Karabük Üniversitesi yenilikçi projeleriyle öne çıkmaya devam ediyor. Mühendislik Fakültesi Biyomedikal Mühendisliği Öğretim Üyesi Doç. Dr. Hacı Mehmet Kayılı ve Doç. Dr. Hakan Yılmaz tarafından "Tükürükten Biyolojik Yaş Tespiti İçin IgG N-Glikomu Kullanılarak Makine Öğrenmesi Temelli Bir Modelin Geliştirilmesi ve Serum IgG N-Glikozilasyon Profillerine Bağlı Olarak Validasyonu" başlıklı TÜBİTAK COST projesi hazırlandı.
Akademisyenler proje çerçevesinde insan sağlığına ilişkin önemli biyobelirteçlerden biri olan IgG glikozilasyon profillerinin incelenmesiyle biyolojik yaşın tespiti için bir model geliştirecek. Bu modelin özellikle tükürük örnekleri kullanılarak geliştirilmesi yaş tespitinin mümkün hale gelmesini sağlayacak. Ayrıca, serum örnekleri üzerinden yapılacak doğrulama çalışmaları, modelin güvenilirliğini ve geçerliliğini artıracak.
Tükürükteki IgG N-glikozilasyon profillerinin analizinde makine öğrenmesi algoritmalarını kullanacak olan modelle geleneksel analizlere kıyasla daha hızlı ve kesin sonuçlar sunmak hedefleniyor. Geliştirilecek model, biyolojik yaş ile kronolojik yaş arasındaki farkları tespit ederek bireylerin sağlık durumlarına dair önemli veriler sunacak.
Hazırladıkları projeyle tükürükten biyolojik yaş tespitine yönelik analitik bir yöntem geliştirmeyi ve bu yöntemi kan örneklerinden elde edilen verilerle kıyaslamayı hedeflediklerini belirten Mühendislik Fakültesi Biyomedikal Mühendisliği Öğretim Üyesi ve proje yürütücüsü Doç. Dr. Hacı Mehmet Kayılı, “Bu projenin temel amacı, kişilerin yaşlanma durumu hakkında bilgi vermek, yaşlanmasının ne düzeyde olduğunu kişilere göstermek ve böylelikle kişilerin yaşlanma dereceleri hakkında fikir sahibi olmasını sağlamaktır. Bu projede, ilk olarak sağlıklı bireylerden kan ve tükürük örnekleri alıyoruz. Çok küçük miktar hacimde kan örneği bizim için yeterli oluyor. Vücudumuzda bulunan antikorlara bakarak, antikorlardaki modifikasyonlarını takip ederek, özellikle yaşlanmayla alakalı biyobelirteç seyrini Türkiye popülasyonuna özgü olarak inceliyoruz" dedi.
Proje bünyesinde sağlıklı bireylerden kan ve tükürük örnekleri toplandığını ifade eden Kayılı, “Bu sayede, kişilerden bir biyolojik bir damla kan veya tükürük örneği alarak, kişilerin biyolojik yaşının, normal yaşlarından ileride olup olmadığını tespit edeceğiz. Biliyorsunuz ki insanların bir yaşı var. Kronolojik yaş diyoruz bu yaşa. Bu, doğumdan itibaren geçen bir süreç. Bir de vücudumuzun çevresel etkilerden ne kadar etkilendiğini gösteren biyolojik yaşımız var. Biz, bu biyolojik yaşımızı, moleküler düzeyde analizlerle gerçekleştiriyoruz. Moleküler düzeyde yaptığımız analizlerde, hücrelerinizin yaşlanma derecesini söyleyerek sizin yaşlanmanızı ve dolayısıyla hastalıklara olan yatkınlığınızı ne düzeyde olduğunu belirtiyoruz. Eğer biyolojik yaşınız yüksek çıkarsa, siz kendinizi ve hayat tarzınızı ona göre değiştirerek örneğin diyet yaparak veya spor aktivitelerinizi artırarak yaşlanma düzeyinizi geriletebilirsiniz. Böylelikle de hastalıklara daha geç maruz kalabilirsiniz” diye konuştu.
Kayılı, projede iki bursiyerin ve iki araştırmacı hocanın görev aldığını ve projenin TÜBİTAK tarafından desteklendiğini aktararak bu yenilikçi çalışmanın, sağlıklı bir yaşlanma sürecine katkıda bulunmayı ve hastalıkların erken teşhisine yönelik önemli bir adım atmayı amaçladığını vurguladı.
Proje Araştırmacısı Doç. Dr. Hakan Yılmaz, makine öğrenmesinin sağlık alanındaki etkinliğine vurgu yaparak, şu ifadeleri kullandı:
“Makine öğrenmesi, artık günümüzde oldukça popüler, girmediği alan yok diyebiliriz. Bu alanların en başında sağlık geliyor. Biz de makine öğrenmesi yöntemlerini sağlıkta etkin ve efektif olarak kullanmaya çalışıyoruz. Burada da kişinin normal demografik yaşı ile kronolojik ve biyolojik yaşı arasındaki bağıntıyı ortaya koyarak bir yaş tahmini yapmaya çalışıyoruz. Özellikle sağlık alanında ön tanı çalışmalarında, makine öğrenmesi uygulamalarını oldukça fazla kullanıyoruz. Farklı projelerde de yine bu yöntemleri kullanmaya devam ediyoruz.”
Projenin iki temel aşamadan oluştuğunu anlatan Yılmaz, “Bu proje aslında iki tane aşamadan oluşuyor: Birinci aşamada örneklerin toplanması, ikinci aşamada ise bu örneklerin analiz edilmesi ve makine öğrenmesi teknikleriyle aradaki bağlantının ortaya koyulması. İlk etaptaki sonuçlarımız umut vaat edici. Tabi şu an net bir rakam veremiyoruz. Özellikle sağlıkta belirli bir aşamaya ulaşmadan rakam vermek çok doğru olmuyor ama burada da güzel sonuçlar elde edeceğimizi düşünüyoruz” ifadelerini kullandı.