GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| MBG6117-25 | R İLE GENOMİK VERİ GÖRSELLEŞTİRME | Ders | 1 | 1 | 6.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
[DersinAmaci]
Bu dersin amacı, öğrencilerin genomik verileri etkili bir şekilde analiz edip R programlama dili kullanarak yayın kalitesinde bilimsel görselleştirme becerisi kazanmalarını sağlamaktır. Ders, öğrencilere hem biyolojik veri biçimleri ve dönüşümü konusunda yetkinlik kazandıracak hem de çok çeşitli genomik analizlerin R ortamında görsel sunumu için gerekli paket ve yaklaşımları tanıtacaktır.
Dersi Veren Öğretim Görevlisi / Görevlileri
Prof. Dr. Hasan SEVGİLİ
Öğrenme Çıktıları
| 1 | Öğrenci, genomik veri türlerini tanımlar ve R ortamında bu verileri analiz etmek için uygun veri yapıları ve paketlerini kullanır. |
| 2 | Öğrenci, RNA-Seq, GWAS ve epigenetik verilerle elde edilen sonuçları R diliyle bilimsel olarak yorumlayabilecek görseller oluşturur. |
| 3 | Öğrenci, ggplot2, pheatmap, ComplexHeatmap, Gviz, qqman gibi yaygın R paketlerini kullanarak yayın kalitesinde grafikler üretir. |
| 4 | Öğrenci, biyoinformatik projelerde genomik verileri görselleştirme becerisini uygulamalı olarak gösterir ve bulgularını sunar. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
1. Yine üretilebilirlik ve sürüm kontrolü zorunlu olmalıdır. Projeler R Markdown/Quarto ile teslim edilmeli; git/GitHub, renv (paket sürümleri) ve tercihen targets/drake (iş akışı) kullanılmalıdır. 2. Veri etiği, gizlilik ve atıf kuralları vurgulanmalıdır. İnsan verisi ve hassas genomik içerikte anonimleştirme; veri/kod için DOI, lisans ve uygun veri atfı uygulanmalıdır. 3. Erişilebilir ve yayın kalitesinde görsel standartlar belirlenmelidir. Renk körlüğüne duyarlı paletler (örn. viridis), yeterli yazı tipi/punto, net eksen başlıkları; ggplot2 temaları, çoklu panel düzenleri ve açıklayıcı lejand şartı. 4. Büyük veriyle çalışma ve hesaplama kaynakları planlanmalıdır. Bellek/performans için data.table, okuma/akış yöntemleri (Arrow/Parquet), HPC veya bulut entegrasyonu ve örnek veri altkümesi stratejileri öğretilmelidir. 5. Standart veri biçimleri ve dönüşüm hatları öğretilmelidir. SummarizedExperiment, SingleCellExperiment, GRanges gibi yapılar; geniş/uzun format dönüşümleri, metadata sözleşmeleri ve dosya adlandırma kuralları. 6. Proje temelli değerlendirme ve akran geri bildirimi yapılmalıdır. Her öğrenci/grup bir gerçek veri setiyle uçtan uca (temizleme-analiz-görselleştirme) mini proje sunmalı; rubrik ve akran değerlendirmesi kullanılmalıdır.
Dersin İçeriği
Bu ders, genomik verilerin R programlama dili ile analiz edilmesi ve bilimsel olarak görselleştirilmesine odaklanır. Genomik veri formatları, gen ifadesi (RNA-Seq), varyant analizi (GWAS), epigenetik veriler ve genetik ağların görselleştirilmesi gibi konular işlenir. ggplot2, pheatmap, Gviz, qqman gibi paketler kullanılarak yayın kalitesinde grafikler üretilir. Ders, uygulamalı oturumlar ve öğrenci projeleri ile desteklenir.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | RStudio, veri tipleri, tidyverse, genomik veri formatlarına genel bakış | ||
| 2 | Genomik Dosya Formatları: FASTA, GTF, BED, VCF, Bioconductor ile dosya içeri aktarma | ||
| 3 | Veri Temizleme ve Biçim Dönüştürme: dplyr, tidyr, GenomicRanges ile veri şekillendirme | ||
| 4 | Genomik Konum Verileri: kromozom düzeyinde veri görselleştirme, ideogram, karyoploteR | ||
| 5 | RNA-Seq Veri Görüselleştirme: DESeq2 çıktıları, MA ve Volcano plot, ggplot2 | ||
| 6 | Isı Haritaları ve PCA: pheatmap, ComplexHeatmap, PCA plotları | ||
| 7 | Genomik Ağların Görüselleştirilmesi: igraph ve ggraph ile gen-gen etkileşim ağları | ||
| 8 | Ara Sınav | ||
| 9 | Epigenetik Veriler: metilasyon analizi, Gviz ile görselleştirme | ||
| 10 | Genom Düzeyinde İlişkilendirme Çalışması: Manhattan ve QQ plot, qqman, CMplot | ||
| 11 | Zaman Serisi Genomik Veriler: Zaman serisi verileri, gganimate, tsibble | ||
| 12 | Yayın Kalitesinde Görselleştirme: Renk paletleri, çıktı alma, tema ayarları | ||
| 13 | Proje Sunumları I: Öğrenci sunumları ve uygulamalar | ||
| 14 | Proje Sunumları II: Öğrenci sunumları ve uygulamalar | ||
| 15 | Makale Tartışmaları | ||
| 16 | Final Sınavı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
1. Pevsner, J. (2022). Bioinformatics and Functional Genomics (4th ed.). Wiley-Blackwell 2. Paradis, E. (2012). Analysis of Phylogenetics and Evolution with R (2nd ed.). Springer 3. Gu, Z., Eils, R., & Schlesner, M. (2016). ComplexHeatmap: Visualization of high-dimensional genomic data. Bioinformatics, 32(18), 2847–2849 4. Kassambara, A. (2017). Practical Guide To Principal Component Methods in R. STHDA. 5. Love, M. I., Huber, W., & Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(12), 550 6. Wickham, H., & Grolemund, G. (2017). R for Data Science. O’Reilly Media 7. Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis (2nd ed.). Springer. 8. Hahne, F., & Ivanek, R. (2016). Visualizing genomic data using Gviz and bioconductor. Statistical Genomics, 335–351 9. Csardi, G., & Nepusz, T. (2006). The igraph software package. InterJournal Complex Systems, 1695 10. Akalin, A., Kormaksson, M., Li, S., Garrett-Bakelman, F. E., Figueroa, M. E., Melnick, A., & Mason, C. E. (2012). methylKit: A comprehensive R package for the analysis of genome-wide DNA methylation profiles. Genome Biology, 13(10), R87. 11. Turner, S. D. (2014). qqman: An R package for visualizing GWAS results using Q-Q and Manhattan plots. bioRxiv, https://doi.org/10.1101/005165 12. Yin, L., Zhang, H., Tang, Z., Xu, J., Yin, D., Zhang, Z., & Yuan, X. (2021). rMVP: A memory-efficient, visualization-enhanced, and parallel-accelerated tool for genome-wide association study. Genomics, Proteomics & Bioinformatics, 19(4), 619–628. 13. Wilke, C. O. (2019). Fundamentals of Data Visualization. O’Reilly Media
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Uygulama/Pratik | 10 | 5 | 50 |
| Proje Tasarımı /Yönetimi | 5 | 5 | 25 |
| Makale Kritik Etme | 5 | 5 | 25 |
| Ara Sınav İçin Bireysel Çalışma | 10 | 1 | 10 |
| Final Sınavı içiin Bireysel Çalışma | 10 | 2 | 20 |
| 5 | 3 | 15 | |
| Toplam İş Yükü (saat) | 189 | ||
Program ve Öğrenme Çıktıları İlişkisi
| [PC] 1 | [PC] 2 | [PC] 3 | [PC] 4 | [PC] 5 | [PC] 6 | [PC] 7 | [PC] 8 | |
| [OC] 1 | 5 | 2 | 4 | 5 | 4 | 5 | 4 | 4 |
| [OC] 2 | 5 | 2 | 4 | 5 | 4 | 5 | 4 | 4 |
| [OC] 3 | 5 | 2 | 4 | 5 | 4 | 5 | 4 | 4 |
| [OC] 4 | 5 | 2 | 4 | 5 | 5 | 5 | 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek