17/07/2026
Sabancı Üniversitesi, Oregon Health & Science University (OHSU) Knight Cancer Institute Öğretim Üyesi Dr. Gürkan Yardımcı'yı ağırladı. Tek hücre genomiği alanındaki güncel gelişmelerin ele alındığı seminerde, Dr. Gürkan Yardımcı, tek hücreli genomik verilerin yapay zekâ ve hesaplamalı yöntemlerle analizine yönelik geliştirdiği yaklaşımları paylaştı. Yoğun ilgi gören seminerin açılış konuşmasını Sabancı Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Öğretim Üyesi Dr. Nur Mustafaoğlu yaptı.
Sunumunda son yıllarda tek hücre genomiği alanında yaşanan gelişmelere değinen Dr. Gürkan Yardımcı, RNA dizileme (RNA-seq) ve kromatin erişilebilirliğini inceleyen ATAC-seq teknolojilerindeki gelişmeler sayesinde karmaşık hücre topluluklarının çok daha ayrıntılı biçimde incelenebildiğini anlattı. Geleneksel yöntemlerin çok sayıda hücrenin ortalama özelliklerini ortaya koyduğunu belirten Dr. Yardımcı, tek hücre düzeyinde gerçekleştirilen analizlerin ise hücreler arasındaki farklılıkları ve heterojen yapıyı görünür hâle getirdiğini ifade etti.
Tek Hücre Verilerinin Analizine Yönelik Yeni Yaklaşımlar
Dr. Gürkan Yardımcı, laboratuvarlarında geliştirilen Epiconfig algoritmasının, kromatin erişilebilirliği ile gen ekspresyonu verilerini birlikte değerlendirerek hücre popülasyonlarını yorumlanabilir ve denetimsiz bir yaklaşımla modellediğini aktardı. Bu yöntemin, hangi genlerin ve düzenleyici bölgelerin belirli hücre gruplarında birlikte aktif olduğunu ortaya koymayı ve farklı veri türleri arasındaki ilişkileri öğrenmeyi amaçladığını belirtti.
Tek hücre verilerinin oldukça büyük, seyrek ve gürültülü veri kümeleri oluşturduğunu ifade eden Dr. Gürkan Yardımcı, bu nedenle boyut indirgeme ve ortak yapı öğrenme yöntemlerinin kritik önem taşıdığını söyledi.
Kanser Araştırmalarına Yönelik Hesaplamalı Yöntemler
Dr. Gürkan Yardımcı, seminer kapsamında laboratuvarlarında geliştirilen RIDDLER algoritmasını da tanıttı. Tek hücre verilerinden kopya sayısı varyasyonlarını (CNV) belirlemek üzere geliştirilen algoritmanın, genomun belirli bölgelerinde meydana gelen kazanç ve kayıpları tespit ederek özellikle kanser genomlarının incelenmesine katkı sunduğunu ifade etti.
Algoritmanın pankreas kanseri, meme kanseri ve glioblastom gibi farklı kanser türlerine ait veri kümelerinde uygulandığını aktaran Dr. Yardımcı, bu sayede kanserlerin klonal evriminin daha ayrıntılı biçimde incelenebildiğini ifade etti.
Seminer, sunumun ardından katılımcıların Dr. Gürkan Yardımcı'ya yönelttiği soruların yanıtlandığı soru-cevap bölümüyle sona erdi.
Dr. Gürkan Yardımcı Hakkında
Oregon Health & Science University (OHSU) Knight Cancer Institute Öğretim Üyesi Dr. Gürkan Yardımcı, kanserli ve sağlıklı hücrelerde kromatin organizasyonunu anlamaya yönelik makine öğrenmesi ve istatistiksel yöntemler geliştirmektedir. Çalışmalarında popülasyon ve tek hücre genomiği verileri ile yüksek çözünürlüklü mikroskopi görüntülerinden yararlanarak transkripsiyonel düzenleme ve kromatin organizasyonunu incelemektedir. Bilgisayar bilimleri alanındaki eğitimini Duke University Computational Biology Programı'nda doktora derecesiyle tamamlayan Dr. Gürkan Yardımcı, doktora sonrası çalışmalarını University of Washington Genome Sciences Department'ta yürütmüştür. Araştırmaları kapsamında NIH ENCODE Consortium ve 4D Nucleome Project bünyesinde görev almış, genomik verilerin analizi ve modellenmesine yönelik çok sayıda bilimsel çalışmaya katkı sağlamıştır.
