Bayesçi gizli sınıf analizi ve makine öğrenimi yöntemleri ile CRISPR Cas9 gen düzenlemesinde hedef dışı skorların tahmini

Abstract

Son zamanlarda CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats- Düzenli Aralıklarla Bölünmüş Palindromik Tekrar Kümeleri), biyoloji alanında en popüler uygulamalardan biridir. CRISPR viral hastalıklara ve enfeksiyonlara karşı bağışıklılık sistemini güçlendiren bir sistem olarak bilinir. Bu sistemde, hedef dizisi (DNA), DNA ve rehber RNA (gRNA) arasındaki eşleşmeyle belirlenir ve hedefteki ve hedef dışındaki konumlar tespit edilir. Hedef dışı bazların (nükleotidler) değiştirilmesiyle viral hastalıkların ve enfeksiyonların yayılması önlenir. Hedefte ve hedef dışı sonuçlar genellikle CFD/MIT skorlar ile yalnızca iki kategoriye göre değerlendirilir. Ancak bu çalışma, hedef dışı durumların alt sınıflarını belirlemeye ve hedef DNA üzerindeki bozunumlara yol açan pozisyonların ortaya çıkarmaya odaklanmaktadır. Çalışmada gizli sınıf analizi ve Bayesçi gizli sınıf analizleri kullanılarak, hedef dışı seviyelerin belirlenmesi amaçlanmaktadır. Çalışmanın ilk amacı, gen bozulmalarını daha doğru tahmin edebilmek için hedef dışı pozisyonlardaki alt sınıfları belirlemek amacıyla Gizli Sınıf Analizi'ni (LCA) kullanmaktır. LCA, nominal ve ordinal değişkenlerle ölçülen kategorik değişkenler arasındaki ilişkiyi analiz eden bir yöntemdir. LCA'da maksimum olabilirlik (ML) tahmin yöntemi, Beklenti Maksimizasyon (E-M) algoritmasını kullanarak en iyi çözümü sağlar. ikinci amaç ise ML yöntemine alternatif olarak, Markov Chain Monte Carlo (MCMC) yöntemiyle Bayesçi gizli sınıf modellerinde bilinmeyen parametrelerin tahmin edilmesidir. Böylece daha iyi sonuçlara ulaşılması hedeflenmiştir. Son olarak, LCA ile belirlenen hedef dışı seviyelere etki eden konumları tahmin etmek amacıyla makine öğrenimi algoritmalarının kullanılmasıdır. Analizde iki farklı CRISPR veriseti uygulanmıştır. Bu verisetleri, CRISPR'a ilişkin veri araçları üzerinden elde edilmiş olup, hedef diziler ve gRNA'ların eşleşme pozisyonlarını içeren 5132 ve 947'lik iki örneklem boyutlarına sahiptir. DNA ve gRNA eşleşmesinde, aynı pozisyondaki iki bazın kombinasyonu bir değişken olarak kabul edilmiştir ve bu nedenle ikili (0/1) ve çoklu (4x4=16) kodlama yöntemleri kullanılarak veri setleri oluşturulmuştur. Daha sonra, her bir kodlama sistemi için gizli sınıfı analizi yapılmıştır. LCA tarafından belirlenen sınıf sayılarıyla, Bayesçi gizli sınıf analizi gerçekleştirilmiştir. İkili ve çoklu kategori veri setleri üzerinde yapılan analizlerde, Lo-Mendel-Rubin (LMR) test sonuçları her bir gizli sınıf için istatistiksel olarak anlamlı bulunmuştur (p<0.001). Bayes Bilgi Kriteri ve Tutarlı Akaike Bilgi Kriterlerine göre, gizli modeller ikili veri kümeleri için dört ve beş sınıfa, çoklu kategori veri kümeleri için üç sınıfta uyum sağlamıştır. Entropi değerleri 0.60'ın üzerinde olduğu için bu gizli sınıf modelleri belirgin ve güvenilir bir şekilde sınıflandırılmıştır. Sınıf sayıları belirlendikten sonra, ikili ve çoklu kategori veri setleri ile Bayesçi yaklaşımı ile gizli sınıf modelleri tahmin edilmiştir. Hedef dışı seviyelerin ve bunlara yol açan uyumsuzluk yaratan genom pozisyonlarının belirlenmesi amacıyla makine öğrenmesi modelleri geliştirilmiştir. Ancak, DNA dizisindeki baz değişikliklerinin çok fazla yapılması, bağışıklık sisteminin zayıflamasına veya yeni hastalıkların ortaya çıkmasına neden olabilir. Bu çalışma, hedef dizi ile gRNA arasındaki uyumsuzlukların etkisini sistematik olarak inceleyerek her pozisyondaki baz değişikliklerini en aza indirmeye yönelik bir yaklaşım sunmaktadır. Çalışma, gelecekteki terapötik uygulamalar için genetik manüpulasyonun sorumlu kullanımını ve CRISPR tabanlı tedavilerin güvenliğinin sağlanmasına yönelik önemli bir araştırmayı içermektedir. Tez çalışması toplam sekiz bölümden oluşmaktadır. Tezin ikinci bölümünde CRISPR-Cas9 teknolojisi ve temel kavramlar tanıtılmıştır. Üçüncü bölümde gizli sınıf analizi, dördüncü bölümde ise Bayesçi gizli sınıf analizi ele alınmıştır. Beşinci bölümde, makine öğrenmesi konularına hem teorik hem de uygulamalı olarak yer verilmiştir. Altıncı bölümde ise uygulamada kullanılan veriler ve yöntemler hakkında detaylı bilgi sunulmuştur. Uygulama kısmında, elde edilen veriler doğrultusunda yapılan analizler ve kestirilmiş modeller değişken önemliliği prosedürleri dikkate alınarak açıklanmıştır. Sonuç ve tartışma bölümünde, elde edilen modeller yorumlanmış, literatürdeki bulgularla karşılaştırmalar yapılmış ve son olarak gelecekteki çalışmalar için önerilerde bulunulmuştur.