Veri Analizinde Uygulanan Adımlar - 6 (Veriye Erişim ve Veriyi Saklama)

Gayet uzun bir aradan sonra, bu dizinin yeni yazısıyla tekrar merhaba. Bir önceki yazıda ideal verinin neye benzediğine ilişkin bir çerçeve çizmeye çalışmıştım. Bu yazıda ise bu ideal veriye nasıl ulaşılacağı ve elde edilen verinin nasıl saklanacağına ilişkin kabul gören bazı yaklaşımlardan bahsedeceğim.

Farkettiğiniz üzere, doğru veriyi kullanmak analizin başarısı ve etkinliği üzerinde doğrudan söz sahibi. Bu nedenle, sorduğunuz soruyu cevaplamaya en uygun verinin özelliklerini en başta belirlemeli ve bu titizlikle hareket etmelisiniz. Ya da, elde edebildiğiniz veriler ideal özelliklerin bir kısmını karşılamıyorsa, o zaman da sorunuzu tekrar gözden geçirmeli ve  gerektiği şekilde sınırlamalısınız. Bu yazıyla veriye ilişkin pratik bir konuya giriyoruz: veriye nasıl ulaşmalıyız ve veriyi nasıl saklamalıyız?

Bu konu size biraz basit ve gereksiz gelebilir: çoğu zaman ya elimizde bir veri dosyası vardır, ya sık kullandığımız (genellikle web tabanlı) bir veri tabanına başvuruyoruzdur, ya da bir Google aramasıyla veriye ulaşabiliyoruzdur. Ancak çoğu zaman elde ettiğimiz veriler işlenmiştir; yani budanmış, şekil değiştirmiş, veya özelliği bozulmuş veriler!

Primer Tasarımı - 3 (Termodinamik)

Bu serinin ilk yazısında PCR tekniğinden, ikinci yazısında ise hibridizasyondan bahsetmiştim. Bu yazıda ise, primer tasarımının arkasındaki dinamikleri anlamak adına en önemli kavramlardan biri olan termodinamik hesaplamalardan bahsedeceğim. Gözünüzü korkutmasın, matematiksel detaylara girmeden sadece mantığını anlatmaya çalışacağım.

Geçen yazıdan hatırladığınız üzere, primer tasarımdaki en temel amaç, hedeflediğimiz DNA bölgesine karşılık gelen [complementary]  ve böylelikle tam bir hibridizasyona izin veren kısa bir DNA dizilimi oluşturmak. Bu kısa DNA dizilimine primer [başlatıcı/ateşleyici] diyoruz ve primer dememizin temel nedenlerinden biri de tüm süreci başlatması/ateşlemesi.

Bahsettiğimiz hibridizasyon süreci hidrojen bağlarının bağlanması ve kopması üzerine kurulu. Bu bağların kopup bağlanmasını kontrol etmek için de kullandığımız basit ancak etkin bir faktör var: sıcaklık. Sıcaklığı yeterince yükseltirsek fiziksek bağları koparabiliriz, yeterince düşürürsek fiziksek bağların tekrar bağlanması için ortam sağlayabiliriz. Bağları koparmak için 95 ºC çoğu zaman yeterli bir sıcaklık, böylece DNA'nın çift zincirli yapısını ikiye ayırarak iki ayrı tek zincir elde edebiliyoruz. Böylece tasarladığımız primerlerin bağlanabileceği bir DNA yapısına erişiyoruz. Bu aşamada sıcaklığı düşürür, örneğin oda sıcaklığına indirirsek ne olur? Fiziksel bağların kopmasına neden olan şartlar ortadan kalkar ve meydana gelebilecek her türlü kararlı fiziksel bağ ortaya çıkar! Bu duruma özgün olmayan bağlanma [non-specific binding] diyoruz ve bunun iki etkisinden söz edebiliriz. İlki, bu fiziksel bağların öyle kuvvetli olması ki, uzun taslak [template] DNA zincirlerinin de çeşitli biçimlerde bağlanmaya çalışması ve ortaya garip 3 boyutlu şekillerin çıkması. İkinci etki ise, normal şartlarda kararlı bir şekilde oluşmayacak olan primer - taslak DNA bağlantılarının ortaya çıkması. Yani, şartlar oluşursa, A bazının yerine T bazının gelmesini beklerken C bazının bağlanmış olduğunu görebiliriz. Bu, neredeyse her zaman istenmeyen bir durumdur (bu hatalı bağlanmaların istendiği bazı durumlar da var, bir kısmından yeri geldikçe söz edeceğim). Buna bir örnek vereyim:

Genetik Odaklı Proje - 3. Bölüm

Projemizin bu bölümünde, GeneCards kullanarak eriştiğimiz bilgiler üzerinden gitmeye devam ederek CFTR genine ilişkin genomik ve proteomik verilerle meşgul olacağız.

ODTÜ Biyoinformatik Kursu'nda Verdiğim Eğitim

Geçen hafta ODTÜ'de biyoinformatik üzerine bir kurs gerçekleştirildi ve ben de eğitimciler arasındaydım. Bu yazıda, Perşembe günü verdiğim yarım günlük eğitimin temel noktalarını paylaşmak istiyorum. 

Biyoinformatik üzerine yapılan etkinliklere birçok kez (>30) davet edildim ve her birinde daha önce sunmadığım yeni şeyler sunmaya gayret ettim. Böylece hem beni tekrar dinleyenler için yeni ufuklar sunabildiğimi düşünüyorum, hem kendimi sürekli geliştirmek zorunda hissediyorum, hem de aynı şeyleri tekrar tekrar anlatıp sahnede sıkılmıyorum (ve umarım, sıkmıyorum). Bahsi geçen eğitimdeki sunum da benim açımdan çok eğlenceli geçti ve uzun süredir üzerinde uğraş verdiğim konuları aktarma fırsatı buldum.

Sunum başlığım biraz uzun: "Biyolojik Ağ Görüntüleme Teknikleri ve Etkileşimli Yeni Görüntüleme Yaklaşımları". Eğitimin ilk kısmında görüntülemenin ne kadar kıymetli bir şey olduğunu vurguladım ve ikinci kısımda da bir JavaScript kütüphanesi olan D3'e uygulamalı bir giriş yaptım. Gelelim detaylara.

Sunumlarımı dinleyenler bilirler; slaytları yazılarla doldurmaktan pek hoşlanmam ve mümkün oldukça kaçınmaya çalışırım. Bunun yerine kısa ve az sayıda kelime-grubu kullanmayı tercih ederim ve bol bol hikayelerle detaylandırmaya çalışırım. Konunun doğası gereği teknik detaylara girmeden edilemiyor ve bu durum bazen sunumu sıkıcı hale getirebiliyor; yine de aralara yeri geldikçe canlandırıcı video, görsel ve/veya sorular koyarak tekrar başlangıçtaki ritmi yakalamaya çalışırım. Bu kez, ilk kez denediğim bir yaklaşımla sunumuma giriş yaptım.

Programlama Odaklı Proje - 3. Bölüm

Hazırladıkları özenli raporları bana ulaştıran potansiyel meslektaşlarıma çok teşekkür ediyorum. Yoğunluktan ötürü bazen geç cevap versem de bana gelen tüm raporları detaylı bir şekilde okuduğumu ve ilk fırsatta geri bildirimde bulunacağımı bilin lütfen, bu konudaki anlayışınızdan ötürü teşekkür ediyorum.

Artık gerçek bir program geliştirmenin zamanı geldi. Bu bölümde, edindiğimiz bilgileri basit ancak gerçek dünyada yer alan bir problemi çözen bir program geliştirmek için kullanacağız. 

Şişmanlayan Ülkenin Soğuk İçeceği: Buzlu Su

Biyoinformatik alanında çalışma yaparken birkaç olmazsa olmaz vardır. Bunlardan ilki, özellikleri ne olursa olsun istikrarlı [stable] bir şekilde çalışan bir bilgisayardır. İkincisi bilgisayarı sorunsuz çalıştırabilmek için kaliteli (frekansı sabit ve kesintisiz) bir elektrik kaynağı, üçüncüsü ise yine kesintisiz ve mümkünse yüksek hızlı internet erişimi. Olur da üçüne de birarada sorunsuz olarak erişebilirseniz, bir biyoinformatik çalışması gerçekleştirebilmek için bir tek siz kalıyorsunuz geriye. 

Seçimden önceki son yazı yaşıyoruz; Ankara’yı biraz gezerseniz sanacaksınız ki bu ülke kurulalı 5 sene bile olmamış. Hâlâ altyapı çalışmaları nedeniyle ara sokaklar delik deşik veya yamalı, bundan en fazla 5 sene önce asfaltı yenilenmiş yerlerin bir kısmı tekrar asfaltlanıyor, inşaatına başlanalı 10 seneden fazla olmuş metro hatlarında hâlâ çalışma var.

Biyoinformatiğe Nasıl Başladım 7

Bu dizinin bir önceki yazısından bu yana iki aydan fazla olmuş; özellikle veri analizi yazı dizisi ve sanal staj olayı odağımı tamamen değiştirmiş. Neyse, kaldığımız yerden devam edelim, Toronto'dan.

İçerisinde yer aldığım projenin amacı, kardiyovasküler hastalıkların teşhisinde kullanılabilecek bir dizi biyobelirteç [biomarker] bulmaktı ve model organizma olarak fare kullanılıyordu. Grubun ayrı bir katta yer alan laboratuvar kısmını sadece bir kez gezmiştim ve ilgimi pek çekmemişti; onun yerine, biyoinformatik bölümündeki siyah büyük dolaplar çok daha cezbediciydi: yaklaşık yarım milyon dolarlık bilgisayar altyapısı yer alıyordu! Soldaki resimde bu ekipmanın ufak bir kısmının önünde çekilmiş bir resmim yer alıyor, yanımda yer alan bayan ise stajım boyunca bana danışmanlık yapan biyoinformatik uzmanı Ruth. Bugün bu parayı herhangi bir üniversiteye biyoinformatik analizlerde kullanmak şartıyla bilgisayar altyapısı için hibe edecek olsanız, birkaçı istisna bu parayı harcayacak yer bulamaz (buna absorptive capacity deniyor).

İstatistiksel Model ile Hastalıkların Önceden Tahmini

Biyoinformatik biliminin en çok katkısı olacağı alanlardan biri de şüphesiz tıp olacaktır. Genleri ve proteinleri inceleyerek hastalık daha oluşmadan teşhisinin yapılması fikri çok etkileyici. Tabi teşhisi yanında gen terapisi gibi yöntemlerle sorunun kaynağına inilerek düzeltilmesi kesin çözüm olabilir. Açıkçası bu konudaki çalışmalar tam olarak nedir bilmiyorum. Bundan ziyade beni heyecanlandıran kısmı, gen ifade düzeylerinin istatistiksel modeller yardımıyla incelenerek hastalıklar daha oluşmadan teşhisi. Tabi ki hastalığın oluşmasının son kararı proteinlerden geçiyor. Bu sebeple proteinlerin yapılarının önceden kestirimleri de önemli çalışma konularındandır. Fakat gen ifadesi analizleri verisi kullanılarak kurulan modeller başlangıç açısından çok faydalıdır.

Model kurmayı sadece istatistiksel yöntemlerle sınırlandırmak yanlış olur. Yapay öğrenme metodlarına da sıkça başvurulur. Yapılan bazı çalışmalarda gen ifade verileri kullanılarak kurulan modellerde neredeyse %100'e yakın doğru kestirimler yapıldığı görülmektedir. 

Programlama Odaklı Proje - 2. Bölüm

Projenin bu bölümünde gerçek bir programlama diliyle tanışacağız. Böylece, projemizin DNA dizilimi kısmına geçtiğimizde kullanabileceğimiz bir alet kutusu oluşturacağız.

Genetik Odaklı Proje - 2. Bölüm

Projenin bu bölümünde, hakkında bir önceki bölümde genel bilgiler derlediğimiz CFTR genine ilişkin veri kaynaklarına nasıl ulaşacağımızı öğreneceğiz.

Primer Tasarımı - 2 (Hibridizasyon)

Primer tasarımı hakkında hap gibi tek bir yazı bekleyenleri biraz hayal kırıklığına uğratabilir bu yazı dizisi, ancak bu bile olması gerekenin gayet özetlenmiş hâli maalesef. Şöyle bir örnek vereyim: bir yapı marketine girdiniz ve evdeki işlerinizi gayet kolaylaştıracak çok fonksiyonlu bir matkap setini gayet uygun bir fiyata aldınız diyelim. Bu konuda bir deneyiminiz yoksa (yani bu sizin ilk matkap setinizse) güç ayarını ve uç seçimini büyük bir ihtimalle yanlış seçer ve ya normalden daha fazla zaman harcar, ya uca zarar verir, ya da matkaba zarar verirsiniz. Reklam kokan bir ifadeyle, kontrolsüz güç, güç değildir. Bu nedenle, biraz sıkıcı olsa da, okumaya devam.

Önceki yazımda PCR yönteminden bahsetmiştim ve üç kavramdan söz etmiştim, bu yazıda ilkinden, hibridizasyondan bahsedeceğim. Genomik tekniklerin neredeyse tamamı, A=T ve G≡C bazları arasındaki fiziksel kuvvete, yani Hidrojen bağlarına dayanır. Hibridizasyon olayını daha iyi anlamak için biraz hayal gücüne başvuralım. Doğal bir mıknatısın iki kutbu vardır hatırlarsınız; N [kuzey] ve S [güney]. Şimdi, her bir bazı, dışa bakan (baz-şeker-fosfat yapısının baz kısmının ucunu düşünün) ucunda birer mıknatısa sahipmiş gibi düşüneceğiz. A ve T bazlarının dış kısmında ikişer, G ve C bazlarının dış kısmında ise üçer mıknatısın var olduğunu hayal edin ve bu mıknatıslar aşağıda yer alan resimlerdeki gibi dizilmiş olsun:
 

Öznitelik Seçimi (Gen Seçimi)

Öznitelik seçimi, mikrodizi verilerinde olduğu gibi çok fazla değişkenin(genleri düşünebiliriz) olduğu veri kümelerinde kullanılır. Bu çok fazla değişkeni, kalabalık bir konserdeki insanlara benzeterek anlatmak istiyorum. Çünkü bir olay örgüsü ile daha iyi anlaşılacağını düşünüyorum.