Omik Verilerinden Hücresel Ağyapıların Çıkarımı için Yeni Bir Hesaplamalı Yöntemin Geliştirilerek İyileştirilmesi ve Kök Hücrelere Uygulanması

Abstract

Hücre içerisinde bulunan biyolojik niceliklerin aralarındaki etkileşimlerinden kaynaklanan ağyapıların çıkarımları o hücrenin daha iyi anlamlandırılmasını sağlar. Ağ yapıların çıkarımı yönlü ve yönsüz olarak kategorilendirilebilir. Yönlü ağyapı çıkarımları genelde zamana bağlı olarak o etkileşimin nasıl değiştiği verisi işlenerek bulunabilir. Ancak; bu projede zamana bağlı kalınmadan kararlı durumda biyolojiksel niceliklerdeki dalgalanmanın kullanımı ile yönlü ağyapı çıkarımı yapan Öksüz ve arkadaşlarının 2013'de ortaya koyduğu yaklaşımın iyileştirilmesi ve hızlandırılması hedeflenmiştir. Bahsi geçen algoritmada, dalgalanma vektörünün ağyapı içerisindeki biyolojik niceliklere ait verilerin kovaryans matrisi ile o ağdaki etkileşim matrisinin çarpımından oluştuğunu söyleyen Lyapunov denklemi kullanılmıştır. Lyapunov denklemi eksik belirtilmiş (ing. underdetermined) bir problem oluşturduğu için, çözülmesinde optimizasyon yaklaşımı kullanılmalıdır. Bu nedenle, MATLAB altında yer alan Genetik Algoritma paketinde yer alan fonksiyonlar kullanılarak optimizasyonlar gerçekleştirilmiştir. Bu proje kapsamındaki iyileştirilmeler, öncelikle bir önceki algoritmada sabit olarak alınan parametrelerin sabitlikten kurtularak verilerdeki eğilimleri yakalamasına olanak sağlamaya dayanmaktadır. Önceki çalışmada dalgalanma vektörü 0.005 iken bu çalışmada dalgalanma vektörü verilerin standart sapması olarak alındı. Ayrıca, iki farklı amaç fonksiyonunu dengeleyen amaç fonksiyonu parametresi de sabit bir sayı değil belli bir aralıkta taranarak doğruluğa daha yakın sonuçlar elde edildi. Ayrıca çözüm uzayının az-yoğunluk kuralına uyacak şekilde daraltılması, algoritmanın hızını arttırdı. Bunlara ek olarak, tek bir optimizasyon sonucu elde edilen ağyapı etkileşimleri yerine çok sayıda optimizasyon sonucunun birleştirilerek analiz edilmesi yoluyla, gerçek sonuçlara yakın olunması sağlandı. Sonuç olarak, yenilenen ve geliştirilen algoritma iki farklı hücre tipi için in siliko olarak üretilmiş verilere uygulandı ve verilerin hem Öksüz ve arkadaşlarının algoritmasından hem de kısmi korelasyon algoritmasından daha iyi olduğu gözlemlendi. Ayrıca bu algoritma, göğüs kanseri metabolom verisinden elde edilmiş alt metabolik ağyapının özelliklerinin bulunma çabasında kullanılmıştır. Sonuçlarda beklenen ve literatürle eşleşen birkaç önemli etkileşim ağyapısına raporda yer verilmiştir.