of classification accuracies and elapsed times for both cases. Block scheme of process is shown figure 1.

sorted according to decreasing eigenvalue. Bigger variances of data distribution are more effective to discriminate the classes than smaller variances [17].

EEG signals

Feature Extraction (300x16 feature matrices)

Dimension Reduction (PCA) (300x5 feature matrices)

Classification (LDA, SVM, MLPNN)

Classification (LDA, SVM, MLPNN) Figure 1. Block scheme of process (sürecin blok şeması)

2.1. Feature Extraction (Özellik Çıkarma) The common features in the evaluation of EEG signals were determined and used 16 ones of these features. In this study sub-band powers (alpha, beta, delta and theta bands), total power, hjorth parameters (mobility, activity and complexity) and auto regressive coefficient (8 ones) used as feature.

2.2. Dimension Reduction (Boyut Azaltma) Dimension reduction plays an important role in classification performance. Feature vector has usually high dimension. The aim of feature selection is to reduce dimensionality of the measurement space to a space suitable for application of classification algorithms. The feature space can be transformed space that has lower dimension than the original [14, 15].

In feature selection step, principal component analysis (PCA) is used for dimension reduction. Principal component analysis is approach to reduce dimensionality. PCA transforms a number of correlated variables in to a smaller number of uncorrelated variables called principal components [16]. First covariance matrix is calculated using feature vector.

Next, eigenvectors and eigenvalues are computed and SAU J. Sci. Vol 18, No 2, p. 93-97, 2014

In this study we reduced the feature matrix dimensionality from sixteen to five using Principal Component Analysis.

2.3. Classification (Sınıflandırma) Linear Discriminant Analysis, Support Vector Machine and Multilayer Perceptron Neural Networks were used as classifier.

2.3.1. Multilayer perceptron neural networks (Çok katmanlı yapay sinir ağları)

Artificial neural networks, parallel distributed structures, because of their ability to learn and to generalize it, have the ability to solve complex problems. Neural Networks operates successfully in many engineering fields such as pattern classification, signal processing, system identification and control [18,19].

A multilayer artificial neural network consists of an input layer, one or more hidden layer and an output layer. Each layer comprises at least one neuron.

Multilayer feed forward neural networks apply nonlinear mapping between the input and output space. The outputs of neurons in a layer are given to next layer as input. Input layer transmits to hidden layer the information provided by the external environment without change. The information is processed in hidden and output layers, than output is defined. MLPNN passes weights assigned to different layers, and determines the output and compares it with target output. Then it propagates error signal and adjust the connection weights correspondingly [16, 18].

2.3.2. Support vector machines (Destek vektör makineleri)

SVM are a supervised learning method based on statistical learning. This method has plenty of advantages according to the traditional learning methods [20, 21]. SVM is known as a learning method based on data partitioning. The generalization errors of SVM are associated with the allocated width of the border, which is used to separate the data. SVM defines class label of unknown data via function of classification (hyperplane) by dividing data space. For this purpose, SVM uses most suitable separator hyper-plane to divide the data [20, 22].

95

M. Yıldız, E. Bergil, C. Oral

2.3.3.

Linear

discriminant

Effects of dimension reduction for analysis of epileptic in EEG signals

analysis

(Lineer

diskriminant analizi)

LDA is one of the classification methods, widely used in the fields of statistics and machine learning. LDA tries to find the linear combination of features, which can be used as a linear classifier, to separate the samples belonging to two or more classes. In other words, LDA is a method; tries in order to get vectors belong to the space, which are able to separate each class [23, 24].

Discriminant analysis determines the distinctive functions. Method gets distinctive variables, which are the most dominant in distinction between groups, via these functions. Finally, it decides the group of unit [24].

This approach generates a new variable which is the combination of the available data. This variable closer to data points in the same class each other, and pushes apart the data points belonging to different classes [24].

3. EXPERIMENTAL RESULTS (DENEYSEL SONUÇLAR)

The classification process of first, feature matrix has been performed with LDA, MLPNN and SVM classifiers. SVM classifier has RBF Kernel function with σ=1,5 and regularization parameter C=100.

MLPNN classifier has three layers. The input layer has sixteen neurons, hidden layer has thirty two neurons and output layer has one neuron. The results of classifiers are shown in Table 1.

Table 1. Classification results for 300x16 feature matrix. (300x16 özellik matrisi için sınıflandırma sonuçları)

Healthy Non-seizure Seizure

Healthy Non-seizure Seizure

Healthy Non-seizure Seizure

The Results of LDA Healthy Non-seizure 36 34 2 The Results of SVM Healthy Non-seizure 36 35 The Result of MLPNN Healthy Non-seizure 36 2 31 1 -

Seizure 2 34 Seizure 1 36 Seizure 3 35

The classification process of reduced feature matrix has been performed in the same way. SVM classifier has RBF Kernel function with σ=1,5 and regularization parameter C=10. MLPNN classifier has three layers.

The input layer has five neurons, hidden layer has ten neurons and output layer has one neuron. The results of classifiers are shown in Table 2.

96

Table 2. Classification results for 300x5 feature matrix (300x5 özellik matrisi için sınıflandırma sonuçları)

Healthy Non-seizure Seizure

Healthy Non-seizure Seizure

Healthy Non-seizure Seizure

The Results of LDA Healthy Non-seizure 32 4 2 32 2 The Results of SVM Healthy Non-seizure 36 1 35 1 The Result of MLPNN Healthy Non-seizure 36 3 31 1

Seizure 2 34 Seizure 35 Seizure 2 35

SVM has the best results for both feature matrices.

Dimension reduction impacts mostly on LDA's performance. The number of false detection increases from four to ten. This number hasn't changed for MLPNN. Only the periods confused with each other have changed. As a result of dimension reduction, MLPNN's performance is better than LDA's performance for healthy periods. But there is an opposite situation for non-seizure periods. LDA's performance is better than MLPNN's performance for both feature matrices. The elapsed time after dimension reduction is better than previous ones for all classifiers.

4. CONCLUSION (SONUÇLAR) Feature matrices and classifiers used in the evaluating of EEG signals play an important role in the determining the level of success in real time applications. Dimension reduction and feature selection are often used to reduce the response time of the system. In this study, the effect of dimension reduction on the performance of the classifier has been investigated. Accuracies of classifiers are shown in Table 3. for both feature matrices.

Table 3. Accuracies of Classifiers (Sınıflayıcı Doğrulukları)

Classifiers Accuracy for 300x16 feature matrix Accuracy for 300x5 feature matrix

LDA

SVM

MLPNN

% 96.30

% 99.07

% 94.44

% 90.74

% 98.15

% 94.44

Classification times have been measured for each classifier. Elapsed times have been obtained considering the training and testing time. The classification times are shown in Table 4.

SAU J. Sci. Vol 18, No 2, p. 93-97, 2014

M. Yıldız, E. Bergil, C. Oral

Effects of dimension reduction for analysis of epileptic in EEG signals Table 4. Classification times (Sınıflandırma Zamanları)

Classifiers Elapsed time for 300x16 feature matrix Elapsed time for 300x5 feature matrix

LDA

SVM

MLPNN

0.1010

0.3676

47.4834

0.0381

0.2124

28.0576

[10]

Dimension reduction hasn't affected the accuracy of MLPNN. The elapsed times of classification, obtained using dimension reduction are better than previous ones.

Designers should achieve the best performance by optimizing between classification time and accuracy.

[11]

REFERENCES (KAYNAKLAR)

[12]

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

Shoeb, A. and Guttag, J. (2010), ‘Application of Machine Learning To Epileptic Seizure Detection’, The 27th International Conference on Machine Learning, Haifa, Israel, pp. 975-982.

Sivasankari, N. and Thanushkodi, K. (2009) Automated Epileptic Seizure Detection in EEG Signals Using FastICA and Neural Network, Int. J. Advance, Soft Comput. Appl., Vol.1, No. 2, November, pp. 1-14.

Subasi, A. (2005) Epileptic seizure detection using dynamic wavelet network, Expert Systems with Applications, vol. 29, No. 2, August, pp.343–355.

Mohseni, H.R,. Maghsoudi, A. and Shamsollahi, M.B. (2006) ‘Seizure Detection in EEG signals: A Comparison of Different Approaches’, 28th IEEE EMBS Annual International Conference, New York City, USA, pp. 6724-6727.

Subaşı, A. and Gürsoy, M.İ. (2010) EEG signal classification using PCA, ICA, LDA and support vector machines, Expert Systems with Applications, Vol. 37, No. 12, December, pp.

8659–8666.

Temko, A., Thomas, E., Marnane, W., Lightbody G. and Boylan, G. (2011) EEG-based neonatal seizure detection with Support Vector Machines, Clinical Neurophysiology, Vol. 122, March, pp.

464–473.

Alkan, A., Koklukaya, E. and Subasi, A. (2005) Automatic seizure detection in EEG using logistic regression and artificial neural network” Journal of Neuroscience Methods, vol. 148, No. 2, October, pp.167–176.

Tzalles, A.Z., Tsipouras, M.G. and Fotiadis, D.I. (2007) Automatic Seizure Detection Based on Time-frequency analysis and Artificial Neural Networks", Computational Intelligence and Neuroscience,Vol. 2007, No. 18, August, 13 pages.

Ocak, H. (2008) Optimal classification of epileptic seizures in EEG using wavelet analysis

SAU J. Sci. Vol 18, No 2, p. 93-97, 2014

[13]

[14] [15] [16] [17] [18] [19] [20]

[21] [22] [23]

[24]

and genetic algorithm, Signal Processing, Vol. 88, No. 7, July, pp. 1858-1867.

Liang, S.F., Wang, H.C. and Chang, W.L. (2010) ‘Combination of EEG Complexity and Spectral Analysis for Epilepsy Diagnosis and Seizure Detection’, EURASIP Journal on Advances in Signal Processing, Vol. 2010, No. 62, February.

Kim, H. and Rosen, J. (2010) ‘Epileptic Seizure Detection - An AR Model Based Algorithm for Implantable Device’, Engineering in Medicine and Biology Society (EMBC), 2010 Annual International Conference of the IEEE, Buenos Aires, Argentine, pp. 5541-5544.

Mahajan, K.., Vargantwar, M.R. and Rajput, S.M. (2011) Classification of EEG using PCA, ICA and Neural Network, International Journal of Engineering and Advanced Technology, Vol. 1, No. 1, October, pp. 80-83.

Andrzejak, R.G. (2013) EEG time series, [Online],http://www.meb.unionn.de/epileptologie/cms/upload/workgroup/lehn ertz/eegdata.html. [1 Aug 2013] Bow, S.T. (2002) Pattern Recognition and Image Preprocessing, Marcel Dekker, New York, USA. Costaridou, L. (2005) Medical Image Analysis Methods, CRC Pres, USA. Meyer-Baese, A. (2004) Pattern Recognition for Medical Imaging, Elsevier Academic Pres, California, USA. Duda, R.O., Hart, P.E. and Stork, D.G. (2001) Pattern Classification, Wiley-Interscience, New York, USA. Haykin, S. (1999) Neural Networks: A Comprehensive Foundation, Prentice Hall, New Jersey, USA. Mitchell, T.M. (1997) Machine Learning, McGraw-Hill Science/Engineering/Math, USA. Zheng, N. and Xue, J. (2009) Statistical Learning and Pattern Analysis for Image and Video Processing, Springer-Verlag London Limited, London.

Vapnik, V.N. (1998) Statistical Learning Theory, Wiley-Interscience, New York.

Abe, S. (2005) Support Vector Machines for Pattern Classification, Springer, New York, USA. Junoh, A.K. and Mansor, M.N. (2012) ‘Safety System Based on Linear Discriminant Analysis’, 2012 International Symposium on Instrumentation & Measurement, Sensor Network and Automation (IMSNA), Vol:1, pp.

32-34.

Fielding, A. (2000) Cluster and Classification Techniques for the Biosciences, Cambridge University Press.

97

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 99-103, 2014

SAU J. Sci. Vol 18, No 2, p. 99-103, 2014

Aşağı Sakarya Nehri akımlarının yapay sinir ağları ile tahmin edilmesi Mehmet Anıl Kızılaslan*, Fatma Sağın , Emrah Doğan , Osman Sönmez 1*

Sakarya Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği, Sakarya 08.08.2013 Geliş/Received, 31.10.2013 Kabul/Accepted

ÖZET Sakarya Nehri, DSİ tarafından belirlenmiş olan 26 havzadan 12 numaralı Sakarya Havzasında yer almaktadır.

Havzanın en önemli nehri olan Sakarya Nehri, bölgenin önemli bir doğal enerji kaynağıdır. Üzerine kurulmuş olan barajlar sayesinde bölgeye içme ve sulama suyu sağlamaktadır.

Bu çalışmada, Aşağı Sakarya Nehri debi miktarı Yapay Sinir Ağları (YSA) modellerinden İleri Beslemeli Geri Yayılımlı Sinir Ağları kullanılarak tahmin edilmiştir. Çeşitli senaryolar altında zaman ötelemesi yapılıp, en iyi sonucu veren senaryo belirlenmeye çalışılmıştır. Senaryolarda 1221 No’lu Doğançay Akım Gözlem İstasyonundan edinilen akım verileri kullanılmıştır.

Elde edilen sonuçlar değerlendirildiğinde, dört gün zaman ötelemesi yapılan senaryo en yüksek determinasyon katsayısı (R2) değerini vermiştir. Sakarya nehri üzerinde yapılan bu çalışmanın, ileride yapılacak olan enerji planlaması ve taşkın çalışmalarına yardımcı olması düşünülmektedir.

Anahtar Kelimeler: yapay sinir ağları, sakarya nehri, debi tahmini

Estimation of lower Sakarya River flow using artificial neural networks ABSTRACT Sakarya River is located in Sakarya Basin which determined by DSI,is 12th of 26 basin. Sakarya River basin, which is the most important river in the region, is an important source of natural energy. With the dams built on the area provides drinking and irrigation water. In this study, the amount of Lower Sakarya River’s flow estimated from Artificial Neural Networks (ANN) models using Feed Forward Backpropagation Neural Networks. Time shift done under a variety of scenarios, the best scenario to be determined from results. In scenarios Flow Observation Station No. 1221 Doağançay flow data used. Obtained results are evaluated the four day time shift scenario has the highest coefficient of determination (R2) value. The study on Sakarya River will be helpful to future studies in energy and flood.

Keywords: artificial neural networks, sakarya river, flow estimation

*

Sorumlu Yazar / Corresponding Author

mkizilaslan@sakarya.edu.tr

M.A. Kızılaslan, F. Sağın, E. Doğan, O. Sönmez

1. GİRİŞ (INTRODUCTION) Azalan su kaynaklarımızın verimli şekilde kullanılması, geleceğe yönelik su kaynakları sistemlerinin doğru şekilde planlanması ve işletilmesine bağlıdır [1] .Akarsularımızdaki akımı eldeki veriler ile tahmin etmek bu planlama ve işletim için önem arz etmektedir.

Bu çalışmada ülkemizin önemli nehirlerinden olan Sakarya Nehri’ nin 1221 No’ lu Doğançay Akım Gözlem İstasyonundan 2003 – 2010 yılları arasında elde edilen veriler ile İleri Beslemeli Geri Yayılımlı Yapay Sinir ağları kullanılarak çeşitli senaryolar altında günümüzdeki akım değerleri tahmin edilmiştir.

Literatürde Yapay Sinir Ağları (YSA) kullanılarak pek çok nehirde benzer çalışmalar yapılmıştır. Bunlardan bazılarında; Orta Akdeniz Havzası’ nda bulunan Dim, Manavgat ve Köprü Çayları’ na otoregresif modeller ve Yapay Sinir Ağları modelleri kurarak akımları tahmin etmiş ve bu iki yöntemi kıyaslamıştır [2].

Aşağı Sakarya Nehri Akımlarının Yapay Sinir Ağları İle Tahmin Edilmesi

2. ÇALIŞMA SAHASI (STUDY AREA) Sakarya havzası, DSİ tarafından ayrılmış 26 akarsu havzasından biridir. 12 numaralı Sakarya havzası Aşağı Sakarya Havzası ve Yukarı Sakarya Havzası olmak üzere iki bölüme ayrılmıştır. Aşağı sakarya havzası su kaynakları; Sakarya Nehri, Mudurnu ve Dinsiz Çayları, Çark Suyu ,Karasu, Karacasu, Akçay ve Bıçkı dereleridir.

Sakarya nehri, Eskişehir ilinin Çifteler ilçe merkezinin 3 km güneydoğusundan doğar ve birçok küçük dereler ile beslenir. Türkiye’nin önemli nehirlerinden biri olan nehir, 510 km uzunluğunda ve 60 – 70 m genişliğindedir. Bu genişlik yer yer 150 m’ yi bulmaktadır. Nehrin toplam drenaj alanı 55312 km2 ‘ dir [5]. Nehrin, minimum debisi 30 m3/s, ortalama debisi 193 m3/s ve maksimum debisi 996 m3/s olarak belirlenmiştir [6].

Köprüçay için elde edilmiş günlük akım verilerine İleri Beslemeli Geri Yayılımlı Yapay Sinir Ağları metodu ile 6 model oluştururak gelecekteki akımı tahmin etmeye çalışmıştır [3].

Yiğitler Çayı günlük akımlarını, regresyon modeli ve ysa ile modellemiş ve ysa ile kurulan modelin performansını regresyon modeline göre daha başarılı bulmuştur [4].

Bu çalışmada Aşağı Sakarya Nehri akımları Yapay Sinir Ağları (YSA) modellerinden İleri Beslemeli Geri Yayılımlı Sinir Ağları kullanılarak tahmin edilmiştir. Bu tahminler yapılırken zaman ötelemesi ile dört adet senaryo geliştirilmiş ve bu senaryolardan en iyi tahmini hangi senaryonun verdiği belirlenmiştir. Senaryolar değerlendirilirken determinasyon katsayısı (R2), Ortalama Karesel Hata (OKH) ve Ortalama Mutlak Hata (OMH) değerleri göz önünde bulundurulmuştur.

Değerlendirilme yapıldığında en iyi sonucu dört gün zaman ötelemesi yapılan senaryonun verdiği görülmüştür.

Suyun değerinin her geçen gün arttığı bu günlerde, birincil enerji kaynaklarının etkin bir şekilde kullanılması çok önemlidir. Bu çalışmanın amaçlarından bazıları, enerji ve taşkın planlamaları ve nehir üzerinde kurulması planlanan projelere katkı sağlamaktır.

100

Şekil 1. Sakarya havzası (Sakarya basin)

Nehrin Karadeniz’e döküldüğü yer olan Yenimahalle (nehir ağzı) ile akım gözlem istasyonunun bulunduğu Doğançay’a kadar olan kısmı Aşağı Sakarya Nehri olarak adlandırılmaktadır. Aşağı Sakarya Nehrinde debi ölçümleri Karadeniz’den itibaren 44. km’de Botbaşı ve 110. km’de Doğançay Akım Gözlem İstasyonunda (AGİ) yapılmaktadır. [7] Sakarya Nehri üzerinde Sarıyar, Gökçekaya ve Yenice Barajları bulunmaktadır. Nehir üzerindeki barajlardan Sarıyar Barajının rezervuar alanı 83.83 km2 , Gökçekaya Barajının rezervuar alanı 20 km2 ve Yenice Barajının rezervuar alanı 3.64 km2’ dir. Barajların rezervuar hacimleri ise sırasıyla, 1900 hm3, 910 hm3 ve 57.60 hm 3’tür [8].

SAU J. Sci. Vol 18, No 2, p. 99-104, 2013

Aşağı Sakarya Nehri Akımlarının Yapay Sinir Ağları İle Tahmin Edilmesi

M.A. Kızılaslan, F. Sağın, E. Doğan, O. Sönmez

bilgilerin biraz eksik olması durumunda bile genelleştirmeler yapılarak tam sonuca ulaşabilmektedir [10].

YSA’larda bilgi işlemede ard arda gelen en azından üç tabaka bulunmaktadır. Bunlar dış ortamdan bilgileri algılama tabakası ki buna giriş tabakası adı verilir.

Bilgileri işleme tabakası ki bu ortada bulunur ve nihayet bilgileri YSA ortamından insanın anlayacağı şekilde dışarıya veren çıkış tabakasıdır [10].

Şekil 2. Sakarya nehri boykesiti (Cross section of Sakarya river)

3. İKLİM (CLIMATE) Sakarya Havzası üç ayrı coğrafi bölgenin kesiştiği bir bölgede olmasından dolayı geçiş iklimine sahiptir.

Bölgede ortalama sıcaklık 15,1 °C, Ocak ayında en düşük ortalama sıcaklık 5 °C, Temmuz ayında ise en yüksek ortalama 25,6 °C’ dir. Ortalama yağış 349,8 mm günlük maksimum yağış ise 46,7 mm’dir. Bölgede ortalama kar yağışlı gün sayısı 2,5, karla örtülü gün sayısı 4,9 olarak belirlenmiştir. Havzada hakim rüzgar yönü batıdır [9].

4. MATERYAL VE YÖNTEM (MATERIAL AND METHOD)

YSA, Yapay Zekâ (YZ) biliminin bir alt dalıdır ve insan beyninin varsayılan çalışma prensibini kendine model edinmiş yapay sistemlerdir. YSA öğrenme kabiliyeti, adaptasyonu, az bilgi ile çalışabilme özelliği, hızlı çalışması ve tanımlama kolaylığı ile modern bilimin en popüler konularının başında gelmektedir. YSA’ lar, öğrenme yoluyla bilgi ve tecrübenin artırılması ve öğrenilenlerden faydalanarak sonuç üretilmesi prensibiyle işlemektedir [10].

YSA hesaplamaları arasında biri ileriye doğru girdileri çıktılar haline dönüştürmek diğeri de hataların azaltılması için ağılıkları geriye doğru yenilemek olmak üzere iki aşama vardır. Bir YSA modelinin geleceğe ait güvenilir tahminlerde kullanılabilmesi için değişik açılardan sınanması gereklidir [10].

YSA’da algıladığı bilgileri hatalar yaparak eğitim yolu ile öğrenirler. Eğitimden başarı ile geçtikten sonra YSA’lar artık algıladığı yeni bilgileri sınayarak kabul veya reddine karar verirler. YSA’lar ile desenler tanına bilmekte tarafsız sınıflamalar yapılabilmekte ve hatta SAU J. Sci. Vol 18, No 2, p. 99-103, 2014

İleri beslemeli geriye yayılım sinir ağları (İBGYSA) su kaynaklarında en çok kullanılan yapay sinir ağları metodudur. Bu yapay sinir ağında girdi, gizli ve çıktı birimleri olmak üzere üç farklı birim bulunmaktadır.

Her birim birçok nörondan oluşmakta olup birimler arasında ağırlık kümeleri ile bağlanmaktadırlar.

Bağlanma şekli ve her kısımdaki nöron sayısı değişebilmektedir. Aynı kısımdaki nöronlar arasında iletişim olmasına izin verilmemektedir. İleri beslemeli geriye yayılım algoritması iki etaptan oluşmaktadır.

Bunlar ileriye doğru besleme etabı ile çıktı birimindeki hesaplanan ve gözlenen bilgi sinyalleri arasındaki farklara dayanarak bağlantı kuvvetleri üzerinde değişikliklerin yapıldığı bir geriye doğru ilerleme etabı.

Bu eğitim sürecinin başında bağlantı kuvvetleri rastgele değerler olarak atanmaktadır. Öğrenme algoritması her iterasyonda eğitim başarı ile tamamlana kadar kuvveti değiştirmektedir. İterasyon süreci bir sonuca vardığında bağlantı kuvvetleri eğitim sürecinde kullanılan örneklerdeki mevcut bilgiyi elde eder ve saklar. Yeni bir girdi grubu sunulduğunda ileri doğru besleme ile yapay sinir ağının bağlantı kuvvetlerindeki öğrenilmiş ve saklanan bilgi sayesinde bir çıktı grubu elde edilir.

Geri yayılma algoritması gizli tabaka içeren YSA’larda kullanılan güçlü bir öğrenme algoritmasıdır. Geriye yayılma algoritmasında iki temel akış vardır. Bunlardan birincisi ağlar üzerinden ileriye doğru olan bilgi akışı, ikincisi ise geriye doğru olan hatanın yayılmasıdır.

Geriye olan akışta ise gerçek çıkışlar ile hesaplanan çıkış değeri yardımıyla elde edilen hatanın geriye doğru yayılarak ağırlıkların değiştirilmesi sağlanır. Tüm öğrenme usullerinde olduğu gibi geriye yayılma algoritmasındaki amaç da giriş ve çıkış verileri arasındaki en uygun tasviri sağlayacak olan bağlantı ağırlıklarının elde edilmesidir.

Eğitme işleminin tamamlanması için iki seçenek mevcuttur. Bunlardan ilki belli miktardaki hata toleransını göze almak o hata değerinden daha düşük hata değerine ulaşıncaya kadar eğitmeyi sürdürmektir.

Dolayısı ile bu durumda eğitme sayısından ziyade hata miktarı önemlidir. Diğer seçenek sabit bir eğitim

101

Makale ismi

M.A. Kızılaslan, F. Sağın, E. Doğan, O. Sönmez

Aşağı Sakarya Nehri Akımlarının Yapay Sinir Ağları İle Tahmin Edilmesi

sayısının seçilmesidir. Burada eğitici belirlenen eğitme sayısı sonunda elde edilecek hatayı kabul etmektedir.

görülmektedir. Sonuçlar değerlendirildiğinde en iyi sonucu 4. Senaryonun verdiği belirlenmiştir.

Geriye yayılma algoritmasının mahsurları da vardır.

Bunlar arasında örneğin ağın eğitilebilme garantisi yoktur. Eğitimin gerçekleştirilebilmesi için ağın büyütülmesinin yeterli olabileceği düşünülebilir. Ağın büyük tutulması öğrenmeyi ne kadar zorlayabileceği hususunda garanti verememektedir. Ağın büyütülmesi daha fazla işlem yükü getireceğinden bu kez de sonlu bir zaman diliminde eğitilebilme ihtimali azalmaktadır[11].

Tablo 2. Senaryolara ait nöron ve iterasyon sayıları (Neuron and iteration values for scenarios)

5. UYGULAMA (APPLICATION) Bu çalışmada, Aşağı Sakarya Nehri debi miktarı YSA modellerinden İleri Beslemeli Geri Yayılımlı Sinir Ağları kullanılarak tahmin edilmiştir. Model girdisi olarak m3/sn cinsinden akım verileri dört gün öncesine kadar modele dahil edilmiş ve çeşitli senaryolar altında modele olan etkisi araştırılmıştır. Zaman ötelemesi yapılarak senaryolar geliştirilmiş ve en iyi sonucu veren senaryoyu belirlemeye çalışılmıştır.

Senaryolar oluşturulurken 1221 no’lu Doğançay AGİ’ den elde edilen 2003 – 2010 yılları arasındaki 2557 akım verisi girdi olarak kullanılmıştır. Bu akım verilerinden 1534’ ü eğitim, 1023’ ü ise test amaçlı kullanılmıştır. Modellerde bir gizli katman seçilmiş ve gizli katmanda 5 ile 8 arasında nöron sayıları denenmiştir. İterasyon sayısı 3000 ile 10000 arasında en iyi sonucu veren iterasyon sayısı olarak belirlenmiştir. Çalışmada tek bir modelde dört adet senaryo geliştirilmiştir. Senaryolar öncelikle bulundukları I numaralı model ardından ise ötelendiği gün sayısı ile isimlendirilmiştir. Örneğin Senaryo I – 4, I numaralı modelde 4 gün zaman ötelemesi yapılan senaryoyu ifade etmektedir. Bu senaryoların değerlendirilmesinde; R2, determinasyon katsayısı, en küçük ortalama karesel hata (OKH) ve en küçük hata yüzdesi dikkate alınmıştır.

Tablo 1’ de model senaryoları ve girdiler verilmiştir.

1221 nolu Doğançay AGİ İBGYSA uygulaması sonuçları İterasyon Çıktı Gizli Senaryo Girdi sayısı tabakası tabaka tabakası nöron nöron nöron sayısı sayısı sayısı SI - 1 1 6 1 4000 SI - 2

2

8

1

5000

SI - 3

3

6

1

4000

SI - 4

4

8

1

5000

Tablo 3. Senaryolara ait determinasyon katsayısı (R2), ortalama karesel hata (OKH) ve ortalama mutlak hata (OMH) değerleri (Determination coefficient (R2), mean square error (MSE) ANd the mean absolute error (MAE) values for scenarios).

1221 nolu Doğançay AGİ İBGYSA uygulaması sonuçları Senaryo R2 OMH OKH SI - 1 0,91987 13,672 374,42 SI - 2

0,92062

12,96

361,782

SI - 3

0,92206

12,837

355,37

SI - 4

0,92247

12,79

353,847

Dördüncü senaryonun histogram ve saçılma diyagramı Şekil 3 ve Şekil 4’te verilmiştir.

Tablo 1. Senaryolar ve girdi parametreleri (Scenarios and input parameters)

Model I

Senaryo Senaryo I - 1

Girdiler Q(t-1)

I

Senaryo I - 2

Q(t-1) Q(t-2)

I

Senaryo I - 3

Q(t-1) Q(t-2) Q(t-3)

I

Senaryo I - 4

Q(t-1) Q(t-2) Q(t-3) Q(t-4)

Şekil 3. Senaryo I-4 histogram (Histogram of scenario I-4)

Oluşturulan senaryolardan elde edilen determinasyon katsayısı (R2), Ortalama Karesel Hata (OKH) ve Ortalama Mutlak Hata (OMH) değerleri Tablo 3’ te 102

SAU J. Sci. Vol 18, No 2, p. 99-104, 2013

Aşağı Sakarya Nehri Akımlarının Yapay Sinir Ağları İle Tahmin Edilmesi

M.A. Kızılaslan, F. Sağın, E. Doğan, O. Sönmez

KAYNAKLAR (REFERENCES)

400 350

[1]

Ö l ç ü le n D e b i l e r

300 250 200 150 100 50

[2]

0 0

50

100

150

200

250

300

350

400

Tahmin Edilen Debiler

Şekil 4. Senaryo I-4 saçılma diyagramı (Scatter diagram of scenario I4)

[3]

6. SONUÇLAR (RESULTS) Bu çalışmada, 1221 no’lu Doğançay AGİ’ den elde edilen akım verileri kullanılarak, Yapay Sinir Ağları modelinde Beslemeli Geri Yayılımlı Sinir Ağları (İBGYSA) kullanılarak zaman ötelemesi ile akım değerleri tahmin edilmiştir.

YSA ile stokastik tahmin metotlarına göre daha iyi ve gerçeğe yakın değerler verdiği yapılan literatür çalışmlarından anlaşılabilir. İBGYSA ise hidroloji alanındaki çalışmalarda daha uygun görülmüş ve çalışmada bu metot kullanılmıştır [11].

[4]

[5]

[6]

Akım girdileri 4 gün geriye ötelenmiş ve akım tahmin edilmiştir.Senaryolardan elde edilen sonuçlara göre en büyük R2 değeri 4. Senaryoda elde edilmiştir. Bu da en iyi tahminin 4 gün önceki akım değerlerinden başlanarak yapılması gerektiğini göstermektedir.

Saçılma diyagramına bakıldığında tahminin küçük debiler için daha iyi sonuç verdiği yüksek debilerde ise saçılımın dağıldığı görülmüştür.

[7] [8]

Senaryolarda kullanılan akım verileri 1221 no’lu Doğançay AGİ’ den elde edilmiştir. Modellerde bir gizli katman seçilmiş ve gizli katmanda 5 ile 8 arasında nöron sayıları denenmiştir. İterasyon sayıları 3000 ile 10000 arasında değişmektedir. En iyi sonucu veren iterasyon sayısı senaryoda kullanılmıştır.

[10]

[9]

[11]

[12] Enerji; bir ülkenin ekonomik ve sosyal gelişiminde önemli bir rol üstlenmektedir. Dolayısıyla ülkeyi yönetenlerin enerjiyi kesintisiz, güvenilir, temiz ve ucuz yollar ile bularak enerji kaynaklarını çeşitlendirmeleri gerekmektedir [12]. Temiz ve alternatif bir enerji kaynağı olan hidroelektrik enerji günümüzde oldukça popülerdir. Tahmin edilen bu akım değerleri ile Aşağı Sakarya Nehri üzerinde yapılacak olan su kaynakları projelerinin yapılabilirliği ve geleceği açısından önemli bir veri elde edilmiştir.

SAU J. Sci. Vol 18, No 2, p. 99-103, 2014

Önöz B., Albostan A. (2007) ‘Hidroelektrik Santral Planlama ve İşletmesinde Yüksek Akımların Mevsimselliğinin Belirlenmesi’ , TMMOB Türkiye VI. Enerji Sempozyumu – Küresel Enerji Politikaları ve Türkiye Gerçeği, Ankara, pp. 196-206 Keskin M. E., Taylan E. D. (2007) ‘Orta Akdeniz Havzasındaki Akımların Stokastik Modellemesi’ , İMO Teknik Dergi, Yazı 282, pp.4271-4291 Demirpençe H. (2005) ‘Köprüçay Akımlarının Yapay Sinir Ağları ile Tahmini’ , Antalya Yöresinin İnşaat Mühendisleri Sorunları Kongresi , Antalya Okkan U., Mollamahmutoğlu A. (2010) ‘Yiğitler Çayı Günlük Akımlarının Yapay Sinir Ağları ve Regresyon Analizi ile Modellenmesi’ , DPÜ Fen Bilimleri Enstitüsü Dergisi, Kütahya, Sayı 23, pp.33-48.

Saltabaş, L., Şaşal, M., Işık, S., Doğan, E, (2003) ‘Aşağı Sakarya Nehrinde Akım Değişimlerinin İncelenmesi’, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 7(2), pp.9-15.

Ağıralioğlu N., Çallı İ., Saltabaş L., Karpuz S., Şaşal M., Demir İ. H. (1998) Sakarya Nehri – İzmit Körfezi İç Su Yolu Projesi Sakarya www.dsi.gov.tr [11.08.2013] Işık S., Şaşal M., Doğan E. (2006) Sakarya Nehrinde Barajların Mansap Etkisinin Araştırılması, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt 21, No3, pp.401-408 Tanrıvermiş H. (2000) Orta Sakarya Havzasında Domates Üretiminde Tarımsal İlaç Kullanımının Ekonomik Analizi, Ankara Şen Z. (2004) Yapay Sinir Ağı İlkeleri, İstanbul, Su Vakfı Yayınları Sönmez O. (2010) ‘Akım Ölümü Yapılmayan Derelerde Debi Süreklilik Çizgisinin Belirlenmesi’ Yüksek Lisans Tezi, Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya Pamir N. A. (2003) ‘Dünya’da ve Türkiye’de Enerji, Türkiye’nin Enerji Kaynakları ve Enerji Politikaları’ Jeopolitik Dergisi, pp.1- 39

103

Makale ismi

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 105-109, 2014

SAU J. Sci. Vol 18, No 2, p. 105-109, 2014

Kiwano (cucumis metuliferus) bitkisindeki peroksidaz enzimleri üzerine amino asit etkisinin incelenmesi Zeynep Denli*, Gülnur Arabacı *

Sakarya Üniversitesi, Fen Edebiyat Fakültesi, Kimya Bölümü, Sakarya 08.05.2013 Geliş/Received, 05.11.2013 Kabul/Accepted

ÖZET Bu çalışmada, kiwano (Cucumis metuliferus) bitkisinden peroksidaz ve askorbat peroksidaz enzimleri ekstrakte edilmiştir. Asidik, bazik ve nötral karakterde 8 amino asitin (L-histidin, L-glutamik asit, L-treonin, L-lisin, L-arginin, L-aspartik asit, L-prolin, L-fenilalanin) bu enzimlerin aktivitesi üzerine yaptığı etki incelenmiştir. Her bir amino asit çözeltisinden 4 farklı konsantrasyon baz alınarak enzimler üzerindeki etkileri araştırılmış ve % bağıl aktivite değerleri bulunmuştur. Sonuçlara göre, bazı amino asitler enzimlerin aktivitesini artırırken bazıları azaltmıştır.

Ayrıca aynı amino asitin farklı konsantrasyonlarının da enzim aktivitesini değiştirdiği görülmüştür.

Anahtar Kelimeler: peroksidaz, askorbat peroksidaz, kiwano (cucumis metuliferus), amino asit

Investigation of the effect of amino acids on peroxidase enzymes from kiwano (cucumis metuliferus) ABSTRACT In the study, peroxidase and ascorbate peroxidase are extracted from kiwano (Cucumis metuliferus). It is searched that the effect of 8 amino acids having acidic, basic, neutral characters (L-Histidine, L-Glutamic acid, L-Threonine, L-Lysine, L-Arginine, L-Aspartic acid, L-Proline, L-Phenylalanine) on these enzymes’ activity. By being based on 4 different concentrations of each amino acid solution, it is analyzed the impacts on enzymes seperately and calculated the % relative activity values of enzymes. According to the results, as some amino acids increase the activity of enzymes, others decreases. Moreover, it is seen that different concentrations of the same amino acid change enzyme activity.

Keywords: peroxidase, ascorbate peroxidase, kiwano (cucumis metuliferus), amino acid

*

Sorumlu Yazar / Corresponding Author

zeynepdenli@gmail.com

Z. Denli, G. Arabacı

Kiwano (cucumis metuliferus) bitkisindeki peroksidaz enzimleri üzerine amino asit etkisinin incelenmesi

1. GİRİŞ (INTRODUCTION) Moleküllerin çoğu çift elektronlu, az sayıdaki molekül ise tek elektronludur. Tek, yani eşleşmemiş elektronlu olan bu moleküller, bulabilecekleri herhangi bir molekül ile etkileşime girerek bu molekülden elektron alır ya da ona bir elektron verir. Başka moleküller ile çok kolayca elektron alışverişine girip onların yapısını bozan bu moleküllere “serbest radikaller”, “oksidan moleküller” ya da “reaktif oksijen türleri” denir [1]. Serbest radikaller vücutta önemli moleküllere zarar veren bir seri tepkimeyi başlatabilir. Reaktif oksijen türlerinin oluşumunu ve bunların meydana getirdiği hasarı önlemek için vücutta birçok savunma mekanizması geliştirilmiştir. Bunlar “antioksidan savunma sistemleri” ya da kısaca “antioksidanlar” olarak bilinir. Bu moleküller, serbest oksijen radikallerine bir hidrojen iyonu vererek, bu radikalleri kendilerine bağlayarak ya da onları daha zayıf bir moleküle çevirerek radikal hasarını önler [2]. Biyolojik sistemlerde peroksidaz ve askorbat peroksidaz antioksidan etkiye sahip başlıca enzimlerdendir. [3].

Peroksidaz (POD, E.C. 1.11.1.7), hidrojen atomlarını vermek eğiliminde olan bileşikler ile bu atomları alıcı durumunda olan hidrojen peroksit (H2O2) bileşiği arasındaki reaksiyonu katalizleyen bir oksidoredüktazdır [4, 5]. Askorbat peroksidaz (APX, E.C. 1.11.1.11) substrat olarak askorbatı kullanarak H2O2 gibi peroksitleri detoksifiye eden enzimdir [6].

POD bitkilerde hormonal faaliyet [7], savunma mekanizmaları [8], sebze ve meyvelerin yetişme dönemleri süresince indoleasetik asit miktarının ayarlanması [9] ve lignin biyosentezi [10] gibi hayati fonksiyonlarda rol aldığı bilinmektedir.

Amino asitler proteinlerin temel yapı birimidir.

Proteinler hemen hemen bütün biyolojik proseslerde, bitkide enzim olarak çeşitli işlevlerde, moleküllerin enerji depolaması, taşınması ve sinyalleşmesinde önemli role sahiptir. Amino asit, merkez karbon atomuna bağlı amino grup, karboksil grup, bir hidrojen iyonu ve farklı yan zincirden (R grubu) meydana gelir. Bütün canlı türlerindeki proteinler temel 20 çeşit amino asitin farklı şekil ve oranlarda birleşmesiyle oluşmuştur [11]. Bu çalışmada kullanılacak bazı amino asitlerin kimyasal yapısı Şekil 1’ de verilmiştir.

Belirli miktarda amino asitlerin kullanımı ürün kalitesini ve verimini artırdığı bilinmektedir. Bitkiler nitrojen, karbon, oksijen ve hidrojenden meydana gelen amino asitlerin hepsini sentezlemek için gereken kalıtsal kapasiteye sahip olmalarına rağmen, biyokimyasal süreç enerji tüketmekte oldukça karışıktır.

106

L-Fenil

L-Aspartik asit

alanin

L-Histidin

L-Glutamik

L-Prolin

asit

L-Arginin

L-Lisin

L-Treonin

Şekil 1. Bazı amino asitlerin kimyasal yapıları (Chemical structures of some amino acids)

Amino asit kullanımı bitkinin bu süreçteki enerji tüketimini azaltmaktadır ve geri kalan enerji bitkinin önemli büyüme evreleri boyunca gelişimi daha iyi tamamlayabilmesi için ayrılabilmektedir. Çalışmalar amino asitlerin doğrudan ya da dolaylı olarak bitkilerin fizyolojik aktivitelerinde rol aldıklarını göstermektedir [12].

Bu çalışmada kullanılan bazı amino asitlerin bitkiler üzerinde bilinen etkileri; L-prolin bitkinin polen verimliliğine yardımcı olmakta ve çoğunlukla bitkinin su dengesinde rol almaktadır. Ayrıca uygun olmayan hava koşullarında bitkinin direncini artırmak için hücre duvarında görev almaktadır. L-lisin ve L-glutamik asit polenleşmede rol alan önemli amino asitlerdendir. Bu amino asitler polenlerin çimlenmesini ve polen tüpünün uzunluğunu artırmaktadır. L-glutamik asit ve L-aspartik asit, transaminasyon boyunca diğer amino asitlere yol açmaktadır [12] . L-arginin çiçek ve meyve ile ilgili hormonların sentezlenmesine sebep olmaktadır. Lhistidin ise meyvenin düzgün bir şekilde olgunlaşmasına yardımcı olmaktadır [13].

Belli miktarda amino asidin bitkinin gelişimi üzerinde önemli bir etkiye sahip olduğu bilindiğine göre, farklı amino asit miktarlarının savunma sisteminde ve hormonal faaliyetlerde etkili olan POD ve APX enzimleri üzerine etkisi incelenebilir. Bu amaçla kullanılacak olan amino asit miktarına bağlı olarak, enzimler üzerinde aktivatör (enzimlerin etkisini artıran madde) ya da inhibitör (enzimlerin etkisini azaltan ya da tamamen yok eden madde) etkiye sahip olup olmadığı araştırılacaktır.

SAU J. Sci. Vol 18, No 2, p. 105-109, 2014

Kiwano (cucumis metuliferus) bitkisindeki peroksidaz enzimleri üzerine amino asit etkisinin incelenmesi

2. MATERYAL VE METHOD (MATERIAL AND METHOD) 2.1. Materyal (Material) Bu çalışmada kaynak bitki olan kiwano (Cucumis metuliferus) Antalya bölgesinden temin edilmiş olup POD ve APX enzimlerinin izolasyonu için kullanılmıştır. Çalışmalarımız süresince polivinil pirolidon (PVP), askorbik asit ve dipotasyum hidrojen fosfat ile potasyum dihidrojenfosfatın kullanıldığı tampon çözeltiden oluşan karışım izolasyon işlemlerinde kullanılmıştır. H2O2 solüsyonu %30, 4-metil katekol, L-Histidin, L-Glutamik asit, L-Treonin, L-Lisin, LArginin, L-Aspartik asit, L-Prolin, L-Fenilalanin kimyasalları spektrofotometrik olarak enzim aktivite tayininde kullanılmıştır. Kullanılan kimyasallar SigmaAldrich ve Merck firmalarından temin edilmiştir. Çalışmada kullanılan alet ve cihazlar; UV-VIS spektrofotometre, santrifüj, manyetik karıştırıcı, pH metre, hassas terazi, blender, otomatik pipetler, derin dondurucu.

2.2. Peroksidaz Aktivite Tayini (Peroxidase activity assay) POD enziminin aktivitesi pH 7.2’de 0.1 M fosfat tamponu, 3 mM 4-metil katekol çözeltisi, 1 mM H2O2 ve sabit enzim ekstraktı karıştırılarak oda sıcaklığında spektrofotometrik olarak 420 nm’de 1 dk süreyle absorbanstaki artış ölçülerek belirlenmiştir. Her ölçüm için toplam reaksiyon hacmi 3 mL`de sabit tutulmuş ve işlemler en az 3 kez tekrarlanmıştır.

2.3. Askorbat Peroksidaz Aktivite Tayini (Ascorbate peroxidase activity assay) APX enziminin aktivitesi pH 6.2’de 0.05 M fosfat tamponu, 0.02 mM H2O2, 0.5 mM askorbik asit çözeltisi ve sabit enzim ekstraktı karıştırılarak oda sıcaklığında spektrofotometrik olarak 285 nm’de 1 dk süreyle absorbanstaki azalma ölçülerek belirlenmiştir. Her ölçüm için toplam reaksiyon hacmi 3 mL`de sabit tutulmuş ve işlemler en az 3 kez tekrarlanmıştır.

2.4. Peroksidaz Üzerine Amino Asit Tayini (Amino acid assay on peroxidase) L-Histidin, L-Glutamik asit, L-Treonin, L-Lisin, LArginin, L-Aspartik asit, L-Prolin, L-Fenilalanin amino asitlerinin POD üzerine etkisi incelenmiştir. Amino asit çözeltilerinden 0.5 mM, 1 mM, 5 mM ve 10 mM olmak üzere 4 farklı konsantrasyonda sabit 1 mM H2O2 ve 3 SAU J. Sci. Vol 18, No 2, p. 105-109, 2014

Z. Denli, G. Arabacı

mM 4-metil katekol substratları varlığında 420 nm’de 1 dk süreyle enzim aktivitesine etkisi spektrofotometrik olarak bakılmıştır. Yapılan işlemler en az 3 kez tekrarlanmıştır. Elde edilen sonuçlar amino asit içermeyen kontrol reaksiyonu ile karşılaştırılarak her amino asit için % aktivite değerleri hesaplanmıştır.

2.5. Askorbat Peroksidaz Üzerine Amino Asit Tayini (Amino acid assay on ascorbate peroxidase) APX enzimi üzerine amino asit etkisini incelemek için L-Histidin, L-Glutamik asit, L-Treonin, L-Lisin, LArginin, L-Aspartik asit, L-Prolin, L-Fenilalanin amino asitleri kullanılmıştır. Amino asit çözeltilerinden 0.5 mM, 1 mM, 5 mM, 10 mM olmak üzere 4 farklı konsantrasyonda sabit 0.02 mM H2O2 ve 0.5 mM askorbik asit substratları varlığında 285 nm’de 1 dk süreyle enzim aktivitesine etkisi spektrofotometrik olarak incelenmiştir. İşlemler en az üç kez tekrarlanmıştır. Elde edilen sonuçlar amino asit içermeyen kontrol reaksiyonu ile karşılaştırılarak her amino asit için % aktivite değerleri hesaplanmıştır.

3. BULGULAR (RESULTS) 3.1. Peroksidaz Üzerine Amino Asitlerin Etkisi (The effect of amino acids on peroxidase) Bölüm 2.5’de anlatıldığı gibi kiwano bitkisinden ekstrakte edilen POD üzerine amino asitlerin etkisi araştırılmıştır. L-Histidin, L-Glutamik asit, L-Treonin, L-Lisin, L-Arginin, L-Aspartik asit, L-Prolin ve LFenilalanin amino asitlerinden 0.5 mM, 1 mM, 5 mM, 10 mM olmak üzere 4 farklı konsantrasyonda çözeltiler hazırlanmıştır.

POD enzimi bu amino asitler ile muamele edildiğinde enzim aktivitesinde artış ya da azalma gözlenmiştir.

Aynı amino asitin farklı konsantrasyonlarında da enzim aktivitesi üzerindeki etkinin değiştiği görülmüştür. İncelemeler sonucunda; 0.5 mM, 1 mM, 5 mM, 10 mM konsantrasyonlarındaki amino asit çözeltileri varlığında gerçekleştirilen aktivite değerleri amino asit bulunmayan ortamda gerçekleştirilen kontrol reaksiyonunun aktivite değeri ile karşılaştırılmış ve % aktivite değerleri hesaplanarak Tablo 1’de sunulmuştur.

3.2. Askorbat Peroksidaz Üzerine Amino Asitlerin Etkisi (The effect of amino acids on ascorbate peroxidase) Bölüm 2.6’de anlatıldığı gibi kiwano bitkisinden ekstrakte edilen APX enzimi üzerine amino asitlerin etkisi araştırılmıştır. L-Histidin, L-Glutamik asit, L107

Z. Denli, G. Arabacı

Kiwano (cucumis metuliferus) bitkisindeki peroksidaz enzimleri üzerine amino asit etkisinin incelenmesi

Treonin, L-Lisin, L-Arginin, L-Aspartik asit, L-Prolin, L-Fenilalanin amino asit çözeltilerinden 0.5 mM, 1 mM, 5 mM, 10 mM olmak üzere 4 farklı konsantrasyon kullanılmıştır. APX bu amino asitler ile muamele edildiğinde enzim aktivitesinde artış ya da azalma olduğu gözlenmiştir.

reaksiyonunun aktivite değeri ile karşılaştırılmış ve % aktivite değerleri hesaplanarak Tablo 2’de sunulmuştur.

Tablo 1. POD enzimi üzerine amino asitlerin etkisi (The effect of amino acids on POD)

Amino asit

POD % Aktivite Amino asit Konsantrasyon (mM) 0.5 (mM) 100 107,1

1 (mM) 100 107,1

5 (mM) 100 112,5

10 (mM) 100 116,1

L-Glutamik asit L-Treonin L-Lisin

105,4

103,6

103,6

94,6

107,1 103,6

103,6 105,3

100 100

96,4 100

L-Arginin L-Aspartik asit L-Prolin

112,5 114,3

112,5 121,4

110,7 110,7

103,6 82,1

100

92,8

80,3

69,6

LFenilalanin

105,3

100

92,8

89,3

Kontrol L-Histidin

Tablo 2. APX üzerine amino asitlerin etkisi (The effect of amino acids on APX)

Amino asit

APX % Aktivite Amino asit Konsantrasyon (mM) 0.5 (mM) 100 108,3

1 (mM) 100 108,3

5 (mM) 100 100

10 (mM) 100 91,7

L-Glutamik asit L-Treonin L-Lisin

100

100

4,16

-

100 116,7

100 116,7

100 108,3

108,3 100

L-Arginin L-Aspartik asit L-Prolin

116,6 116,6

116,6 108,3

108,3 -

100 -

100

133,3

133,3

133,3

Kontrol L-Histidin

L116,6 116,6 108,3 100 Fenilalanin Aynı amino asitin farklı konsantrasyonlarında da enzim aktivitesi üzerindeki etkinin değiştiği görülmüştür. İncelemeler sonucunda; 0.5 mM, 1 mM, 5 mM, 10 mM konsantrasyonlarındaki amino asit varlığında gerçekleştirilen aktivite değerleri amino asit bulunmayan ortamda gerçekleştirilen kontrol

108

4. SONUÇ (CONCLUSION) Bazik karaktere sahip L-histidin, L-lisin ve L-arginin amino asitlerinin POD enzim aktivitesini 1 mM konsantrasyona kadar yüksekseltirken, 5 mM ve üzeri konsantrasyonlarda enzim aktivitesini düşürmektedir. Lhistidin diğerlerinden farklı olarak yüksek konsantrasyonlarda dahi aktivatör olarak çalışmaktadır.

Asidik karaktere sahip L-aspartik asit ve L-glutamik asit POD enzimi üzerinde 0.5 mM, 1 mM ve 5 mM konsantrasyonlarda aktivatör, 10 mM konsantrasyonda inhibitör etki göstermektedir. Her iki amino asitte düşük konsantrasyonda en yüksek aktivatör etkiye sahiptir.

Nötral karaktere sahip L-treonin, L-prolin ve Lfenilalanin POD enzimi üzerinde L-prolin hariç 0.5 mM konsantrasyonda aktivatör etkiye sahipken, bu konsantrasyonun üzerinde her üç amino asitte inhibitör etkiye sahiptir. Genel olarak bütün amino asitlere bakıldığında POD aktivitesini en fazla artıran L-histidin, azaltan ise L-prolin olduğu görülmektedir.

Bazik karaktere sahip L-histidin, L-lisin ve L-arginin amino asitleri 5 mM üzerindeki konsantrasyonlarda APX enzimi üzerinde inhibitör etkiye sahip olduğu görülmektedir. Asidik karakterdeki L-aspartik asit ve Lglutamik asit APX enzimi üzerinde genel olarak inhibitör etkiye sahiptir. L-glutamik asit hiçbir konsantrasyonda aktivatör etki göstermezken, 0.5 ve 1 mM konsantrasyonda inhibe etmiş ve 5 mM üzerinde APX aktivitesini tamamen yok etmiştir. L-aspartik asit ise 1 mM’a kadar aktivatör etki gösterirken, 5 mM ve üzerinde APX aktivitesini tamamen yok etmiştir. Nötral karaktere sahip L-treonin, L-prolin ve L-fenilalanin APX enzimi üzerinde genel olarak aktivatör etkiye sahiptir. L-treonin APX aktivitesi üzerinde 10 mM konsantrasyon ve üzerinde, L-prolin ise 1 mM konsantrasyon ve üzerinde aktivatör etkiye sahiptir. Lfenilalanin, L-treonin ve L-prolinden farklı olarak 5 mM konsantrasyona kadar aktivatör etki gösterirken, 10 mM konsantrasyonda APX enzimi üzerinde aktivatör ya da inhibitör bir etki göstermemiştir. Genel olarak bütün amino asitlere bakıldığında; APX aktivitesini en fazla artıran L-prolin, azaltan hatta yok eden L-glutamik asit olduğu görülmektedir.

Kiwano bitkisinden elde edilen POD ve APX enzimleri üzerine bazı amino asitlerin etkisinin incelendiği bu çalışmanın sonucuna göre; her iki enzim için amino asitlerin aktivatör ya da inhibitör etkiye sahip olduğu ve bu etkinin amino asit konsantrasyonuna ve amino asitlerin asidik, bazik ve nötral karakterine göre değişiklik gösterdiği bulunmuştur.

SAU J. Sci. Vol 18, No 2, p. 105-109, 2014

Kiwano (cucumis metuliferus) bitkisindeki peroksidaz enzimleri üzerine amino asit etkisinin incelenmesi

Z. Denli, G. Arabacı

KAYNAKLAR (REFERENCES) [1] [2]

[3]

[4] [5] [6]

[7]

[8]

[9]

[10]

[11] [12] [13]

Halliwell, B., Chirico, S., Lipid Peroxidation: Its Mechanism, Measurement and Significance, Am. J. Clin. Nutr., 57, 715-725, 1993.

Kaya, E., Klorprifos Ve Deltamethrin’in Kan ve Beyin Lipid Peroksidasyon ve Antioksidan Enzim Aktivitelerine Etkileri (Yüksek Lisans Tezi), Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Kimya Anabilim Dalı, Isparta, 2005.

Mavi, A., İnsan Eritrosit ve Lökositlerinden Süperoksit Dismutaz Enziminin Saflaştırılması ve Bazı İlaçların Enzim Üzerine Etkilerinin İncelenmesi. Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 52–53, 2005.

Diplock, A., Healty Lifestyles Nutrition and Physical Activity, Antioxidant Nutrients, ILSI Europe Concise Monograph Series, 59, 1998.

Nawar, W.W., Lipids in “Food Chemistry”, O.R. Fennema (Ed), Marcel Dekker, 225-319, 1996.

Raven, EL., Peroxidase-catalyzed Oxidation of Ascorbate. Structural, Spectroscopic and Mechanistic Correlations in Ascorbate Peroxidase, Subcell. Biochem. Subcellular Biochemistry, 35, 317–49, 2000.

Wakamatsu, K., Takahama, U., Changes in Peroxidase Activity and in Peroxidase İsozymes in Carrot Callus. Physiologia Plantarum 88, 167– 171, 1993.

Bartonek-Roxa, E., Ericksson, H., Mattiasson, B., the cDNA Sequence of a Neutral Horseradish Peroxidase. Biochimica Et Biophysica Acta 1080, 245–250, 1991.

Agostini, E., Medina, M.I., Milrad De Forchetti, S.R., Tigier, H., Properties of Two Anionic Peroxidase İsoenzymes from Turnip (Brassica Napus L.) Roots. Journal of Agricaltural and Food Chemistry, 45, 596–598, 1997.

Duarte-Vazquez, M.A., Garcia-Almendarez, B., Regalado, C., Whitaker, J.R., Purification and Partial Characterization of Three Turnip (Brassica Napus L. Var Esculenta D.C.) Peroxidases, Journal of Agricaltural and Food Chemistry 48, 1574–1579, 2000. http://agronwww.agron.iastate.edu/Courses/Agron317/AA_i nhibitors.htm, July 23, 2004. http://mx.agrinos.com/Lamino_acids_plant_impact, April 20, 2012. http://www.servpro.com.my/Folio_intro.pdf, March 19, 2012.

SAU J. Sci. Vol 18, No 2, p. 105-109, 2014

109

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 111-117, 2014

SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

Bakterilerde glutatyon ve önemi Nihal Kanat1, Serap Coşansu Akdemir2* 1 Sakarya Üniversitesi, Pamukova Meslek Yüksekokulu, Sakarya Sakarya Üniversitesi, Mühendislik Fakültesi, Gıda Mühendisliği, Sakarya

2*

09.05.2013 Geliş/Received, 09.01.2014 Kabul/Accepted

ÖZET Glutatyon, glutamik asit, sistein ve glisinden oluşan bir tripeptitdir. Ökaryot organizmalarda olduğu gibi bazı prokaryotlar tarafından da üretilen bu bileşik, başta oksidatif stres olmak üzere olumsuz çevre koşullarına karşı hücreyi koruma işlevi görmektedir. Bakteriler öldürücü olmayan stresle karşılaştıklarında söz konusu strese karşı direnç kazanabilirler ve bunun sonucunda patojenleri kontrol altına almak için kullanılan prosesler etkisiz hale gelebilir. Bu nedenle bakterilerde strese karşı korunmada rol oynayan glutatyonun özelliklerinin ve işlevinin bilinmesi önem arz etmektedir.

Anahtar Kelimeler: Glutatyon, bakteri, oksidatif stres, pH, klor

Glutathione in bacteria and its significance ABSTRACT Glutathione is a tripeptide which consisted of glutamate, cysteine and glycine. As well as eukaryotic organisms, some prokaryotes produce this compound and it functions as a protector of the cell against to unfavorable environmental stresses mainly oxidative stress. When bacteria encounter to a sub-lethal stress, they gain resistance to mentioned stress and then the processes used to control pathogenic bacteria may become ineffective. Therefore, it is important to know the properties and functions of glutathione which have a key role in protection from stress in bacteria.

Keywords: Glutathione, bacterium, oxidative stress, pH, chlorine

*

Sorumlu Yazar / Corresponding Author

scosansu@sakarya.edu.tr

N. Kanat, S. Coşansu Akdemir

1. GİRİŞ (INTRODUCTION) Glutatyon (GSH) bir tripeptit olup glutamik asit, sistein ve glisin aminoasitlerinden oluşur. GSH, ökaryotik hücrelerin neredeyse hepsinde bulunur. Prokaryotik hücrelerden özellikle Escherichia coli gibi Gram-negatif bakterilerde bulunurken, Gram-pozitif bakterilerin bazılarında tespit edilmiştir. Diğer yandan, Gram-pozitif bakterilerde GSH ile benzer işlev gören başka tiyoller bulunmaktadır [1]. GSH’un hücredeki en önemli görevi başta oksidatif stres olmak üzere çevresel streslere karşı hücreyi korumaktır. Örneğin Escherichia coli’de GSH, ozmotik şok, düşük pH, toksinler ve klor bileşikleri gibi çevresel streslere karşı hücrenin korunmasında önemli rol oynamaktadır [2].

Bakteriler bulundukları ortamda çeşitli streslere maruz kalabilirler. Stresin şiddetine göre sonuç farklı olabilir.

Buna göre, öldürücü olmayan bir stresle karşılaşan hücre geliştirdiği çeşitli adaptasyon mekanizmaları ile başka streslere karşı da dirençli hale gelebilir. Bu durum özellikle patojen bakteriler açısından önemlidir. Örneğin gıdalara uygulanan ısıl işlem, asit ilavesi, koruyucu ilavesi gibi proseslere direnç kazanabilirler. Bu nedenle, olumsuz koşullara karşı hücrenin korunmasında önemli rol oynayan GSH’un fonksiyonlarının ve farklı stres durumlarındaki işlevinin bilinmesi önemlidir.

2. BAKTERİYEL STRES (BACTERIAL STRESS)

Bakteriler bulundukları ortamlarda karşılaştıkları olumsuz koşullara karşı farklı davranışlar sergileyebilirler. Bu olumsuz koşullarda maruz kaldıkları stresin şiddetine bağlı olarak hücreler ölebilir veya direnç geliştirerek canlı kalabilirler. Genel olarak bakteriler ılımlı bir strese belirli bir süre maruz kaldıklarında daha sonrasında uygulanan daha şiddetli bir strese daha iyi dayanım göstermektedirler. Bu stresler arasında ışık, O2, soğuk, deterjan ve düşük pH, düşük su aktivitesi (Aw), NaCl, ısı, Eh, bakteriyosinler, rekabetçi flora vb. sayılabilir. Çeşitli streslere adapte olan patojenler mide gibi asidik ortamlara karşı da dirençli hale gelebilirler.

Stres adaptasyon mekanizmaları aktif hale gelen bir patojenin enfektif dozunun azalarak patojenitesinin arttığı gösterilmiştir.

Bu nedenle gıda kaynaklı patojen bakterilerin bahsedildiği şekilde strese direnç geliştirmeleri tüketici sağlığı açısından risk oluşturabilir [3]. Ozmotik strese maruz bırakılmış bakterilerin, ısı adaptasyonunun artmış olduğu çok uzun zamandan beri bilinmektedir. Subletal (öldürücü olmayan) strese maruz bırakılan mikroorganizmalarda, uygulanan strese karşılık direnç artmaktadır. Bu durum genellikle “strese adaptasyon” olarak adlandırılmaktadır [3, 4].

112

Bakterilerde glutatyon ve önemi

Herhangi bir strese maruz kalan bakteri hücrelerinde membran geçirgenliğinin artması, hücre protein profilinde değişim gibi olaylar meydana gelir. Ayrıca stres türüne göre farklı şok proteinleri sentezlenir.

Böylece hücreler strese cevap olarak üretilen bu proteinler sayesinde söz konusu strese karşı dayanım kazanırlar. Strese karşılık oluşan yanıtta aşağıdaki değişimler meydana gelebilir [3, 5];  Stres karşısında meydana gelen hasarı onarabilen, hücrenin yaşamını devam ettirebilen veya stres ajanlarını elemine edebilen proteinlerin üretimi,  Stres faktörlerine karşı toleransın veya direncin kısa sürede şekillenmesi,  Spor oluşturan bir bakteri ise spor formuna dönüşmesi veya canlı fakat kültüre alınamayan (Viable-But-Not-Culturable, VBNC) duruma geçmesi,  Konakçı olduğu organizmanın savunma sisteminden kurtulması.

Stres koşulları altında bakteri hücresi genetik kodunda yer alan ilgili proteinleri üreterek stresin olumsuz etkilerinden kendini koruyabilir. Şok proteinleri tek bir strese karşı koruma sağlayabildiği gibi birden fazla strese karşı da koruma sağlayabilir. Örneğin ısı şoku üretilen proteinleri asit stresine karşı da koruma sağlayabilir. Diğer yandan bir strese karşı birden fazla koruma mekanizması da söz konusu olabilmektedir.

Hatta aynı bakteriye ait lag faz, logaritmik faz ve durağan faz gibi farklı gelişim evrelerindeki hücreler aynı strese karşı farklı direnç mekanizmaları ortaya koyabilirler [5, 6, 7, 8].

3. GLUTATYONUN YAPISI, SENTEZLENMESİ ve FONKSİYONLARI (STRUCTURE, SYNTHESIS and FUNCTIONS of GLUTATHIONE)

Biyolojik sistemlerde yaygın olan tiyoller, stresten korunma ile ilgili bileşiklerin en önemli grubunu oluştururlar. Tiyoller, alkollere ve fenollere benzer bileşikler olup farklı olarak yapılarında kükürt içerirler. Önemli tiyol bileşikleri içinde GSH, γ-glutamilsistein, basillitiyol ve mikotiyol yer alır [9, 10, 11, 12]. Bakteri hücrelerinde esas olarak tiyol-disülfit dengesi tarafından korunan redoks durumu [E0′ = (-) 240mV] nedeniyle GSH, serbest radikallerin neden olduğu hücre zararlarına ve oksidanlara karşı korumada yer alan tüm hücre sistemlerinin başlıca bileşenidir [13, 14, 15].

Proteinlerdeki -SH gruplarının korunması ve bazı reaksiyonlarda koenzim olarak görev almasının yanı sıra aminoasitlerin taşınmasında, protein ve DNA sentezinde de önemli rol oynar [16]. GSH’un bakterideki fizyolojik konsantrasyon aralığı 0,1-10 mM aralığındadır. GSH; glutamat, sistein ve glisin olmak üzere üç aminoasitten oluşur. Bir tiyol grup, bir amin ve iki karboksilden dolayı sulu solüsyonlar ve polar çözücülerde yüksek SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

N. Kanat, S. Coşansu Akdemir

Bakterilerde glutatyon ve önemi

çözünürlüğe sahiptir (Şekil 1). GSH’daki tiyol grubu biyolojik aktiviteden sorumluyken, glutamik asit ve sistein arasındaki gama bağı onun proteazlar tarafından parçalanmasını engeller [2, 10].

Şekil 1. GSH molekülü (GSH molecule)

GSH, kloroplast ya da mitokondrisi olmayanlar haricinde neredeyse tüm ökaryotlarda mevcuttur. Ancak prokaryotlarda üretimi sınırlıdır [2]. Prokaryotik hücrelerde başta Escherichia coli olmak üzere özellikle Gram-negatif bakterilerde bulunur (Tablo 1). Bazı Streptococcus ve Enterococcus türleri haricinde çoğu Gram-pozitif bakteride bulunmaz. Bununla birlikte bazı Gram-pozitif bakteriler GSH’u sentezleyebilir ya da besiyerinde bulunan GSH’u kullanabilir. GSH üretmeyen bazı fakültatif anaerobik ve aerobik bakterilerin aynı fonksiyonları yerine getiren başka düşük molekül ağırlıklı tiyolleri ürettikleri belirlenmiştir [1]. Örneğin yakın zamanda Bacillus spp., Staphylococcus aureus ve Deinococcus radiodurans tarafından üretilen basillitiyolün GSH ile aynı işlevi yerine getirdiği belirlenmiştir [12].

Tablo 1. Gram negatif bakteriler için toplam GSH içeriği ve toplam tiyol içeriği (Total GSH content for gram negative bacteria and total thiol content)[9]

Türler Anaeroblar Desulfovibrio vulgaris Fakültatif anaeroblar Beneckea alginolytica Beneckea natriegens Serratia marcescens Enterobacter aerogenes Chromobacter violaceum Photobacterium vibriofitscheri Escherichia coli Escherichia coli (anaerobik gelişen) Aeroblar Alcaligenes faecalis Myxococcus xanthus Pseudomonas fluorescens Acinetobacter calcoaceticus Azotobacter vinekmndii

GSH +½GSSG (µmol/g)

Toplam tiyol (µmol/g)

≤ 2,02

2

1,5±0,5 0,7±0,2 0,2±0,1 1,2±0,4 3,0±1,0 5,2±0,4 27,0±2,0 7,0±1,0

6 5 2 1,5 3 7 30 5-7

25,0±0,5 0,8± 0,2 1,6± 0,2 6,0± 1,0 8,0±0,1

23 2-3 1,3 5-7 5-7

SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

GSH dokularda birbiriyle dengede bulunan, redükte glutatyon (GSH) ve okside glutatyon (GSSG) olmak üzere iki şekilde bulunur. İntrasellüler GSH, selenyum içeren glutatyon peroksidaz enzimi ile GSSG’a dönüştürülür [17]. GSSG da daha sonra NADPH’i hidrojen donörü olarak kullanmak suretiyle tekrar GSH’a indirgenir (Şekil 2) [18].

GSH’un redükte formu oksidatif hasara karşı korumada çok önemli rol oynar. Oksidanların neden olduğu doku hasarı GSSG miktarında artışla sonuçlanabilir ve GSH/GSSG oranı değişebilir [19]. Bir hücresel redoks anahtarı olarak çalışan GSH/GSSG oranı hücrenin oksidatif durumu hakkında fikir vermektedir.

GSH/GSSG oranı ne kadar düşükse oksidatif stresin o oranda ilerlemiş olduğu sonucuna varılır [20].

GSH, oksidatif strese maruz kalma, serbest radikallerin nötralizasyonu ve ksenobiyotiklerin detoksifikasyonu ile oluşabilenler de dahil olmak üzere proteinlerdeki disülfit bağlarını indirger [21]. γ-glutamil bağının varlığı hücre içi peptidazlar tarafından tripeptidin bozulmasını engeller ve sisteinin sülfidril grubu bir elektron verici gibi davranabilir; böylece GSH indirgeyici özellikler verir ve serbest radikalleri uzaklaştırabilir [1].

GSH tüm hücrelerde sitozolde 2 aşamada sentezlenir (Şekil 2). Birinci aşamada γ-glutamilsistein sentetaz tarafından katalizlenerek L-glutamat ve L-sisteinden γL-glutamil-L-sistein oluşur. İkinci aşamada ise GSH sentetazın katalizörlüğü sonucu γ-L-glutamil-L-sistein molekülüne L-glisin eklenerek GSH meydana gelir [18].

GSH hücrede farklı formlarda bulunabilir. Bunların en önemlileri GSH, GSSG, GSS-protein kompleksi, karışık disülfitler, sistein, -pantetein ve koenzimA gibi SH grubu içeren düşük molekül bileşikleridir [1].

GSH içerdiği gamma (γ) bağı nedeniyle zor parçalanabilen bir moleküldür. GSH’u parçalayabilen tek enzim γ-glutamil transpeptidaz enzimidir. Öncelikle γ-glutamil transpeptidaz, GSH’u γ-glutamil ve Lsisteinil-glisin şeklinde ayırır. Daha sonra L-sisteinilglisin ise dipeptidaz enzimi vasıtasıyla hücre tarafından absorbe edilen sistein ve glisine parçalanır [1].

GSH formlarının konsantrasyonu ve etkinliği onun sentez, ayrışma, taşıma, oksidasyon ve indirgenmesi arasındaki dinamik dengeye bağlıdır. Bu nedenle hakim olan reaksiyona göre GSH formu değişmekte olup, hücresel durum ve çevresel koşullara göre değişir (Tablo 2). GSH’un hücre içi konsantrasyonunu arttırmanın en iyi yolu ortama sistein ya da onun okside formu sistinin veya sisteinin alternatif kaynaklarının eklenmesidir. Sisteinin dezavantajı toksik olmasıdır.

Hücre içi GSH konsantrasyonunu arttırmanın başka bir 113

N. Kanat, S. Coşansu Akdemir

Bakterilerde glutatyon ve önemi

yolu da GSH sentezi enzimlerini kodlayan genlerin ek kopyalarını taşıyan mutant suşlar yaratmaktır [1, 22].

4. FARKLI STRES KOŞULLARINDA GLUTATYONUN ROLÜ (ROLE OF GLUTATHIONE UNDER DIFFERENT STRESS CONDITIONS)

L-Glu+L-Cys ROS (O2•-)

Glutamilsistein sentetaz

SOD

H2O2

GPX

γ-Glu-L-Cys+L-Gly

KAT

GSH sentetaz

H2O+O2 NADP+ GR NADPH

2GSH GSSG

GSH konjugatları GST Toksin, metaller vs.

H2O

SOD: Süperoksitdismutaz KAT: Katalaz GPX: Glutatyon peroksidaz

4.1. Oksidatif Stres (Oxidative Stress) GSH

GR: Glutatyon redüktaz ROS: Reaktif oksijen türleri GST: Glutatyon-S-transferaz

Şekil 2. GSH'un sentezi (The synthesis of GSH) [18] Tablo 2. Farklı streslere tabi tutulan E. coli hücrelerinde GSH ve GSSG içeriği (E. coli cells which are subject to different stress GSH and GSSG content ) (mM/g kuru hücre ağırlığı) [22]

Stres

GSSG

GSH

GSH/ GSSG

Kontrol

0,06 ± 0,01

20,2 ± 0,15

337

50mM asetat

0,077 ± 0,01

10,5 ± 1

136

pH’nın 6,5’den 5,5’e düşüşü

0,072 ± 0,007

8,25 ± 0,7

115

Gramicidin S, 10 mg/ml

0,079 ± 0,005

12,3 ± 1,7

156

Kontrol

0,55 ± 0,04

8,03 ± 0,53

14,6

50mM asetat

0,63 ± 0,03

8,08 ± 0,26

12,8

pH’nın 6,5’den 5,5’e düşüşü

0,66 ± 0,07

9,98 ± 0,44

15,1

Gramicidin S, 10 mg/ml

0,49 ± 0,03

15,12 ± 0,94

30,9

Hücre içi glutatyon

Hücre dışı glutatyon

114

Yeterli besinle birlikte optimal gelişme sıcaklığı, pH, oksijen seviyeleri ve çözünmüş madde sağlandığı zaman mikroorganizmalar maksimum seviyede çoğalırlar. Bu parametrelerdeki herhangi bir değişiklik maksimum çoğalma seviyesini etkiler ve böyle bir durumda mikroorganizma için çevresel bir stresten bahsedilebilir [23]. Oksidatif stres organizmaya süperoksit anyon (O2●-), hidrojen peroksit (H2O2), hidroksil radikali (OH•), ve hidroperoksit (ROOH) gibi reaktif oksijen türlerinin (ROS) etkisinden kaynaklanır. Yüksek reaktiviteleri nedeniyle bu bileşikler bütün biyolojik makromoleküllere zarar verebilir ve hücre için gizli bir tehdit oluştururlar. Evrim sırasında bakteri ve diğer organizmalar çeşitli oksidatif streslerden onları koruyan mekanizmalar geliştirmişlerdir [1].

GSH doğal indirgeyici güç rezervidir ve oksidatif strese karşı savunma mekanizmasında hücre tarafından kolaylıkla kullanılabilir. Kimyasal yapısındaki sülfidril grubu oksidatif stres altında molekülden ayrılarak antioksidan aktivitesini gerçekleştirir. GSH’un, ROS’e karşı koruyucu aktivitesi glutatyon peroksidaz ve glutatyon redüktaz gibi enzimlerle interaksiyonu sonucu şekillenir. Hücrede optimal GSH:GSSG oranının sağlanması hücre canlılığının korunması için kritiktir.

Bu nedenle sistemin sağlıklı işleyebilmesi için bu oranın optimum değerlerde bulunması gereklidir. GSH eksikliği hücreyi oksidatif hasara karşı risk altına sokar.

H2O2 ve O2●- dahil ROS’nin miktarındaki aşırı artış hücre için toksiktir. Bu nedenle bu toksik bileşenleri metabolize eden ve temizleyen sistemin fonksiyonları önemlidir ve hücrede sıkı bir şekilde kontrol edilir.

Katalaz (KAT) ve süperoksit dismutaz (SOD) ile uyum içinde çalışan glutatyon peroksidaz, ROS’den gelen hasara karşı hücreyi korur. SOD, O2●-‘i H2O2 ve moleküler oksijene çevirirken; KAT, H2O2 ile reaksiyona girerek su ve moleküler oksijen oluşturur (Şekil 2) [24].

Glutatyon peroksidaz, redüksiyon reaksiyonlarında elektron donörü olarak aktivite gösteren GSH ile birlikte serbest radikalleri ve hidroksil radikalleri, lipit peroksil radikalleri, peroksinitrit ve H2O2 gibi ROS’nin direkt veya dolaylı olarak temizlenmesinde çok etkili bir güce sahiptir. Bu reaksiyonun sonucunda oluşan GSSG, daha sonra tekrar GSH’a indirgenir. GSSG’un redüksiyonu ise glutatyon redüktaz tarafından katalize edilir (Şekil 2) [18]. Bu nedenle glutatyon redüktaz, hücrelerde yüksek [GSH]/[GSSG] oranının ve fizyolojik redoks durumunun sürdürülmesi için önemli bir enzimdir [25].

SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

N. Kanat, S. Coşansu Akdemir

Bakterilerde glutatyon ve önemi

4.2. Isı Şoku (Heat Shock)

4.4. Düşük pH (Low pH)

Eldeki veriler ısı şokuna karşı bakterinin adaptasyonunda GSH’un rolü sorularına kesin yanıt verememektedir. Yapılan bir çalışmada [26], E. coli’de gelişme sıcaklığının 30oC’den 45oC’ye hızla çıkarılması; KAT ve glutatyon redüktaz aktivitesinin engellenmesine, hücre içi GSH konsantrasyonunun azalmasına ve besiyerindeki konsantrasyonun artmasına neden olmuştur. Ayrıca 42oC’de geliştirilerek yüksek sıcaklığa adapte edilen E. coli hücrelerinde hem hücre içi hem de hücre dışı GSH seviyesi 30oC’de gelişen hücrelerden iki kat daha yüksek bulunmuştur.

Doğada asidik veya alkali pH’larda gelişebilen mikroorganizmalar olmakla birlikte, başta patojen bakteriler olmak üzere çoğu bakteri nötre yakın pH değerinde gelişmeyi tercih eder ve nötrofilik olarak adlandırılırlar. Asidik pH’da mikroorganizmaların asidik metabolitleri nötrallere ya da nötral metabolitleri alkali ürünlere çevirebilen enzimleri ürettikleri bilinmektedir [23].

4.3. Ozmotik Stres (Osmotic Stress) Bakteriler gıdalarda yüksek konsantrasyonda şeker, tuz veya kurutulmuş ürünlerde olduğu gibi ozmotik strese maruz kalırlar. Mikrobiyel gelişmede çözünenlerin konsantrasyonu (tuzlar, iyonlar, metabolitler vb.) kritik rol oynar. Laboratuvarda mikroorganizmaların çoğu nispeten düşük osmolariteli kültür ortamında optimal gelişme gösterirler. Pek çok bakteri için hipertonik veya hiperozmotik koşullar hücre küçülmesine (plazmoliz) yol açan sitoplazmadan su kaybına neden olur [3, 23].

Evrim süresince, bakteriler ozmotik basıncın yüksek olduğu ortamlarda gelişmeyi ve enzimatik aktiviteleri engellemeyen, hücre içi ozmolit birikiminin ana fonksiyonu olan turgor basıncını düzenleyici sistemler geliştirmişledir. Bu nedenle, süperozmotik strese yanıtın başlangıç aşamasında, E. coli hücreleri, K+ iyonlarının büyük miktarda birikimi yoluyla turgor gerilimini eski haline getirirler [23]. GSH, hiperozmotik stres altındaki E. coli hücrelerinde sitoplazmadaki konsantrasyonu artan metabolitlerden biridir. Ozmolorite artışına yanıtta hücre dışı GSH’un seviyesi önce düşer, sonra yükselir.

Olasılıkla ortamdan GSH’un tutulumunun ozmotik adaptasyonun başlangıç aşamasında hücre içi GSH’un birikmesine katkıda bulunduğu düşünülmektedir [1].

GSH, K+’un kanalların dışına aktarımının düzenlenmesinde yer almasına rağmen GSH’un ozmotik adaptasyon üzerine etkisinin, K+ tutulmasındaki değişiklik nedeniyle olmadığı gösterilmiştir [27]. Bu noktada GSH’un ozmotik şok boyunca tam rolü henüz kesin olarak anlaşılamamış olmakla birlikte antioksidan fonksiyonu ile ilişkili olabileceğine dair bazı kanıtlar vardır. Özellikle E. coli’deki ozmotik şoka SoxS ve SodA genlerinin indüksiyonunda artış gibi oksidatif stresin karakteristik reaksiyonları eşlik eder [28]. Bu nedenle GSH ozmotik şoktan kaynaklanan bir oksidatif stres yanıtının parçası olabilir ve yüksek ozmotik ortamlarla yaşama yeteneğinin sürdürülmesinde bir rol oynayabilir [26].

SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

GSH’un asidik koşullara maruz bırakılan hücreyi korumada rolü olduğuna dair önemli kanıtlar vardır. E. coli’de K+ iyonlarının sitoplazma membranından geçişinde rol alan aktarım kanalları KefB ve KefC GSH tarafından engellenir ve GSH’un yokluğunda K+ hücre dışına sızar. K+ dışa akışı sitoplazma pH’sındaki düşüş ile bağlantılı bulunmuştur [29].

4.5. Klor Bileşikleri (Chlorine Compounds) Klor bileşikleri, gerek etki spektrumlarının geniş olması gerekse ucuz olmaları nedeniyle gıda sanayinde en çok tercih edilen sanitizerlerdir. Asitlendirilmiş sodyum klorit ya da klordioksit protein ve nükleik asit sentezini engelleyerek veya prooksidasyon aracılığıyla sitoplâzma membanının bütünlüğünü bozarak bakterileri inaktive eder [30].

Kloritin bakteriler üzerine inaktivasyon şeklinin hidrojenperoksit ve hipokloritinkinden farklı olduğu tespit edilmiştir. Hipoklorit sitoplazma membranına etki etmez, ancak DNA, protein ve lipitlere saldıran seçici olmayan okside edici ajan olarak davranır [31]. GSH, hipoklorik asit (HOCl) ve monokloroaminden (NH2Cl) daha az zararlı maddeler üretmek için bunların klor bileşenleri ile direk reaksiyona girerek E. coli’yi korur [2].

4.6. Hidrojen Peroksit (Hydrogen Peroxide) Daha önceleri sadece antiseptik olarak kullanılan hidrojen peroksit antimikrobiyel ajan olarak geniş bir uygulama alanına sahiptir. H2O2 bakteri, küf, maya, virüs ve sporlar üzerine etkili olup, etki spektrumu oldukça geniştir [32]. Anaerobik bakteriler KAT üretemedikleri için peroksit uygulamasına karşı daha duyarlıdırlar. Gram-negatif bakteriler ise Gram-pozitif bakterilere göre daha duyarlıdırlar [33, 34, 35]. H2O2’in antimikrobiyal etkisi özellikle singlet oksijen, O2●radikalleri ve hidroksil radikalleri (HO-) gibi güçlü oksidanları oluşturmasından kaynaklanmaktadır. Bu reaktif oksijen türleri hücrelerde enzim, membran bileşenleri ve DNA’da geri dönüşsüz hasarlara neden olmaktadırlar [36].

115

N. Kanat, S. Coşansu Akdemir

Bakterilerde glutatyon ve önemi

5. SONUÇ (CONCLUSION) Bakterilerde çeşitli stres faktörleri karşısında hücresel fonksiyonları olumsuz yönde etkileyen değişiklikler meydana gelmektedir. Çeşitli çalışmalarda antioksidan özelliğe sahip GSH’un olumsuz koşullara karşı korumada rol oynadığı gösterilmiştir. Stres koşullarında GSH’un rolünün araştırılması bakterilerin geliştirdikleri direnç mekanizmasının anlaşılmasına fayda sağlayacaktır.

[12]

[13] [14]

KAYNAKLAR (REFERENCES) [1] [2]

[3]

[4]

[5]

[6] [7]

[8] [9]

[10]

[11]

116

Smirnova, G.V., Oktyabrsky, O.N. (2005) Glutathione in Bacteria, Biochemistry (Moscow), 70 (11), 1199-1211.

Masip, L., Veeravalli, K., Georgiou, G. (2006) The Many Faces of Glutathione in Bacteria, Antioxidants & Redox Signaling, 8 (5-6), 753– 762.

Dikici, A. (2009) Çevresel Stres Faktörlerine Karşı Bakteriyel Adaptasyonlar ve Mekanizmaları, Gıda Teknolojileri Elektronik Dergisi, Cilt: 4, No: 3, 59-68.

Ray, B. (2004) Microbial stress response in the food environment.

“Fundamental Food Microbiology”, 3rd edn, CRC press LLC., New York, pp.103-121.

Yousef, A.E., Courtney, P.D. (2003) Basics of stress adaptation and implications in newgeneration foods. “Microbial Stress Adaptation and Food Safety” A.E. Yousef and V.K. Juneja (Editörler). CRC Pres, New York. Syf:1–25.

Arsene, F., Tomoyasu, T., Bukau, B. (2000) The heat shock response of Escherichia coli, International Food Microbiology, 55:3-9.

Neidhardt, F.C., Vanbogelen, R.A. (2000) Proteomic analysis of bacterial stress response, in Bacterial Stress Responses. G. Storz and R. Hengge-Aronis, Eds. Washington, DC.: American Society for Microbiology Press, pp.

445-452.

Cronan, J.E. (2002) Phospholipid modifications in bacteria, Current Opinion in Microbiology, 5, 202-205.

Fahey, R.C., Brown, W.C., Adams, W.B., Worsham, M.B. (1978) Occurrence of glutathione in bacteria, Journal of Bacteriology, 133, 1126–1129.

Copley, S.D., Dhillon, J.K. (2002) Lateral gene transfer and parallel evolution in the history of glutathione biosynthesis genes, Genome Biology, 3, 1–16.

Sareen, D., Newton, G.L., Fahey, R.C., Buchmeier, N.A. (2003) Mycothiol is essential for growth of Mycobacterium tuberculosis

[15]

[16]

[17] [18]

[19] [20]

[21] [22]

[23] [24]

[25]

Erdman. Journal of Bacteriology, 185 (22), 6736-6740.

Newton, G.L., Rawat, M.L.A., Clair J.J., Jothivasan, V.K., Budiarto, T., Hamilton C.J., Claiborne, A., Helmann, J.D., Fahey, R.C. (2009) Bacillithiol is an antioxidant thiol produced in Bacilli. Nature Chemical Biology, 5 (9), 625-627.

Meister, A. (1983) Selective modification of glutathione metabolism, Science, 220, 472–477.

Aslund, F., Berndt, K.D., Homgren A. (1997) Redox potentials of glutaredoxins and other thiol-disulfide oxidoreductases of the thioredoxin superfamily determined by direct protein-protein redox equilibria, Journal of Biological Chemistry, 272, 30780–30786.

She, Z.W., Mays, D.C., Sagone, A.L., Davis, W.B. (1997) Aminobenzoic acid compounds as HOCl traps for activated neutrophils, Free Radical Biology and Medicine, 22, 989–998.

Ziegler, D.M. (1985) Role of reversible oxidation-reduction of enzyme thiols-disulfides in metabolic regulation, Annual Review of Biochemistry, 54, 305-329.

Arrick B.A., Nathan C.F. (1984) Glutathion metabolism as a determinant of the therapeutic efficacy, Cancer Research, 44, 4224-4232.

Demirkol, O., Ercal, N. (2012) Glutathione, In: Handbook of Analysis of Active Compounds in Functional Foods, Editors: L.M.L. Nollet, F. Toldra, CRC Press, Taylor & Francis, 978-14398-1588-5, pp.69-86.

Meister, A., Anderson, M.E. (1983) Glutathione.

Annual Review of Biochemistry, 52: 711-760.

Schafer, F.Q., Buettner, G.R. (2001) Redox environment of the cell as viewed through the redox state of the glutathione disulfide/glutathione couple, Free Radical Biology and Medicine, 30 (11), 1191–1212.

Meister, A. (1988) Glutathione metabolism and its selective modification. Journal of Biological Chemistry, 263, 17205–17208.

Smirnova G.V., Torkhova O.A., Oktyabrsky, O.N. (2003) The Status and the Role of Glutathione under Disturbed Ionic Balance and pH Homeostasis in Escherichia coli, Microbiology, 72 (5), 542–547.

Moat, G.A., Foster, W., Spector, J., Michael, P. (2002) Microbial Physiology, ISBN: 0-47139483-1, Wiley-Liss.

Mate´S, J.M. (2000) Effects of antioxidant enzymes in the molecular control of reactive oxygen species toxicology, Toxicology, 153, 83– 104.

Kulaksiz, C.B., Dalmızrak, O, Ogus, I.H., Ozer, N. (2010) Purification and characterisation of rat SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

N. Kanat, S. Coşansu Akdemir

Bakterilerde glutatyon ve önemi

[26]

[27]

[28]

[29]

[30]

[31]

kidney glutathione reductase, The Protein Journal, 29 (4), 250-256.

Smirnova, G.V., Zakirova, O.N., Oktyabrsky, O.N. (2001) The Role of Antioxidant Systems in the Response of Escherichia coli to Heat Shock.

Microbiology, 70 (5), 512–518.

Mclaggan, D., Logan, T.M., Lynn, D.G., Epstein, W. (1990) Involvement of gammaglutamyl peptides in osmoadaptation of Escherichia coli. Journal of Bacteriology, 172, 3631–3636.

Smirnova, G.V., Muzyka, N.G., Oktyabrsky, O.N. (2000) The role of antioxidant enzymes in response of Escherichia coli to osmotic upshift.

FEMS Microbiology Letters, 186, 209–213.

Ferguson, G.P., Booth, I.R. (1998) Importance of Glutathione for Growth and Survival of Escherichia coli cells: Detoxification of Methylglyoxal and Maintenance of Intracellular K+. Journal of Bacteriology, 180, 4314–4318.

Scatina, J., Abdel-Rahman, M.S., Goldman, E. (1985) The inhibitory effect of Alcide, an antimicrobial drug, on protein synthesis in Escherichia coli, Journal of Applied Toxicology, 5, 388–394.

Luppens, S.B., Barbaras, B., Breeuwer, P., Rombouts, F.M., Abee, T. (2003) Selection of

SAU J. Sci. Vol 18, No 2, p. 111-117, 2014

[32]

[33]

[34]

[35] [36]

fluorescent probes for flow cytometric viability assessment of Listeria monocytogenes exposed to membrane-active and oxidizing disinfectants.

Journal of Food Protection, 66, 1393–1401.

Sander, J.E., Wilson, J.L. (1999) Effect of Hydrogen Peroxide disinfection during incubation of chicken eggs on microbial levels and productivity, Avian Diseases, 43, 227-233.

Sapers, G.M., Miller, R.L., Mattrazzo, A.M. (1999) Effectiveness of sanitizing agents in inactivating Escherichia coli in golden delicious apples, Journal of Food Science, 64 (4), 734737.

Gronholm, L., Wirtanem, G., Ahlgren, K., Nordstrom, K., Sjoberg, A. (1999) Screening of antimicrobial activities of disinfectants and cleaning agents against foodborne spoilage microbes, Zeitschrift für Lebensmitteluntersuchung und -Forschung A, 208, 289-298.

Block, S.S. (2001) Disinfection, Sterilization and Preservation, Fifth Edition, Lippincott Williams & Wilkins, 135-146, 185-191.

Juven, B.J., Pierson, M.D. (1996) Antibacterial effects of hydrogen peroxide and methods for its detection and quantitation. Journal of Food Protection, 59 (11), 1233-1241

117

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 119-124, 2014

SAU J. Sci. Vol 18, No 2, p. 119-124, 2014

Mikroskop camları üzerinde spin kaplama yöntemiyle üretilmiş ZnO ince filmlerine tavlama sıcaklık ve süresinin etkileri Özlem Ertek, İbrahim Okur* *

Sakarya Üniversitesi, Fen Edebiyat Fakültesi, Fizik Bölümü, Sakarya 13.12.2012 Geliş/Received, 13.03.2013 Kabul/Accepted

ÖZET Bu çalışmada, amorf mikroskop camlar üzerine spin kaplama yöntemi kullanılarak ZnO ince filmleri üretilmiş ve bu filmler 350 oC ile 850 oC arasında değişen sıcaklıklarda tavlanmışlardır. Tavlamalar 50 oC’lik aralıklarla gerçekleştirilmiş ve iki farklı (0.5 ve 8 saat) tavlama süresi kullanılmıştır. Bütün numunelere ait XRD, SEM ve UVVis spektrumları alınarak numunelere ait optik ve yapısal özellikler analiz edilmiştir. 400 oC’de sekiz saat tavlanan numunede sadece (100) yönünde kristallenme gözlenmiştir. 800 oC ve 850 oC tavlamaları SiO2 ve Zn2SiO4 ile bağlantılı iki faz üretmiştir. Yapılan deneyler tavlama sıcaklığı ve süresinin genelde ZnO nanoyapılarının çaplarını artırdığını göstermiştir. Orta sıcaklıklarda (350-600 oC) tavlanan numunelerde 370 nm’de (3.36eV) konuşlanmış bir soğurma bandı gözlenirken bu pik 650 oC’den sonraki tavlama sıcaklıklarında 290 nm’de yeni bir soğurma piki oluşturmuş ve bu yeni pikin de SiO2 fazından kaynaklandığı tespit edilmiştir. 800 oC’de 8 saat tavlanmış numunelerde SiO2 soğurma pikinde 10 nm’lik bir kırmızaya kayma tespit edilmiştir.

Anahtar Kelimeler: ZnO ince filmler, spin kaplama, ısıl tavlama, mikroskop cam, optik spektrum

Effects of thermal annealing temperature and duration for ZnO thin films produced by spin coating method on microscope glasses ABSTRACT In this study, ZnO thin films on amorphous microscope glasses were fabricated using the spin coating method and annealed at temperatures ranging from 350 oC to 850 oC. Annealings have been performed at these temperatures in 50 o C increaments and for two annealing durations (0.5 and 8 hours). XRD, SEM and UV-VIS spectra of all the samples have been given. Optical and structural properties of the produced films have been evaluated. The sample annealed at 400 oC for eight hours was crystallized in only one (100) direction. Annealing at 800 oC and 850 oC created new phases related to SiO2 and Zn2SiO4, respectively. It has been found that the annealing temperature and duration generally increased the ZnO nanostructures’ diameter. The UV-VIS spectra of the samples for moderate temperatures (350-600 o C) had an absorption band at 370 nm (3.36eV), whereas these peaks disappeared after 650 oC annealing, producing a new absorption peak situated at 290 nm which could be attributed to the SiO2 phase. In case of the sample annealed at 800 oC for 8 hours, SiO2 absorption peak has 10 nm redshift.

Keywords: ZnO thin films, spin coating, thermal annealing, microscope glasses, optical spectra

*

Sorumlu Yazar / Corresponding Author

iokur@sakarya.edu.tr

Ö. Ertek, İ. Okur

1. INTRODUCTION (GİRİŞ) Especially in the last two decades, nanosized structures have attracted great attention owing to their novel sizedependent applications in the area of photonics [1-4].

Amongst the metal oxides, zinc oxide is of importance in the scientific research area due to its unique properties and its compatibility to the electronic and optoelectronic devices. It has good electrical properties, high luminescence yield, high transmittance constant in the visible region, excellent substrate adherence and low price [5]. It can be used as photo-catalyzers, field-effect transistors, UV light emitting diodes, varistors, solar cells, chemical/gas sensors, antimicrobial staff, as well as feeding agents [6-12]. Zinc oxide is a direct bandgap (3.37 eV) semiconductor material and it has exciton binding energy of 60 meV, which is larger than GaN (28 meV) and ZnSe (19 meV) [13]. It has a stable wurtzite structure with the lattice spacings of a = 0.325 nm and c = 0.521 nm.

Producing ZnO thin films is an active field (published 5500 papers/year). These films have been prepared by various dry and wet processes, such as metal organic chemical vapor deposition (MOCVD), chemical vapor deposition (CVD), pulsed laser deposition (PLD), molecular beam epitaxy (MBE), magnetron sputtering, electrochemical deposition, spray prolysis etc. [14,15].

Hydrothermal film preparation procedure is also used to prepare these oxide films.

Sol-gel chemistry has become a famous tool to make new kind of thin films and combining this with the spin coating method provides excellent film qualities, which consequently satisfies all the requirements that the user wants to fulfill. This method is very easy to implement and cheaper than the others. With this technique some tens of cm2 film areas can be produced on both the crystalline and the amorphous surfaces. Crystallization temperature for these films can be as low as 300 oC under normal conditions. The crystalline quality of the film can be improved by the conventional annealing processes [16-17].

In this study, thermal treatment results in terms of annealing temperature and duration for the ZnO thin films on amorphous microscope glasses have been introduced. The effects of annealing temperature and duration on the samples have been investigated by using XRD, SEM and UV-Vis absorption spectra, and the results have been interpreted.

120

Effects of thermal annealing temperature and duration for ZnO thin films produced by spin coating method on microscope glasses

2. EXPERIMENTAL (DENEYSEL) ZnO thin films were deposited onto microscope glasses using spin coating method. Zinc precursor solution was prepared by dissolving zinc acetate dehydrate (C4H10O6Zn) in methoxyethanol (C3H8O2) to obtain 0.33 M concentration. In the process, monoethanolamine was used as a complexing agent in order to keep the metal ions in the homogenous solution with no precipitation.

The solution was mixed at 70 oC/1 h using magnetic stirrer (Wisestir, MSH-20A) at atmospheric pressure.

The thin films were spin coated on microscope glasses at the speed of 500 rpm. One layer deposition took 40 second and ten layers of deposition have been performed.

After each layer formed, the films were dried at 250 oC for 10 minutes, the thin film coated samples were finally annealed at various temperatures from 350 oC to 850 oC for half an hour and eight hours periods at a furnace (Nabertherm B170). For these two distinct annealing durations we have prepared the samples in pairs and the annealings have been performed individually to see the annealing time effects on the mechanical and/or optical properties (see Figure 1.).

Figure 1. Flow diagram of ZnO thin film production process (ZnO ince film üretim sürecinin akış diyagramı)

XRD spectra of the sol-gel films have been recorded by means of XRD diffractometer Rigaku D/Max 2200PC using CuKα band.

Absorbtion measurements of the samples have been performed by using Agilent 8453 UV-VIS spectrometer.

In these measurements, white light has been sent onto the samples’ coated and uncoated faces and the absorption spectra have then been taken to see whether diffusion and other physical processes are present and have any consequences on the mechanical and/or optical properties or not. These two spectra for all the samples have been evaluated. Surface morphology of the ZnO thin films were observed using SEM (JEOL 6060LV).

SAU J. Sci. Vol 18, No 2, p. 119-124, 2014

Spin kaplama yöntemiyle üretilmiş ZnO ince filmlerin özellikleri

3. RESULTS AND DISCUSSION (SONUÇLAR VE TARTIŞMA)

3.1 XRD Spectra

Ö.Ertek, İ.Okur

For the samples annealed at the temperatures ranging from 450 oC to 750 oC there exist no differences than that of the conventional XRD spectra. However, for the 800 o C annealings it has been observed that all the classical peaks have disappeared and a peak at the angle of 25o (2θ) come up (see Figure 4-a).

The XRD spectra of the samples, which were annealed at 350 to 850 oC for half an hour/eight hours, have been performed using Rigaku D/Max 2200 PC XRD spectrometers CuKα band. It has been observed that all the samples were crystallized at these temperatures and annealing durations. An XRD spectrum for the sample which was annealed at 450 oC for eight hours is shown in Figure 2.

Figure 2. XRD spectra of ZnO thin film on microscope glasses, annealed at 450 oC for eight hours (450 oC’de 8 saat tavlanmış mikroskop gözlük üzerindeki ZnO ince film XRD spektrumları).

Surprisingly, for the sample annealed at 400 oC for eight hours the two of the three main conventional ZnO peaks (see Figure 3-b) have disappeared and one remained, showing that the crystal growth has occurred in (100) preferred direction. This was not the case for the sample annealed at the same temperature for 30 minutes (Figure 3-a).

Figure 4. XRD spectra of ZnO thin film coated on microscope glass and annealed a) at 800 oC for 8 hours and b) at 850 oC for 30 minutes ( a) 800 oC’de 8 saat veb) at 850 oC’de 30 dakika tavlanmış mikroskop camı üzerine kaplanmış ZnO ince film XRD spektrumları).

This peak is attributed to the SiO2 (quartz) crystal phase.

To understand the origin of this peak, i.e., whether it comes from the substrate (which was amorphous SiO2) or it originates from the produced ZnO thin film, we have carried out another experiment with non-coated microscope glasses for the same experimental conditions and saw no sign for crystallization. This showed us that the SiO2 peak at the XRD spectrum was caused by the ZnO thin film coating. This peak shows the mutual interaction of ZnO and substrate (SiO2), which produces SiO2 crystal phase, silicon coming from the substrate and oxygen contributing from the coated thin film. For the ZnO spin coated sample annealed at 850 oC for 30 minutes there appeared another phase, called willemite (Zn2SiO4) (see Figure 4-b). In this spectra three main ZnO peaks show themselves, though weak. Since the substrate was amorphous silica and the temperature (850oC) was over the softening point, we could not go further than this temperature. However, it was believed that the increasing the temperature produced new, intermediate phases related to the ZnO thin films and substrate which was in the current case SiO2 for 800 oC and Zn2SiO4 for 850 oC annealings.

Figure 3. XRD spectra of the ZnO thin film annealed at 400 oC for a) half an hour and b) for eight hours (a) 400 oC’de yarım saat b) sem.z saat tavlanmış ZnO ince filmin XRD spektrumu).

SAU J. Sci. Vol 18, No 2, p. 119-124, 2014

121

Ö. Ertek, İ. Okur

3.2 SEM Spectra

Effects of thermal annealing temperature and duration for ZnO thin films produced by spin coating method on microscope glasses

temperatures (for example see Figure 8, for 600-650 oC annealing).

The SEM spectra of all the samples have been taken using SEM (JEOL 6060LV) spectrometer. From the spectra it has been found that the average thicknesses of the films were about 1µm.

From the SEM micrographs, it has been also realized that increasing the annealing temperature generally increases the ZnO nano-microstructures’ diameter and length to some extent. Duration of the annealing (0.5 – 8 h) did not change the shape of the structures much. For the higher annealing temperatures (700-850 oC), spacings between the grains have become smaller and production of bigger sized structures occurred. For the samples which were annealed at 400 oC for half an hour and eight hours, the SEM spectra showed distinct properties (see Figure 5).

As mentioned in section III.a, the XRD spectra showed a preferential growth mechanism. The ZnO nanostructures at this temperature for 8 hour annealing were grown in different manner. As could be seen from Figure 5-a the ZnO nanostructures seemed to be rod-like, whereas for 8 hour annealing these occurred to be homogenous, dotlike (nanodot) structure with the average diameter of 500 nm (see Figure 5-b).

Figure 7. SEM micrograph for the samples annealed at 550 oC for a) half an hour b) eight hours (550 oC ‘de tavlanmış numuneler için SEM mikrografısi a) yarım saat b) sekiz saat)

Figure 8. SEM spectra for the samples annealed at a) 600 oC for half an hour; b) annealed at 650 oC for half an hour (600 oC’de a) yarım saat; b) 650 oC’de yarım saat tavlanmış numuneler için SEM spektrumu ).

At higher annealing temperatures (700-850 oC), the rodlike structure disappeared while the dot like structure dominated and the grains of dots became bigger, reaching diameters of up to 50 nm (see Figure 9).

a Figure 5. SEM micrograph of the samples annealed at 400 oC for a) half an hour and b) 8 hours (a) 400 oC’de yarım saat b) sekiz saat tavlanmış numuneler için SEM mikrografısi).

b

The dotted structure slowly diminishes for the 450-500 o C annealings (see Figure 6).

c

Figure 6. SEM micrograph of samples annealed at a) 450 oC for eight hours b) 500 oC for half an hour ( a) 450 oC’de sekiz saat b) 500 oC’de yarım saat tavlanmış numuneler için SEM mikrografısi).

This structure completely disappeared after 550 oC annealing for both annealing durations (see Figure 7), and nanorods length became longer for higher annealing

122

Figure 9. SEM spectra of the samples annealed at a) 700 oC for 8 hours b) 800 oC for 8 hours c) 850 oC for 30 minutes ((a) 700 oC’de 8 saat b) 800 oC’de 8 saat c) 850 oC’de 30 dakika tavlanmış örneklerin SEM spektrumu).

3.3 UV-Vis Absorbtion Spectra Absorption spectra of the ZnO thin films coated on microscope glasses have been obtained by using Agilent SAU J. Sci. Vol 18, No 2, p. 119-124, 2014

Spin kaplama yöntemiyle üretilmiş ZnO ince filmlerin özellikleri

8453 UV-VIS spectrometer. Even though the spectra have been taken between 280 nm to 800 nm we have focused on the wavelength interval of 300-450 nm to see whether there is any shift in the fundamental absorption peak which lies on about 370 nm ( 3.36 eV). These spectra have been taken for both coated and uncoated surfaces of the substrate (sending white light from these sides and detecting the signal from the other faces) to see any diffusion effect during the annealings. For the annealings from 350 to 600 oC the absorbtion spectra of all the samples (for 30 minutes and eight hours annealings) were more or less similar, as was depicted in the Figure 10-a.

After 650 oC annealing the absorption spectra changed completely; the peak at 370 nm disappeared and a peak at about 290 nm became apparent which could be attributed to the SiO2 absorption band. These changes were in good agreement with the XRD spectra of the samples in which a new phase of SiO2 were very apparent in, for example, 800 oC and 850 oC annealings. Another interesting thing in the absorption spectra was that for the 800 oC annealing (for 8 hours) there existed a red shift, which was about 10 nm, in the SiO2 peak and this shift could be attributed to the diffusion effect of SiO2 nanoparticles or to the bigger grain sizes which might be developed on the substrate as the base layer on which the second layer was formed (see Figure 10-b). As the layers became thicker the upper layers’ grain sizes might in general be smaller than those of the first one.

Ö.Ertek, İ.Okur

of the ZnO thin films. Above this temperature, the XRD results imply that the amorphisation may occur in the films. However, annealing at 800 oC improved a new phase, related to the SiO2 crystal and this phase become Zn2SiO4 for 850 oC annealing, except that the conventional ZnO peaks came back, even though their intensities were weak.

From the SEM micrographs it has been found that the films have a thickness of 1 µm and increasing the annealing temperature and duration generally increased the ZnO nanostructures’ diameter. After 400 oC annealing, the ZnO nanorods started to disappear resolving themselves to more homogenous structures (nanodots), which have the diameter of 500 nm. This figure slowly changed to dot-rod like structure for 450500 oC annealing temperatures. The samples annealed at 550 oC and 600 oC showed the nanorod-like structures.

For higher annealing temperatures (700-850 oC) the rodlike structure more or less killed off and homogenous film was obtained, with the grain size of 50 nm.

The UV-VIS spectra of the samples for moderate temperatures (350-600) have an absorption band at 370 nm (3.36eV), whereas after 650 oC annealing these peaks disappear, producing a new absorption peak situated at 290 nm which can be attributed to the SiO2 phase. This result is in good accordance with our XRD result as well.

For the sample annealed at 800 oC for 8 hours the SiO2 peak has 10 nm redshift.

We would like to thank to SAU-BAPK (Project No: 2010-50-01-006) for the financial support.

REFERENCES (KAYNAKLAR) [1]

Figure 10. Absorption spectra of ZnO thin films annealed a) at 550 oC b) at 800oC (ZnO ince filmlerin absorpsiyon spektrumları a) 550 oC b) 800oC) .

4. CONCLUSIONS (SONUÇLAR) In this study ZnO thin films were fabricated using the spin coating method and their optical and structural properties were investigated for various annealing temperatures and annealing durations. It has been found that the annealing at 350 oC created crystallinity of the ZnO film and increasing the annealing temperature changed the structural and optical properties to some extent. The sample annealed at 400 oC for eight hours showed an interesting profile, where ZnO thin film was crystallized in only one (100) direction. Up to 600 oC, annealing the samples showed conventional XRD peaks SAU J. Sci. Vol 18, No 2, p. 119-124, 2014

[2] [3] [4] [5] [6] [7] [8]

Ozgur U., Alivov Ya. I., Liu C., Teke A.,.

Reschikov M. A, Dogan S., Avrutin V., Cho S. J., Morkoc H., J. Appl. Phys. 98, 041301 (2005).

Yan C., Xue D., Adv. Mater. 20, 1055 (2008).

H. Q. Liang, L. Z. Pan, Z. J. Liu, Mater. Lett. 62, 1797-1800 (2008).

Wang Z. L. J., Phys Condens Mater.; 16: R829 (2004).

Lu H., Wang Y., Lin X., Mater. Lett.;63:2321 (2009).

Shen G., Chen D., Sci. Adv. Mater.;1:213-26 (2009).

Kim H. S., Lugo F., Pearton S.J., Norton D. P., Wang Y. L., Ren F., Appl. Phys. Lett.92,112108 (2008).

Jungil Lee, Byung- Yong Yu, Chul Ho Lee, GyuChul Yi, Senug Hun Son, Gyu-Tae, Kim, Gerard Ghibaudo, Physica E 40, 2147 (2008).

123

Ă–. Ertek, Ä°. Okur

[9]

Wang J. X., Sun X. W., Yang Y., Huang H., Lee Y.C., Tan O. K., Vayssieres L., Nanotechnology 17, 4995 (2006).

[10]

Baxter J.B., Walker A. M., Van Ommering K., Aydil E. S., Nanotechnology, 17, S304 (2006).

Junya Suehiro, Nobutaka Nakagawa, Shin-ichiro Hidaka, Makoto Ueda, Kiminobu Imasaka, Mitsuhiro Higashihata, Tatsuo Okada, Masanori Hara, Nanotechnoloy, 17, 2567 (2006).

Lei Wei, Xiaobing Zang, Zhu Zuoya, J. Vac. Sci. Technol.B 25, 608 (2007).

Kim C.R., Lee J.y., Shin C.M., Leem J. Y., Ryu H., Chang J. H., Lee H.C., Son C.S., Lee W.J., Jung W.G., Tan S.T., Zhao J.L., Sun X.W., Soid State Communications, 148, 395-398 (2008).

Mende L. S. and Driscoll J. L. M., Materials Today, V.10, N.5, 40-48 (2007).

Norton D.P., Materials Science and Engineering, R43, 139-247 (2004).

Comini E., Baratto C., Faglia G., Ferroni M., Vomiero A., Sberveglieri G., Progress in Materials Science, 54, 1-67 (2009).

Ferry Iskandar, Advanced Powder Technology, 20, 283-292 (2009).

[11]

[12] [13]

[14] [15] [16] [17]

124

Effects of thermal annealing temperature and duration for ZnO thin films produced by spin coating method on microscope glasses

SAU J. Sci. Vol 18, No 2, p. 119-124, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 2. Sayı, s. 125-130, 2014

SAU J. Sci. Vol 18, No 2, p. 125-130, 2014

KAA ömür tahmini için basitleştirilmiş bir algılayıcı düğüm enerji tüketimi hesaplama yaklaşımı Nükhet Sazak1*, İsmail Ertürk2, Etem Köklükaya3 2

1* Sakarya Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Bölümü, Sakarya Turgut Özal Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü, Ankara 3 Gazi Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği, Ankara

06.12.2013 Geliş/Received, 08.04.2014 Kabul/Accepted

ÖZET Kullanılabilirlik süresi (ömür), ağın ne zamana kadar işlevsel olarak çalışabileceği temel bilgisini verdiği için KAA uygulama tasarımındaki en önemli konulardan birisidir. Literatürde bir KAA’nın ömrünü belirleme ile ilgili çok sayıda araştırma makalesi olmasına rağmen kesin ve kullanışlı bir tanım üzerinde tam bir uzlaşma yoktur. Sonuç olarak, hepsi gerçekten en iyi tahmini KAA ömür değerini bulmayı amaçlayan bu çalışmalarda çeşitli matematiksel ifadeler verilmektedir. Bu makalede, literatürde yakın zamanda önerilmiş bir KAA ömür hesaplaması yöntemi için KAA ömür üst sınırı belirlemeyi nispeten daha basit ve kolay hale getiren önemli bir yaklaşım sunulmaktadır.

Anahtar Kelimeler: enerji, ağ ömür tahmini, KAA

A simplified sensor node energy consumption computation approach for WSN lifetime estimation ABSTRACT Lifetime is probably the most important issue in WSN application design since it gives the basic knowledge how long the network will operate functionally. Although there are many research papers related to determining lifetime of a WSN in the literature, there is not any consensus on a certain and useful definition. As a result, there are various mathematical expressions given in those studies, all genuinely aiming at finding the best estimated WSN lifetime value.

In this presented study, we suggest an important revision on the computation of WSN lifetime bounds recently proposed in the literature so that determining upper bound of WSN lifetime becomes relatively simpler and easier.

Keywords: energy, network lifetime estimation, WSN

*

Sorumlu Yazar / Corresponding Author

nsazak@sakarya.edu.tr

N. Sazak, İ. Ertürk, E. Köklükaya

1. INTRODUCTION (GİRİŞ) Wireless Sensor Networks (WSNs) have a great application potential in various fields. A WSN is simply composed of a number of small and independent sensor nodes. Sensing unit, transceiver, processing unit and power unit are the basic components of a sensor node as depicted in Figure 1 [1]. The dashed components such as location finding system, mobilizer and power generator can also be added according to the specific WSN application requirements..

Figure 1. Components of a sensor node (Sensör düğüm bileşenleri) [1]

Batteries are usually used as power source, and recharging or changing them is quite difficult for almost all WSN applications. A sensor node with exhausted battery is regarded as “dead” node. Lifetime is the indicator of how long a WSN operates with full functionality, and knowing that duration has crucial importance. In this paper, we consider the sensor node energy consumption during data transmission to determine the WSN lifetime.

The paper is organized as follows. In section II, we give a brief summary of WSN lifetime definitions found in the literature. Analytical approach and mathematical expressions for calculating sensor node energy consumption and estimating WSN lifetime are given in section III. In section IV, a numerical analysis is realized with the help of an example WSN scenario. Finally, we present the conclusions of the study in the last section.

2. LIFETIME OF WSNS (KAA’LARIN ÖMÜRLERİ) The required lifetime of a WSN may range from several hours to several years depending on the application and its usage. There is no unified definition for the lifetime of WSNs though some different proposals exist in the literature shortly given in this section.

[2] stated the WSN lifetime as “the time span from the deployment to the instant when the network is considered nonfunctional”. The time when the network considered as nonfunctional is certainly application-dependent. For instance, it can be that the first sensor node dies [2], a 126

A simplified sensor node energy consumption computation approach for wsn lifetime estimation

percentage of sensors die [3] or the network partitions and/or the loss of coverage occur. According to [4] network lifetime definitions in the literature can be categorized into three classes. Class 1 includes the references in which lifetime is defined as the time to which percentage of failed sensor nodes exceeds a predefined threshold. Class 2 has the references in which lifetime is considered as the time to emergence of first partition in the network. Finally in Class 3, there are some references in that the lifetime is the time to which the packet delivery rate falls below a predefined threshold.

In [4], it is stated that although the time from the instant the network starts operating to the first sensor node failure is the most commonly used definition, it seems too pessimistic. Indeed, considering redundancy of deployed nodes, self-organizing and fault tolerance capabilities of WSNs, the failure of a single node usually does not prevent the functionality of the rest of the nodes.

This definition is the most popular one in the literature, and we also use it for our proposed work in the paper.

In this paper, also the lifetime is defined as “duration of the time from the initialization of the network till at least one of the nodes dies” as in [5].

3. A SIMPLIFIED ANALYTICAL SENSOR NODE ENERGY CONSUMPTION COMPUTATION APPROACH FOR WSN LIFETIME ESTIMATION (KAA ÖMÜR TAHMİNİ İÇİN BASİTLEŞTİRİLMİŞ BİR ALGILAYICI DÜĞÜM ENERJİ TÜKETİMİ HESAPLAMA YAKLAŞIMI) As [5] does, we use the mathematical model for sensor node energy consumption, initially suggested by Alonso et al. [6]. This model considers continuous sensor networks in which sensor nodes read data values and send them in a multi-hop fashion to a centralized base station and then sleep until the next iteration. While the outer sensor nodes only send their data packets, the intermediate ones not only send their own data packets but also transmit the outer sensor nodes’ packets. The sensor nodes are partitioned into different spheres (S0, S1,… Sk) as shown in Figure 2. Base station (B) is at the sphere 0, S0={B}. Si represents the set of sensor nodes that can be reached from the base station (B) in i hops and there is no empty Si. The term balls of radius i denoted Bi is given as Bi=S0 U S1…U Si. Also si=|Si| and bi=|Bi| [6].

All sensor nodes are assumed to transmit at the same constant power. The energy consumed in unsuccessful attempts to acquire the channel or messages lost due to collision, bit errors and loss of connectivity is not considered in this basic model [6].

SAU J. Sci. Vol 18, No 2, p. 125-130, 2014

A simplified sensor node energy consumption computation approach for wsn lifetime estimation

N. Sazak, İ. Ertürk, E. Köklükaya

Energy consumptions during unsuccessful attempts to acquire either the channel or messages lost due to collision, bit errors and loss of connectivity are not considered in this work. In unicast traffic, a sensor node overhears all traffic sent by nearby nodes and checks out whether the packet is sent to itself or not. If it is not the intended receiver of the packet, the data packet is discarded. In this presented study, energy consumption during this computation is also ignored as suggested in [5].

Figure 2. A sensor network partitioned in spheres (Alanlarda bölümlenmiş bir sensör ağı) [5]

4. NUMERICAL ANALYSIS (SAYISAL ANALİZ)

E(receive) and E(send) are the energy consumed for receiving and sending operations, respectively. N is the total number of sensor nodes including base station. (Nbi) term is the total number of nodes outside Bi and thus the total number of packets that the set of nodes in sphere Si receive in each iteration. A lower bound on the energy consumption for a node in Si is calculated by:  N b i m i    si

  N b i  s i  xE receive    si  

  xE send  (1) 

When the total number of packets received and transmitted is equally divided among the nodes in Si, the minimum energy consumption is computed. After computing the minimum energy consumption for nodes in different spheres, the lower bound on the energy consumption of a node in the whole network is found by:

max{m1 ,....m k }

(2)

At each iteration at a node, the total number of packets received cannot exceed N-s0-1 and the total number of packets transmitted cannot exceed N-s0. The upper bound on the energy consumption of a node in the WSN is:

E receive N  s 0  1  E send N  s 0  

E receive   E send x N  s 0   E receive 

(3)

Each node has the same amount of energy that is represented by EE. Tmax is the maximum number of iterations which a WSN can perform within its lifetime.

EE

Ereceive  Esend xN  s 0   Ereceive EE  maxm1 ,...m k 

 Tmax

(4)

In [5], Tmote Sky sensor motes were used for energy consumption measurement. A Tmote Sky mote [7] features the Chipcon CC2420 radio which is an IEEE 802.15.4 standard compliant radio. The simplified representation of data frame for IEEE 802.15.4 standard [8] is shown in Figure 3.

Table 1. Simplified version of IEEE 802.15.4 data frame structure (IEEE 802.15.4 veri çerçeve yapısı basitleştirilmiş versiyonu)

6 bytes Addressing Fields

n bytes Data Payload

Addressing fields include destination PAN identifier (2byte), destination address (2-byte), source PAN identifier (which is left empty) and source address (2-byte). Hence total length of addressing fields is 6-byte. Data payload is represented by n. Acknowledgement contains preamble sequence (4-byte), start of frame delimiter (1byte), frame length (1-byte), frame control field (2-byte), data sequence number (1-byte) and frame check sequence (2-bytes).

Thus total length of acknowledgement section is 11-byte and length of data frame in total is 17 + n bytes. Therefore,sending 17 + n bytes and receiving 11 bytes are required to transmit an n-byte packet. On the other hand, receiving 17 + n bytes and sending 11 bytes are necessary to receive an n-byte packet.

In [5], the measurement results were obtained for 18 + n bytes since TinyOS adds a TinyOS_IP field with 1-byte.

The energy consumption values to receive 1 byte, 11 bytes and 18 bytes were measured as 0.12 mJ, 1.3 mJ and 2.13 mJ, respectively. On the other hand, energy consumption values to send 1 byte, 11 bytes and 18 bytes were measured as 0.12 mJ, 1.32 mJ and 2.16 mJ respectively [5].

By using these energy consumption values, the energy consumed by a sensor node during sending or receiving a packet were given as below [5]:

Esend  0.12 x n  3.54 mJ SAU J. Sci. Vol 18, No 2, p. 125-130, 2014

11 bytes Acknowledgement

(5) 127

N. Sazak, İ. Ertürk, E. Köklükaya

Ereceive  0.12 x n  4.03 mJ

A simplified sensor node energy consumption computation approach for wsn lifetime estimation

(6)

Let us consider a WSN consisting of 29 Tmote Sky motes as shown in Figure 2. The number of sensor nodes in the spheres is 4, 6, 10 and 8 from inner to the outer. These sensor nodes send packets with 2-byte data payload (n) in every 10 seconds. The outermost sensor nodes send only their own packets. The other sensor nodes, closer to the base station (B), send their packets and also relay packets coming from the sensor nodes at the outer spheres. Tmote Sky motes use 2 AA batteries and this corresponds to 30,780 J energy.

By putting 2-byte as n value into the Equations (5) and (6), we get:

Esend  0.12 x 2  3.54  3.78 mJ

(7)

Ereceive  0.12 x 2  4.03  4.27 mJ

(8)

s1  4,

(9)

s 2  6, s 3  10,

s 4  8,

b1  5, b 2  11,

m1  52.08 mJ m 2  27.93 mJ

(10)

m 3  10.22 mJ

(11)

b 3  21,

b 4  29,

m 4  3.78 mJ

max{m1 ,....mk }  m1  52.08 mJ

(12)

for fair comparisons. We describe deployment type 1 as sensor node distribution with 4, 6, 8 and 10. The deployment type 2 includes the descending order sensor node distribution with 10, 8, 6 and 4. In the deployment type 3, the sensor nodes are distributed equally at the spheres as 7, 7, 7 and 7. Having computed the energy consumption values at the spheres for each deployment type, the results obtained are given in Table I. In order to make the comparisons easy, the results given in Table 1 are also presented graphically in Figure 4. As it can be seen from the graphs, node energy consumption at the outermost sphere is same for all deployment types.

The reason is that these sensor nodes only send their own packets no matter how many others at that sphere.

Table 2. Energy consumption values for different deployment types (Farklı dağıtım türleri için Enerji tüketim değerleri)

Deployment Type

1

2

(13) 3

30780 221.13x103

 Tmax 

30780 52.08x103

139194  Tmax  591014

(14) (15)

As a result, considering the 10-second intervals for packet sending, the lifetime of WSN can vary between about 387 hours and 1642 hours.

Amiri [5] concludes that S1 representing the sphere to determine the upper bound is the bottleneck in this example. It is also stated in [5] that the load of packet transmissions can be spread approximately equally on all the sensor nodes and thus the upper bound can be improved by means of better positioning the sensor nodes.

In this presented work, we change the deployment type of sensor nodes on the spheres and calculate the sensor node energy consumption values for the same values given in the above example. The total number of sensor nodes and the total number of spheres are kept constant 128

Sphere No 1 2 3 4 1 2 3 4 1 2 3 4

Number of Sensor Nodes 4 6 8 10 10 8 6 4 7 7 7 7

Energy Consumption (J) 52.08 27.93 13.84 3.78 18.27 13.84 9.15 3.78 27.93 19.88 11.83 3.78

There is yet another interesting point at the results.

Although the node energy consumption values at the spheres change depending on the sensor node distribution, the energy consumed at the first sphere is the maximum for each deployment type as expected.

Therefore, we conclude that computing only the node energy consumption at the first sphere is enough to determine the upper bound of the WSN lifetime. This result reflects the fact that there is no need to calculate the energy consumption values for all of the spheres then choose the maximum one of them as opposed to the claim in [5].

As one of the most important contributions of this study, we can consequently simplify the formula for obtaining the bounds of the WSN lifetime as given below:

SAU J. Sci. Vol 18, No 2, p. 125-130, 2014

A simplified sensor node energy consumption computation approach for wsn lifetime estimation EE

Ereceive  EsendxN  s 0   Ereceive 

 Tmax

N. Sazak, İ. Ertürk, E. Köklükaya

5. CONCLUSIONS (SONUÇLAR) (16)

EE m1

Finally, it could be stated that data payload, total number of sensor nodes and the number of sensor nodes at single hop distance are fair enough to estimate the lifetime bounds of WSN.

In this paper, an improving and simplifying change is proposed for estimating the WSN lifetime by using the formula already known in the literature. Motivation of this presented work is that the computation of energy consumption at the first sphere is fairly adequate for determining the upper bound of the lifetime of WSN, which discarding unnecessary calculations. Therefore, based on our proposed simple approach there is neither need to know the number of sensor nodes at each sphere nor how the sensor nodes are distributed. It simply assures obtaining the same results presented in [5] only using the number of the sensor nodes at the single hop.

The distribution of sensor nodes in ascending/descending order or equally has no effect at all on determining the upper bound of the WSN lifetime. Receiving and sending energy consumption values, total number of sensor nodes, the number of sensor nodes at the one hop distance and battery energy value of the sensor node are enough to determine the lifetime bounds of WSNs. REFERENCES (KAYNAKLAR)

(a)

[1] [2] [3]

[4]

(b) [5] [6]

[7] [8] (c) Figure 4. Node energy consumption values for three deployment types (Üç dağıtım türleri için düğüm enerji tüketim değerleri)

SAU J. Sci. Vol 18, No 2, p. 125-130, 2014

Akyildiz, I.F., Su, W. and Sankarasubramaniam, Y., (2002) ‘Wireless sensor networks: A Survey’, Computer Networks, vol. 38, pp. 393-422.

Chen, Y. and Zhao, Q., (2005) ‘On the lifetime of wireless sensor networks’, IEEE Communication Letters, vol. 9, no.11, pp. 976-978.

Deng, J., Han, Y., Heinzelman, W. and Varshney, P. (2005) ‘Schedule sleeping nodes in high density cluster-based sensor networks’, Mobile Networks and Applications, vol. 10, no. 6, pp.

825-835.

Mak, N. H. and Seah, W.,(2009) ‘How long is the lifetime of a wireless sensor network?’, International Conference on Advanced Information Networking and Applications, AINA’09, May, pp. 763-770.

Amiri, M.,(2010) ‘Evaluation of lifetime bounds of wireless sensor networks’, Computer Research Repository (CoRR), vol. abs/1011.2103.

Alonso, J., Dunkels, A. and Voight, T., (2004) ‘Bounds on the energy consumption of routings in wireless sensor networks’, In Modeling and Optimization in Mobile Ad Hoc and Wireless Networks, Cambridge, UK, March.

Tmote Sky Datasheet, [Online], Available: http://sentilla.com/files/pdf/eol/tmote-skydatasheet.pdf [03 Aug 2013].

IEEE Std. 802.15.4-2003-Wireless Medium Access Control (MAC) and Physical Layer (PHY) specifications for Low Rate Wireless Personal Area Networks (LRWPANs), [Online], Available: 129

N. Sazak, İ. Ertürk, E. Köklükaya

A simplified sensor node energy consumption computation approach for wsn lifetime estimation

http://standards.ieee.org/getieee802/download/80 2.15.4-2003.pdf ,[15 Aug 2013].

130

SAU J. Sci. Vol 18, No 2, p. 125-130, 2014

© 2014 Sakarya Üniversitesi Fen Bilimleri Enstitüsü

YAYIN İLKELERİ

1.

Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Ocak 1997’de kurulmuş bir dergidir. Dergimiz 2012 yılından itibaren fen, mühendislik ve doğa bilimleri alanlarında olmak üzere düzenli olarak Nisan, Ağustos ve Aralık aylarında yılda üç sayı halinde yayımlanan ulusal hakemli bir dergidir. Yayınlanmak üzere gönderilen bütün makaleler, editör, yayın danışma kurulu ve hakemlerce değerlendirilir.

2. Dergimizde Türkçe veya İngilizce yazılmış orijinal araştırma makalesi, teknik not, editöre mektup ve derleme türünde bilimsel çalışmalar yayınlanır.

3. Yalnızca özgün niteliği olan bilimsel araştırma çalışmalarına yer verilir. Bilimsel çalışmada üretilen bilginin yeni olması, yeni bir yöntem öne sürmesi ya da daha önce var olan bilgiye yeni bir boyut kazandırmış olması gibi niteliklerin aranması esastır.

4. Yayımlanmak üzere gönderilen makaleler iki veya üç hakem tarafından değerlendirilir; kabul‐ret kararı Yayın Kurulu tarafından verilir.

Yazıları değerlendiren hakemlerin adları yazarlara bildirilmez. Hakemler de yazarların adlarını göremez. Yeterli görülmeyen yazıların hakem önerileri doğrultusunda geliştirilmesi genel esastır. Amaçlanan düzeye varamayan yazılar, bilimsel açıdan yeterli görülmeyen çalışmalar gerekçesi açıklanmadan reddedilir.

5. Yayınlanması istenilen eserlerin herhangi bir yerde yayınlanmamış veya yayınlanmak üzere herhangi bir dergiye gönderilmemiş olması zorunludur. Bunun için yazarlardan makaleyi gönderdiklerinde bu durumu açıklayıcı bir ön yazı talep edilir.

6. Eserlerin tüm sorumluluğu ilgili yazarlarına aittir. Eserler uluslararası kabul görmüş bilim etik kurallarına uygun olarak hazırlanmalıdır.

Gerekli hallerde, Etik Kurul Raporu'nun bir kopyası eklenmelidir.

7. Dergimize yayınlanmak üzere gönderilen makaleler 01.08.2013 tarihinden itibaren bir benzerlik kontrol programı olan ithenticate ile kontrol edilecektir. Benzerlik raporu ilgili yayın danışma kurulu üyesine kontrol etmesi için gönderilecektir.

8. Dergimizde yayınlanması kabul edilen eserler için, imzalı Telif Hakkı Devir Formu sisteme yüklenmeli ya da saujs@sakarya.edu.tr e‐ posta adresine gönderilmelidir.

9. Dergimizde yayımlanmak üzere gönderilen eserler dergi yazım kurallarına göre hazırlanmalıdır. Yazım kuralları ve ilgili şablon www.saujs.sakarya.edu.tr adresinde mevcuttur.

10. Yayınlanan her sayının ön kapağında, o sayıdaki makalelerden yayın danışma kurulunca belirlenen bir görsel bir şekil veya grafik yer alır.

11. Makale kabulünde verilen minör revizyondan sonra 30 gün, majör revizyondan sonra 60 gün, yeniden yazılması gerekli revizyonundan sonra 90 gün içinde gerekli değişiklikler yazar tarafından yapılmalıdır.

PRINCIPLES OF PUBLICATION

Sakarya University Journal of Science is a journal founded in January 1997. Our journal of science is a national journal with refrees which is published in the areas of engineering and natural sciences three times in a year including in April, August and December regularly since 2012. All articles submitted for publication, are evaluated by editor, editorial advisory board and the referees.

2. Original research paper, technical notes, letters to the editor and reviews in Turkish or English are published in our journal.

3. Only the original scientific research are included. It is essential that the information created in scientific study needs to be new, suggest new method or give a new dimension to an existing information.

4. Articles submitted for publication are evaluated by 2 or 3 referees, accept‐decline decision are taken by editorial board. Names of referees evaluating studies aren’t informed to the authors. And also referees can’t see the names of authors. It’s general essential that studies which aren’t seemed enough need to be changed in accordance with suggests of referees. Studies which aren’t reached intended level or aren’t seemed enough in terms of scientific are refused with unexplained reason.

5. Studies mustn’t be published in another journal or mustn’t be sent another journal to be published. For this, a cover letter explaining this situation is asked from authors.

6. All responsibility of the studies belong to the authors. Studies should be prepared in accordance with international scientific ethics rules. Where necessary, a copy of the ethics committee report must be added.

7. Articles submitted for publication in our journal are checked with Ithenticate which is a similarity control software since 01.08.2013.

Similarity report will be sent on the advisory board to be checked.

8. For the studies accepted for publication in our journal, copyright transfer form signed must be added to the system or mail to saujs@sakarya.edu.tr.

9. Studies submitted for publication in our journal must be prepared according to the rules of spelling of journal. Spelling and template are included in www.saujs.sakarya.edu.tr 10. On the front cover of each issue, an image, a pattern or a graphic determined by editorial board is located.

11. 30 days after minor revision, 60 days after major revision, 90 days after needed to rewrite revision required changes must be done by authors

1.