Veri Analizinde Uygulanan Adımlar - 8 (Hava Durumu)

Şimdiye kadar bahsettiğim konular verinin doğrudan kendisiyle alakalıydı ve büyük oranda teorik konulardan bahsettim. Bu yazımdan itibaren gerçek verilerle oynayabileceğimiz bir yapıya dönüşecek bu yazı dizisi. Moleküler biyoloji temelli verilerle çalışmanın karmaşıklığını yaşamamak adına, daha kolay aktarabileceğimi düşündüğüm ve büyük boyutlu bir veri kaynağıyla çalışmayı tercih ettim: hava durumu verisi. İngilizce blogumda hava durumu üzerine yaptığım analizlerden ve sonuçlarından bahsetmiştim ancak bu sonuçları tam olarak nasıl ürettiğime ilişkin detaylara pek değinmemiştim. Bu yazımda, bu tarz verilere nasıl yaklaşılabileceği üzerine daha somut bir örnek üzerinden giriş yapacağım.

Neredeyse hepimizin cebinde bir akıllı telefon var, ve bu telefonlar internete bağlı olduğu sürece anlık hava durumu bilgisini de sunuyorlar. Bu verilerin nasıl oluşturulduğunu hiç merak ettiniz mi? Bildiğim kadarıyla bu işin temel motivasyonu, hava durumu bilgisinin kritik olduğu havacılık sektörü. Sıradan bir vatandaşa 4 saat sonrasına ilişkin bir tahmin raporunu yanlış verirseniz çok büyük ihtimalle hayati bir tehlike oluşturmaz veya büyük bir ekonomik kayba neden olmaz. Ancak, İngiltere'den kalkan bir uçağın Türkiye'ye iniş yapacağı saatlerdeki hava durumunu yanlış (veya büyük bir hata payıyla) tahmin ederseniz iyi ihtimalle ya gecikmeye, ya da başka bir havaalanına inmeye sebep olabilirsiniz; daha kötü örnekler de geçmişte yaşanmış maalesef (National Geographic'te Uçak Kazası Raporu adlı programda pek hoş olmayan örnekleri izleyebilirsiniz). Tam da bu nedenle, hava durumuna ilişkin gözlem merkezleri ilk olarak havaalanlarında kurulmaya başlanmış. Bu nedenle bir süre öncesine kadar Ankara'daki hava durumu için şehre gayet uzak olan Esenboğa'dan veya Kayseri'deki hava durumu için yine şehir merkezine uzak olan Erkilet'ten bilgi alınıyordu: buralar, askeri veya sivil havaalanlarının yer aldığı bölgeler çünkü. 

Regresyon Analizi

“Minority Report” filmini seyredenler hatırlarsa; kurguda işlenen konu üç insanın geleceği görebilme yetenekleriyle ilgiliydi. Bu yetenekler kullanılarak suçların daha işlenmeden öngörülebiliyor ve polisler tarafından daha olay gerçekleşmeden engellenebiliyordu. Daha günümüze yakın benzer bir örnek Amerikan yapımı bir dizi olan “Person of Interest”. Kurgu yine benzer olmakla birlikte doğa üstü yeteneklerden farklı olarak dayanağı olan “veri” kullanılıyor. Son teknoloji bir bilgisayar ve suçluları bulacak bir algoritma kullanılarak hukuk dışı müdahaleler bulunularak suçların daha işlenmeden engellenmesi kurgusu etrafında dönen bir dizi. Bu tarz bir geleceğin çok uzakta olmadığına eminim. Etik açısından da ayrıyetten çok tartışılacak bir konu.

Günümüzde  şuan bu teknolojiye sahip değiliz. Fakat farklı alanlarda buna benzer büyük boyutlu veriler toplanarak gerek pazar araştırmalarında gerek biyoloji, tıp alanında göreceli büyük boyutlu verilerdan yararlanılarak ve bir kaç regresyon tekniği uygulanarak hali hazırda bir azınlık raporu yazmak mümkün.

Biyoinformatik Eğitimleri ve İhtiyaçlarımız - İhtiyaçlar

Bir önceki yazımda bazı tespitlerden bahsetmiştim ve bu yazıda da daha önce bahsettiklerim doğrultusunda bir ihtiyaç hazırlama gayretindeyim. Amacım, biyoinformatiğe ilişkin bilgi birikimimizi nasıl geliştireceğimize ilişkin bir noktaya varmak.

Öncesinde, daha dün öğrendiğim bir çalışmadan söz etmek istiyorum. Dunning ve Kruger tarafından gerçekleştirilen çalışmayı önceki yazı ışığında okumanızı öneriyorum, ilginç bir çalışma. Türkçesine bu Wikipedi linkinden ulaşabilirsiniz, daha detaylı bilgi içinse İngilizce Wikipedia sayfası linkine göz atabilirsiniz.

Biyoinformatiğe ilişkin ihtiyaçları yine önceki yazıdaki tespitlerle ilişkilendirerek somutlaştırmak istiyorum. Sanırım atılması gereken ilk adımlardan biri, biyoinformatiği gerçek hayatla ilişkilendirmek. Bu alan uygulamalı bir alan ve bu nedenle sadece teorik olarak sunulduğunda kopukluklar yaşanıyor. Hatta aslında bilim ve mühendisliğin arasında kaldığı için her iki anlayışın da yansıtılması gerekiyor. 

Programlama Araçlarının Faydaları

Web tabanlı araçları kullanarak temel biyoinformatik analizleri gerçekleştirebilirsiniz ve detaylara girmediğiniz sürece ortaya kayda değer sonuçlar çıkarabilirsiniz. Ancak burada unutulmaması gereken bir şey var: çoğu zaman verileri analize hazırlamak, analizin kendisinden çok daha fazla emek ve zaman gerektirir. Elinizdeki dosyaları FASTA biçimine çevirmek, onlarca farklı dosyada yer alan verileri tek bir dosyada tablo şeklinde toplamak, veritabanlarından otomatik olarak veri çekmek, veya veriyi bir yerden başka bir yere kopyalamak. 

UNIX tabanlı işletim sistemlerinin bu tarz işlemleri kolaylaştırmak amacıyla geliştirildiğini söylesek sanırım yanılmış olmayız. Farklı Linux sürümleri arasında bu sıralar en popüler ve kullanışlı olanı Ubuntu, alternatif olarak da Mac işletim sisteminden bahsedebiliriz. Windows'ta komutları teker teker yazmak yerine bunları bir grafik arayüzünün arkasına gizleyip kullanıcıya daha basit şeyler göstermek kuşkusuz kişisel bilgisayarın yaygınlaşmasında büyük rol oynamıştır, ancak aynı zamanda da bilgisayarın nasıl çalıştığını anlamak noktasında kullanıcıyla bilgisayarın mantığı arasına bir perde çektiği de muhakkak. Özetle, programlama araçlarını tanımak ve etkin bir şekilde kullanmak, büyük miktarlarda veriyle uğraşanların olmazsa olmazı. Bu doğrultuda sizinle 3 farklı örnek paylaşmak istiyorum.

Yeni Nesil Dizilimleme [Next Generation Sequencing] Teknolojisine Bakış - 1 (Sanger Dizilimleme)

Biyoinformatik analizlerimize konu olan veriler, büyük oranda yüksek çıktılı [high-troughput] teknolojilerden elde ediliyor. Her yeni teknolojide olduğu gibi, biyolojik çıktı üreten teknolojilerin de kendine has özellikleri ve yetersiz kaldıkları noktalar var. Bir biyoinformatik analiz içinse ilgili teknolojiyi çok iyi bilmek büyük bir önem kazanıyor; böylece elde edilen verinin kuvvetli yanlarına odaklanabilir ve yetersiz/yanıltıcı yanlarından ise uzak durabilir veya bu yanları telafi edecek yaklaşımlar geliştirebilirsiniz. Ulaşımdan bir örnek vereyim.

Kalabalık bir şehirde, şehrin bir tarafından diğerine gitmeniz gerektiğini düşünün. Birkaç alternatif ulaşım aracı düşünebiliriz ve bunların her birinin kendine has artı ve eksileri vardır. Ulaşım için kendi aracınızı kullanırsanız, o andaki ulaşım ihtiyacınızı büyük ihtimalle daha hızlı ve daha ucuza karşılarsınız ancak kendi aracınızı kullanmadığınız zamanlar da o araca sahip olmanın maliyetini üstlenmek zorunda kalırsınız, bunun yanısıra vergi ve bakım gibi masrafları da siz üstlenirsiniz. Otobüs, kullanım maliyeti çok daha düşük bir ulaşım aracıdır çünkü o otobüsteki herkesle biraraya gelip para toplar ve otobüsün giderlerini ve sürücü maliyetini hep birlikte paylaşırsınız. Otobüsü kullandığınız sürece giderlere ortak olursunuz, kullanmadığınız zaman ise ortaklıktan ayrılabilirsiniz; ancak eninde sonunda giderleri büyük ve kalabalık bir kitleyle paylaşmak zorunda kalırsınız. Dolmuş da otobüse çok benzer bir ekonomik modelle işler, yani giderleri ve aldığınız hizmeti bedelini diğer yolcularla paylaşırsınız; üstelik herhangi bir durak sınırlaması da yoktur bu araçta. Buna rağmen, durak sınırlamasının kalkmasının olumlu yanlarını yaygınlığın azalmasıyla karşılamak zorunda kalırsınız: dolmuş hatları otobüs hatları kadar yaygın değildir. Ayrıca bu iki ulaşım yönteminde de bekleme zorunluluğunuz vardır. Metro çok daha hızlıdır ancak yaygın değildir ve ana hatlarda faaliyet gösterir. Takside ise sürücü ve otomobil giderlerini başkalarıyla paylaşmazsınız ve durak sınırlamanız da yoktur, kullandığınız kadar ödediğiniz bu ulaşım modelinde ise birçok avantaja rağmen toplu ulaşım yöntemlerine kıyasla çok daha fazla ödeme yaparsınız.

Kümeleme Analizi

İnsanın doğası gereği yeni bir bilgiyi öğrenmek, ve öğrendikten sonra bu bilgiyi kolay ve hızlı bir şekilde geri çağırmak için beynimizde sınıflara ayırırız. Giysi dolabımıza kıyafetlerimizi ayırarak koyduğumuz gibi. Pantolonlarımız bir yerde, kazaklarımız ayrı bir yerde olduğu gibi. Benzer giysileri bir araya koyarız çünkü bulmak istediğimizde nereye bakmamız gerektiğini biliriz hemde ulaşmak daha hızlı ve pratiktir. 

Verimizde benzer gözlemlerin olduğunu düşünüyorsak ve sınıflara ayırmak istiyorsak kümeleme analizi kullanırız. Kümeleme analizi veriya ait değişkenleri kullanarak, benzer gözlemleri kümeleme işlemidir. Biyoinformatikte genel resmi vermesi ve sonraki adıma ışık tuttuğu için sıkça kullanılan bir analiz yöntemidir. 

Benzer genleri kümelemek istediğimizde, bir gen ailesine sahip sekansları kümelemek için, gen ve protein anatasyonu yapabilmek için gibi işlemlerde kullanılır. 

Dünya ve Veri Analizi

Bu yazı zihnimde olgunlaşırken bir saat kadar önce bir konuşma izledim ve bunu da bu yazıya dahil etmem gerektiğini düşündüm. Konumuz, dünyanın ilerlediği yön ve veri analizinin dünyada nasıl algılandığı/geliştiği.

O'Reilly tarafından yürütülen kapsamlı bir anket çalışmasının sonuçları birkaç gün önce yayınlandı. Konu, veri analizi odaklı veya veri analizini içeren kariyerlere sahip profesyonellerin ortalama ne kadar maaş aldıkları, hangi programlama araçlarını kullandıkları ve trendler. Bu çalışmanın iki açıdan çok önemli olduğunu düşünüyorum. İlki, mevcut durum tespiti yapması. İkincisi ise, gelecekte veri analiziyle bağlantılı bir kariyere sahip olmak isteyenlerin (evet, biyoinformatik de veri analiziyle doğrudan bağlantılı bir kariyerdir) ne tür yetenekler geliştirmesi gerektiği hakkında önemli ipuçları vermesi. Bu raporu mümkün olduğunca özetlemeye çalışacağım, orjinaline buradan ulaşabilirsiniz.

İşin magazinsel ve ilgi çekici kısmından başlayayım: ABD'de veri analiziyle uğraşan ve kullandığı veri analizi aracı çeşidi 10'a kadar çıkan bir çalışanın elde ettiği brüt yıllık kazanç ortalama 100.000 $. Yani ortalama aylık 6.000 $'lık bir net maaştan söz ediyoruz. Bu ortalama kazanç, daha yeni ve özelleşmiş diğer programlama araçlarının da kullanılmasıyla 150.000 $'a kadar çıkıyor, yani aylık ortalama 9.000 $'dan bahsedebiliriz. Alım gücü farkı göz önüne alındığında, bu rakamların TL muadillerini elde etmek için 1,5 ile çarpmak yaklaşık bir fikir verecektir bizlere. 

Birinci Yıl Biterken İstatistikler ve Yorumlar

Biyoinformatik üzerine Türkçe yazılar paylaşmaya başlayalı bir sene oldu. Bu süre zarfında hangi yazıların daha fazla okunduğu, arandığı ve takip edildiğine ilişkin istatistikleri sizlerle paylaşmak istiyorum. Bu istatistikleri, önümüzdeki yıl ne tür yazıların daha faydalı olabileceği doğrultusunda yorumlayarak yönümü buna göre belirlemeyi istiyorum. Ne demişler, ölçmezsen yönetemezsin.

Bu yazıyı hazırlamaya başladığım an itibariyle 71 yazı yayınlanmış, blogun toplam sayfa görüntülenme sayısı 21,702. Yazıların 11'i Deniz Ağırdan tarafından hazırlandı, 60'ını ise ben yazdım. Ortalama sayfa görüntülemesi açısından bakıldığında Deniz Ağırdan'ın yazılarıyla benim yazılarımın görüntülenme ortalaması neredeyse aynı. Toplam sayfa görüntülemelerinin yaklaşık %15'i sayfaya bir göz atıp geri çıkma şeklinde gerçekleşmiş, bunun iki temel nedeni olduğunu düşünüyorum: ya yeni yazı var mı diye kontrol etmek için, ya da ziyaretçinin bir arama sonucu sayfaya yönlendirilmesi ancak sayfanın ilgisini çekmemesi. Bunları çıkarınca yazı başına ortalama görüntülenme sayısı 260 oluyor. Tahminimce bu blogun daimi takipçi sayısı da 200 civarında.

Primer Tasarımı - 4 (BLAST ve Primer-BLAST)

Primer tasarımı üzerine paylaştığım yazı dizisinin son yazısıyla başlıyorum yeni yıla. Bu yazıda, primer tasarımının son halkası olan BLAST'tan (yani tasarlanan primerlerin genomda nerelere isabet edebileceğinden) ve bu doğrultuda hazırlanmış çok kullanışlı bir programdan bahsedeceğim. Önemli noktalara değinebilmek adına biraz uzun bir yazı hazırladım ancak sonuna kadar sabırla okuduğunuzda buna değecektir.

2013 Biterken 4 Kitap

Bir önceki yazımdan bu yana neredeyse bir buçuk ay olmuş; bu blogdaki yazıları takip eden siz değerli biyoinformatik meraklılarına bir özür borçluyum sanırım. Yılda ortalama iki kez kendimi şarj etmek veya zihinsel olarak yenilemek olarak adlandırabileceğim dönemlere giriyorum ve bu dönemlerde genelde içe dönük bir profil çiziyorum. Belki farketmişsinizdir, Ağustos ayında da benzer bir döneme girmiş ve ay boyunca sadece bir yazı paylaşabilmiştim. Yeni yılda kaldığım yerden devam etmeyi umuyorum. Yeri gelmişken, sizlere mutlu, başarılı ve sağlıklı bir yeni yıl diliyorum.

Bugünkü yazımda sizlerle bu dönemimde okuma fırsatı bulduğum kitaplardan 4'ünü paylaşmak istiyorum. İkisi İngilizce, ikisi Türkçe olan bu kitaplardan İngilizce olanlar O'Reilly yayınlarından. O'Reilly ve Manning yayınları bildiğim kadarıyla yeryüzündeki en iyi iki teknik içerikli yayınevi, kitaplarına göz atmanızı şiddetle öneririm.

Biyoinformatik Eğitimleri ve İhtiyaçlarımız - Tespitler

Blogdan takip ettiğinizi umuyorum, 10 gün önce bir biyoinformatik eğitiminde daha eğitim verdim ve içerik biyoinformatiğe giriş odaklıydı (çok eğlenceli ve verimli bir eğitimdi, katılan herkese teşekkür ediyorum:) ). Bu hafta sonu da daha ileri düzey konuların anlatılacağı başka bir eğitimde yer alacağım. Hem önümüzdeki haftaki eğitimin zihinsel hazırlığı, hem de geçmiş eğitimler ve e-posta yoluyla gelen soruları bir araya getirerek bir yol haritası ve genel bir biyoinformatik eğitimi standardı oluşturmaya çalışıyorum. Ayaklarımı yere sağlam basabilmek için, tespitlerle başlamalıyım:

İlk tespitim biraz sıradan olacak: eğitimini aldığımız konuların arkasında yatan mantığı anlamaya dayalı bir eğitim kültürümüz yok, eğitim sistemimiz de bundan nasibini fazlasıyla alıyor. Günü kurtarmak motivasyonuyla öğrendiğimiz / öğretildiğimiz bir çok şey çok geçmeden unutuluyor. Bu olumsuz birikim de bir süre sonra bize şu soruyu sorduruyor: bu bilgiyi gerçek hayatta nasıl kullanabiliriz? Bu soruya cevap bulamadığımızda ise en başa dönüp yine günü kurtaracak kadar öğreniyoruz. Öğrenmesi ve uygulaması fazlasıyla zevkli olan konularsa bir anda kabusa dönüyor.

Biyoinformatiğe Nasıl Başladım 9

Biyoinformatiğe nasıl başladığıma ilişkin hikayemin sonlarına yaklaşırken, geçenlerde bulduğum bir bilgisayar çıktısı bana bu alandaki ilk zamanlarımı hatırlattı. Tarihi kaydetmemişim maalesef, tarih kayıtlarıma tahminimce bu dökümanı oluşturduktan bir yıl kadar sonra başlamıştım. Hatırladığım kadarıyla 2002 yılında hazırlamıştım yazıyı. Hikaye hatırladığım kadarıyla şöyleydi:

O zamanlar yeni almaya başladığım moleküler biyoloji ve genetik dersleri ile, o sıralar okuduğum bilgisayar üzerine bir kitapta ortak yönler keşfetmeye başlamıştım. Özellikle, işletim sistemlerinin hızlı çalışması için eski zamanlarda sabit disk üzerine nasıl konumlandırıldığına ilişkin detaylarla, genlerin kromozomlar üzerindeki organizasyonuna ilişkin detaylar arasında kurduğum benzerlik beni hayli heyecanlandırmıştı ve bu yüksek motivasyonla bir hocamızla bu konuyu konuşmaya gitmiştim.