GraPNet: Protein-ligand interaction prediction based on graph learning

Turgay Batbat; Seda Mürütsoy

doi:10.28948/ngumuh.1837582

TR EN

GraPNet: Graf öğrenmeye dayalı protein-ligand etkileşim tahmini

Öz

Farmasötik araştırma ve geliştirme süreçleri oldukça zaman alıcı ve maliyetli çalışmalardır. Bilgisayar işlem kapasitesindeki artışla birlikte bilgisayar destekli tasarım yöntemleri giderek daha fazla önem kazanmaktadır. Bu çalışmada, ilaç keşfi ve tasarımının temelini oluşturan protein-ligand etkileşimlerinin belirlenmesi amaçlanmış, laboratuvar çalışmalarının süre ve maliyetlerini azaltmak için hesaplamalı yöntemlerden yararlanılmıştır. Çalışmada ligandların SMILES temsilleri ve proteinlerin parmak izi temsilleri kullanılmıştır. Modern yapay zekâ yaklaşımlarından biri olan Graf Öğrenme, benzer problemlerde biyomoleküler etkileşimleri modelleyebilmektedir ve bu çalışmada protein-ligand etkileşimlerinin tespitinde hızlı ve başarılı sonuçlar sağlamıştır. Önerilen yöntem, deneysel olarak doğrulanmış bir veri kümesi üzerinde %80,96 doğruluk oranına ulaşmıştır. Elde edilen bulgular, ilaç tasarım sürecinde önemli bir adımı temsil etmekte olup ilaç keşfi ve biyoteknoloji alanlarında değerli bir rehber niteliği taşımaktadır.

Anahtar Kelimeler

GraPNet: Protein-ligand interaction prediction based on graph learning

Öz

Pharmaceutical research and development are highly time-consuming and costly processes. As computer processing capabilities increase, computer-aided design becomes increasingly important. This study aims to determine protein-ligand interactions that underpin drug discovery and design, using computational methods to reduce the time and cost of laboratory studies. In this study, ligand SMILES representations and protein fingerprint representations were used. Graph Learning, a modern artificial intelligence methodology, effectively simulates biomolecular interactions in similar problems and achieved rapid, effective results in protein-ligand interaction detection, demonstrating 80.96% accuracy on an experimentally validated dataset. This marks a significant milestone in the drug design process and serves as a valuable guide in drug discovery and biotechnology.

Anahtar Kelimeler

Teşekkür

This work was conducted within the scope of the master's thesis (Thesis No. 895936).

Kaynakça

N. Singh, P. Vayer, S. Tanwar, J. Poyet, K. Tsaioun and B. O. Villoutreix, “Drug discovery and development: introduction to the general public and patient groups,” Frontiers in Drug Discovery, vol. 3, 2023. https://doi.org/10.3389/fddsv.2023.1201419
J. A. DiMasi, R. W. Hansen and H. G. Grabowski, “The price of innovation: new estimates of drug development costs,” Journal of Health Economics, vol. 22, no. 2, pp. 151-185, 2003. https://doi.org/10.1016/s0167-6296(02)00126-1
A. B. Deore, J. R. Dhumane, R. Wagh and R. Sonawane, “The Stages of Drug Discovery and Development Process,” Asian Journal of Pharmaceutical Research and Development, vol. 7, no. 6, pp. 62-67, 2019. https://doi.org/10.22270/ajprd.v7i6.616
D. R. Flower, “Drug Discovery: Today and Tomorrow,” Bioinformation, vol. 16, no. 1, pp. 1-3, 2020. https://doi.org/10.6026/97320630016001
A. C. Pushkaran and A. A. Arabi, “From understanding disease s to drug design: can artificial intelligence bridge the gap?,” Artificial Intelligence Review, vol. 57, no. 4, 2024. https://doi.org/10.1007/s10462-024-10714-5
T. C. Walther and M. Mann, Mass spectrometry–based proteomics in cell biology, vol. 190, Rockefeller University Press, 2010, pp. 491-500. https://doi.org/10.1083/jcb.201004052
W. R. Pearson, “Finding Protein and Nucleotide Similarities with FASTA,” Current Protocols in Bioinformatics, vol. 53, no. 1, 2016. https://doi.org/10.1002/0471250953.bi0309s53
R. Özçelik, H. Öztürk, A. Özgür and E. Özkırımlı, “ChemBoost: A Chemical Language Based Approach for Protein – Ligand Binding Affinity Prediction,” Molecular Informatics, vol. 40, no. 5, 2020. https://doi.org/10.1002/minf.202000212

G. A. Abdelkader and J-D. Kim, “Advances in Protein-Ligand Binding Affinity Prediction via Deep Learning: A Comprehensive Study of Datasets, Data Preprocessing Techniques, and Model Architectures,” Current Drug Targets, 2024. https://doi.org/10.2174/0113894501330963240905083020
H. Li, K. Leung, M.-H. Wong and P. J. Ballester, “Substituting random forest for multiple linear regression improves binding affinity prediction of scoring functions: Cyscore as a case study,” BMC Bioinformatics, vol. 15, no. 1, pp. 291-291, 2014. https://doi.org/10.1186/1471-2105-15-291
M. Jiménez‐Rosés, B. A. Morgan, M. J. Sigstad, T. D. Z. Tran, R. Srivastava, A. Bunsuz, L. Borrega‐Román, P. Hompluem, S. A. Cullum, C. R. Harwood, E. J. Koers, D. A. Sykes, I. B. Styles and D. B. Veprintsev, “Combined docking and machine learning identify key molecular determinants of ligand pharmacological activity on β2 adrenoceptor,” Pharmacology Research & Perspectives, vol. 10, no. 5, 2022. https://doi.org/10.1002/prp2.994
L. Alzubaidi, J. Zhang, A. J. Humaidi, A. Q. Al-Dujaili, Y. Duan, O. Al-Shamma, J. Santamaría, M. A. Fadhel, M. Al‐Amidie and L. Farhan, “Review of deep learning: concepts, CNN architectures, challenges, applications, future directions,” Journal Of Big Data, vol. 8, no. 1, pp. 53-53, 2021. https://doi.org/10.1186/s40537-021-00444-8
M. Ragoza, J. Hochuli, E. Idrobo, J. Sunseri and D. R. Koes, “Protein–Ligand Scoring with Convolutional Neural Networks,” J. Chem. Inf. Model., vol. 57, no. 4, pp. 942–957, 2017. https://doi.org/10.1021/acs.jcim.6b00740
M. M. Bronstein, J. Bruna, Y. LeCun, A. Szlam and P. Vandergheynst, “Geometric Deep Learning: Going beyond Euclidean data,” IEEE Signal Processing Magazine, vol. 34, no. 4, pp. 18-42, 2017. https://doi.org/10.1109/msp.2017.2693418
C. Shen, J. Luo and K. Xia, “Molecular geometric deep learning,” Cell Reports Methods, vol. 3, no. 11, pp. 100621-100621, 2023. https://doi.org/10.1016/j.crmeth.2023.100621
T. Kipf and M. Welling, “Semi-Supervised Classification with Graph Convolutional Networks,” arXiv (Cornell University), 2016. https://doi.org/10.48550/arxiv.1609.02907
K. T. Schütt, F. Arbabzadah, S. Chmiela, K. Müller and A. Tkatchenko, “Quantum-chemical insights from deep tensor neural networks,” Nature Communications, vol. 8, no. 1, pp. 13890-13890, 2017. https://doi.org/10.1038/ncomms13890
T. Gaudelet, B. Day, A. R. Jamasb, J. Soman, C. Regep, G. Liu, J. B. R. Hayter, R. Vickers, C. S. Roberts, J. Tang, D. Roblin, T. L. Blundell, M. M. Bronstein and J. P. Taylor‐King, “Utilizing graph machine learning within drug discovery and development,” 2021. https://doi.org/10.1093/bib/bbab159
Y. Kalakoti, S. Yadav and D. Sundar, “Deep Neural Network-Assisted Drug Recommendation Systems for Identifying Potential Drug–Target Interactions,” ACS Omega, vol. 7, no. 14, pp. 12138–12146,2022. https://doi.org/10.1021/acsomega.2c00424
A. Dhakal, C. McKay, J. J. Tanner and J. Cheng, “Artificial intelligence in the prediction of protein–ligand interactions: recent advances and future directions,” Briefings in Bioinformatics, vol. 23, no. 1, 2021. https://doi.org/10.1093/bib/bbab476
G. Sudhakararao, K. A. Priyadarsini, G. Kiran, P. Karunakar and K. Chegu, “Physiological Role of Proteins and their Functions in Human Body,” International Journal of Pharma Research and Health Sciences, vol. 7, no. 1, pp. 2874-78, 2019. https://doi.org/10.21276/ijprhs.2019.01.02
T. Batbat and C. Öztürk, “Ayrık Yapay Arı Kolonisi Algoritması ile Protein Yapısı Tahmini”, Bilişim Teknolojileri Dergisi, vol. 9, no 3, pp. 263, Eyl. 2016. https://doi.org/10.17671/btd.97757
M. Graille, S. Sacquin‐Mora and A. Taly, “Best Practices of Using AI-Based Models in Crystallography and Their Impact in Structural Biology,” J. Chem. Inf. Model., vol. 63, no. 12, pp. 3637–3646, 2023. https://doi.org/10.1021/acs.jcim.3c00381
H. Gohlke and G. Klebe, “Approaches to the Description and Prediction of the Binding Affinity of Small-Molecule Ligands to Macromolecular Receptors,” Angewandte Chemie International Edition, vol. 41, no. 15, pp. 2644-2676, 2002. https://doi.org/10.1002/1521-3773(20020802)41:15<2644::AID-ANIE2644>3.0.CO;2-O
H. S. Lee and W. Im, “Stalis: A Computational Method for Template‐Based Ab Initio Ligand Design,” Journal of Computational Chemistry, vol. 40, no. 17, pp. 1622-1632, 2019. https://doi.org/10.1002/jcc.25813
A. Drefahl, “CurlySMILES: a chemical language to customize and annotate encodings of molecular and nanodevice structures,” Journal of Cheminformatics, vol. 3, no. 1, pp. 1-1, 2011. https://doi.org/10.1186/1758-2946-3-1
Y. Liu, L. Xing, L. Zhang, H. Cai and M. Guo, “GEFormerDTA: drug target affinity prediction based on transformer graph for early fusion,” Scientific Reports, vol. 14, no. 1, 2024. https://doi.org/10.1038/s41598-024-57879-1
C. Morris, M. Ritzert, M. Fey, W. L. Hamilton, J. E. Lenssen, G. Rattan and M. Grohe, “Weisfeiler and Leman Go Neural: Higher-Order Graph Neural Networks,” Proc. AAAI Conf. Artif. Intell., vol. 33, no. 01, pp. 4602–4609, Jul. 2019, 2019. https://doi.org/10.1609/aaai.v33i01.33014602
D. M. Chen, G. Duan, D. Miao, X. Zheng and Y. Zhu, “InvarNet: Molecular property prediction via rotation invariant graph neural networks,” Machine Learning with Applications, vol. 18, pp. 100587-100587, 2024. https://doi.org/10.1016/j.mlwa.2024.100587
D. Bajusz, A. Rácz and K. Héberger, “Chemical Data Formats, Fingerprints, and Other Molecular Descriptions for Database Analysis and Searching,” %1 içinde Elsevier eBooks, Elsevier BV, 2017, pp. 329-378. https://doi.org/10.1016/b978-0-12-409547-2.12345-5
D. Weininger, “SMILES, a chemical language and information system. 1. Introduction to methodology and encoding rules,” Journal of Chemical Information and Computer Sciences, vol. 28, no. 1, pp. 31-36, 1988. https://doi.org/10.1021/ci00057a005
M. Krallinger, O. Rabal, A. Lourenço, J. Oyarzábal and A. Valencia, Information Retrieval and Text Mining Technologies for Chemistry, vol. 117, American Chemical Society, 2017, pp. 7673-7761. https://doi.org/10.1021/acs.chemrev.6b00851
X. Wang, Y. Liu, L. Fan, H. Li, P. Gao and D. Wei, “Dipeptide Frequency of Word Frequency and Graph Convolutional Networks for DTA Prediction,” Frontiers in Bioengineering and Biotechnology, vol. 8, 2020. https://doi.org/10.3389/fbioe.2020.00267
D. Bandyopadhyay, J. Huan, J. Liu, J. F. Prins, J. Snoeyink, W. Wang and A. Tropsha, “Structure‐based function inference using protein family‐specific fingerprints,” Protein Science, vol. 15, no. 6, pp. 1537-1543, 2006. https://doi.org/10.1110/ps.062189906
S. Kondra, F. Chen, Y. Chen, Y. Chen, C. J. Collette and W. Xu, “A study of a hierarchical structure of proteins and ligand binding sites of receptors using the triangular spatial relationship‐based structure comparison method and development of a size‐filtering feature designed for comparing different sizes of protein structures,” Proteins Structure Function and Bioinformatics, vol. 90, no. 1, pp. 239-257, 2021. https://doi.org/10.1002/prot.26215
A. Gimeno, M. J. Ojeda, S. Tomas‐Hernández, A. Cereto‐Massagué, R. Beltrán‐Debón, M. Mulero, G. Pujadas and S. Garcı́a-Vallvé, “The Light and Dark Sides of Virtual Screening: What Is There to Know?,” Int. J. Mol. Sci., vol. 20, no. 6, 2019. https://doi.org/10.3390/ijms20061375
T. Pahikkala, A. Airola, S. Pietilä, S. K. Shakyawar, A. Szwajda, J. Tang and T. Aittokallio, “Toward more realistic drug-target interaction predictions,” Briefings in Bioinformatics, vol. 16, no. 2, pp. 325-337, 2014. https://doi.org/10.1093/bib/bbu010
M. I. Davis, J. P. Hunt, S. Herrgård, P. Ciceri, L. Wodicka, G. Pallares, M. Höcker, D. K. Treiber and P. P. Zarrinkar, “Comprehensive analysis of kinase inhibitor selectivity,” Nat. Biotechnol., vol. 29, no. 11, pp. 1046–1051, 2011. https://doi.org/10.1038/nbt.1990
Z. Chu, F. Huang, H. Fu, Q. Yuan, X. Zhou, S. Liu and W. Zhang, “Hierarchical graph representation learning for the prediction of drug-target binding affinity,” Information Sciences, vol. 613, pp. 507-523, 2022. https://doi.org/10.1016/j.ins.2022.09.043
J. Tang, A. Szwajda, S. K. Shakyawar, T. Xu, P. Hintsanen, K. Wennerberg and T. Aittokallio, “Making Sense of Large-Scale Kinase Inhibitor Bioactivity Data Sets: A Comparative and Integrative Analysis,” J. Chem. Inf. Model., vol. 54, no. 3, pp. 735–743, 2014. https://doi.org/10.1021/ci400709d
D. Bajusz, A. Rácz and K. Héberger, “Why is Tanimoto index an appropriate choice for fingerprint-based similarity calculations?,” Journal of Cheminformatics, vol. 7, no. 1, pp. 20-20, 2015. https://doi.org/10.1186/s13321-015-0069-3
I. Lee, J. Keum and H. Nam, “DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences,” PLoS Comput. Biol., vol. 15, no. 6, pp. 1–21, 2019. https://doi.org/10.1371/journal.pcbi.1007129
M. Jiang, Z. Li, S. Zhang, S. Wang, X. Wang, Q. Yuan and Z. Wei, “Drug–target affinity prediction using graph neural network and contact maps,” RSC Advances, vol. 10, no. 35, pp. 20701-20712, 2020. https://doi.org/10.1039/d0ra02297g
H. Öztürk, A. Özgür and E. Özkırımlı, “DeepDTA: deep drug–target binding affinity prediction,” Bioinformatics, vol. 34, no. 17, pp. i821–i829, 2018. https://doi.org/10.1093/bioinformatics/bty593
G. Liu, M. Singha, L. Pu, P. Neupane, J. Feinstein, H. Wu, J. Ramanujam and M. Bryliński, “GraphDTI: A robust deep learning predictor of drug-target interactions from multiple heterogeneous data,” Journal of Cheminformatics, vol. 13, no. 1, pp. 58-58, 2021. https://doi.org/10.1186/s13321-021-00540-0
M. Gök, E. Cengiz and M. M. Mijwil, “Unveiling Protein-Ligand Interactions: Regression Methods for Binding Affinity Prediction,” International Journal on Engineering Applications (IREA), vol. 12, no. 6, pp. 508-508, 2024. https://doi.org/10.15866/irea.v12i6.25407
T. Nguyen , H. Le, T. P. Quinn, T. Nguyen, T. D. Le and S. Venkatesh, “GraphDTA: Predicting drug–target binding affinity with graph neural networks,” Bioinformatics, vol. 37, no. 8, pp. 1140–1147, 2021. https://doi.org/10.1093/bioinformatics/btaa921
Z. Yang, W. Zhong, L. Zhao and C. Y. Chen, “MGraphDTA: deep multiscale graph neural network for explainable drug–target binding affinity prediction,” Chemical Science, vol. 13, no. 3, pp. 816-833, 2022. https://doi.org/10.1039/d1sc05180f
Q. Lv, G. Chen, H. He, Z. Yang, L. Zhao, H. Chen and C. Y. Chen, “TCMBank: bridges between the largest herbal medicines, chemical ingredients, target proteins, and associated diseases with intelligence text mining,” Chemical Science, vol. 14, no. 39, pp. 10684-10701, 2023. https://doi.org/10.1039/d3sc02139d
F. Rayhan, S. Ahmed, Z. Mousavian, D. M. Farid and S. Shatabda, “FRnet-DTI: Deep convolutional neural network for drug-target interaction prediction,” Heliyon, vol. 6, no. 3, 2020. https://doi.org/10.1016/j.heliyon.2020.e03444
M. Kalemati, M. Z. Emani and S. Koohi, “BiComp-DTA: Drug-target binding affinity prediction through complementary biological-related and compression-based featurization approach,” PLoS Computational Biology, vol. 19, no. 3, 2023. https://doi.org/10.1371/journal.pcbi.1011036
M. A. Thafar, M. Alshahrani, S. Albaradei, T. Gojobori, M. Essack and X. Gao, “Affinity2Vec: drug-target binding affinity prediction through representation learning, graph mining, and machine learning,” Scientific Reports, 2022. https://doi.org/10.1038/s41598-022-08787-9
H.-C. Yi, Z. You, D.-S. Huang and C. K. Kwoh, “Graph representation learning in bioinformatics: trends, methods and applications,” Briefings in Bioinformatics, vol. 23, no. 1, 2021. https://doi.org/10.1093/bib/bbab340
X. Zhang, L. Li, L. Liu and M. Tang, “Graph Neural Networks and Their Current Applications in Bioinformatics,” Frontiers in Genetics, vol. 12, 2021. https://doi.org/10.3389/fgene.2021.690049

Ayrıntılar

Birincil Dil

İngilizce

Konular

Modelleme ve Simülasyon

Bölüm

Araştırma Makalesi

Yazarlar

Turgay Batbat ^*
0000-0002-0128-2076
Türkiye

Seda Mürütsoy
0000-0003-0962-3557
Türkiye

Yayımlanma Tarihi

24 Ağustos 2026

Gönderilme Tarihi

8 Aralık 2025

Kabul Tarihi

30 Temmuz 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 18

DOI

https://doi.org/10.28948/ngumuh.1837582

IZ

https://izlik.org/JA75TW76ML

Kaynak Göster

RIS / Bibtex

APA

Batbat, T., & Mürütsoy, S. (2026). GraPNet: Protein-ligand interaction prediction based on graph learning. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 18. https://doi.org/10.28948/ngumuh.1837582

AMA

1.Batbat T, Mürütsoy S. GraPNet: Protein-ligand interaction prediction based on graph learning. NÖHÜ Müh. Bilim. Derg. 2026;18. doi:10.28948/ngumuh.1837582

Chicago

Batbat, Turgay, ve Seda Mürütsoy. 2026. “GraPNet: Protein-ligand interaction prediction based on graph learning”. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi 18 (Ağustos). https://doi.org/10.28948/ngumuh.1837582.

EndNote

Batbat T, Mürütsoy S (01 Ağustos 2026) GraPNet: Protein-ligand interaction prediction based on graph learning. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi 18

IEEE

[1]T. Batbat ve S. Mürütsoy, “GraPNet: Protein-ligand interaction prediction based on graph learning”, NÖHÜ Müh. Bilim. Derg., c. 18, Ağu. 2026, doi: 10.28948/ngumuh.1837582.

ISNAD

Batbat, Turgay - Mürütsoy, Seda. “GraPNet: Protein-ligand interaction prediction based on graph learning”. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi 18 (01 Ağustos 2026). https://doi.org/10.28948/ngumuh.1837582.

JAMA

1.Batbat T, Mürütsoy S. GraPNet: Protein-ligand interaction prediction based on graph learning. NÖHÜ Müh. Bilim. Derg. 2026;18. doi:10.28948/ngumuh.1837582.

MLA

Batbat, Turgay, ve Seda Mürütsoy. “GraPNet: Protein-ligand interaction prediction based on graph learning”. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, c. 18, Ağustos 2026, doi:10.28948/ngumuh.1837582.

Vancouver

1.Turgay Batbat, Seda Mürütsoy. GraPNet: Protein-ligand interaction prediction based on graph learning. NÖHÜ Müh. Bilim. Derg. 01 Ağustos 2026;18. doi:10.28948/ngumuh.1837582

** NÖHÜ Mühendislik Bilimleri Dergisi'nin Makale Şablonu dosyasına bu bağlantı üzerinden ulaşılabilir.

** NÖHÜ Mühendislik Bilimleri Dergisi'nin Taahhütname dosyasına bu bağlantı üzerinden ulaşılabilir.

ÖNEMLİ NOT: NÖHÜ Mühendislik Bilimleri Dergisi’ne gönderilecek makalenin literatürdeki benzerlik oranının (kaynaklar hariç) orijinal araştırma makaleleri için %20’yi, derleme makaleleri için ise %30’u ve tek bir kaynaktaki benzerlik oranın da %5'i geçmemesi gerekir.

Makale; Öz, İngilizce öz, Giriş, Materyal ve metot, Bulgular ve tartışma, Sonuçlar ve Kaynaklar gibi ana başlıkları içermelidir.

Öz: 200 kelimeyi geçmeyecek şekilde çalışmanın amacını, önemli bulgularını ve sonuçlarını kısaca içermelidir. Öz, tek başına anlam bütünlüğüne sahip olmalıdır. Özde kaynaklar verilmemelidir. Özde kısaltma verilecek ise, kısaltma ilk geçtiği yerde tanımlanmalıdır ve daha sonra, makalede bu kısaltma kullanılmalıdır. Türkçe ve İngilizce öz tek paragrafta yazılmalı ve sayfayı taşmamalıdır. Türkçe makalelerde öz, İngilizce makalelerde abstract solda yer almalıdır. Özde, 10 punto ve Times New Roman yazı tipi kullanılmalıdır. Daha detaylı bilgi için Makale Şablonu dosyasına bakılabilir.

Anahtar kelimeler: Türkçe ve İngilizce özün devamında en az 3 en fazla 5 adet anahtar kelime tanımlanmalı ve 10 punto Times New Roman yazı tipi kullanılmalıdır.

Giriş bölümü ve diğer bölümlerin ana metinleri, 10 punto Times New Roman yazı tipi ile hazırlanmalıdır. Paragraf başlarına 0.50 cm girinti bırakılarak başlanmalıdır. Paragraflar arasında satır aralığı veya paragraf boşluğu kullanılmamalıdır.

1 Giriş (10 punto- sonra 3nk boşluk)

Giriş bölümü, çalışma ile ilgili temel bilgilerin verildiği, çalışmanın amacı ve öneminin anlatıldığı, literatürdeki çalışmaların sunulduğu ve çalışma sonucunda elde edilmesi beklenen sonuçların ifade edildiği bölümdür. Giriş bölümünde alt başlıklar kullanılmamalıdır. Giriş bölümü istenildiği kadar uzun tutulabilir. Giriş bölümünde anlatımı kolaylaştırmak için şekiller ve tablolar kullanılabilir.

Giriş bölümü literatür çalışmaları ile desteklenmelidir. Giriş ve diğer bölümlerde kullanılacak kaynaklara; … [1], … [1, 2, 5], … [1, 2, 4-6], … [3-9] vb. şeklindeki numaralı yazımlar ile sıralı bir şekilde atıf yapılmalıdır. Giriş ve diğer bölümlerde başkası veya başkaları tarafından yapılmış bir çalışma hakkında bilgi verilecekse kaynaklara; Altun [8] …, Kimour ve Meslati [7] …, Nelson vd. [1] …, şeklinde atıf yapılmalı ve kaynak numaraları mavi renkte olmalıdır.

Giriş ve diğer bölümlerde kullanılan kısaltmalar ilk kullanıldığı yerde uzun yazımından hemen sonra parantez içerisinde verilmeli ve sonraki kullanımlarda hep bu kısaltmalar kullanılmalıdır. Daha detaylı bilgi için Makale Şablonu dosyasına bakılabilir.

2 Materyal ve metot (10 punto-önce 6nk ve sonra 3nk boşluk)

Çalışmada kullanılmış olan materyaller ve tercih edilen metot giriş bölümünde belirtilen amaca göre açık bir şekilde bu bölümde sunulmalıdır. Çalışmanın tekrarlanabilmesi için yeteri kadar bilgi verilmelidir. Bu bölüm istenirse alt başlıklar halinde daha ayrıntılı bir şekilde sunulabilir.

2.1 Sayfa düzeni (10 punto-önce 6nk ve sonra 3nk boşluk)

Makale hazırlarken Makale Şablonu dosyasının kullanılması, dergi yazım formatının yerine getirilmesinde kolaylık sağlar. Makale sayfa düzeni aşağıda belirtilen kurallara göre olmalıdır.

2.1.1 Sayfa temel düzeni (10 punto-önce 6nk ve sonra 3nk boşluk)

Hazırlanan makale sayfaları, A4 (210 x 297 mm) kağıt boyutunda olmalıdır. Sayfanın sol ve sağ kenarlarında 1.5 cm, üst kenarında 3 cm ve alt kenarında 2.5 cm boşluk bırakılmalıdır. Makale başlık bölümü ve iki sütunu da kaplayan şekiller ve tablolar dışında, makale ana metni 8.5 cm genişliğinde iki sütundan oluşmalıdır. İki sütun arasında 1 cm boşluk bırakılmalıdır.

İki sütundan bir sütuna geçiş Düzen>Kesmeler kısmından Bölüm sonu>Sürekli eklenerek yapılmalıdır. Bir sütunluk (tam sayfa genişliğine yayılmış) içerik eklendikten sonra yeniden Bölüm sonu>Sürekli kesmesi eklenerek iki sütun yazıma dönülmelidir. Bölüm sonu>Sonraki sayfa kullanımından kaçınılmalıdır.

2.1.2. Yazar ve bilgileri (10 punto- sonra 3nk boşluk)

Yazarların tüm isim ve soy isimlerinin sadece ilk harfleri büyük olarak, 12 punto ve kalın yazılmalıdır. Yazar isimlerinden sonra 6 nk boşluk bırakılmalıdır. Yazar sırası üst indisle verilmeli, adres satırında ve alt bilgide bulunan ORCID numaralarında bu sıralama gözetilmelidir. Yazarların adres bilgileri yazar sırasına göre her bir yazarın adresi bir satırda olacak şekilde yazılmalıdır. Adres alanındaki bilgiler, üst indis ile numaralandırılmalı ve italik 8 punto yazı karakteri ile yazılmalıdır. Yazarlar ile ilgili tüm gerekli bilgiler ilgili tabloda yerlerine yazılmalı ve tablonun kenarlıkları kaldırılmalıdır. Sorumlu yazar * üst indisi ile işaretlenmeli, yazara ait e-posta bilgisi ilk sayfanın altında bulunan alt bilgi kısmında verilmelidir. E-posta adresinden sonraki yazar ismi ve soy ismi parantez içerisinde verilmelidir.

2.1.3. Başlıklar (10 punto-önce 6nk ve sonra 3nk boşluk)

Makalenin ana başlığı, Türkçe yazılmış makalelerde sırasıyla Türkçe ve İngilizce, İngilizce yazılmış makalelerde ise İngilizce ve Türkçe olarak verilmelidir. Makale ana başlıkları 14 punto yazılmalı ve ortalanmalıdır. Türkçe ve İngilizce makale başlığından sonra 6 nk boşluk bırakılmalıdır. Başlıktaki harflerden sadece ilk harf büyük olmalı, diğer tüm harfler küçük yazılmalıdır. İngilizce makale başlığının yazı rengi yazı tipi rengine göre %50 koyulukta seçilmelidir.

Başlıklarda Times New Roman yazı tipi kullanılmalıdır. Bölüm başlıklarından birinci seviye olanlar kalın, sola hizalı ve 10 punto olmalıdır. Başlıklardaki harflerden sadece ilk harf büyük olmalı, diğer harflerin tümü küçük harfle yazılmalıdır. İkinci (2.1, 2.2, 3.1 vb.), üçüncü (2.1.1, 2.2.2, 3.1.2 vb.) ve dördüncü (2.1.1.1, 2.2.2.1, 3.1.2.3 vb.) seviye alt başlıklar, italik 10 punto ve sola hizalı yazılmalıdır. Alt başlıklar dördüncü seviyeyi geçmemelidir. Makale başlığı ve diğer başlıklarda kısaltma kullanımından kaçınılmalıdır.

2.1.4. Yazı tipi (10 punto-önce 6nk ve sonra 3nk boşluk)

Makale ana metninde düz ve iki yana yaslanmış metin şeklinde 10 punto “Times New Roman” yazı tipi kullanılmalıdır. Vurgularda kalın veya italik yazı karakterleri kullanılabilir.

3 Bulgular ve tartışma (10 punto-önce 6nk ve sonra 3nk boşluk)

Bulgular ve tartışma bölümde çalışma sonucunda elde edilen bulgular açık bir şekilde sunulmalıdır. Sonuçların açık olarak sunulabilmesi için şekiller ve tablolardan faydalanılabilir. Elde edilen sonuçlarla ilgili ham sonuçlardan daha çok, sonuçların önemine vurgu yapılmalı ve literatür ile desteklenerek yorumlanmalıdır. Bu bölüm istenirse alt başlıklar halinde sunulabilir.

3.1. Denklemler (10 punto-önce 6nk ve sonra 3nk boşluk)

Her denklem ayrı satıra yazılmalıdır. Denklemlere numara verilmelidir. Denklemler, 1x2 boyutlu tabloda verilmeli ve daha sonra tablonun kenarlıkları gizlenmelidir. Tablodaki denklem hücresinin genişliği %90, denklem numarası hücresi genişliği %10 olmalıdır. Denklem hücresindeki formül ortalanmış, denklem numarası ise sağa hizalanmış olmalıdır. Tablodaki hücrelerin sol ve sağ kenarları sıfırlanmalıdır. Denklemden önce ve sonra tek satır boşluk bırakılmalıdır. Denklem yazmak için MS-Word® 2007 ve daha sonraki sürümlerin denklem düzenleyicileri veya MathType kullanılabilir. Metin içerisinde denklemlere atıf yapılmalı ve metin içerisindeki denklem yazısı ile numarası (örneğin Denklem (1)) mavi renkli olmalıdır.

Eğer denklem tek satıra sığmıyorsa birden fazla satırda verilebilir. Gerekli durumlarda ana metinde de denklem verilebilir. Ancak, metinde yazılan denklemin tek bir satırda yazılması gereklidir.

Ana metinde verilen sayı ve biriminin aynı satırda olmasına özen gösterilmelidir. Sayılarda ondalık ayıracı olarak nokta kullanılmalıdır (örneğin 0.51, 5.51 vb.). Binler basamağı boşluksuz veya boşluklu olabilir (1000000 veya 1 000 000).

3.2. Madde işaretleri (10 punto-önce 6nk ve sonra 3nk boşluk)

Metinde maddeler halinde verilmesi gereken içerik varsa madde işareti olarak içi dolu siyah nokta (bullet point) kullanılmalıdır.
Madde işaretlerinin başlangıç değeri 0, metnin girinti değeri 0.75 cm olarak hizalanmalıdır.

3.3. Şekiller (10 punto-önce 6nk ve sonra 3nk boşluk)

Tek sütundaki şekiller sütuna göre, iki sütundaki şekiller sayfaya göre ortalı olmalıdır. Şekillerin başlıkları her şeklin altına ortalı yazılmalıdır. Şekil yazısından önce 3nk boşluk bırakılmalıdır. Tek sütundaki şekiller, kenarlıkları gizlenmiş 2x1 boyutlu tablo içerisinde verilmelidir. Şeklin sayfa başında ve sonunda olması hariç şekilden önce ve sonra tek boşluk bırakılmalıdır. Ana metin içerisinde şekle atıf yapılmalı ve metin içerisindeki şekil yazısı ile numarası (örneğin Şekil 1) mavi renkli olmalıdır. Şekiller iki sütunda da sunulacak ise sayfa başı veya sayfa sonunda verilmelidir.

Resim olarak verilen şekiller en az 300 dpi çözünürlüğünde olmalı ve net olarak görünmelidir. Şekil içerisindeki yazılar net ve okunaklı olmalıdır. Şekil içerisindeki yazıların boyutu metin yazı boyutunu geçmemelidir. Düzenlenebilir şekillerde 8 punto yazı ile “Times New Roman” yazı tipi kullanılmalıdır. Şekillerdeki sayılarda ondalık ayıracı olarak nokta kullanılmalıdır. Alıntı veya yeniden düzenlenmiş şekiller için mutlaka kaynak gösterilmelidir. Şekiller ile ilgili daha detaylı bilgi için Makale Şablonu dosyasına bakılabilir.

3.4 Tablolar (10 punto-önce 6nk ve sonra 3nk boşluk)

Tek sütundaki tablolar sütuna göre, iki sütundaki tablolar sayfaya göre ortalı olmalıdır. Tabloların başlıkları her tablonun üstünde olmalı ve tablo çizgisi ile başlamalıdır. Tablonun sayfa başında ve sonunda olması hariç tablodan önce ve sonra tek boşluk bırakılmalıdır. Tablo başlığından sonra ise 3 nk boşluk bırakılmalıdır.

Tablo iki sütunu da kaplıyorsa sayfanın başında veya sonunda verilmelidir. Tablodaki yazılar 8 punto “Times New Roman” yazı tipi olmalıdır. Gerekli durumlarda tablodaki yazıların boyutu 7 punto olabilir. Tablodaki denklemlerin yazımında MS-Word® 2007 ve daha sonraki sürümlerin denklem düzenleyicileri ve MathType tercih edilmelidir. Ana metin içerisinde tabloya atıf yapılmalı ve metin içerisindeki tablo yazısı ile numarası (örneğin Tablo 2) mavi renkli olmalıdır. Tablolar ile ilgili daha detaylı bilgi için Makale Şablonu dosyasına bakılabilir.

Birden fazla denklem, şekil veya tabloya aynı yerde atıf yapılacaksa “,” ve “-” noktalama işaretleri kullanılabilir. Burada “,” “ve”, “-” ise “aralık” anlamlarını ifade eder. Makalede kullanılan her denklem, şekil ve tabloya ana metinde bulunduğu yerden önce atıf yapılmalıdır.

3.4.1 Köprüler (10 punto-önce 6nk ve sonra 3nk boşluk)

Makalede köprüler kullanılabilir. Köprülerin yazı biçimi metinle aynı olmalı ve altı çizili olarak verilmelidir.

3.4.2 Sayfa numaraları (10 punto-önce 6nk ve sonra 3nk boşluk)

Makaleye sayfa numaraları verilebilir. Sayfa numaraları sayfanın sağında ve alttan 1 cm yukarıda olmalıdır. Sayfa numaraları mizanpaj sürecinde yeniden düzenlenecektir. Makalelerde üst ve alt bilgilerde başlık veya yazar isimleri kullanılmamalıdır.

3.4.3 Diğer yazım kuralları (10 punto-önce 6nk ve sonra 3nk boşluk)

Diğer yazım kuralları ile ilgili daha detaylı bilgi için Makale Şablonu dosyasına bakılabilir.

4 Sonuçlar (10 punto-önce 6nk ve sonra 3nk boşluk)

Sonuçlarda çalışmadan elde edilen önemli bilgiler kısa kısa verilmeli ve çalışmanın temel sonuçlarının etkisi açık bir şekilde ifade edilmelidir

Makale şablonuna Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi web sayfasındaki (https://dergipark.org.tr/tr/pub/ngumuh/writing-rules) Makale Şablonu bağlantısından ulaşabilirsiniz.

CRediT yazarlık katkı beyanı (10 punto-önce 6nk ve sonra 3nk boşluk)

Yazarlar, yazar rehberinde belirtilen CRediT’in 14 Katkı Rolüne göre aşağıdaki gibi yazarlık katkı beyanı yapmalıdır.

M… S…: Kavramsallaştırma, Veri düzenleme, Formal analiz, Fon sağlama, Araştırma, Yöntem, Proje yönetimi, Kaynak sağlama, Yazılım, Danışmanlık, Doğrulama, Görselleştirme, Yazma-ilk taslak, Yazma-inceleme ve düzenleme; M… K…: Formal analiz, Yöntem, Doğrulama, Yazama-ilk taslak, Yazma-inceleme ve düzeltme, A… Ş… D…: Formal analiz, Yazılım, Görselleştirme, Yazama-ilk taslak, F… U…: Veri düzenleme, Araştırma, Doğrulama, Yazma-ilk taslak.

Teşekkür (10 punto-önce 6nk ve sonra 3nk boşluk)

Hakem değerlendirmesinin ardından yayımlanmak üzere kabul edilen makalelerde eğer varsa destek alınan kurum, proje, kişi, vb. bilgiler bu bölümde belirtilmelidir.

Çıkar çatışması (10 punto-önce 6nk ve sonra 3nk boşluk)

Yazarlar çıkar çatışması olmadığını beyan etmektedir.

Etik beyan (10 punto-önce 6nk ve sonra 3nk boşluk)

Yazarlar etik beyan var ise, aşağıdaki gibi belirtmelidir.

Bu çalışma, Niğde Ömer Halisdemir Üniversitesi Etik Kurulu’nun xx.xx.20xx tarih ve 20xx/xx-xx sayılı kararıyla onaylanmıştır.

Benzerlik oranı (iThenticate): %…

Yazarlar burada makalenin benzerlik oranını beyan etmelidir. Benzerlik oranının (kaynaklar hariç) orijinal araştırma makaleleri için %20’yi, derleme makaleleri için ise %30’u ve tek bir kaynaktaki benzerlik oranın da %5'i geçmemesi gerekir.

Yazım sürecinde üretken yapay zekâ (YZ) ve YZ destekli teknolojilerin kullanımına ilişkin beyan (10 punto-önce 6nk ve sonra 3nk boşluk)

Yazarlar, derginin yapay zekâ politikasını dikkate alarak aşağıdakilerden biri gibi yapay zekâ araçlarını kullanıp kullanmadıklarını beyan etmelidir:

Yazarlar, bu çalışmanın hazırlanmasında herhangi bir yapay zekâ aracı kullanmamıştır.

Bu çalışmanın hazırlanması sırasında yazarlar, dil ve okunabilirliği iyileştirmek için ….. aracını kullanmıştır. Bu aracı kullandıktan sonra, yazarlar içeriği gerektiği gibi gözden geçirmiş ve düzenlemiş olup, yayın içeriğinden tamamen sorumludur.

Kaynaklar (10 punto-önce 6nk ve sonra 3nk boşluk)

Dergimiz kaynak gösteriminde, IEEE atıf formatını kullanmaktadır. Aşağıda detayları açıklanmış olan gösterim biçimleri ile ilgili olarak IEEE’nin ilgili dokümanı incelenebilir. (bkz. IEEE Citation Guideline)

Metin içerisinde verilen atıflar köşeli parantez içerisinde sıraya göre verilmelidir. Kaynaklar listesi makalenin sonunda metin içerisindeki sırasına göre sunulmalıdır. Metin içerisinde birden fazla yayına atıf yapılacaksa “ve” anlamında “,”, “arası tüm yayınlar” anlamında “-“ kullanılmalıdır. Örneğin kaynaklar [1] şeklindeki yazımlar ile 1 numaralı yayına, [1, 2, 5] şeklindeki yazımlar ile 1, 2 ve 5 numaralı yayınlara, [1, 2, 4-6] şeklindeki yazımlar ile 1, 2, 4, 5 ve 6 numaralı yayınlara, [3-9] şeklindeki yazım ile 3 ve 9 dâhil olmak üzere 3 ve 9 arasındaki tüm yayınlara atıf yapar.

Metin içerisinde başkası veya başkaları tarafından yapılmış bir çalışma hakkında bilgi verilecekse kaynaklar Altun [8] …, Kimour ve Meslati [7] …, Nelson vd. [1] …, şeklinde ifade edilmelidir (kaynak numaraları mavi renkte olmalıdır).

Kaynaklar bölümü aşağıdaki formatlara göre hazırlanmalıdır. Metinde verilen atıf sıralamasına göre kaynaklar bu bölümde sıraya konmalıdır. Kaynak yazım formatları başlıklar halinde aşağıdaki gibidir. Kaynaklar ile ilgili daha detaylı bilgi için Makale Şablonu dosyasına bakılabilir.

Dergi kaynakları

[1] M. Korkanç, “Deterioration of different stones used in historical buildings within Nigde province, Cappadocia.,” Construction and Building Materials, 48, 789-803, 2013. https://doi.org/10.1016/ j.conbuildmat.2013.07.033

[2] M. Sarıdemir and S. Çelikten, “Investigation of fire and chemical effects on the properties of alkali-activated lightweight concretes produced with basaltic pumice aggregate,” Construction and Building Materials, 260, 119969, 1-16, 2020. https://doi.org/10.1016/ j.conbuildmat.2020.11996

[3] T. Bakharev, J. G. Sanjayan and Y. B. Cheng, “Resistance of alkali-activated slag concrete to acid attack,” Cement and Concrete Research, 33 (10), 1607–1611, 2003. https://doi.org/10.1016/S0008- 8846(03)00125-X

[4] N. P. Mansuroğlu, E. Yazıcı, S. Önder ve A. C. Karaça, “Maltodekstrin-nohut proteini izolatı matrisinde karabiber tohumu yağının püskürtmeli kurutma metodu ile enkapsülasyonu,” Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 9 (2), 877-882, 2020. https://doi.org/10.28948/ngumuh.649969

Bildiri/Sempozyum kaynakları

[5] A. Arslan, M. H. Severcan, M. Sarıdemir ve K. Akçaözoğlu, “Tek eğrilikli uzay kafes sistemlerde yapı malzemesi olarak cam elyaf takviyeli polyester profillerin kullanımı,” 8. Uluslararası Çelik Yapılar Sempozyumu, sayfa 30-39, Konya, Türkiye, 24-26 Ekim 2019.

[6] M. A. Elgawady, P. Lestuzzi, and M. Badoux, “Retrofitting of masonry walls using shotcrete,” Proceedings of 2006 New Zealand Society for Earthquake Engineering Conference, pp. 45-53, Napier, New Zealand, 2006.

Kitap kaynakları

[7] C. Shi, P.V. Krivenko, and D.M. Roy, Alkali-Activated Cements and Concretes. Taylor and Francis, Abingdon, 2006.

Tez kaynakları

[11] D. Verma, “Design of polymer biopolymer hydroxyapatite biomaterials for bone tissue engineering: through molecular control of interfaces,” Ph.D. Thesis, North Dakota State University, North Dakota, USA, 2008.

[12] S. Çelikten, “Çelik fiber içeren yüksek dayanımlı beton özellikleri üzerine metakaolin ve öğütülmüş pomzanın etkisi,” Yüksek Lisans Tezi, Niğde Üniversitesi Fen Bilimleri Enstitüsü, Türkiye, 2014.

[13] H. Zhang, “Delay-Insensitive Networks,” Master Thesis, University of Chicago, Chicago, IL, 2007.

Ekler

Eklerin kullanımı isteğe bağlıdır. Ekler kaynaklardan sonra verilmelidir. Ekler yeni bir sayfadan başlayabilir.

Etik İlkeler

Niğde Ömer Halisdemir Üniversitesi (NÖHÜ) Mühendislik Bilimleri Dergisi, bilimsel araştırmayla elde edilen bilgilerin tarafsız süreçlerden geçirilerek yayınlanması, paylaşılması ve bilimsel çalışmaların gelişmesine katkı sağlamayı amaçlar. Tarafsız süreçlerde görev alan paydaşların etik ilkelere uyması, dergimizin en önemli ilkelerindendir.

NÖHÜ Mühendislik Bilimleri Dergisi’nin yazarlar, editörler, hakemler ve yayıncı için benimsediği etik ilkeler; ulusal “Yükseköğretim Kurumları Bilimsel Araştırma ve Yayın Etiği Yönergesi” ve uluslararası “COPE Best Practice Guidelines for Journal Editors” ve “COPE Code of Conduct and Best Practice Guidelines for Journal Editors” ve "Code of Conduct for Journal Publishers” kılavuzları esas alınarak hazırlanmıştır.

Yazarların Etik Sorumlulukları

• Yayımlanması için gönderilen makalenin özgün olduğunu bilir.

• Yayımlanması için gönderilen makaleye telif hakkı vermez.

• Makalede kullandığı kaynaklara uygun bir şekilde atıf yapar.

• Makalede yararlanılan kaynaklarla makaleyi destekler.

• Makalede yalnızca katkısı olanları yazar olarak belirtir.

• Makalede finansal ve benzeri destek var ise bu destekleri uygun bir şekilde belirtir.

• Makalede çıkar çatışması olup olmadığını belirtir.

• Makalenin ham verileri talep edildiğinde verir.

• Makalede erken görünüm veya değerlendirme sürecinde bir yanlış ya da hata fark edilirse, sorumlu yazar ile editör veya yayınlayıcı düzeltme veya geri çekme konularında işbirliği yapar.

• Makalenin değerlendirme süreci başlamış ise yazar ekleme, yazar sırası değiştirme ve yazar çıkartma yapmaz.

• Makalede kullanılan veriler ve denekler için yazarların gerekli izin belgeleri olur.

• Makalede etik kurul kararı gerektiren durumlar var ise, etik kurul kararını makale ile birlikte sisteme yükler.

• Bir dergide yayımlanmış olan makaleyi başka dergide yayımlayamaz.

• Makale bir dergide başvuru ve değerlendirme sürecinde ise başka dergiye yüklemez.

• “Makale Gönderim Taahhütnamesi”ni makale ile birlikte sisteme yükler.

• Makaleyi dergi sayfasında bulunan “Yazım Kuralları” şablonuna uygun olarak hazırlar ve sisteme yükler.

• Yayımlanmak için gönderilen makaleyi belirtilen benzerlik oranı kurallarını dikkate alarak hazırlar ve makalenin benzerlik oranı raporunu sisteme yükler.

Editörlerin Etik Sorumlulukları

• Derginin sürekli olarak gelişmesi için çalışmalar yapar.

• Yazarlar, hakemler, okurlar ve uygulayıcılardan gelen geri bildirimleri dikkate alır ve etik ilkelere göre gerekli yanıtları verir.

• Makalenin özgün olmasına, literatüre, okuyucu ve uygulayıcılara katkı sağlamasına özen gösterir.

• Makalenin değerlendirilme sürecinde görev alan herkesle iletişim içindedir. Gerektiğinde toplantılar yapar.

• Makalenin dergi sayfasında bulunan yazım kuralları şablonuna göre hazırlanarak sisteme yüklenmesini sağlar.

• Makalenin değerlendirilme sürecinde yazarlar ve hakemler arasında çıkar çatışması olup olmadığına özen gösterir.

• Makalenin değerlendirilme sürecinde kişisel verilerin korunması için çaba gösterir.

• Makalenin değerlendirilme sürecinde olumlu veya olumsuz karar verirken, özgünlük, alana katkısı, yöntemin geçerliliği ve güvenirliliği ile derginin amaç ve kapsamını göz önünde bulundurur.

• Makalenin değerlendirilme sürecinde kör hakemlik politikasını uygular ve hakemler ile ilgili kişisel bilgileri korur.

• Her makaleyi alan editörü ve hakemin uzmanlık alanlarına göre değerlendirme sürecine alır.

• Her makalenin tarafsız ve bağımsız olarak verilen süresi içinde değerlendirilmesini sağlar.

• Makaleyi değerlendirecek hakem havuzunu geniş tutar ve sürekli günceller.

• Makale için akademik ve bilimsel olmayan değerlendirmeleri engeller.

• Her makale için düşünce özgürlüğüne önem verir.

• Her makaleyi içeriğine göre değerlendirir, yazarlara ayrıcalık göstermez.

• Sponsorlu veya özel makaleleri diğerlerinden ayırmaz.

• Her makale için değerlendirme sürecinde hakemlere gerekli bilgi, belge ve rehberlik sağlar.

• Her makalenin fikri hakkını korur ve ihlal durumunda dergi ve yazarların haklarını savunur.

• Başka yayınların haklarını korur, özgünlük ve benzerlik denetimi yapar.

• Her makale için hata, tutarsızlık ya da yanlış yönlendirmelerin düzeltilmesini sağlar.

• Yayımlanacak ve yayınlanmış her makale için görevi kötüye kullanmaya karşı önlem alır. Görevi kötüye kullananlar hakkında gerekli soruşturmaları yapar.

• Her makalede insan ve hayvan haklarının korunmasına özen gösterir. Gerekli durumlarda etik kurul onayı ister.

• Makalede yer alan denekler ve görsellere ilişkin kişisel verileri korur. Gerekli durumlarda kişilerin açık rızasını alır.

• Her makale için tutarlı eleştirileri dikkate alır ve makalenin yazarına/yazarlarına yanıt hakkı verir.

• Her makalenin yazarı/yazarları için cinsiyet, din veya politik inanç, etnik veya coğrafi köken ayrımı yapmaz.

• Her makale için görevini objektif ve adil bir şekilde yapar.

• Hakemleri performans ve zamanlamalarına göre değerlendirir.

• Derginin akademik bütünlüğü için çaba gösterir.

• Dergide görev alanları yayın politikaları gelişmeleri hakkında bilgilendirir. Gerekli durumlarda eğitim programı hazırlar.

• Her makale için yayıncıdan bağımsız davranır.

• Her makale için kararları yayıncı ve dergi sahibinden bağımsızdır.

Hakemlerin Etik Sorumlulukları

NÖHÜ Mühendislik Bilimleri Dergisi değerlendirme süreci çift taraflı kör hakemlik ilkesiyle yürütülür. Hakemlerin değerlendirme ve yorumları sorumlu yazara editörler tarafından iletilir.

• Değerlendirdikleri makale için yazar/yazarlar ile doğrudan iletişime geçmez.

• Değerlendirdikleri makale uzmanlık alanı ile ilgilidir.

• Değerlendirdikleri makaleyi tarafsızlık ve gizlilik içinde inceler.

• Değerlendirdikleri makalede çıkar çatışması varsa incelemez.

• Değerlendirdikleri makale yayımlana kadar herhangi bir amaç için kullanmaz.

• Değerlendirdikleri makale için cinsiyet, din veya politik inanç, etnik veya coğrafi köken ayrımı yapmaz.

• Değerlendirdikleri makaleyi yapıcı ve uygun bir dille inceler.

• Değerlendirdikleri makaleyi verilen süre içerisinde ve etik sorumluluklara göre inceler.

Yayıncının Etik Sorumlulukları

• Makale değerlendirme sürecinin editör sorumluluğunda olduğunu beyan eder

• Editör kararlarının bağımsız olduğunu beyan eder.

• Herhangi bir çıkar gözetmeden iletişim gücünü kullanır.

• Hedef kitlesini doğru yönlendirmekle yükümlüdür.

• Dergi sayfasında derginin açık, elektronik ve ücretsiz erişimini sağlar.

• Yayımlanan her makalenin mülkiyet ve telif hakkını korur.

• Yayımlanan her makalenin arşivlenmesini üstlenir.

• Yayıncı ile yazar/yazarlar etik olmayan bir sorunla karşılaşırsa iletişime geçer.

Editör-Okuyucu İlişkisi

Editör, araştırmacı, okuyucu ve uygulayıcının bilgi, beceri ve deneyim ihtiyaçlarını karşılayacak şekilde karar verir. Editör, yayınlanan makalenin araştırmacı, okuyucu, uygulayıcı ve bilimsel literatüre katkı sağlayacak şekilde özgün olmasına dikkat eder. Editör, araştırmacı, okuyucu ve uygulayıcıdan gelen geri bildirimleri dikkate alır ve gerekli açıklamaları yapar.

Editör-Yazar İlişkisi

Editör, makalenin özgünlüğü, geçerliliği ve anlatım açıklığına göre derginin amaç ve hedeflerini dikkate alarak kabul veya ret eder. Editör, derginin içeriğine uygun olan makaleyi ciddi problemi olmadığı sürece ön değerlendirmeye alır. Makale için önceki editör tarafından verilen kararı yeni atanan editör ciddi bir sorun olmadıkça değiştirmez. Editör tarafından her makale için “Kör Hakemlik” ve “Değerlendirme Süreci” uygulanır. Editör, yazarın/yazarların makale hazırlamada kullanacakları Yazar Rehberi’ni yayınlar. Editör, yazara/yazarlara gerekli durumlarda bildirim ve dönüş sağlar.

Editör-Hakem İlişkisi

Editör, hakemin uzmanlık alanına göre değerlendirmesi için makale gönderir. Editör, hakemin değerlendirme sürecinde ihtiyaç duyduğu bilgi ve rehberliği sağlar. Editör, yazar/yazarlar ile hakem arasından çıkar çatışması olup olmadığını gözetir. Editör, Kör Hakemlik sayesinde hakemin kişisel bilgilerini korur. Editör, hakemi tarafsız, bilimsel ve uygun bir dille çalışmayı değerlendirmesi için teşvik eder. Editör, hakemi performans ve zamanında dönüşe göre değerlendirir. Editör, hakemin performansını artırıcı yönde uygulama ve politikalar belirler. Editör, hakem havuzunu sürekli günceller ve genişletir.

Editör-Editör Kurulu İlişkisi

Editör, editör kurulu üyesini etik ilkeler ve yayın politikası hakkında bilgilendirir ve gelişmelerden haberdar eder. Editör, editör kurulu üyesinden makale değerlendirme sürecinin etik ilkeler ve yayın politikasına uygun olarak ilerletmesini ister. Editör, editör kurulu üyesinin makaleyi tarafsız ve bağımsız olarak değerlendirmesini ister. Editör, katkı sağlayan ve uygun nitelikli yeni editör kurulu üyesi atar. Editör, editör kurulu üyesinin uzmanlık alanına göre değerlendirmesi için makale gönderir. Editör, editör kurulu ile düzenli olarak etkileşim içerisindedir. Editör, editör kurulu ile belirli aralıklarla derginin gelişimi için toplantılar düzenler.

Editör-Dergi Sahibi-Yayıncı İlişkisi

Editör, dergi sahibi ve yayıncı arasındaki ilişki editöryal bağımsızlık ilkesine dayanır. Editör ile yayıncı arasında yapılan sözleşme gereği, editörün alacağı tüm kararlar yayıncı ve dergi sahibinden bağımsızdır.

Kör Hakemlik Süreci

Editör, dergi yayın politikasında yer alan “Kör Hakemlik” ve “Değerlendirme Süreci” politikalarını uygular ve her makalenin adil, tarafsız ve zamanında değerlendirmesini sağlar.

Kalite Güvencesi

Editör, dergide yayınlanan her makalenin dergi etik ilkeleri ve yayın politikasına uygun uluslararası standartlarda olmasını sağlar.

Kişisel Verilerin Korunması

Editör, makalelerde yer alan deneklere veya görsellere ilişkin kişisel verileri korur ve makalede kullanılan bireylerin açık rızası belgeli olmadığı sürece çalışmayı ret eder. Editör, yazar, hakem ve okuyucuların kişisel verilerini korur.

Etik Kurul, İnsan ve Hayvan Hakları

Editör, makalelerde insan ve hayvan haklarının korunmasını sağlar ve makalede kullanılan deneklere ilişkin etik kurul onayı ve deneysel çalışmalara ilişkin izinlerin olmadığı durumlarda makaleyi ret eder.

Suistimal ve Görevi Kötüye Kullanmaya Karşı Önlem

Editör, suistimal ve görevi kötüye kullanma olasılığına karşı önlem alır. Bu tür şikayetlerin olması ve belirlenmesi durumunda titiz ve nesnel bir soruşturma yapar ve bulgular paylaşır.

Akademik Yayın Bütünlüğü

Editör, makalede yer alan hata, tutarsızlık ya da yanlış yönlendirmelerin hızlı bir şekilde düzeltilmesini sağlar.

Fikri Mülkiyet Haklarının Korunması

Editör, yayınlanan tüm makalelerin fikri mülkiyet hakkını korur ve olası ihlallerde derginin ve yazarın/yazarların haklarını savunur. Editör yayınlanan tüm makalelerdeki içeriklerin başka yayınların fikri mülkiyet haklarını ihlal etmemesi adına gerekli önlemleri alır ve yazardan/yazarlardan sisteme yüklenen her makale için benzerlik raporu ister.

Yapıcılık ve Tartışmaya Açıklık

Editör, dergide yayınlanan her makaleye karşı ikna edici eleştirileri dikkate alır ve eleştirilere karşı yapıcı bir tutum sergiler. Editör, eleştirilen makalenin yazarına/yazarlarına cevap hakkı tanır.

Yazar, Hakem ve Okuyucu Şikayetleri

Editör, yazar, hakem ve okuyucudan gelen şikayet ve eleştirileri dikkate alır. Şikayet ve eleştirileri inceleyerek aydınlatıcı ve açıklayıcı yanıtlar verir.

Politik ve Ticari Kaygılar

Editörün kararı, dergi sahibi, yayıncı ve diğer politik ve ticari unsurlardan bağımsızdır.

Yayın Politikası

Niğde Ömer Halisdemir Üniversitesi (NÖHÜ) Mühendislik Bilimleri Dergisi sistemine yüklenen makaleler, yayın politikası gereğince tarafsız süreçlerden geçirildikten sonra yayımlanır. Tarafsız süreçlerde görev alan paydaşların yayın politikasına uyması, dergimizin en önemli ilkelerindendir. NÖHÜ Mühendislik Bilimleri Dergisi DergiPark sistemini kullanarak yayım yapar. Makale ile ilgili süreçler DergiPark sistemi üzerinden gerçekleştirilir.

Yayın Dili

NÖHÜ Mühendislik Bilimleri Dergisi Türkçe ve İngilizce yazılmış makaleleri yayımlar.

Yayın Sıklığı

NÖHÜ Mühendislik Bilimleri Dergisi yılda dört defa olmak üzere Ocak, Nisan, Temmuz ve Ekim aylarında “online” olarak yayımlanır. Editör Kurulu’nun uygun görmesi durumunda Özel Sayı da yayımlanabilir.

Ücret Politikası

NÖHÜ Mühendislik Bilimleri Dergisi’nde kabul edilmiş tüm makaleler, makale gönderim, değerlendirme veya baskı ücreti alınmadan yayımlanır.

Gizlilik Politikası

NÖHÜ Mühendislik Bilimleri Dergisi sitesine girilen kişisel bilgiler yalnızca bu derginin belirtilen amaçları için kullanılır, başka amaçlar için kullanılamaz ve paylaşılamaz.

Açık Erişim Politikası

Açık Erişim (Open Access-OA), okuyucunun, araştırmacının ve uygulayıcının hukuki veya teknik herhangi bir engelle karşılaşmadan internet ortamında tüm makale içeriklerine çevrimiçi olarak ulaşmasıdır. Açık Erişim, sınırsız erişim ve yeniden kullanım imkânları sunar. Bu şekilde çok geniş kitleye ulaşma ve tüm makaleleri paylaşma imkânı oluşturur.
NÖHÜ Mühendislik Bilimleri Dergisi Açık Erişim dergisidir. Okuyucu, araştırmacı ve uygulayıcı, herhangi bir kişiden izin almadan, bu dergideki tüm makaleleri okuma, indirme, kopyalama, dağıtma ve yazdırma iznine sahiptir.
Bu bağlamda NÖHÜ Mühendislik Bilimleri Dergisi “Budapeşte Açık Erişim Girişimi” ile tanımlanan açık erişim prensiplerini benimsemiştir.

Taahhütname

NÖHÜ Mühendislik Bilimleri Dergisi yazardan/yazarlardan, dergiye gönderilen her bir makale için dergi sitesinde sunulan “Taahhütname” belgesini doldurup imzalamak suretiyle sisteme yüklemesini ister. İmzalı taahhütname göndermeyen yazarın/yazarların makalesi değerlendirmeye alınmaz.

Benzerlik Raporu

01.11.2019 tarihinden itibaren NÖHÜ Mühendislik Bilimleri Dergisi'nde yayımlanmak üzere değerlendirilen tüm makalelerde benzerlik raporu zorunludur.
NÖHÜ Mühendislik Bilimleri Dergisi yazardan/yazarlardan, dergiye gönderilen her bir makalenin kaynaklar bölümü hariç tüm metnini “iThenticate®” programı ile kontrol etmelerini ve bu programda taranmış makaleyi benzerlik raporu birlikte sistemdeki “Makale Üst Veri” sekmesinde bulunan “Benzerlik Raporları” alanına yüklemelerini ister. Ayrıca, makalede, benzerlik raporu oranının kaynaklarından önce belirtilmesini ister.
Editör Kurulunca belirlenen benzerlik oranı araştırma makaleleri için en fazla %20, derleme makaleleri için en fazla %30, bu sınırlar içinde olsa dahi tek bir kaynaktaki benzerlik oranı en fazla %5’tir. Benzerlik oranı belirtilen değerlerin üzerinde olan makaleler değerlendirmeye alınmayacaktır.

Telif Hakkı

NÖHÜ Mühendislik Bilimleri Dergisi’nde yayınlanan makaleler “Creative Commons Attribution-NonCommercial 4.0 (Atıf-GayriTicari 4.0)” uluslararası lisansına sahiptir. Buna göre dergide makalelerini yayımlayan yazarlar aşağıdaki şartları kabul etmiş sayılır:

• Yazar/yazarlar makale telif hakkını elinde tutar ve ilk yayımlama hakkını dergiye verir. Makale, yazarının/yazarlarının belirtilmesi ve bu dergide ilk önce yayımlanması şartıyla başkaları tarafından paylaşılmasına olanak sağlayan Creative Commons Attribution lisansı ile lisanslanır.
• Yazar/yazarlar, makalenin dergide yayımlanmış halini tam yetki vermeden dağıtımı (kurumsal bir veri tabanına gönderilmesi veya bir kitapta yayımlanması gibi) için ayrı sözleşme yapabilir.
• Yazar/yazarlar, makalenin dergide yayımlanmış halini kurumsal veri tabanında ya da kendi web sitelerinde paylaşabilir. Bu durum, verimli fikir alışverişlerine, makalenin daha erken yayılmasına ve daha çok atıf almasına yol açabilir (bakınız Açık Erişimin Etkisi).

Creative Commons Lisansı ( CC-BY-NC Lisansı)

Makalenin Creative Commons Atıf-GayriTicari 4.0 uluslararası lisansına sahip olduğunu gösterir. Makaleniz bu lisansa sahipse aşağıdakileri yapabilirsiniz.
• Dergide yayımlanan makaleyi kaynak göstermek koşuluyla her boyut ve formatta paylaşabilir, kopyalayabilir ve çoğaltabilirsiniz.
• Lisansör, lisans koşullarını koruduğunuz sürece özgürlükleri kısıtlamaz.
Aşağıdaki koşullara uymak koşuluyla;
Atıf: Uygun bilgiyi, lisans linkini ve değişiklik yapıldıysa değişiklik bilgisini vermelisiniz. Kullanımınızı lisansörün onayladığı bilgisi olmadan, uygun bir şekilde bu işlemleri gerçekleştirebilirsiniz.
Gayri ticari: Bu makaleyi ticari amaçla kullanamazsınız.
Ek sınırlamalar yoktur: Lisansın izin verdiği hakları başkaları üzerinde kanunlarla ya da teknolojiyi kullanarak sınırlayamazsınız.

Arşivleme Politikası -LOCKSS

NÖHÜ Mühendislik Bilimleri Dergisi, DergiPark tarafından sunulan LOCKSS tabanlı arşivleme hizmetini kullanır. Bu da kütüphanelerin koruması ve restorasyonu için kalıcı arşivler oluşturulmasına izin verir.
LOCKSS programı (https://www.lockss.org/) Stanford Üniversite Kütüphanelerine dayanan ve “çok sayıda kopyanın güvenliğini sağlama" ilkesi üzerine kurulmuş dijital bir koruma sistemidir. Bu program, kütüphanelere ve yayıncılara, kalıcı ve yetkili sayısal içeriğe erişim sağlamak için ödüllü, düşük maliyetli, açık kaynak dijital koruma araçları sunar. Bu program, uç uca dijital koruma yazılımı kullanarak kütüphaneleri geliştirir ve destekler. Program ayrıca, her bir kurumdaki kütüphanecilere, abone oldukları e-içeriğe erişimi ve bunların korunmasını ve kütüphanecilerin tanıdıkları basılı satın alma modelini geri yüklemelerine izin verir.

Global LOCKSS ağı, Stanford Üniversitesi Kütüphaneleri LOCKSS programı tarafından yönetilen, kütüphaneleri ve yayıncıları kendine has bir şekilde güçlendiren kanıtlanmış bir koruma yaklaşımıdır. Bu ağ, güncel e-dergilerini ve e-kitaplarını yarının okuyucuları için korumaktadır. Global LOCKSS ağı, https://www.lockss.org/about/how-it-works linki ile LOCKSS ağlarında korunmanın nasıl çalıştığını daha ayrıntılı olarak açıklar.

Makale Geri Çekme

NÖHÜ Mühendislik Bilimleri Dergisi’ne gönderilen makaleler değerlendirme aşaması tamamlanmadan önce geri çekilebilir. “Ön Kontrol”, “Yeniden Gönderim İsteği” veya “Revizyon İsteği” aşamasında bulunan makaleler, makale sayfasında bulunan “Makaleyi Geri Çek” butonu kullanılarak geri çekilebilir. Bu aşamada geri çekme nedeni belirtilmelidir. Eğer makale diğer değerlendirme aşamalarına geçmiş ise bu durum editöre bildirilmelidir.

NÖHÜ Mühendislik Bilimleri Dergisi yayın politikalarına göre, bir makalenin geri çekme aşamasında, sorumlu yazar ve editör kuruluna düşen görev ve sorumluluklar aşağıdaki gibidir.

Sorumlu yazar: Yayımlanmış, erken görünüm veya değerlendirme sürecindeki makaleyle ilgili bir yanlış ya da hatayı fark etmesi durumunda, geri çekme işlemlerinde dergi editörüyle işbirliği yapma yükümlülüğü bulunur. Değerlendirme sürecindeki makaleyi geri çekme isteğinde bulunan yazar, geri çekme nedenlerini içeren “Makale Geri Çekme Formu” nu doldurup her bir yazarın ıslak imzası olan taranmış halini mbdergisi@ohu.edu.tr adresine e-posta aracılığıyla editör kuruluna iletmekle yükümlüdür. Editör kurulu geri çekme isteğini inceleyerek 15 gün içerisinde sorumlu yazara cevap verir. Editör kurulu tarafından geri çekme isteği onaylanmayan makaleler, ilk yayımlama hakkı NÖHÜ Mühendislik Bilimleri Dergisi’ne verildiği için başka bir dergiye gönderilemez.

Editör: NÖHÜ Mühendislik Bilimleri Dergisi editör kurulu, yayımlanmış, erken görünümdeki veya değerlendirme sürecindeki bir makaleye ilişkin telif hakkı ve intihal şüphesi oluşması halinde makaleye ilişkin bir soruşturma başlatma yükümlülüğü taşır. Soruşturma sonucunda, değerlendirme sürecindeki makalede telif hakkı ihlali veya intihal yapıldığının belirlenmesi halinde, editör kurulu makaleyi değerlendirmeden geri çeker ve belirlenen durumları detaylı bir şekilde açıklayarak sorumlu yazara iade eder. Yayımlanmış veya erken görünümdeki bir makalede telif hakkı ihlali veya intihal yapıldığının belirlenmesi halinde, editör kurulu 15 gün içinde aşağıda belirtilen geri çekme ve bildirim işlemlerini gerçekleştirir. Etik ihlali veya intihali belirlenen makale için;
• Makalenin elektronik gösterimdeki başlığının başına “Geri Çekildi” ibaresi eklenir.
• Makalenin elektronik gösterimdeki Öz ve Tam Metin içerikleri yerine çalışmanın geri çekilme gerekçeleri, detaylı kanıt kaynakları varsa yazarın/yazarların bağlı olduğu kurum ve kuruluşların konu hakkındaki bildirimleri ile birlikte yayımlanır.
• Dergi internet sitesinin ana sayfasında geri çekme bildirimi ilan edilir.
• Geri çekme tarihinden itibaren ilk yayımlanacak sayının elektronik kopyasının içindekiler listesine “Geri Çekildi: Çalışma Başlığı” şeklinde eklenir. Birinci sayfasından başlamak koşuluyla geri çekme nedenleri ve buna kaynak gösterilen orijinal alıntıları kamuoyu ve araştırmacılarla paylaşılır.
• Yazar/yazarların bağlı olduğu kurum/kuruluşlara geri çekme bildirimleri iletilir.
• Geri çekme bildirimleri derginin dizinlendiği kurum ve kuruluşlar ile Milli Kütüphane Başkanlığı’na dizin sistemleri ve kataloglara kaydedilmesi için iletilir.

Ayrıca editör kurulu, etik ihlal ve intihal yapan makale yazar/yazarlarının daha önce yayımlanmış makalelerinin yayın evlerine veya yayın kurullarına, yayımlanan makalelerin geçerlilik ve güvenilirliğini güvence altına almalarını veya geri çekmelerini önerebilir.

Dergi Sahibi

Murat BARUT

Elektrik Mühendisliği, Elektrik Makineleri ve Sürücüler, Güç Elektroniği, Kontrol Teorisi ve Uygulamaları

Baş Editör

Mustafa SARIDEMIR

Yapı Malzemeleri

Editör Yardımcıları

Ahmet Şakir DOKUZ

Bilgi ve Bilgi İşleme Bilimleri

Mustafa KORKANÇ

Yer Bilimleri ve Jeoloji Mühendisliği, Jeoarkeoloji, Kaya Mekaniği, Uygulamalı Jeoloji

Firdevs UYSAL

İnşaat Mühendisliği, İnşaat Geoteknik Mühendisliği, İnşaat Mühendisliğinde Sayısal Modelleme, İnşaat Mühendisliğinde Zemin Mekaniği

Editör Kurulu

Emrah ZERDALI

Devreler ve Sistemler, Elektrik Makineleri ve Sürücüler, Güç Elektroniği

AB

Arzum BÜYÜKKEKLIK

Çok Ölçütlü Karar Verme, Üretim ve Hizmet Sistemleri, Lojistik, Tedarik Zinciri Yönetimi

Sencer BUZRUL

Gıda Mühendisliği, Gıda Bilimleri, Gıda Mikrobiyolojisi

Hİ

Hatice İNAN

Su Kalitesi ve Su Kirliliği, Çevre Mühendisliği, Arıtma Tesisi Tasarımı, Atık Yönetimi, Azaltma, Yeniden Kullanım ve Geri Dönüşüm

Fehiman ÇINER

Çevre Mühendisliği, Çevre Kirliliği ve Önlenmesi

Bora TIMURKUTLUK

Makine Mühendisliği, Makine Mühendisliği (Diğer)

KG

Kutalmış GÜMÜŞ

Geomatik/Harita Mühendisliği , Planlamada Coğrafi Bilgi Sistemleri (CBS), Uydu Tabanlı Konumlama, Yer Ölçümü (Hidrografik Etüt Dahil), Jeodezi

HE

Hakan ERDEM

İnşaat Mühendisliği, Betonarme Yapılar, Yapı Mühendisliği, Katı Mekanik

Andaç Batur ÇOLAK

Derin Öğrenme, Yapay Zeka, Akışkan Akışı, Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil), Mikroakışkanlar ve Nanoakışkanlar, Makine Mühendisliği, Enerji Üretimi, Dönüşüm ve Depolama (Kimyasal ve Elektiksel hariç), Nanoteknoloji

Yasin KABALCI

Elektrik Mühendisliği, Elektrik Enerjisi Taşıma, Şebeke ve Sistemleri, Elektrik Enerjisi Üretimi (Yenilenebilir Kaynaklar Dahil, Fotovoltaikler Hariç), Elektrik Tesisleri, Fotovoltaik Güç Sistemleri, Gömülü Sistemler, Kablosuz Haberleşme Sistemleri ve Teknolojileri (Mikro Dalga ve Milimetrik Dalga dahil)

Emel KIZILKAYA AYDOGAN

Derin Öğrenme, Denetimli Öğrenme, Makine Öğrenmesi Algoritmaları, Çevresel Olarak Sürdürülebilir Mühendislik, Çok Ölçütlü Karar Verme, Endüstri Mühendisliği, Ergonomi ve İnsan Faktörleri Yönetimi, Üretimde Optimizasyon, Yeni Ürün Geliştirme

Serkan CAYIRLI

Mineral İşleme/Yararlanma, Maden Mühendisliği, Endüstriyel Hammaddeler, Kimyasal-Biyolojik Kazanma Teknikleri ve Cevher Hazırlama

Cem BALTACIOĞLU

Gıda Bilimleri, Gıda Ambalajlama, Saklama ve İşleme, Gıda Kimyası ve Gıda Sensör Bilimi, Gıda Sürdürülebilirliği, Gıda Teknolojileri, Hububat Teknolojisi, İçecek Kimyası ve İçecek Sensör Bilimi, Kurutma Teknolojileri, Meyve-Sebze Teknolojisi, Temel Gıda İşlemleri, Gıda Bilimleri (Diğer)

Shafqat HUSSAIN

Akışkan Akışı, Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil)

Ali Hussein ABDULKARIM

Akışkan Akışı, Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil), Gaz Dinamiği, Makine Mühendisliğinde Optimizasyon Teknikleri, Makine Mühendisliğinde Sayısal Yöntemler, Makine Mühendisliği (Diğer)

Dil Editörleri

Hande BALTACIOĞLU

Gıda Mühendisliği, Gıda Bilimleri, Kurutma Teknolojileri, Meyve-Sebze Teknolojisi, Temel Gıda İşlemleri

HM

Hamdi MURATÇOBANOĞLU

Çevre Mühendisliği, Çevre Mühendisliği (Diğer)

RY

Recep YILDIZ

Elektrik Makineleri ve Sürücüler, Kontrol Teorisi ve Uygulamaları

Hasan Erhan YÜCEL

İnşaat Mühendisliği, Ulaştırma Mühendisliği, Yapı Malzemeleri

Ömer GENÇ

Termodinamik ve İstatistiksel Fizik, Akışkan Mekaniği ve Termal Mühendislik, Akışkan Akışı, Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil), Makine Mühendisliği

Efgan UĞUR

Kontrol Teorisi ve Uygulamaları, Kontrol Mühendisliği, Otonom Araç Sistemleri, Yardımcı Robotlar ve Teknoloji

Mizanpaj Editörleri

AE

Ayşe ERDOĞMUŞ

Veri Madenciliği ve Bilgi Keşfi, Veri Mühendisliği ve Veri Bilimi

KG

Kübra Nur GÜL

Elektrik Enerjisi Taşıma, Şebeke ve Sistemleri, Elektrik Enerjisi Üretimi (Yenilenebilir Kaynaklar Dahil, Fotovoltaikler Hariç), Elektrik Tesisleri, Fotovoltaik Güç Sistemleri

MB

Metehan BULUT

Yapı Malzemeleri

KU

Kemal ULUSOY

Çevresel Değerlendirme ve İzleme, Hava Kirliliği Modellemesi ve Kontrolü

Kıvanç KARACAN

Makine Mühendisliği, Enerji Üretimi, Dönüşüm ve Depolama (Kimyasal ve Elektiksel hariç)

TK

Tolga KAYNAK

Arazi Yönetimi, Coğrafi Bilgi Sistemleri ve Mekansal Veri Modelleme, Fotogrametri ve Uzaktan Algılama, Kartografya ve Sayısal Haritalama, Planlamada Coğrafi Bilgi Sistemleri (CBS)

İT

İbrahim TAŞDURMAZ

Makine Mühendisliği (Diğer)

Yasemen İNCE KESER

Fotovoltaik Cihazlar (Güneş Pilleri)

AM

Ahmet MUTLU

Makine Mühendisliği (Diğer)

GraPNet: Protein-ligand interaction prediction based on graph learning

GraPNet: Graf öğrenmeye dayalı protein-ligand etkileşim tahmini

Öz

Anahtar Kelimeler

GraPNet: Protein-ligand interaction prediction based on graph learning

Öz

Anahtar Kelimeler

Teşekkür

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Amaç ve Kapsam

Yazım Kuralları

Etik İlkeler ve Yayın Politikası

Ücret Politikası

Dizinler

Atıf Dizinleri

Diğer Dizinler

Dergi Kurulları

Dergi Sahibi

Baş Editör

Editör Yardımcıları

Editör Kurulu

Dil Editörleri

Mizanpaj Editörleri