Biyoenformatik DNA Mikrodizi Veri Madenciliği

DNA mikrodizi teknolojisi, genlerin bilinen ve bilinmeyen fonksiyonlarinin tespit edilmesinde kullanilan çok yönlü bir teknoloji olarak karsimiza çikmaktadir. Mikrodiziler, binlerce farkli DNA parçalarinin sentez edildigi ya da yerlestirildigi binlerce noktayi içeren çipler olarak da degerlendirilebilir. Mikrodizi, genellikle saglikli ve hastalikli dokulardaki gen farkliliklarini ortaya çikarmak üzere tüm genlerin eszamanli ifadelerini belirlemek için kullanilmaktadir. Çok sayida veriden olusan bu gen ifadelerinin analiz edilmesi ve bu analizlere dayali olarak yorumlanmasi önemli bir konu olarak karsimiza çikmaktadir. Bu kitap mikrodizi verisi üzerinde temel veri madenciligi analiz yöntemlerini uygulayarak, siniflandirma ve kümeleme islemlerinin nasil yapilacagi ve birliktelik kurallarinin nasil elde edilebilecegi konusunu ortaya koymak amaciyla hazirlanmistir. Mikrodizi analiz yöntemlerinin uygulanmasinda R programlama dili yaygin biçimde kullanilmaktadir. Bu konuda arastirmacilarin hazirladigi çok sayida mikrodizi R paketi bulunmaktadir. Kitabimizda ele alinan veri madenciligi yöntemleri uygulamalarinda R paketlerinden yararlanilmistir. R diline aliskin olmayan okuyucular için kitabin birinci bölümü hazirlanmistir. Bu bölümdeki bilgiler ele alinan uygulamalarin anlasilmasi açisindan yeterli düzeydedir. Kitabin ikinci bölümünde biyoloji konusunda egitim almayan okuyucular için bazi temel bilgilere yer verilmistir. Hücre bilgisi, DNA, RNA, protein ve kromozomlara iliskin bilgilerin yanisira bu kitapta yogun biçimde kullanilan gen ifadesi kavramina açiklik kazandirilmaktadir. Bu bölümde mikrodizi teknolojilerinin neler oldugu hususuna deginilmektedir. Üçüncü bölümde, mikrodizi veri yapilari üzerinde durularak yaygin biçimde kullanilan Affymetrix, Agilent ve Illumina platformlarinda üretilen mikrodizi dosyalarin, R ortamina nasil yüklenebilecegi ve kullanilabilecegi konusu islenmektedir. Mikrodizi verilerinin analize tabi tutulabilmesi için bazi ön islemlerden geçirilmesi gerekmektedir. Veri üzerindeki bozulmalarin düzeltilmesi için arka plan düzeltme islemleri yapilir. Bu islemin ardindan verinin normalize edilmesi söz konusudur. Affymetrix veri kümelerinde PM düzeltme asamasi gerçeklestirilir. Son olarak veri özetlenerek veri analizlerinde kullanilabilecek gen ifadeleri elde edilmektedir. Sözü edilen bu asamalar dördüncü bölümde ayrintili biçimde incelenmektedir. Besinci bölümden itibaren veri madenciligi yöntemleri ele alinmaktadir. Veri madenciligi sürecinde verinin analizi için uygun hale getirilmesi gerekmektedir. Bu amaçla ön isleme yöntemleri uygulanir. Besinci bölümde veri madenciligi ön isleme yöntemleri arasinda yer alan ayriklastirma konusu ayrintili biçimde incelenmektedir. Bunun disinda nitelik seçme konusu gen seçimi kavrami içinde ele alinarak analiz edilmektedir. Kitap içinde yer alan yöntemleri ortaya koymak amaciyla iki tür uygulama yapilmaktadir. Birinci tür uygulamalarda ele alinan bir algoritmayi açiklamaya yönelik az sayida veriden olusan bir veri kümesi ele alinmistir. Sözü edilen veri kümeleri tarafimizdan olusturulmus, gerçek olmayan bir tür sanal veri kümeleridir. Ikinci tür veri kümeleri ise R ortaminda yaygin biçimde kullanilan gerçek veri kümeleridir. Bu veri kümeleri besinci bölümde tanitilmaktadir. Veri kümelerini Bioconductor ortamindan seçmeye özen gösterdik. Altinci bölümde veri madenciliginin siniflandirma ile ilgili konusu ele alinarak çesitli siniflandirma algoritmalarina yer verilmistir. Siniflandirma agaçlarinin olusturulmasi, veri madenciliginde önemli bir konu olarak karsimiza çikmaktadir. Entropi tabanli siniflandirma agaçlari arasinda yer alan C4.5 algoritmasi bu bölümde yer almaktadir. Bu yöntemin disinda siniflandirma agaçlari kapsaminda Gini algoritmasi, Regresyon agaçlari ve Rastgele Orman algoritmasina da yer verilmistir. Sözü edilen yöntemler disinda En yakin k-komsu algoritmasi, Bayes siniflandiricilar ve Destek Vektör Makineleri ile siniflandirma ayrintili biçimde incelenmist