SEA CDM: Çapraz Alan Veri Entegrasyonu ve Analizi için Çalışma-Deney-Test Ortak Veri Modeli ve Veritabanları

Laboratuvar verilerini düzenlemenin hepimiz için önemi

Modern tıp, aşı denemelerinden enfeksiyon çalışmalarına ve kanser genomiğine kadar dağlarca deneysel veriyle ilerliyor. Yine de bu veriler genellikle uyumsuz biçimlerde kilitli kalıyor; bu da bilim insanlarının sonuçları birleştirmesini ve kimi kişilerin aşıya daha iyi yanıt verdiği veya bazı kişilerin neden daha fazla yan etki gördüğü gibi önemli kalıpları fark etmesini zorlaştırıyor. Bu makale, araştırmacıların daha zengin sorular sorup daha hızlı, daha güvenilir yanıtlar almasını sağlayacak şekilde çeşitli biyomedikal deneyleri düzenlemenin ve birbirine bağlamanın yeni bir yolunu anlatıyor; bu yaklaşımlar nihayetinde hastalıkların önlenmesi ve tedavisi üzerinde etkili olabilir.

Deneyler için ortak bir dil

Farklı araştırma grupları ve veritabanları, çok benzer işler yapıyor olsalar bile çalışmalarını kendi yöntemleriyle tanımlamaya eğilimlidir. Bir veritabanı aşı denemelerine odaklanırken, başka bir veri seti tek hücrede gen etkinliğine, üçüncüsü ise klinik sonuçlara yoğunlaşabilir; her biri farklı etiketler ve yapılar kullanır. Çalışma–Deney–Test Ortak Veri Modeli (SEA CDM), bu çabeler için basit bir ortak “dilbilgisi” sunar. Herhangi bir biyomedikal projeyi üç bağlı adıma böler: soruyu ortaya koyan genel çalışma, insanlar veya hayvanlar üzerinde yürütülen deneyler ve sonuç üreten kan testleri veya gen ifade ölçümleri gibi testler (assay’ler). Bu adımlar etrafında model ayrıca kim ya da neyin çalışıldığını, hangi örneklerin alındığını, hangi tedavilerin uygulandığını ve hangi analizlerin yapıldığını gibi temel öğeleri standartlaştırır.

Ontolojiler: etiketleri bilgeliğe dönüştürmek

Sütun başlıklarını hizalamak tek başına yeterli değildir; aynı kavram farklı yerlerde farklı isimlendirilebilir. SEA CDM, “grip aşısı”, “trivalan inaktive influenza aşısı” ve “Fluzone” gibi marka isimlerinin ilişkilendirilebilmesini sağlamak için küratörlü sözlükler olarak bilinen ontolojilere dayanır. Bu ontolojiler, tıp ve biyoloji terimlerinin bir aile ağacı gibi yapılandırılmış halleridir. SEA CDM her değişkene—örneğin bir hastalık, hücre tipi veya aşı—bir ontolojiden resmi bir tanımlayıcı eklediği için bilgisayarlar bu ağaçları otomatik olarak izleyebilir, ilgili tüm kayıtları bulabilir ve hatta ilişkileri türetebilir. Örneğin, kısa bir sorgu yüzlerce adı geçen üründen herhangi bir trivalan influenza aşısı kullanan tüm çalışmaları çıkarabilir; bu da basit anahtar kelime eşleşmesinin ötesine geçen güçlü, anlamsal aramalara olanak tanır.

Dağınık dosyalardan bağlı veritabanlarına

Modeli gerçek dünyada test etmek için yazarlar OSEAN adı altında bir veritabanı ve araç ailesi kurdular. Üç büyük kamu kaynağını SEA CDM yapısına dönüştürdüler: bağışıklık yanıtı çalışmaları meta verilerini barındıran ImmPort; aşı çalışmalarını gen etkinliği verilerine bağlayan VIGET; ve tek hücre ölçümlerine odaklanan CELLxGENE. Özel boru hatları kullanarak onlarca orijinal tablo ve dosya formatını tutarlı bir SEA CDM tablo veya grafik düğümü setine çevirdiler. Bu, binin üzerinde bağışıklıkla ilişkili çalışmayı, iki milyondan fazla örneği ve aşılar, hastalıklar ve laboratuvar yöntemlerine ilişkin çok sayıda tanımı aynı tutarlı çerçevede depolamalarına olanak sağladı; hepsi aynı yazılımla aranabiliyordu.

Birleşik verinin aşılar ve cinsiyet farklılıkları hakkında neler ortaya koyabileceği

Bu birleşik sistem kurulduktan sonra ekip, doğrudan tıbbi öneme sahip bir biyolojik soruyu sordu: farklı influenza aşıları kadınlarda ve erkeklerde bağışıklık sistemini nasıl uyarıyor? VIGET tabanlı OSEAN veritabanını sorgulayarak ve hangi genlerin “uyarılmış” sayılacağına dair basit kurallar uygulayarak, ya canlı zayıflatılmış grip aşıları (zayıflatılmış virüs içeren) ya da inaktive “öldürülmüş” aşılarla aşılamadan sonra aktivitesi artan yüzlerce geni tanımladılar. Ardından bu genlerin katıldığı yolları cinsiyete göre ayırarak karşılaştırdılar. Dikkat çekici bir örüntü nötrofillerle ilgiliydi; nötrofiller mikroplara toksik granüller salarak saldıran bir tür beyaz kan hücresidir ve TNF aracılığıyla sinyal iletimi önemli bir iltihaplanma eksenidir. Çoğu grupta influenza aşılaması nötrofil degranülasyonuna dair işaretlerle ilişkiliydi, ancak bu imza canlı zayıflatılmış aşıyı alan kadınlarda yoktu. Buna karşılık, TNF ile ilişkilendirilmiş sinyal iletimi bu kadınlarda özellikle belirgindi; paralel erkek gruplarında ise öyle değildi. Bu bulgular, nötrofil davranışı ve aşı yanıtlarının erkekler ve kadınlar arasında sistematik olarak farklı olabileceğini öne süren hayvan çalışmalarını yansıtır.

Gelecek keşifler için bir ekosistem inşa etmek

Yazarlar, SEA CDM’nin gerçek gücünün biyomedikal verileri daha FAIR—bulunabilir, erişilebilir, birlikte çalışabilir ve yeniden kullanılabilir—hale getirmekte yattığını savunuyor. Deneylere ortak bir yapı verip her önemli etiketi iyi tanımlanmış bir ontoloji terimine dayandırarak sistemleri, farklı kaynaklardaki verileri birleştirmeyi, örneklerin nasıl işlendiğini izlemeyi ve analizleri yeniden üretmeyi çok daha kolay hale getiriyor. İnfluenza vaka çalışması, uyumlu bir veritabanı üzerinde çalıştırılan nispeten basit sorguların bile aşı yanıtında dozlama veya aşı seçimini etkileyebilecek ince, cinsiyete özgü örüntüleri ortaya çıkarabileceğini gösteriyor. Daha fazla kaynak bu ortak modeli ve eşlik eden araçları benimsedikçe, araştırmacılar hastalıklar, teknolojiler ve popülasyonlar arasında ipuçlarını bağlama konusunda daha donanımlı olacak ve parçalanmış veri setlerini gerçek bir bütünleştirici biyoveri ekosistemine dönüştürecekler.

Atıf: Huffman, A., Yeh, FY., Hur, J. et al. SEA CDM: Study-Experiment-Assay Common Data Model and Databases for Cross-Domain Data Integration and Analysis. Sci Data 13, 238 (2026). https://doi.org/10.1038/s41597-026-06558-z

Anahtar kelimeler: veri entegrasyonu, biyomedikal ontoloji, aşı yanıtı, cinsiyet farklılıkları, bilgi grafiği