Yayınlanma tarihi: | Son güncelleme tarihi:
Tek bir tam genom dizileme işlemi, on üç yıllık çalışma boyunca derlenen tüm İnsan Genom Projesi'nden daha fazla ham dizi verisi üretiyor ve bu hacim, büyük ölçekli genomik verilerin, makale hazırlayan tıp araştırma ekipleri için gerçek bir darboğaz haline gelmesinin tam nedenidir. 1000 Genom Projesi, 26 popülasyondan 2,504 bireyin genomunu yeniden yapılandırdı ve yine de yalnızca yaygın varyasyonun referans bir setini, toplamda yaklaşık 88 milyon varyantı, 84.7 milyon tek nükleotid polimorfizmi, 3.6 milyon kısa ekleme ve silme ve 60,000 yapısal varyantı katalogladı (Auton vd., 2015). Bu ölçeği bir milyon katılımcılı modern bir biyobankada çarptığınızda, bir araştırma ekibinin makaleyi göndermeden önce aldığı depolama, kalite kontrol ve veri paylaşımı kararları, hakemlerin sonuçlara güvenip güvenmeyeceğini şekillendirmeye başlar.
Genomik tıp, küçük aday gen çalışmalarından popülasyon ölçekli dizilemeye doğru bir geçiş yaşadı; bu geçişi Francis Collins ve Harold Varmus, 2015 yılında genomik, çevresel ve yaşam tarzı verilerinin büyük ölçekte birbirine bağlanmasına dayalı ulusal bir Hassas Tıp Girişimi önerisinde (Collins & Varmus, 2015) çerçevelediler. Ham dizileme çıktısından gönderime hazır bir veri setine kadar bu bağlantıyı doğru bir şekilde kurmak, artık çoğu laboratuvar eğitimi almış yazarın lisansüstü eğitimde hiç öğrenmediği dosya formatları, depolama mimarisi, kalite kontrolü, kimliksizleştirme ve depo politikası hakkındaki kararlara bağlıdır. Aşağıda, bir genomik veri setinin oluşturulmasından yayınlanmasına kadar kullanılabilir, denetlenebilir ve fon sağlayıcı politikasına uygun kalmasını sağlayan uygulamaların pratik bir açıklaması yer almaktadır.
Basit Sözlerle
Büyük ölçekli genomik veri, bir çalışmanın bir kişinin DNA'sını büyük ölçekte okuduğunda üretilen dizi ve varyant dosyaları anlamına gelir; bu, her baz çifti, kalite puanı ve tespit edilen varyant sayıldığında katılımcı başına milyarlarca bireysel veri noktası anlamına gelir. Bunu iyi yönetmek, dosyaları standart formatlarda tutmak, güvenli ve aranabilir bir yerde saklamak, herhangi birinin bunlardan bir sonuca varmadan önce hatalar açısından kontrol etmek ve bir gözden geçiren, bir veri deposu veya gelecekteki bir araştırmacının bir çalışmanın ürettiği verileri gerçekten yeniden kullanabilmesi için doğru güvenlik önlemleriyle paylaşmak anlamına gelir.
Önemli Noktalar
- 1000 Genom Projesi, 26 popülasyondan 2,504 bireyin gen dizilimini belirleyerek, insan genetik çeşitliliği için referans olarak yaklaşık 88 milyon varyantı kataloglamıştır (Auton ve ark., 2015).
- All of Us Araştırma Programı'nın ilk büyük genomik yayını, 245,388 klinik düzeyde genom dizisini kapsadı ve 1 milyardan fazla genetik varyantı tanımladı; bunların 275 milyondan fazlası daha önce bildirilmemişti (Bick ve ark., 2024).
- Ham okumalar için FASTQ, hizalamalar için BAM veya CRAM ve varyant çağrıları için VCF gibi standartlaştırılmış dosya formatları, sıralama verilerinin farklı süreçlerde ve kurumlarda kullanılabilir olmasını sağlar.
- Genomik veriler tamamen anonimleştirilemez, yalnızca kimliksizleştirilebilir ve erişim kontrolü altına alınabilir, çünkü dizinin kendisi doğası gereği kimlik belirleyicidir ve asla onay vermemiş akrabaları suçlayabilir.
- NIH'in Genomik Veri Paylaşım Politikası, finanse ettiği büyük ölçekli insan genomik çalışmalarının dbGaP'ye kaydolmasını ve verinin kendisiyle birlikte bir veri kullanım sertifikası sunmasını gerektirmektedir.
Günümüzde Tıp Araştırmalarında Büyük Ölçekli Genomik Veri Olarak Ne Kabul Ediliyor?

Tıp araştırmacılarının bir makaleyle birlikte sunduğu genomik verilerin büyük çoğunluğunu üç sıralama yöntemi üretmektedir. Tüm genom sıralaması, esasen 3.2 milyar baz çiftinden oluşan insan genomunun tamamını okur ve tipik olarak referans genoma göre birey başına üç ila beş milyon varyant üretir. Tüm ekzom sıralaması, okumayı genomun yaklaşık yüzde bir ila ikilik protein kodlayan kısmıyla sınırlandırarak maliyeti ve dosya boyutunu düşürürken, yine de örnek başına 20,000 ila 30,000 varyant üretir. RNA sıralaması, doğrudan DNA dizisini değil, gen ifadesini ölçer ve genellikle örnek kütüphanesi başına on milyonlarca kısa okuma üretir.
Nüfus ölçeğindeki programlar, "büyük" kelimesinin pratikte ne anlama geldiğini göstermektedir. All of Us Araştırma Programı, ilk büyük genomik veri yayınında 245,388 katılımcı için klinik düzeyde genom dizileri yayınladı; katılımcıların %77'si tarihsel olarak biyomedikal araştırmalarda az temsil edilen topluluklardan ve %46'sı az temsil edilen ırksal ve etnik azınlıklardan geliyordu. Bu kohortta program, daha önce hiç rapor edilmemiş 275 milyondan fazla ve kodlama sonuçları olan 3.9 milyon dahil olmak üzere 1 milyardan fazla genetik varyant belirledi (Bick vd., 2024). Bu ölçekteki bir veri seti, on yıl önce tek bir laboratuvarın aday gen çalışması gibi yönetilemez ve genomik ile ilgili dergilerdeki hakemler, yazarlardan sonuçlar bölümünde sadece bulgularını değil, yöntemler bölümünde de süreçlerini açıklamalarını giderek daha fazla beklemektedir. Bu büyüklükteki kohortlar üzerinde genom çapında ilişkilendirme çalışmaları yürüten araştırmacılar ve bu sürecin istatistiksel yönünü öğrenmek isteyen okuyucular, genomikteki istatistiksel yöntemlere ilişkin kılavuzumuzda (GWAS'tan gen ekspresyon analizine kadar) daha kapsamlı bir bilgi bulabilirler.
Büyük Ölçekli Dizileme Verilerini Standartlaştıran Dosya Biçimleri
Bir sekanslayıcıdan elde edilen ham çıktı, belirli bir dizi ortak dosya formatına uymadığı sürece, onu üreten laboratuvar dışındaki hiç kimse için neredeyse işe yaramazdır. FASTQ, sekanslayıcıdan doğrudan gelen ham baz çağrılarını ve baz başına kalite puanlarını depolar. Hizalama araçları, bu okumaları bir referans genoma karşı eşleştirir ve sonucu SAM formatına veya sıkıştırılmış ikili eşdeğeri olan BAM'e yazar. CRAM, aynı hizalama verilerini, her bazı iki kez depolamak yerine genom dizisinin kendisini referans alarak daha da sıkıştırır ve doğru şekilde yapılandırıldığında, klinik olarak ilgili bilgileri kaybetmeden, tipik tüm genom verileri için BAM'e göre depolama maliyetlerini yaklaşık %30 ila %60 oranında azaltır. Varyant Çağrı Formatı (VCF) ise, bir örneğin referans genomdan farklı olduğu belirli pozisyonları, genotip çağrılarını ve kalite ölçütlerini kaydeder ve orijinal 1000 Genom Projesi sürümünden (Auton vd., 2015) bu yana kamuya açık varyant kataloglarının temelini oluşturan ortak format olmuştur.
Bu formatları tutarlı bir şekilde benimsemek, en hızlı hizalama aracını kovalamaktan daha önemlidir. Referans genom yapısını, kullanılan varyant çağırıcısını ve sürümünü ve uygulanan kalite filtrelerini belirtmeden varyantları bildiren bir makale, inceleyicilere ve sonraki kullanıcılara sonucu yeniden üretme veya diğer veri kümeleriyle birleştirme olanağı sağlamaz. Ekibimiz, genomik veri analizi için gelişmiş biyoistatistiksel yöntemlerde bu eksikliği yeterince sık görüyor ; bu nedenle, makale hazırlığı sırasında sonradan akla gelen bir şey olmaktan ziyade, kontrol listesi maddesi olarak ele alınması gereken bir konu olarak değerlendiriyoruz.
Büyük Ölçekli Genomik Verilerin Depolanması ve İşlenmesi için En İyi Uygulamalar
Büyük bir sekanslama kohortu için yerel depolama, bir proje birkaç genomu aştığında hızla pratik olmaktan çıkar; çünkü FASTQ formatındaki tek bir 30x kapsama oranına sahip tüm genom, sıkıştırılmamış halde 90 ila 120 gigabayt yer kaplar. Bulut ve paylaşımlı yüksek performanslı bilgi işlem platformları varsayılan çözüm haline gelmiştir. UK Biobank Araştırma Analiz Platformu, AnVIL, Terra ve DNAnexus gibi analize hazır platformlar, verileri yerinde tutar ve her iş birliği yapan sitenin tam bir kopyayı indirmesini gerektirmek yerine, veriye işlem gücü sağlar; bu da ham kontrollü erişim dosyaları hiçbir zaman yönetilen bir ortamdan ayrılmadığı için uyumluluğu basitleştirir.
Dağıtılmış hesaplama çerçeveleri, aynı mantığı analiz adımının kendisine de genişletir. Apache Spark üzerine kurulu Sparkhit, okuma hizalaması ve k-mer sayımı gibi genomik veri işleme görevlerini bir hesaplama kümesi üzerinde dağıtır ve gerçek sıralama veri kümelerinde yerleşik tek düğümlü araçlarla karşılaştırıldığında, büyük metagenomik ve genomik iş yükleri için önemli çalışma süresi iyileştirmeleri gösterirken standart dosya formatlarıyla uyumlu kalır (Huang, Krüger ve Sczyrba, 2018). UK Biobank'ın tüm genom sıralama yayınını analiz eden araştırmacılar, benzer bir bulut tabanlı strateji uygulayarak, yüzlerce terabaytlık sıralama verisini yerel bir kümeye aktarmak yerine, koroner arter hastalığı risk lokusları için ince haritalama ve makine öğrenimi varyant sınıflandırmasını doğrudan platformun bulut altyapısında çalıştırırlar (Sng vd., 2025). Bu işlem hatlarının arkasındaki altyapı seçimlerine daha geniş bir bakış için, araştırmada büyük veri analitiği kılavuzumuza bakın.
Dizileme maliyetlerindeki düşüş, bu ölçekteki çalışmaları istisnai olmaktan ziyade rutin hale getirdi. Ulusal İnsan Genom Araştırma Enstitüsü, 2003 yılında İnsan Genom Projesi tamamlandığında mevcut olan teknoloji kullanılarak ikinci bir referans insan genomu oluşturmanın yaklaşık 50 milyon dolara mal olacağını tahmin ediyor; bu rakam 2015 sonlarında genom başına 1,500 doların altına düştü ve platformlar daha yüksek verimliliğe sahip kısa okuma kimyasına geçtikçe düşmeye devam etti (NHGRI, 2021). Bu gidişat, tek bir çalışmanın eskiden sadece birkaç düzine katılımcıyı karşılayabildiği halde, şimdi binlerce katılımcıyı tüm genom dizilemesi için toplayabilmesinin tam olarak nedenidir.
Genomik Bulguları Göndermeden Önce Kalite Kontrol ve Doğrulama
Dizileme derinliği ve baz çağırma doğruluğu, bir çalışmanın bir genom hakkında güvenilir bir şekilde iddia edebileceği her şeyin üst sınırını belirler; bu nedenle kalite kontrolü, varyant yorumlaması başlamadan önce yapılmalıdır, sonrasında değil. Amerika Birleşik Devletleri ve Kanada genelindeki klinik genomik laboratuvarlarından oluşan bir konsorsiyum olan Tıbbi Genom Girişimi, özellikle şüpheli germ hattı hastalığının teşhisini amaçlayan klinik tüm genom dizilemesi için test doğrulaması, referans standart seçimi ve performans ölçütlerini kapsayan fikir birliği önerileri yayınladı ve bu öneriler, grubun daha önce ağırlıklı olarak hedefli gen panellerine ve ekzom dizilemesine odaklanan kılavuzlarda belirlediği bir boşluğu ele almaktadır (Marshall vd., 2021).
Klinik doğrulama çalışmalarından ödünç alınan faydalı bir disiplin, varyant tespitini tek bir adım yerine çok aşamalı bir süreç olarak ele almaktır. Okuma hizalama kalitesi, baz başına kalite puanları, ilgi alanındaki bölge genelinde kapsama homojenliği ve aday bulgular için Sanger dizileme gibi ortogonal bir yöntemle uyumluluk, varsayılmak yerine kontrol edilmeli ve raporlanmalıdır. 245,388 klinik düzeyde dizinin yayınlanmasının temelini oluşturan All of Us Araştırma Programı'nın kendi genomik kalite süreci, herhangi bir veri seti araştırmacılara ulaşmadan önce tüm kohortta ortak varyant tespiti ve referans materyallere karşı standartlaştırılmış uyumluluk kontrolleri uyguladı (Bick vd., 2024). Bu, birkaç yüz katılımcılı tek merkezli bir çalışma için bile minyatür ölçekte taklit edilmeye değer bir kalite güvence ölçeğidir.
| Sıralama Türü | Tipik Kapsama | Örnek Başına Yaklaşık Varyasyon Sayısı |
|---|---|---|
| Tüm genom dizilimi | 30x için 40x | Referansa göre 3-5 milyon varyant |
| Tüm ekzom sıralaması | Hedefte 80 ila 100 kat artış | 20,000-30,000 çeşit |
| RNA dizilimi | Kütüphane derinliğine bağlıdır. | Örnek başına 10-100 milyon okuma |
Elektronik Sağlık Kayıtları Aracılığıyla Genotip ve Fenotip Arasındaki Bağlantı

Genomik veriler, ancak fenotiple bağlantı kurduğunda klinik ve bilimsel değer kazanır ve Elektronik Tıbbi Kayıtlar ve Genomik Ağı, büyük bağlantı projelerinin çoğunun hala izlediği şablonu oluşturmuştur. 2007 yılında Ulusal İnsan Genom Araştırma Enstitüsü tarafından oluşturulan eMERGE Ağı, Amerika Birleşik Devletleri'ndeki birçok tıp merkezinden DNA biyolojik örnek depolarını elektronik sağlık kayıt verileriyle birleştirmiş ve ikinci fonlama döngüsünde, EHR'den türetilen fenotiplerin, bağımsız merkezler arasında bilinen genotip-fenotip ilişkilerini tekrarlayabileceğini ve aynı zamanda tek bir merkezden oluşan bir kayıt sisteminin kendi başına destekleyemeyeceği keşif çalışmalarını mümkün kılabileceğini göstermiştir (Gottesman vd., 2013).
Üç pratik alışkanlık, bu tür bir bağlantının bir makalede kullanılabilir olmasını sağlar. Fenotip tanımları, serbest metinli grafik incelemesi yerine sürüm kontrollü, algoritmik kriterlere ihtiyaç duyar, böylece başka bir site aynı tanımı kendi kayıtlarına uygulayabilir. Genomik ve klinik tanımlayıcılar, doğrudan tanımlayıcıları çalışma analiz veri kümesinin dışında tutarken, temizleme veya doğrulama sorguları için yetkili yeniden bağlantıya izin veren güvenli bir çapraz eşleştirme gerektirir. Onay dili, bir çalışmanın gerçekleştirdiği belirli bağlantı için ikincil kullanımı açıkça kapsamalıdır, çünkü tek bir hastalık alanı için yazılan bir biyobanka onayı, yıllar sonra daha geniş bir EHR-genomik bağlantısına otomatik olarak uzanmaz.
Genomik Veriler Neden Diğer Sağlık Kayıtları Gibi Anonimleştirilemez?
Bir elektronik tablodan isimleri ve tıbbi kayıt numaralarını kaldırmak, sıradan klinik verileri anonimleştirmek için genellikle yeterlidir, ancak bir genom bir elektronik tablodan ziyade bir parmak izi gibi davranır ve aynı yöntem işe yaramaz. Ham bir genetik dizi, tek yumurta ikizleri hariç, bireye özgü olduğu için doğası gereği tanımlayıcıdır ve bir referans veritabanı verildiğinde, prensipte ailevi arama gibi tekniklerle adı geçen bir kişiyle eşleştirilebilir; bu, araştırmacıların uzak akrabaların tüketici DNA testi sonuçlarından adli vakalardaki şüphelileri belirlemek için kullandığı yaklaşımla aynıdır. Bir katılımcının adını bir VCF dosyasından kaldırmak bu riski ortadan kaldırmaz, çünkü varyantların kendileri, geldikleri kişiyi yeniden tanımlamak için yeterli bilgi taşır.
Japonya'daki araştırmacılar, tam olarak bu soruna yönelik tutumları incelediler ve bulguları, endişeyi bireysel katılımcının ötesine taşıdı. Japon araştırma kurumları aracılığıyla toplanan kanser hastaları ve sağlıklı gönüllülerle çalışan Takashima ve meslektaşları, katılımcıların genellikle kendi kişisel maruz kalmalarından ziyade, ortak genetik bilgilere sahip ancak hiçbir şeye onay vermemiş olan kan akrabalarının gizlilik sonuçları konusunda daha fazla endişe duyduklarını bildirdi. Takashima'nın ekibi, genomik onayı tamamen bireysel bir karar olarak ele almak yerine, onay ve veri paylaşım politikalarının bu aile düzeyindeki riski açıkça ele almasını önerdi (Takashima vd., 2018). Aile düzeyindeki maruz kalma, her büyük fon sağlayıcının artık varsayılan olarak bireysel düzeydeki genomik veriler için açık, kimliksizleştirilmiş yayın yerine kontrollü erişimi zorunlu kılmasının büyük bir nedenidir; bu ayrım, katılımcı gizliliğini korumaya yönelik veri anonimleştirme tekniklerine ilişkin kılavuzumuzda genomik olmayan veri kümeleri için daha ayrıntılı olarak ele alınmaktadır.
Kontrollü Erişimli Depolar ve NIH Genomik Veri Paylaşım Politikası
NIH'in Genomik Veri Paylaşım Politikası, finanse ettiği büyük ölçekli insan genomik çalışmalarının Genotip ve Fenotip Veritabanı (dbGaP)'na kaydolmasını ve hem temel verileri hem de bu veri kümesi için onaylanmış araştırma amaçlarını belirten bir veri kullanım sertifikası sunmasını gerektirir. NIH, bu politika sayfasını en son Ağustos 2025'te güncelledi ve bu politika, dbGaP merkezli kontrollü erişim modeli etrafında şekillenmeye devam ediyor. Bireysel düzeydeki genotip ve sekans verileri, veri erişim komitesi incelemesinin arkasında yer alırken, toplu genomik özet sonuçları genellikle daha az kısıtlama ile yayınlanır, böylece diğer araştırmacılar kontrollü erişim başvurusunda bulunmadan önce bir veri kümesinin kendi çalışmalarıyla ilgili olup olmadığını değerlendirebilirler.
Bu politikanın pratikte ne yaptığını göstermek için yeterince uzun bir geçmişi var. Bugünkü GDS Politikasının doğrudan öncülü olan önceki GWAS Veri Paylaşım Politikasının bir analizi, dbGaP'ın ilk birkaç yılında 2,200'den fazla araştırmacıya kontrollü genomik veri setlerine erişim izni verdiğini ortaya koydu; bu da kontrollü erişim modelinin, verileri basitçe kilitlemek yerine gerçek ikincil kullanım talebine göre ölçeklenebileceğinin kanıtıdır (Paltoo vd., 2014). dbGaP'ın kendi veri tarayıcısı daha sonra, tam veri erişim başvurusu gerektirmeden varyant düzeyinde özet bilgilere yalnızca görüntüleme erişimi ekleyerek, tam başvuru sürecine girmeden önce bir veri setinin ilgilenilen bir varyant içerip içermediğini kontrol etmesi gereken bir araştırmacı için engeli düşürdü (Wong vd., 2017).
Amerika Birleşik Devletleri dışında, benzer kontrollü erişim mantığı, Avrupa Genom-fenom Arşivi'ni ve Küresel Genomik ve Sağlık İttifakı'nın Beacon protokolü üzerine kurulu ulusal çerçeveleri desteklemektedir. Bu protokol, bir araştırmacının, altta yatan genotip verilerini indirmeden veya görmeden, veri kümelerinin birleşik ağında belirli bir varyantın herhangi bir yerde mevcut olup olmadığını sorgulamasına olanak tanır. Portekiz'in, Avrupa 1+ Milyon Genom girişimiyle birlikte çalışacak şekilde inşa edilen ulusal Beacon uygulaması, mevcut yaklaşımı göstermektedir; bir veri kümesinin keşfedilebilir olmasını sağlayacak kadar meta veri sunarken, bireysel düzeydeki genotipleri resmi bir erişim talebinin arkasında tutmaktadır. Bu tasarım, özellikle varyant düzeyindeki sorgulardan kaynaklanan yeniden tanımlama riskine karşı keşif arasında denge kurmak için seçilmiştir (Oliveira vd., 2026).
Açıklık ve koruma arasındaki bu gerilim, genomik altyapısı daha az gelişmiş bölgelerde farklılık göstermektedir. Afrika'nın H3Africa konsorsiyumunu koordine eden araştırmacılar, yerel dizileme kapasitesinde, büyük dizileme dosyalarının aktarımı için bant genişliğinde ve ortak ülkeler arasında uyumlu etik incelemede sürekli boşluklar olduğunu belirterek, iyi kaynaklara sahip veri depolarına dayalı veri paylaşım politikasının, küresel bir genomik girişiminin kapsamayı amaçladığı nüfusları istemeden dezavantajlı duruma düşürebileceğini savundular (Mulder vd., 2017).
Makale Genomik Verilere Dayanıyorsa Yazarlar Neleri Bildirmelidir?

Genomik alanına yakın dergilerdeki hakemler, biyolojik bulgunun kendisiyle hiçbir ilgisi olmayan eksiklikler nedeniyle makaleleri giderek daha fazla reddediyor veya geri gönderiyor. Yöntemler bölümünde, referans genom yapısının adı, hizalama ve varyant belirleme araçlarının sürüm numaraları, varyant belirleme işlemlerine uygulanan kalite filtreleri ve ham veya işlenmiş verilerin depolandığı depo ve erişim numarası belirtilmelidir. Veri erişilebilirliği beyanında, erişimin açık mı yoksa kontrollü mü olduğu ve kontrollü ise hangi komitenin talepleri incelediği ve bu incelemenin yaklaşık ne kadar sürdüğü belirtilmelidir; çünkü editörler, kabulden önce yazarlardan verilerin yalnızca okuyuculara değil, hakemlere de sunulacağını teyit etmelerini giderek daha fazla istemektedir.
Genomik makalelerde tekrar tekrar ortaya çıkan yaygın hatalar arasında, yöntemler bölümü ve ek tablo arasında referans genom yapısının tutarsız bir şekilde belirtilmesi, aynı aracın farklı sürümlerinin aynı ham okumalardan farklı varyantlar çağırabilmesine rağmen varyant çağırıcı sürümünün belirtilmemesi ve bir veri setinin genomik olduğu ve bu nedenle yalnızca kimliksizleştirilmiş ve erişim kontrollü olduğu, gerçek anlamda anonim olmadığı halde anonimleştirilmiş olarak tanımlanması yer almaktadır. Bu eksikliklerin her biri, gönderimden önce kolayca düzeltilebilir ve bunları erken yakalamak, aylar süren hakem değerlendirmesinden sonra bir hakemin metodolojik itirazına cevap vermekten çok daha ucuzdur. Makale yazım ekibimizdeki editörler , genomik yöntemler bölümü bir dergi editörüne ulaşmadan çok önce, gönderim öncesi inceleme sırasında tam olarak bu tür eksiklikleri tespit ederler.
Büyük Ölçekli Genomik Veri Yönetiminin Gelecekteki Yönü Nereye Doğru?
Federasyon analizi, çok merkezli genomik çalışmalar için varsayılan model olarak merkezi veri aktarımının yerini alıyor. Kurumlar arasında ham sekanslama dosyalarını göndermek yerine, giderek artan sayıda konsorsiyum artık analiz sorgusunu verilerin zaten bulunduğu yere gönderiyor; GA4GH Beacon v2 spesifikasyonu, belirli bir varyant, örnek veya fenotip kombinasyonu için bir isteğin, bireysel düzeydeki kayıtları açığa çıkarmadan uzak bir veri kümesine nasıl gönderileceğini ve yanıtlanacağını standartlaştırarak bu yaklaşımı resmileştiriyor (Oliveira vd., 2026).
Makine öğrenimi, varyant yorumlamasının hangi kısımlarının hala insan müdahalesine ihtiyaç duyduğunu da değiştiriyor. İngiltere Biyobankası'nın tüm genom dizileme verileri üzerinde yapılan karşılaştırmalı çalışmalar, makine öğrenimi sınıflandırıcılarının, hastalıkla ilişkili bir lokus içindeki en olası nedensel varyantı belirlemede geleneksel ince haritalama araçlarıyla eşleşebildiğini veya onları aşabildiğini, ancak bir bulgunun güvenilir kabul edilmesinden önce diğer tüm varyant belirleme süreçlerinin ihtiyaç duyduğu aynı kaynak izleme, sürüm kontrolü ve ortogonal doğrulamayı gerektirdiğini ortaya koymuştur (Sng vd., 2025). Yayınlanmış genom çapında ilişkilendirme çalışması özet istatistiklerine dayalı iki örnekli tasarımlar da giderek artan bir şekilde doğrudan nedensel çıkarım yöntemlerine entegre ediliyor; bu uygulama, Mendel rastgeleleştirme kılavuzumuzda adım adım ele alınıyor.
Bunların hiçbiri, bir araştırma ekibinin ihtiyaç duyduğu temel disiplini değiştirmez. Daha büyük kohortlar ve daha hızlı sınıflandırıcılar hala standartlaştırılmış dosya formatlarına, belgelenmiş kalite kontrolüne, savunulabilir bir kimliksizleştirme stratejisine ve bir inceleyicinin gerçekten kontrol edebileceği bir veri deposuna bağlıdır. Bu uygulamalar, bir makaleye eklenen ortalama genomik veri kümesi büyümeye devam ettikçe, daha az değil, daha çok önem kazanacaktır.
Genomik Veri Setinizin Analizi ve Raporlanmasında Uzman Yardımı Alın
Doktora düzeyindeki biyoistatistikçilerimiz ve biyoinformatik eğitimi almış editörlerimiz, varyant belirleme süreçlerini belgelemenize, dbGaP'ye hazır veri kullanılabilirlik bildirimleri hazırlamanıza ve genomik ve çoklu omik makalelerden hakemlerin beklediği yöntemler bölümünü oluşturmanıza yardımcı olur.
Sonuç
Büyük ölçekli genomik veriler, veri yönetimini idari bir sonradan düşünme meselesi olarak değil, bilimin bir parçası olarak ele alan araştırma ekiplerini ödüllendirir. Standartlaştırılmış dosya formatları, belgelenmiş kalite kontrolü, gerçekçi bir kimliksizleştirme stratejisi ve uyumlu bir depoya yerleştirme üzerine kurulu bir veri seti, hakem değerlendirmesinden daha hızlı geçer ve orijinal makale yayınlandıktan yıllar sonra bile diğer araştırmacılar tarafından kullanılabilir kalır. Bu kılavuzda bahsedilen programlar, orijinal 1000 Genom Projesi'nden All of Us Araştırma Programı'nın 245,000'den fazla genom yayınlamasına kadar, aynı temel uygulamaların tek bir pilot çalışmadan bir milyon katılımcıdan oluşan ulusal bir kohorta kadar ölçeklenebildiğini göstermektedir (Auton vd., 2015; Bick vd., 2024). Temelleri erken aşamada doğru yapmak, bir genomik bulgunun hakemlerle, tekrarlama girişimleriyle ve orijinal çalışma ekibi ayrıldıktan çok sonra veri setini yeniden kullanmak isteyen araştırmacılarla temastan sağ çıkmasını sağlamanın en güvenilir yoludur.
Sıkça Sorulan Sorular
Makalemde genomik varyant verilerini paylaşmak için hangi dosya formatını kullanmalıyım?
Varyant düzeyindeki verileri Varyant Çağrı Formatı (VCF) olarak kaydedin ve referans genom yapısını, onu oluşturmak için kullanılan çağırıcıyı ve sürümünü belirtin; çünkü aynı VCF dosyasının farklı bir referans yapısına göre yorumlanması, klinik açıdan önemli farklı sonuçlar doğurabilir.
Kimliği gizlenmiş genomik veriler, anonimleştirilmiş verilerle aynı mıdır?
Hayır. Genetik dizi dosyasından bir ismi kaldırmak, tanımlanabilirliği azaltır ancak tamamen ortadan kaldırmaz, çünkü varyantların kendileri ailevi arama gibi tekniklerle bir kişiye veya akrabalarına geri eşleştirilebilir. Bu nedenle fon sağlayıcılar, bireysel düzeydeki genomik veriler için açık erişim yerine kontrollü erişim talep ederler.
Her genomik çalışma için dbGaP'e kayıt olmam gerekiyor mu?
NIH'in Genomik Veri Paylaşım Politikası, özellikle finanse ettiği büyük ölçekli insan genomik çalışmaları için geçerlidir ve bu çalışmaların dbGaP'ye kaydolması ve hem verileri hem de veri kullanım sertifikasını sunması beklenmektedir. Daha küçük bir pilot çalışmanın muaf olduğunu varsaymadan önce, politikanın güncel kapsamını NIH Bilim Politikası Ofisi sitesinden kontrol edin.
Aynı sekanslama verileri için CRAM dosyaları, BAM dosyalarına göre ne kadar daha küçüktür?
CRAM, aynı tüm genom hizalama verileri için BAM'e kıyasla depolama boyutunu genellikle yaklaşık %30 ila %60 oranında azaltır çünkü her bazı iki kez depolamak yerine genom dizisinin kendisini referans alır; ancak kesin tasarruf, sıralama derinliğine ve kullanılan sıkıştırma ayarlarına bağlıdır.
Genomik makalelerin veri raporlamasıyla ilgili olarak revizyon için geri gönderilmesinin en yaygın nedeni nedir?
En sık rastlanan neden, eksik veya tutarsız metodolojik detaylardır; bunlar genellikle belirtilmemiş bir referans genom yapısı, bildirilmemiş bir varyant çağırıcı sürümü veya erişimin açık mı yoksa kontrollü mü olduğunu belirtmeyen bir veri kullanılabilirlik bildirimi olabilir. Her üçü de gönderimden önce kolayca düzeltilebilir, ancak bir hakem tarafından işaretlendikten sonra düzeltilmesi uzun sürer.
Araştırma çalışmalarında manuel varyant düzenlemesinin yerini makine öğrenimi alabilir mi?
Tam olarak değil. İngiltere Biyobankası'nın tüm genom dizileme verileri üzerinde yapılan karşılaştırmalı çalışmalar, makine öğrenimi sınıflandırıcılarının, en olası nedensel varyantı belirlemede geleneksel ince haritalama yöntemleriyle eşleşebileceğini veya onları geride bırakabileceğini bulmuştur; ancak altta yatan işlem hattının, yayınlanmadan önce herhangi bir varyant çağrısının gerektirdiği aynı kalite kontrolüne, sürüm takibine ve ortogonal doğrulamaya ihtiyacı vardır.
Referanslar
- Auton A, Brooks LD, Durbin RM ve diğerleri. İnsan genetik varyasyonu için küresel bir referans. Tabiat. 2015;526(7571):68-74. doi: 10.1038 / nature15393
- Collins FS, Varmus H. Hassas tıp alanında yeni bir girişim. N Eng J Med. 2015;372(9):793-795. doi: 10.1056/NEJMp1500523
- Gottesman O, Kuivaniemi H, Tromp G ve diğerleri. Elektronik Tıbbi Kayıtlar ve Genomik (eMERGE) Ağı: Geçmiş, Bugün ve Gelecek. Genet Med. 2013;15(10):761-771. doi: 10.1038/gim.2013.72
- Bick AG, Metcalf GA, Mayo KR ve diğerleri. All of Us Araştırma Programı'ndaki genomik veriler. Tabiat. 2024;627(8003):340-346. doi: 10.1038 / s41586-023-06957-X
- Marshall CR, Chowdhury S, Taft RJ ve diğerleri. Kalıtsal hastalıkların teşhisi için tasarlanmış klinik tüm genom dizilemesinin analitik doğrulanması için en iyi uygulamalar. NPJ Genom Tıp. 2021;5:47. yap: 10.1038/s41525-020-00154-9
- Paltoo DN, Rodriguez LL, Feolo M ve diğerleri. NIH GWAS Veri Paylaşım Politikası kapsamında veri kullanımı ve gelecekteki yönelimler. Nat Genet. 2014;46(9):934-938. doi: 10.1038/ng.3062
- Wong KM, Langlais K, Tobias GS ve diğerleri. dbGaP veri tarayıcısı: dbGaP kontrollü erişimli genomik verilerine göz atmak için yeni bir araç. Nükleik Asitler Res. 2017;45(D1):D819-D826. doi: 10.1093/nar/gkw1139
- Mulder N, Adebamowo CA, Adebamowo SN ve diğerleri. Genomik araştırma verilerinin oluşturulması, analizi ve paylaşımı – Afrika bağlamındaki zorluklar. Veri Bilimi Dergisi. 2017;16. yap: 10.5334/dsj-2017-049
- Takashima K, Maru Y, Mori S, Mano H, Noda T, Muto K. Hastaların aile üyeleri de dahil olmak üzere genomik verilerin paylaşılmasına ilişkin etik kaygılar. BMC Tıp Etiği. 2018;19(1). yap: 10.1186/s12910-018-0310-5
- Huang L, Krüger J, Sczyrba A. Sparkhit ile bulutta büyük ölçekli genomik verilerin analizi. Biyoinformatik. 2018;34(9):1457-1465. doi: 10.1093/biyoinformatik/btx808
- Sng LMF, Kaphle A, O'Brien MJ ve diğerleri. Tüm genom dizileme verilerinde koroner arter hastalığı lokuslarını hassas bir şekilde haritalamak için UK Biobank bulut tabanlı araştırma analiz platformunun optimizasyonu. Sci Rep. 2025;15. yap: 10.1038/s41598-025-95286-2
- Oliveira JS, Sant'Ana S, Santos M, Faria D. Portekiz Beacon: genomik değişken verilerinin güvenli bir şekilde paylaşılması. Veritabanı (Oxford). 2026;2026. yap: 10.1093/veritabanı/baag012
- Ulusal İnsan Genomu Araştırma Enstitüsü. İnsan Genomunun Dizilenmesinin Maliyeti. 2021 Güncellemesi. genom.gov
- Ulusal Sağlık Enstitüleri, Bilim Politikaları Ofisi. NIH Genomik Veri Paylaşım Politikası. Ağustos 2025'te güncellendi. hibeler.nih.gov
