Ankara Üniversitesi ile ABD'li araştırmacıların geliştirdiği yapay zeka destekli "scProfiterole" algoritması, hasta bazında hangi tedavilerin daha faydalı olabileceğinin değerlendirilmesine ve yeni tedavi seçeneklerinin geliştirilmesine imkan sunabilecek…
Çalışma, dünyanın önde gelen bilimsel platformlarından RECOMB 2026’da sunulan Türkiye’den tek proje oldu.
Tek hücre düzeyindeki protein verilerini analiz eden “scProfiterole Algoritması”, hücrelerin daha doğru öbeklenmesini sağlayarak erken tanı, kişiye özel tedavi ve yeni ilaç geliştirme çalışmalarına katkı sunacak.
Yükseköğretim Kurulunun 2030 vizyonunda öne çıkan dijital dönüşüm, yapay zeka ve üniversite-toplum katkısı hedefleri doğrultusunda üniversitelerde geliştirilen bilimsel çalışmalar, sağlık alanında da yeni imkanlar ortaya koyuyor.
Ankara Üniversitesi ile Amerika Birleşik Devletleri’ndeki Case Western Reserve Üniversitesi araştırmacılarının ortak çalışmasıyla geliştirilen “scProfiterole” adlı yapay zeka algoritması, tek hücre düzeyindeki protein verilerini kullanarak hücreleri öbeklemeye ve doğru karakterize etmeye odaklanıyor.
Çalışma, özellikle kanser biyolojisinin anlaşılması, tümörlerin değişim süreçlerinin izlenmesi ve ileride hastaya özgü tedavi yaklaşımlarının geliştirilmesi bakımından önem taşıyor.
Bir hücrenin nasıl davrandığını anlamada proteinlerin belirleyici olduğuna işaret edilen çalışmada, hücrelerde hangi proteinlerin bulunduğu ve bu proteinlerin miktarının, hücrenin normal işleyişini sürdürüp sürdürmediği, kansere dönüşüp dönüşmediği ya da hangi tedaviye yanıt verebileceği konusunda önemli veriler sunduğu belirtiliyor.
Proje yürütücüleri, tek hücre düzeyinde protein verilerinin elde edilmesinin yeni olması nedeniyle, bu verilerin eksik, kusurlu ve gürültülü olabileceğini; bu nedenle de analiz süreçlerinin güçleşebileceğini vurguluyor.
scProfiterole ise ağ temelli yapay zeka yaklaşımlarını bir araya getirerek bu verilerden daha fazla ve daha güvenilir bilgi çıkarılmasını hedefliyor.
DAHA GÜVENİLİR BİLGİ
Algoritmayla, tek hücre düzeyindeki protein verilerinden elde edilebilecek en yüksek ve en güvenilir bilgiyi ortaya çıkarmayı amaçladıklarını belirten akademisyenler, çalışmanın mevcut yöntemlere kıyasla yüzde 30’a varan performans artışı sağladığını vurguluyor.
Ankara Üniversitesi Mühendislik Fakültesi Yapay Zeka ve Veri Mühendisliği Bölümü öğretim üyesi Doç. Dr. Mustafa Coşkun, çalışmanın çıkış noktasının, heterojen yapı gösteren hücreleri doğru biçimde öbekleyebilmek olduğunu belirterek, özellikle tümör dokusunda farklı davranan hücrelerin ayrıştırılmasının ileride farklı tedavi seçeneklerinin değerlendirilmesine zemin hazırlayabileceğini ifade etti. Coşkun, protein verilerinin klasik veri yapılarından farklı özellikler taşıdığını, bu nedenle geleneksel yöntemlerin ötesine geçen algoritmalara ihtiyaç duyulduğunu kaydetti.
Doç. Dr. Mustafa Coşkun, çalışmanın teknik yönünü anlatırken, “Gürültülü veride anlamlı bir şeyler çıkartmaya çalışıyoruz” ifadesini kullanarak, protein ölçümleri sırasında ortaya çıkan bozulmalar nedeniyle verinin doğrudan anlaşılmasının güçleştiğini ve bu nedenle çizge temelli sinir ağlarının daha gelişmiş biçimlerinden yararlanarak hücrelerin sınıflandırılması ve öbeklenmesi için yeni bir yaklaşım geliştirdiklerini söyledi.
MULTİDİSİPLİNER İŞ BİRLİĞİYLE GELİŞTİRİLDİ
scProfiterole; Ankara Üniversitesi Tıp Fakültesi, Ankara Üniversitesi Mühendislik Fakültesi ile Case Western Reserve Üniversitesinin bilgisayar mühendisliği ve protein bilimi alanlarında çalışan araştırmacılarının ortak çalışmasıyla geliştirildi.
Çalışmada, Ankara Üniversitesi Tıp Fakültesi Tıbbi Onkoloji Bilim Dalından Dr. Öğr. Üyesi Pınar Kubilay Tolunay ile Ankara Üniversitesi Mühendislik Fakültesi Yapay Zeka ve Veri Mühendisliği Bölümü öğretim üyesi Doç. Dr. Mustafa Coşkun’un yanı sıra Case Western Reserve Üniversitesinden Profesör Dr. Mehmet Koyutürk, Profesör Dr. Mark Chance ve Dr. Filipa Lopes yer aldı.
KANSER BİYOLOJİSİNİN ANLAŞILMASINA KATKI SUNUYOR
Ankara Üniversitesi Tıp Fakültesi Tıbbi Onkoloji Bilim Dalı öğretim üyesi Dr. Pınar Kubilay Tolunay, kanser dokusundaki hücrelerin tek tip olmadığını, farklı davranışlar sergileyen heterojen bir yapı gösterdiğini belirtti.
Hücrenin o anda ne yaptığını ortaya koyan son ürünün protein olduğunu, bu nedenle protein düzeylerinin ölçülmesinin kanserli dokunun yapısını anlamada önemli rol oynadığını ifade eden Tolunay, ancak bu proteinlerin sınıflandırılması sırasında çeşitli hataların ortaya çıkabildiğini, yapay zeka destekli analizlerin ise daha güvenilir ve daha hızlı sonuçlar elde edilmesine katkı sağladığını ifade etti.
Dr. Tolunay, yapay zeka destekli bu tür yöntemlerle hücre davranışının, tümör biyolojisinin ve tümör çevresindeki inflamatuar hücrelerin daha hızlı ve daha net anlaşılabildiğini belirterek, çalışmanın henüz klinik pratiğe yansımamış öncü bir çalışma olduğunu söyledi. Tolunay, ilerleyen dönemde tümör biyolojisinin daha iyi anlaşılması, hasta bazında hangi tedavilerin daha faydalı olabileceğinin değerlendirilmesi ve yeni tedavi seçeneklerinin geliştirilmesi bakımından bu tür çalışmaların önemli imkanlar sunabileceğini dile getirdi.
Tolunay, yapay zeka destekli çalışmaların artmasının onkoloji alanında bireyselleştirilmiş tedavilerin daha hızlı gündeme gelmesine katkı sağlayabileceğini ifade etti.
RECOMB 2026’DA SUNULDU
scProfiterole algoritması aynı zamanda dünyanın önde gelen hesaplamalı biyoloji konferanslarından biri olarak görülen Research in Computational Molecular Biology (RECOMB) 2026 yılı toplantısında sunuldu.
Çalışmanın, Yunanistan’ın Selanik kentinde gerçekleştirilen toplantıda, Massachusetts Teknoloji Enstitüsü, Harvard Üniversitesi, Yale Üniversitesi ve Stanford Üniversitesi gibi dünyanın önde gelen kurumlarından araştırmalarla birlikte yer aldığını ifade eden Doç. Dr. Mustafa Coşkun, projenin Türkiye’den kabul edilen tek çalışma olduğunu kaydetti.