Yeni Algoritma Kanser Tanısında Devrim Yaratıyor

Ankara Üniversitesi ile ABD'deki Case Western Reserve Üniversitesi işbirliğinde geliştirilen ve 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 Kurulundan (YÖK) yapılan açıklamaya göre, Ankara Üniversitesi Tıp Fakültesi, Ankara Üniversitesi Mühendislik Fakültesi ile Case Western Reserve Üniversitesinin bilgisayar mühendisliği ve protein bilimi alanlarında çalışan araştırmacılarının işbirliğiyle 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 ile 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.

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.

Çalışmada, Ankara Üniversitesi Tıp Fakültesi Tıbbi Onkoloji Bilim Dalından Dr. Öğretim 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 Prof. Dr. Mehmet Koyutürk, Prof. Dr. Mark Chance ve Dr. Filipa Lopes yer aldı.

RECOMB 2026 toplantısında sunuldu

Açıklamada görüşlerine yer verilen 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, 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.

Protein ölçümleri sırasında ortaya çıkan bozulmalar nedeniyle verinin doğrudan anlaşılmasının güçleştiğini dile getiren Coşkun, bu nedenle çizge temelli sinir ağlarının daha gelişmiş biçimlerinden yararlanarak, hücrelerin sınıflandırılması ve öbeklenmesi için yeni bir yaklaşım geliştirdiklerini aktardı.

Coşkun, scProfiterole algoritmasının, dünyanın önde gelen hesaplamalı biyoloji konferanslarından biri olarak görülen Research in Computational Molecular Biology (RECOMB) 2026 yılı toplantısında sunulduğu anlattı.

Projenin, Yunanistan'da gerçekleştirilen toplantıda Massachusetts Teknoloji Enstitüsü, Harvard Üniversitesi, Yale Üniversitesi ve Stanford Üniversitesinden araştırmalarla birlikte yer aldığını belirten Coşkun, aynı zamanda Türkiye'den kabul edilen tek çalışma olduğunu kaydetti.

Tümör biyolojisinin daha iyi anlaşılmasına imkan sağlayacak

Ankara Üniversitesi Tıp Fakültesi Tıbbi Onkoloji Bilim Dalı Dr. Öğretim Üyesi Pınar Kubilay Tolunay da 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, 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.

Yapay zeka destekli bu tür yöntemlerle hücre davranışının, tümör biyolojisinin ve tümör çevresindeki inflamatuar hücrelerin daha hızlı ve daha net anlaşılabildiğini belirten Tolunay, 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.

Dr. Pınar Kubilay Tolunay, yapay zeka destekli çalışmaların artmasının onkoloji alanında bireyselleştirilmiş tedavilerin daha hızlı gündeme gelmesine katkı sağlayabileceğini kaydetti.