Açı/Görüş
“Gestalt: something that is made of many parts and yet is somehow more than or different from the combination of its parts”(0)- bir şey pek çok parçadan oluşsa da bütünün kendisi, bu parçaların birleşiminden fazlasını ifade eder.
https://www.merriam-webster.com/dictionary/gestalt
“Genomics, trancriptomics, proteomics, metabolomics…”, fakat nedir bu “-omics”?
Aslında bir alana dair bütünlüğü ifade eden bir kelime olarak kullanılan “omik(-omics)”in biyoloji literatüründe ilk kullanımları bir nevi “zarf atma (fishing expeditions)”(1) olarak adlandırılmıştır. Bir sonuca varmak için birbiriyle bağlantılı bir sürü olasılığın üzerinden yola çıktığınızı düşünürseniz, haklılık payı vardır.
Verilerle Doğan Yeni İhtiyaçlar
Maslow’un eğer bir biyolojik bilimler ihtiyaç piramidi olsaydı, en altta, merakla beraber bir kuşku ve soru gelirdi zannediyorum. Sonra hipotez, sonra veri, arada bir yerde teknik ve kapasite. Verilerle biriktikçe gelen ve geri dönütünü Mandelbrot seti gibi çoğalarak yapan ve kapsama alanı dışına çıkmayı hedefleyen ve aynı zamanda o alanı genişleten yepyeni cevaplar ve sorular piramitleri onu takip edebilirdi.
Çoklu tekniklerin gelişimi ile beraber, ve tabiki ona uygun istatistiksel methodlar, -omik temelli alanlara da bakış açısı değişmeye başlamıştır. Bir genin fonksiyonunu anlamak için sadece seçilen gen bağlamında kalan yöntemlerle, bütünü görmek o kadar kolay olmayabilirdi. Kaldı ki bazen bütünün kendisi, onu oluşturan parçaların birleşiminden büyük olabilirdi ki “kişiselleştirilmiş tıp (precision medicine)”ın doğumu da işte Gestalt-vari bu bakış açısını yansıtmaktadır demek yanlış olmaz sanırım.
Bir örnekle, İnsan Genom Projesi (Human Genome Project) tamamlanmaya yakın, fonksiyonel/işlevsel genomik (functional genomics) de ayrıca önem kazanmaya başlamıştır (2). İşlevsel genomik için temel felsefe olarak,bir genin/proteinin işlevini anlamak için, bütün genleri/proteinleri sistematik bir bakış açısı ile almak denilebilir.
Ve array(3) ile başlayıp sekanslama(4) teknikleri ile devam eden süreçte, bilgi birikimi de arttı ki burada eşlik eden bilgisayarların işlem gücü, kapasitesi, vs.den bunu bağımsız düşünmek imkansız. Öte yandan, bu koca bilgi yığını, bazı cevaplar verse de yepyeni soruları da beraberinde getirdi. Yeni cevaplar, yeni sorular, yeni teknikler, yeni cevaplar, yeni sorular… ve yeni alt alanlar… ve yeni sorular, yeni cevaplar…
Toplu mu Tek Tek mi?
Peki, ortalamaya dayanan bu teknikler ne kadar gerçeği yansıtıyordu? Yoksa, toplu sekanslama (bulk sequencing) yaklaşımları, bazı gerçekleri kaçırmaya mı neden oluyordu? “Ortalama hücre” sadece bir mit miydi (5)?
Bir toplumda her ne kadar aynı bölgede yaşayan her birey nasıl aynı olmayacaksa, aynı bölgeden alınan küme küme hücrenin ortalamasına dayalı yöntemlerde de bireysel farklılıkları yakalamak mümkün olmayacaktır. Bu da beraberinde tek hücre methodlarını (mesela tek hücre sekanslama,(6)) beraberinde getirmiştir.
Bir örnekle, gelişime genetiğine dair bazı ipuçlarını ve değişimleri tek hücre düzeyinde yakalamak, bağlı hastalıkları ya da yaşlanmaya ve buna çözüme dair yepyeni ipuçları saklayabilir. Veyahut eğer kansere sebep olan koskoca hücre topluluğu içinde belli bir alt küme ise, sadece bu kümeyi hedef alacak bir çözüm, belki daha isabetli bir yaklaşım olacaktır.Ya da sağlam kalmayı başaran ve etkilenmeyen diğer alt gruplar, yeni bir yaklaşım sunacaktır.
Öte yandan, bu kadar bilgiyi, teknoloji ile hesaplamalı biyoloji ve biyoenformatiğin gelişimine borçluyuz. Fakat algoritmaların “ön yargıları”ndan da hala uzak değiliz. Bu karmaşadan yeni aydınlıkları, yeni mitler (mesela gerçekten tek hücre bir çözüm mü sunuyor yoksa yeni bir mit mi?) ve yeni arayışları yaratmak için geniş ufuklar, ve farklı bakış açılarına ihtiyaç bulunmaktadır.
Referanslar:
0- Definition of GESTALT. (n.d.). Retrieved October 2, 2020, from https://www.merriam-webster.com/dictionary/gestalt
1- Weinstein, J. N. (1998). Fishing Expeditions. Science, 282(5389), 627–627. https://doi.org/10.1126/science.282.5389.627g
2- Hieter, P., & Boguski, M. (1997). Functional Genomics: It’s All How You Read It. Science, 278(5338), 601–602. https://doi.org/10.1126/science.278.5338.601
3- Lockhart, D. J., & Winzeler, E. A. (2000). Genomics, gene expression and DNA arrays. Nature, 405(6788), 827–836. https://doi.org/10.1038/35015701
4- Wang, Z., Gerstein, M., & Snyder, M. (2009). RNA-Seq: A revolutionary tool for transcriptomics. Nature Reviews. Genetics, 10(1), 57–63. https://doi.org/10.1038/nrg2484
5- Levsky, J. M., & Singer, R. H. (2003). Gene expression and the myth of the average cell. Trends in Cell Biology, 13(1), 4–6. https://doi.org/10.1016/S0962-8924(02)00002-8
6- Tang F, Barbacioru C, Wang Y, Nordman E, Lee C, Xu N, et al. (May 2009). “mRNA-Seq whole-transcriptome analysis of a single cell”. Nature Methods. 6 (5): 377–82. doi:10.1038/NMETH.1315.