21. Yüzyıl: Sistem Biyolojisi ve Multi-Omik Çağı
İnsan genomunun ilk taslak dizisinin 2001 yılında yayımlanması, genom ölçeğinde araştırmalar için önemli bir dönüm noktası oldu. Aradan geçen yirmi yılı aşkın sürede dizileme teknolojileri, referans genomlar ve hesaplamalı analiz yöntemleri birlikte gelişti. Uzun okuma teknolojileri, tekrarlı ve yapısal olarak karmaşık genomik bölgelerin çok daha ayrıntılı incelenmesini sağladı. Telomere-to-Telomere Consortium 2022 yılında ilk tamamlanmış insan genom dizisini yayımladı; Human Pangenome Reference Consortium ise 2023 yılında farklı genomik kökenlerden bireyleri içeren ilk taslak insan pangenom referansını sundu. [1–4]
Genomik araştırmalar bugün genom, transkriptom, epigenom, proteom, metabolom ve mikrobiyom gibi farklı moleküler katmanları aynı biyolojik sistem içinde inceleyebilecek teknik ve hesaplamalı kapasiteye sahip. Tek hücreli ve uzamsal omik teknolojileri bu yapıya hücresel çözünürlük, doku bağlamı ve hücreler arası heterojenlik gibi yeni boyutlar ekliyor. [5,6]
Bu gelişmeler araştırma sorularını da değiştiriyor. Hastalık fenotipleri, hücresel durum değişimleri, konak-mikrobiyom ilişkileri veya çevresel yanıtlar farklı biyolojik katmanlarda eşzamanlı izler bırakabiliyor. Multi-omik araştırmalar bu katmanların hangi koşullarda birlikte incelenebileceğini, aralarındaki ilişkilerin nasıl ölçülebileceğini ve farklı veri türlerinden gelen sonuçların biyolojik olarak nasıl yorumlanabileceğini araştırıyor.
2025 yılında Nature Methods’ta yayımlanan kapsamlı single-cell multimodal omik benchmark çalışması da entegrasyon yöntemlerinin performansının analitik göreve, veri modalitelerine ve veri setinin yapısına göre değiştiğini gösteriyor. Boyut indirgeme, batch correction, hücre tipi sınıflandırması, kümeleme veya özellik seçimi gibi farklı görevler farklı yöntemsel öncelikler gerektirebiliyor. [7]
Bu tablo, güncel genomik ve multi-omik araştırmalarda üç temel beceriyi öne çıkarıyor: araştırma sorusunu açık ve sınanabilir biçimde tanımlamak, verinin yapısını doğru okumak ve kullanılacak yöntemin gerekçesini bilimsel olarak açıklayabilmek.
Veri Üretiminden Biyolojik Yoruma
NGS (2. nesil), 3. nesil dizileme teknolojileri, tek hücreli omik platformları ve yüksek boyutlu moleküler profilleme yöntemleri çok büyük miktarda biyolojik veri üretiyor. Bu verilerin incelenmesinde biyoinformatik, istatistiksel modelleme, makine öğrenimi ve açıklanabilir yapay zekâ yöntemleri geniş bir analitik repertuar sunuyor.
Analizin güvenilirliği ise veri üretiminin erken aşamalarında şekillenmeye başlıyor.
Örnekleme stratejisi, DNA veya RNA kalitesi, kütüphane hazırlığı, dizileme platformu, okuma uzunluğu, dizileme derinliği, batch yapısı ve metadata tasarımı sonraki analizlerin taşıyabileceği biyolojik bilgiyi doğrudan etkiliyor. Multi-omik veri entegrasyonunda ön işleme, normalizasyon, ölçek farklılıkları, eksik veriler ve örnek eşleşmesi gibi kararlar da analizin niteliğini belirliyor.
DNA Academy’de wet-lab ve dry-lab süreçlerini bu süreklilik içinde ele alıyoruz.
Bir araştırma sorusunun örnekleme tasarımına nasıl yansıdığını, üretilen verinin hangi teknik özellikleri taşıdığını, kalite kontrol sonuçlarının nasıl okunacağını, analiz yönteminin hangi gerekçeyle seçildiğini ve hesaplamalı çıktının biyolojik bağlamda nasıl değerlendirileceğini aynı araştırma süreci içinde çalışıyoruz.
Biyoinformatik analizin sınırları, veri dosyası bilgisayara ulaşmadan önce şekilleniyor. FastQC, NanoPlot veya MultiQC çıktılarında görülen örüntüler; örneğin niteliği, kütüphane hazırlığı, dizileme kimyası ve platform özellikleriyle doğrudan ilişkili. Aynı bağlantı varyant analizinde, RNA-Seq çalışmalarında, tek hücreli verilerde, mikrobiyom ve metagenomik araştırmalarda da sürüyor.
DNA Academy eğitimlerinin ortak metodolojik omurgası bu sürekliliği izliyor:
Örnekten veriye, veriden analize, analizden biyolojik yoruma uzanan kararların birbirleriyle ilişkisini görebilmek.
Yöntemi Tarihsel ve Bilimsel Bağlamı İçinde Okumak
Biyoinformatik araçların ve analitik yöntemlerin her biri belirli bir bilimsel problem içinde gelişti.
Referans genomların dönüşümü, kısa ve uzun okuma dizilemenin farklı çözünürlükleri, mikrobiyom analizlerinde OTU’dan ASV yaklaşımına geçiş, tek hücreli analizlerde hücresel heterojenliğin görünür hale gelmesi veya multi-omik entegrasyon yöntemlerinin çoğalması bu gelişimin farklı örneklerini oluşturuyor.
DNA Academy’de literatürü güncel araç - yazılım ve protokollerle birlikte, yöntemlerin ortaya çıktığı bilimsel bağlam üzerinden inceliyoruz.
Uzun okuma dizileme bunun açık örneklerinden biri. Kısa okumalar genom araştırmalarında çok geniş bir kullanım alanı sağladı. Uzun okumalar ise tekrarlı bölgeler, büyük yapısal varyantlar, haplotip çözümlemesi ve de novo genom montajı açısından farklı bir çözünürlük kazandırdı. İnsan genomunun telomerden telomere tamamlanması da bu teknolojik gelişimin doğrudan sonuçlarından biri oldu. [2,4]
Bir yöntemin hangi problemi çözmek üzere geliştirildiğini bilmek, günümüzde hangi veri ve araştırma tasarımlarında kullanılabileceğini değerlendirmeyi kolaylaştırıyor. Böylece araç seçimi, literatürden kopuk bir yazılım tercihi olmaktan çıkıyor ve bilimsel gerekçesi görülebilen bir analitik karara dönüşüyor.
Tek Referans Genomdan Pangenom Referanslarına
Referans genomlar genomik analizlerin büyük bölümünde ortak bir koordinat sistemi sağladı. Varyant çağrımı, genom anotasyonu, hizalama ve karşılaştırmalı genomik çalışmalar yıllardır bu yapı üzerinden ilerliyor.
Tek bir lineer referans dizisinin bir popülasyon veya tür içindeki bütün genomik çeşitliliği temsil etme kapasitesi ise sınırlı. Yapısal varyantlar, kopya sayısı değişimleri, alternatif haplotipler ve referans genomda bulunmayan diziler bu sınırlılığın belirginleştiği alanlar arasında.
Pangenom yaklaşımı, aynı türe ait birden fazla genomu ortak bir referans yapısında temsil ediyor. Human Pangenome Reference Consortium tarafından 2023 yılında yayımlanan ilk taslak insan pangenom referansı 47 genetik olarak çeşitli bireyden elde edilen 94 haplotipi bir araya getirdi. Çalışma, GRCh38’de bulunmayan önemli miktarda genomik diziyi görünür hale getirirken varyant keşfi ve genomik çeşitliliğin temsili açısından yeni bir referans çerçevesi sundu. [3]
Pangenom referansları çok sayıda genomun yan yana sıralandığı bir koleksiyonun ötesinde, referans kavramının veri yapısını da değiştiriyor. Graf tabanlı genom temsilleri, alternatif haplotipler ve farklı genomik yollar aynı referans mimarisi içinde gösterilebiliyor. 2026 yılında Nature Reviews Genetics’te yayımlanan kapsamlı derleme; pangenom referanslarının oluşturulmasını, veri yapılarını, varyant analizindeki kullanımını ve genomik çeşitliliğin temsiline getirdiği olanakları güncel literatür üzerinden ele alıyor. [16]
Bu dönüşüm insan genomuyla sınırlı bir araştırma alanı da oluşturmuyor. Bitki pangenomları gen varlığı-yokluğu varyasyonlarının, yapısal çeşitliliğin, adaptasyonun, evrimsel yeniliklerin ve tarımsal özelliklerin incelenmesinde giderek daha fazla kullanılıyor. 2024 tarihli Nature Reviews Genetics derlemesi pangenomların bitki ıslahı, biyoçeşitlilik ve evrim araştırmalarındaki uygulamalarını kapsamlı biçimde değerlendiriyor. [17]
Pangenom yaklaşımı, genomik biyoinformatikte referans kavramını da yeniden biçimlendiriyor. Kullanılan referans, hangi varyantların saptanabildiğini ve genomik çeşitliliğin ne ölçüde temsil edildiğini doğrudan etkiliyor. Graf tabanlı pangenom referansları, farklı haplotiplerin ve yapısal varyasyonların aynı referans yapısı içinde temsil edilmesine olanak sağlıyor. Bu gelişmeler, hizalamadan varyant çağrımına kadar birçok genomik analiz adımını giderek daha çeşitlilik-duyarlı hale getiriyor.
DNA Academy’de referans genom, pangenom ve graf tabanlı referans yaklaşımlarını; genomik çeşitliliğin temsili ve varyant analizine etkileriyle birlikte ele alıyoruz.
Multi-omik Veri Entegrasyonu
Multi-omik çalışmalar farklı biyolojik katmanlardan gelen verilerin birlikte değerlendirilmesini gerektiriyor. Bu aşamada her veri türünün kendi yapısal özellikleri önem kazanıyor.
Örneklerin birebir eşleşmesi, ölçüm ölçekleri, eksik değerler, batch etkileri, zaman boyutu, tekrarlı ölçümler, kompozisyonellik ve biyolojik hiyerarşi kullanılabilecek entegrasyon stratejisini etkiliyor.
MOFA+ gibi latent factor modelleri, multimodal single-cell entegrasyon yöntemleri, korelasyon ve ağ yaklaşımları veya yolak tabanlı analizler farklı araştırma sorularına karşılık gelen yöntemsel seçenekler sunuyor. Single-cell ve uzamsal multi-omik literatürü de veri katmanlarının birlikte değerlendirilmesi için çok sayıda deneysel ve hesaplamalı tasarımın geliştiğini gösteriyor. [5–9]
DNA Academy’de entegrasyon stratejisini seçerken birkaç temel soruya dönüyoruz: hangi biyolojik katmanların ölçüldüğü, aynı birey veya örneklerin farklı omik katmanlarında eşleşip eşleşmediği, araştırmanın kesitsel veya boylamsal yapısı, ölçüm ölçeklerinin ilişkisi, veri yapısının istatistiksel özellikleri ve entegrasyondan beklenen biyolojik çıktı.
Elde edilen ilişkinin hangi kanıt düzeyinde yorumlanabileceği de bu değerlendirmenin bir parçası.
Bu sorgulama biçimi, özellikle multi-omik araştırmalarda analiz mimarisinin daha veri işleme başlamadan biçimlenmesini sağlıyor.
Makine Öğrenimi, Validasyon ve Açıklanabilirlik
Yüksek boyutlu omik veri setleri makine öğrenimi için güçlü bir araştırma alanı oluşturuyor.
Biyolojik araştırma sorusunun hedef değişken ve özellik uzayı açısından açık biçimde tanımlanması, eğitim-validasyon-test ayrımının doğru yapılması, veri sızıntısının önlenmesi, çapraz doğrulama stratejisinin seçilmesi ve uygun performans ölçütlerinin belirlenmesi modelleme sürecinin temel aşamaları arasında yer alıyor.
Açıklanabilir makine öğrenimi yöntemleri modelin karar davranışını incelemeye yardımcı oluyor. SHAP, özellikle ağaç tabanlı modellerde özellik katkılarının değerlendirilmesi için yaygın biçimde kullanılan yaklaşımlardan biri. Partial Dependence ise bir veya birkaç özelliğin model tahminleriyle ilişkisini incelemek için kullanılabiliyor. [10]
DNA Academy’de bu yöntemleri tahmin performansı, validasyon, genellenebilirlik ve biyolojik yorumla birlikte ele alıyoruz.
Yüksek bir tahmin başarısı, modelin öğrendiği ilişkinin biyolojik mekanizmasını tek başına açıklamıyor. Model davranışının incelenmesi ile biyolojik mekanizma hakkında çıkarım yapmak farklı kanıt düzeyleri gerektiriyor.
Tahmin, model açıklaması, biyolojik mekanizma ve nedensellik bu nedenle ayrı analitik sorular olarak değerlendiriliyor.
Mikrobiyal Genomikten Faj Biyolojisine ve Faj Terapilerine
Mikrobiyal genomik ve metagenomik çalışmaların güncel uygulama alanlarından biri bakteriyofaj araştırmaları.
Bakteriyofajlar bakterileri enfekte eden virüsler ve mikrobiyal ekosistemlerin önemli biyolojik bileşenleri. Bakteri popülasyonlarının dinamiklerini, gen akışını, mikrobiyal rekabeti ve evrimsel süreçleri etkileyebiliyorlar. Klinik tarafta ise antimikrobiyal dirençli ve tedavisi güç bakteriyel enfeksiyonlara karşı yeniden yoğun biçimde araştırılan terapötik seçenekler arasında yer alıyorlar.
Faj terapisi genomik ve biyoinformatiği doğrudan biyolojik kararlarla buluşturan iyi örneklerden biri.
Terapötik amaçla değerlendirilecek bir fajın izolasyonunun ardından konak aralığı, litik özellikleri, genom bütünlüğü ve genom içeriği birlikte inceleniyor. Tüm genom dizileme ve anotasyon, fajın biyolojisinin anlaşılmasına; lizojeniyle ilişkili genlerin, bilinen virülans faktörlerinin veya istenmeyen genetik özelliklerin araştırılmasına katkı sağlıyor. Faj-bakteri etkileşiminin değerlendirilmesinde konak aralığı da temel karakterizasyon basamaklarından biri. 2026 yılında Nature Reviews Microbiology’te yayımlanan kapsamlı host-range derlemesi bu ilişkinin moleküler belirleyicilerini, dinamiklerini ve terapötik uygulamalarını ayrıntılı biçimde ele alıyor. [18,21]
Faj genomunun dizilenmesi böylece tek başına bir son ürün oluşturmuyor. Genomik bilgi, konak özgüllüğü, enfeksiyon dinamikleri, direnç gelişimi ve terapötik kullanım koşullarıyla birlikte değerlendiriliyor.
2025 yılında yayımlanan Nature Reviews Methods Primers makalesi, faj izolasyonu ve karakterizasyonundan tam genom dizilemeye, terapötik faj seçimine, üretime, dozlamaya ve klinik çalışmalara kadar uzanan süreci bir bütün halinde ele alıyor. [18]
Klinik literatürde de önemli bir veri birikimi oluşuyor. Nature Microbiology’de 2024 yılında yayımlanan çok merkezli çalışma, 12 ülkedeki 35 hastanede uygulanan ilk 100 ardışık kişiselleştirilmiş faj terapisi vakasını retrospektif olarak değerlendirdi. Çalışmada fajların enfeksiyona neden olan bakteriyel patojenlere göre bireysel olarak seçilmesi ve bazı durumlarda önceden adapte edilmesi, kişiselleştirilmiş faj tedavisinin uygulanabilirliğine ilişkin önemli gerçek yaşam verileri sağladı. [19]
Alan hızla gelişmeye devam ediyor. Ağustos 2026’da Nature Reviews Microbiology’te yayımlanan güncel derleme, faj biyolojisinden klinik uygulamaya uzanan mevcut bilgi birikimini; hasta ve faj seçimi, direnç, farmakoloji, üretim, klinik uygulama ve düzenleyici güçlüklerle birlikte değerlendiriyor. [20]
Faj araştırmaları DNA Academy’nin genomik yaklaşımı açısından da güçlü bir örnek oluşturuyor. Bir DNA dizisinin biyolojik anlamı, dizinin kendisinden başlayıp konak ilişkisine, ekolojik işleve, evrimsel dinamiklere ve uygun koşullarda terapötik uygulamaya kadar genişleyebiliyor.
Genom dizisi, biyolojik bağlam ve uygulama arasındaki ilişkiyi birlikte okuyabilmek burada belirleyici hale geliyor.
Bulut Tabanlı ve Yeniden Çalıştırılabilir Analiz
Biyoinformatik eğitiminde kişisel bilgisayarların donanımı, işletim sistemi farklılıkları ve yazılım kurulumları uygulamalı çalışmaları doğrudan etkileyebiliyor.
DNA Academy’de Google Colab (Python) gibi bulut tabanlı ortamları kullanarak birçok analiz hattını tarayıcı üzerinden çalışılabilir hale getiriyoruz.
Bu çalışma biçiminde kod, parametreler, analiz sırası ve üretilen çıktılar katılımcının önünde açık biçimde bulunuyor. Analiz daha sonra yeniden çalıştırılabiliyor, değiştirilebiliyor ve farklı veri setlerine uyarlanabiliyor.
Tekrarlanabilirlik bu çalışma biçiminin doğal bir parçası.
FAIR ilkelerinin hesaplamalı iş akışlarına uygulanmasına yönelik güncel çalışmalar da verinin yanında kodun, workflow tanımlarının, yazılım bağımlılıklarının, çalışma ortamının ve provenance bilgisinin kayıt altına alınmasına giderek daha fazla önem veriyor. 2025 yılında Scientific Data’da yayımlanan FAIR computational workflows çalışması bu yaklaşımı ayrıntılı biçimde ele alıyor. [11,12]
Veri Çeşitliliği, Temsil ve FAIR Kültürü
Genomik araştırmalarda hangi popülasyonların ve hangi biyolojik çeşitliliğin temsil edildiği, sonuçların kapsamını doğrudan etkiliyor.
İnsan genetiği alanında Avrupa kökenli popülasyonların uzun yıllar boyunca araştırma veri setlerinde orantısız biçimde temsil edildiği çok sayıda çalışmayla ortaya kondu. Bu durum varyant yorumundan popülasyon genetiğine ve genomik risk modellerine kadar farklı alanlarda genellenebilirlik sorunları yaratıyor. [13]
Human Pangenome Reference Consortium’un çalışmaları genomik çeşitliliğin referans düzeyinde nasıl temsil edildiğine ilişkin yeni bir yaklaşım sunuyor. Pangenom referanslarının gelişmesiyle birlikte “hangi genom referans alınmalı?” sorusu giderek “hangi çeşitlilik referans yapısında temsil ediliyor?” sorusuyla birlikte değerlendiriliyor. [3,16]
Türkiye’de ve bölgesel araştırma sistemlerinde üretilen insan, hayvan, bitki, mikrobiyal ve çevresel genomik verilerin bilimsel değeri de güçlü metadata, açık örnekleme bilgisi ve uluslararası veri standartlarıyla birlikte artıyor.
FAIR ilkeleri burada ortak bir çerçeve sağlıyor: verinin bulunabilir, erişilebilir, birlikte çalışabilir ve yeniden kullanılabilir olması. [11]
Metadata, provenance, veri sözlükleri, ontolojiler, sürüm bilgileri ve analiz geçmişi bu kültürün parçalarını oluşturuyor.
DNA Academy’de FAIR yaklaşımını örneklerin tanımlanmasından dosya isimlendirmesine, metadata tasarımından hesaplamalı iş akışlarının belgelenmesine kadar araştırma sürecinin farklı aşamalarında ele alıyoruz.
Kavramsal Biyoloji ve Biyoloji Felsefesi
Biyolojik araştırmalarda kullanılan kavramlar, araştırmanın sınırlarını ve ölçüm ölçeğini de etkiliyor.
“Biyolojik birey nedir?”, “organizmanın sınırları nasıl tanımlanabilir?”, “konak ve ilişkili mikrobiyal topluluklar hangi biyolojik ölçekte incelenmelidir?”, “biyolojik kimlik zaman içinde nasıl sürdürülür?” gibi sorular deneysel biyolojiyle doğrudan temas eden kavramsal problemler.
Bosch ve McFall-Ngai’nin 2011 yılında yayımlanan Metaorganisms as the new frontier makalesi, konak ve ilişkili mikroorganizmaların gelişim, fizyoloji, ekoloji ve evrim bağlamında birlikte ele alınmasına yönelik önemli çalışmalardan biri oldu. [14]
Bu yaklaşım mikrobiyom araştırmalarında konak fizyolojisi, mikrobiyal topluluklar, çevresel koşullar ve zaman içinde değişen ilişkilerin ortak bir araştırma sistemi içinde incelenmesine katkı sağladı.
Thomas Pradeu’nun immünoloji ve biyolojik bireysellik üzerine çalışmaları da organizma sınırları, biyolojik kimlik, bağışıklık ve süreklilik arasındaki ilişkileri kavramsal düzeyde inceliyor. Philosophy of Immunology bu tartışmanın güncel örneklerinden biri. [15]
BIOPHYL101, biyoloji felsefesini DNA Academy öğrenme ekosistemine bu bağlantılar üzerinden taşıyor.
Katılımcılar biyolojik kavramların nasıl tanımlandığını, kullanılan kavramların araştırma sorusunu nasıl etkilediğini, bir açıklamanın hangi biyolojik ölçekte geçerli olduğunu ve elde edilen verinin hangi yorumlara izin verdiğini tartışıyor.
Biyoinformatik analiz böylece veri işleme becerisiyle birlikte kavramsal dikkat, yöntem bilgisi ve bilimsel muhakemeyi de gerektiren bir araştırma pratiğine dönüşüyor.
DNA Academy Öğrenme Ekosistemi
DNA Academy’nin eğitim programı genomik veri üretimi, biyoinformatik analiz, istatistiksel değerlendirme ve biyolojik yorumu birbirine bağlı bir öğrenme mimarisi içinde ele alıyor.
BIF101, ham genomik verinin yapısı, veri formatları ve kalite kontrolünden başlayarak kısa ve uzun okuma verilerinin analitik özelliklerini inceliyor.
PYT101, Python’u biyolojik verinin düzenlenmesi, sorgulanması, dönüştürülmesi, görselleştirilmesi ve tekrarlanabilir analiz iş akışlarının geliştirilmesi için kullanıyor.
BIF201, kısa ve uzun okuma verilerini kalite kontrol, hizalama, kapsama analizi, varyant çağrımı, filtreleme ve anotasyona uzanan genomik analiz hattında ele alıyor.
BIF301, bulk RNA-Seq, ChIP-Seq ve ATAC-Seq üzerinden gen ifadesi, kromatin düzenlenmesi ve fonksiyonel genomik analizlere ilerliyor.
BIF401, scRNA-Seq ve scATAC-Seq verileriyle hücresel heterojenlik, normalizasyon, HVG seçimi, boyut indirgeme, kümeleme, hücre tipi belirleme, pseudotime ve kromatin erişilebilirliği analizlerini kapsıyor.
MICBIF501, Illumina kısa okuma ve Oxford Nanopore tam-boy 16S verilerini karşılaştırmalı biçimde çalışarak taksonomik çözünürlük, topluluk yapısı, alfa ve beta çeşitlilik ile diferansiyel bolluk analizlerine odaklanıyor.
MICBIF601, shotgun metagenomik veriyi konak DNA filtreleme, de novo assembly, MAG rekonstrüksiyonu, taksonomik sınıflandırma, fonksiyonel anotasyon ve AMR analizlerine kadar izliyor.
BIF501, farklı omik katmanlarının entegrasyonunu boyut indirgeme, multimodal entegrasyon, korelasyon, ağ ve yolak analizleriyle sistem biyolojisi bağlamında ele alıyor.
BIF601, multi-omik modelleme, validasyon, genellenebilirlik, Partial Dependence ve SHAP üzerinden biyolojik verilerde açıklanabilir makine öğrenimi çalışmalarına odaklanıyor.
HMB601, konak, mikrobiyom, metabolom, fenotip ve çevresel verileri boylamsal ve kesitsel araştırma tasarımlarında birlikte değerlendirerek holo-omik ve sistem biyolojisi düzeyinde çalışıyor.
Programın farklı noktalarında referans genomlardan pangenom yaklaşımlarına, mikrobiyal genomikten faj biyolojisine, tek hücreli veriden multi-omik entegrasyona kadar güncel literatürdeki yöntemsel dönüşümleri de izliyoruz.
Modüllerin içerikleri farklı araştırma alanlarına uzanıyor. Program boyunca sürdürdüğümüz çalışma biçimi ise açık:
Araştırma sorusunu açık ve sınanabilir biçimde tanımlamak, uygun örnekleme ve veri üretim stratejisini belirlemek, verinin kalitesini değerlendirmek, analitik kararları gerekçelendirmek ve elde edilen sonuçları biyolojik bağlam içinde yorumlamak.
DNA Academy öğrenme ekosistemini bu araştırma pratiğini geliştirmek için tasarlıyoruz ve sürekli güncel literatüre hizalı bir şekilde geliştiriyoruz.
Seçilmiş Literatür
International Human Genome Sequencing Consortium. Initial sequencing and analysis of the human genome. Nature 409, 860–921 (2001). DOI: 10.1038/35057062.
Nurk S, et al. The complete sequence of a human genome. Science 376, 44–53 (2022). DOI: 10.1126/science.abj6987.
Liao W-W, et al. A draft human pangenome reference. Nature 617, 312–324 (2023). DOI: 10.1038/s41586-023-05896-x.
Logsdon GA, Vollger MR, Eichler EE. Long-read human genome sequencing and its applications. Nature Reviews Genetics 21, 597–614 (2020). DOI: 10.1038/s41576-020-0236-x.
Vandereyken K, Sifrim A, Thienpont B, Voet T. Methods and applications for single-cell and spatial multi-omics. Nature Reviews Genetics 24, 494–515 (2023). DOI: 10.1038/s41576-023-00580-2.
Hao Y, et al. Integrated analysis of multimodal single-cell data. Cell 184, 3573–3587.e29 (2021). DOI: 10.1016/j.cell.2021.04.048.
Liu C, Ding S, Kim HJ, et al. Multitask benchmarking of single-cell multimodal omics integration methods. Nature Methods 22, 2449–2460 (2025). DOI: 10.1038/s41592-025-02856-3.
Subramanian I, Verma S, Kumar S, Jere A, Anamika K. Multi-omics Data Integration, Interpretation, and Its Application. Bioinformatics and Biology Insights 14 (2020). DOI: 10.1177/1177932219899051.
Argelaguet R, et al. MOFA+: a statistical framework for comprehensive integration of multi-modal single-cell data. Genome Biology 21, 111 (2020). DOI: 10.1186/s13059-020-02015-1.
Lundberg SM, et al. From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence 2, 56–67 (2020). DOI: 10.1038/s42256-019-0138-9.
Wilkinson MD, et al. The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data 3, 160018 (2016). DOI: 10.1038/sdata.2016.18.
Wilkinson SR, et al. Applying the FAIR Principles to computational workflows. Scientific Data 12, 328 (2025). DOI: 10.1038/s41597-025-04451-9.
Sirugo G, Williams SM, Tishkoff SA. The Missing Diversity in Human Genetic Studies. Cell 177, 26–31 (2019). DOI: 10.1016/j.cell.2019.02.048.
Bosch TCG, McFall-Ngai MJ. Metaorganisms as the new frontier. Zoology 114, 185–190 (2011). DOI: 10.1016/j.zool.2011.04.001.
Pradeu T. Philosophy of Immunology. Cambridge University Press, Elements in the Philosophy of Biology (2020). DOI: 10.1017/9781108616706.
Ashraf H, Doerr D, Ebler J, et al. Building and applying pangenome references to capture genetic diversity. Nature Reviews Genetics (2026). DOI: 10.1038/s41576-026-00987-7.
Schreiber M, Jayakodi M, Stein N, et al. Plant pangenomes for crop improvement, biodiversity and evolution. Nature Reviews Genetics 25, 563–577 (2024). DOI: 10.1038/s41576-024-00691-4.
Skurnik M, Alkalay-Oren S, Boon M, et al. Phage therapy. Nature Reviews Methods Primers 5, 9 (2025). DOI: 10.1038/s43586-024-00377-5.
Pirnay J-P, et al. Personalized bacteriophage therapy outcomes for 100 consecutive cases: a multicentre, multinational, retrospective observational study. Nature Microbiology 9, 1434–1453 (2024). DOI: 10.1038/s41564-024-01705-x.
Sinclair HA, Lin RCY, Ben Zakour NL, Bollyky PL, et al. Phage therapy: from basic biology to clinical application. Nature Reviews Microbiology (2026). DOI: 10.1038/s41579-026-01352-5.
Leprince A, Somerville V, Addablah AA, et al. Phage host range: determinants, dynamics and applications. Nature Reviews Microbiology 24, 518–538 (2026). DOI: 10.1038/s41579-026-01306-x.