Gen ağı çıkarım algoritmaları için en uygun ilişki kestirimcilerinin belirlenmesi

Gen Ağı Çıkarımı (GAÇ) yöntemleri, biyoenformatik alanında önemli bir yere sahiptir. Hücrelerdeki moleküllerin birbirleri ile olan ilişkilerini incelememize olanak sağlayan GAÇ uygulamalarının kullanım alanları oldukça yaygındır. Örneğin; gen ikilileri veya protein gibi gen ürünü ikilileri arasındaki genom-genişliğindeki ilişkileri tespit etmek, ilaç üretiminde ana bileşeni seçmek, düzenleyen (regulator) ve düzenlenen genlerin etkileşimlerini gözlemlemek, vb çalışmalarda kullanılırlar. GAÇ ya da gen ağı ters mühendisliği, gen ifade değerlerinden yola çıkılarak genlerin ilişkilerini tahmin etmek olarak düşünülebilir. Gen ifade değerlerini içeren biyolojik veri kümelerinin çok-boyutlu olması ve deneysel süreçlerden veya hesaplama işlemlerinden kaynaklanan gürültüler içermesi gibi sebeplerden Gen Ağı Çıkarımı (GAÇ) işlemi oldukça güçleşir. GAÇ algortimalarının en önemli aşaması, veri kümesindeki değişkenler arasındaki ilişki skorlarının kestirimidir. Bu aşama doğru bir şekilde gerçekleştirilemez ise, hangi GAÇ algoritması kullanılırsa kullanılsın, Gen Ağı Çıkarımı sonucu hatalı olur. Dolayısıyla, korelasyon ya da ilişki kestirimi aşaması, GAÇ algoritmalarının en önemli adımıdır. Ancak hâlihazırda mevcut GAÇ algoritmaları ile kullanılmasının uygun olacağı düşünülen, ortak kabul görmüş tek bir kestirimci yoktur. Bu çalışmada GAÇ algoritmalarında kullanılması olası olan birçok farklı kestirimci incelenmiştir. Ayrıca kestirimciler çeşitli açılardan sınıflandırılarak bu alanda çalışan araştırmacıların bilgisine sunulmuştur. Kestirimcilerin arasından, farklı GAÇ algoritmalarında kullanılmasının en uygun olacağı ve en iyi performansı vereceği düşünülen yöntemler belirlenmiştir. Yüksek performans sergileyeceği düşünülen kestirimciler, çeşitli GAÇ algoritmaları kullanılarak karşılaştırılmış ve değerlendirme sonuçları verilmiştir. Bunlara ilaveten bu çalışmada, ilişki kestirimcileri arasında belli parametrelere bağımlı olan yöntemlerin parametre seçimi incelenmiş, çeşitli öneriler sunulmuştur. Bu bağlamda literatürde bulunan ilişki-tabanlı, entropi-tabanlı ve doğrudan karşılıklı bilgi tabanlı 27 farklı kestirimci incelenmiş, aralarından en iyi performansı vereceği düşünülen 12 tanesi ve türevleri uygulanmak üzere seçilmiştir. Kestirimciler karşılaştırılırken daha sağlıklı değerlendirme yapabilmek amacıyla bir değil, üç farklı GAÇ algoritması kullanılmıştır. Bu algoritmalar Accurate Cellular Networks (ARACNE), Relevance Networks (RelNet) ve Conservative Causal Core Network (C3NET)'tir. Ayrıca, çalışmanın sonucunda kestirimcilerin gerçeklenmesini içeren bir R yazılım paketi hazırlanmıştır. Sonuç olarak bu çalışmanın, GAÇ algoritmaları ile çalışan araştırmacılar için kestirimcilerin hangi sınıfa dahil olduğunu ve hangi kestirimcinin hangi parametreler ile kullanılması gerektiğini söyleyen rehber niteliğinde bir çalışma olması hedeflenmiştir.