“Nerede ne çalışıyor?” sorusuna mekânsal yanıt Çalışmanın merkezinde mekânsal transkriptomik yaklaşım bulunuyor. Klasik analizler çoğu zaman bir örnek içindeki sinyalleri ortalama haline getirerek, gen ekspresyon programlarının doku içindeki konumsal bağlamını kaybetmeye eğilimlidir. Mekânsal transkriptomik ise gen ifadesini dokunun fiziksel mimarisiyle aynı haritaya yerleştirir; böylece araştırmacılar, belirli bir histolojik büyüme modunun tümör biyolojisinin komşuluk düzeyinde farklı programlarla çalışıp çalışmadığını test edebilir hale gelir.

Bu çerçevede Escriva Conde ve arkadaşları, kolorektal kanserin karaciğer metastazlarını temel alıyor. Araştırmacılar, tümörlerin büyüme şeklini standart patoloji incelemelerinde görülebilen histopatolojik paternler üzerinden sınıflandırıyor. Ardından aynı dokusal örneklerde mekânsal transkriptomik verilerle bu paternlerin hangi gen ekspresyon dizileriyle birlikte seyrettiğini karşılaştırıyor.

Histolojiye bağlı paternler: tümörün yerel “komşuluk kimyası” Çalışmanın bilimsel katkısı, tümör büyüme biçimlerinin yalnızca görüntü veya şekil düzeyinde tanımlanmasıyla sınırlı kalmaması. Mekânsal transkriptomik, farklı histopatolojik büyüme türlerinin, tümörün bulunduğu mikrolokasyonlara bağlı olarak değişen transkripsiyonel programlarla ilişkili olabileceğini araştırmaya olanak veriyor. Bu sayede, aynı metastaz kitlesi içinde dahi farklı büyüme modlarının farklı moleküler özelliklere eşlik edip etmediği değerlendirilebiliyor.

Yazarların yaklaşımı, tümörün karaciğer dokusu ile kurduğu etkileşimin “mekânsal” doğasını görünür kılma fikrine dayanıyor. Metastazlarda istilâ ve göç süreçleri, bağışıklıkla etkileşim ve çevresel sinyallerin tümör hücrelerinin davranışını şekillendirdiği bilinen genel biyolojik kavramlar arasında yer alır. Bu çalışma ise, bu tür farklılıkların en azından bazı yönleriyle histolojik büyüme örüntülerine yansıyıp yansımadığını, gen ekspresyonu düzeyinde test etme hedefi taşıyor.

Ortalama sinyal tuzağını aşma arayışı Araştırmanın vurguladığı güçlü taraf, örnek ortalaması yerine konuma dayalı karşılaştırma yapabilmesi. Bu, çalışmanın okuyucuya iletmek istediği mesajlardan biri: Tümör biyolojisi tek bir “ortalama durum” gibi düşünüldüğünde, histolojinin yakaladığı farklı büyüme modları moleküler olarak da ayrışıyor mu sorusu yanıt bulmayabilir. Mekânsal transkriptomik ise gen ekspresyonunun doku mimarisiyle birlikte analiz edilmesini sağlayarak, histolojik olarak ayrılabilen büyüme davranışlarının moleküler karşılıklarını arar.

Çalışma ayrıca, histopatolojik sınıflandırmanın biyolojik anlamını güçlendirmeye dönük bir yaklaşım sunuyor. Eğer belirli büyüme paternleri tutarlı biçimde farklı transkripsiyonel programlarla ilişkiliyse, bu paternler yalnızca tanısal bir betimleme olmaktan çıkıp, tümörün yerel biyolojisini yansıtan bir tür “imza” haline gelebilir. Araştırmanın raporladığı bulguların ayrıntıları, çalışmanın ilerleyen kısımlarında bu eşleşmelerin hangi gen kümeleri ve mekânsal örüntüler üzerinden kurulduğunu açıklamayı amaçlıyor.

Erken araştırma niteliğinde bir adım; klinik etki için daha fazla doğrulama gerekir Bu çalışma, tümör büyüme paternlerinin moleküler düzeyde ölçülebilir hale getirilmesine yönelik metodolojik bir ilerleme sunuyor. Ancak bu tür mekânsal biyoloji çalışmalarının klinik kullanıma dönüşebilmesi için, bulguların farklı hasta kohortlarında tekrarlanması ve olası prognostik ya da klinik kararlarla ilişkilerinin ayrıca incelenmesi gerekir. Yine de, histoloji ile gen ekspresyonunu aynı dokusal koordinatta buluşturan yaklaşım, metastaz biyolojisini çözmeye çalışan araştırma hattında dikkat çekici bir yön değişimini temsil ediyor.

Sonuç olarak çalışma, kolorektal karaciğer metastazlarında “nasıl büyüyor?” sorusunu daha ölçülebilir bir çerçeveye taşıyor: histopatolojik paternler, mekânsal gen ifadesiyle eşleştirilerek tümörün yerel komşuluk düzeyinde sergilediği biyoloji olası biçimde haritalanıyor. Bu tür araştırmalar, gelecekte doku temelli biyobelirteçlerin daha rafine tasarlanmasına zemin hazırlayabilecek bir bilimsel yöntem sunuyor.

Çalışmanın temel vaadi, tümör içi heterojenliği tek bir örnek ya da tek bir ölçüm üzerinden genellemek yerine, tümörün farklı bölgelerinde ortaya çıkan değişimleri aynı anda görselleştirebilmek. Bu yaklaşım özellikle kolorektal kanser için önem taşıyor; çünkü bu hastalık hem küresel ölçekte yaygın hem de biyolojik çeşitliliği nedeniyle tedavisi zor kanserler arasında yer alıyor. Bir tümörün bir bölgesinde bağışıklık hücreleri yoğun biçimde bulunurken başka bir bölgesinde neredeyse tamamen dışlanmış olması, tedavi yanıtını ve hastalığın ilerleyişini ciddi biçimde etkileyebiliyor. Geleneksel toplu dizileme yöntemleri ise farklı hücre popülasyonlarından gelen sinyalleri birleştirerek bu mekânsal ayrıntıları gizleyebiliyor.

Araştırmacılar, tam da bu eksikliği hedef alarak üç farklı veri katmanını aynı sistem içinde uyumlu hale getirdi. Hematoksilen-eozin ile boyanmış yüksek çözünürlüklü histopatoloji görüntüleri, mekânsal olarak çözülmüş transkriptomik profiller ve kütle spektrometrisi temelli yüksek boyutlu proteomik veriler DVSTP platformunda bir araya getirildi. Böylece sistem, yalnızca hangi moleküllerin bulunduğunu değil, bu moleküllerin tümör mimarisinin hangi bölümünde yoğunlaştığını da değerlendirebiliyor. Bu tür bir entegrasyon, klasik patolojinin biçimsel gözlemlerini moleküler biyolojiyle birleştiren daha kapsamlı bir yorumlama olanağı sağlıyor.

DVSTP’nin öne çıkan yönlerinden biri, tümörü düz bir kesit olarak değil, üç boyutlu bir yapı olarak ele alması. Kanser dokusu çoğu zaman homojen bir kitle gibi düşünülse de aslında hücre kümeleri, damar yapıları, bağ dokusu bölgeleri ve bağışıklık hücreleri arasında karmaşık bir mimari bulunuyor. Yeni çerçeve bu yapıyı yeniden kurarak araştırmacıların farklı bölgeler arasında değişen moleküler imzaları incelemesine yardımcı oluyor. Bu da tümörün hangi alanlarının bağışıklık hücresi girişine açık olduğunu, hangilerinin ise bağışıklık tarafından dışlandığını anlamada özellikle değerli olabilir.

Ekip, yaklaşımın kolorektal kanserde moleküler alt tiplerin belirlenmesine katkı sunabildiğini ve bu alt tiplerin bağışıklık hücresi sızmasıyla ilişkili örüntülerle bağlantılandırılabildiğini bildiriyor. Kanser biyolojisinde bu tür alt tipler, aynı hastalık adı altında toplanan tümörlerin aslında ne kadar farklı davranabildiğini gösterir. Bir alt tip daha yoğun bağışıklık infiltrasyonu gösterirken bir diğeri daha baskın bir bağışıklık dışlanması sergileyebilir. Bu ayrım, yalnızca hastalığın biyolojisini anlamak için değil, potansiyel olarak kişiselleştirilmiş tedavi stratejileri geliştirmek için de önem taşıyor. Ancak araştırmacılar açısından bu bulguların, erken aşamada bir analitik platformun sağladığı içgörüler olarak değerlendirilmesi gerekiyor; klinik uygulamaya geçiş için daha fazla doğrulama ve bağımsız çalışma şart.

Çalışmanın bir diğer önemli boyutu, tümör mikroçevresine ilişkin ayrıntıları daha iyi yakalayabilmesi. Tümör mikroçevresi; kanser hücreleri, bağışıklık hücreleri, damar yapıları ve çevresel dokular arasındaki etkileşimlerin toplamını ifade eder. Bu etkileşimler tümör büyümesini, yayılımını ve bazı ilaçlara verilen yanıtı etkileyebilir. Özellikle bağışıklık dışlanması olarak tanımlanan durumlarda bağışıklık hücreleri tümörün kenarında birikse de çekirdeğe ulaşamaz; bu da tedavi başarısını sınırlayabilir. DVSTP, böyle paternleri üç boyutlu dokusal bağlam içinde tanımlamayı mümkün kılmaya aday görünüyor.

Teknolojinin dayandığı derin öğrenme bileşeni de dikkat çekici. Yapay zekâ tabanlı analizler, yüksek boyutlu biyolojik verilerde gözle doğrudan seçilemeyen örüntüleri saptamada giderek daha fazla kullanılıyor. Ancak burada kritik nokta, algoritmanın yalnızca istatistiksel bir sınıflandırma yapması değil, patoloji görüntüsüyle moleküler sinyali aynı uzamsal çerçevede birleştirmesi. Bu sayede araştırmacılar, dokunun yapısal düzeni ile gen ve protein düzeyindeki değişimleri aynı anda okuyabiliyor. Kanser araştırmalarında uzun zamandır aranan şey de tam olarak bu: biyolojiyi parçalı değil, bağlamı korunmuş biçimde yorumlayabilmek.

Her ne kadar çalışma umut verici olsa da, yeni platformların en önemli sınavı farklı hasta gruplarında, farklı laboratuvar koşullarında ve daha geniş örneklem setlerinde tutarlı sonuçlar verip veremeyecekleri olacak. Uzamsal çok-omik teknikler yüksek teknik hassasiyet, dikkatli doku işleme ve güçlü hesaplama altyapısı gerektiriyor. Bu nedenle DVSTP’nin klinik tanıya doğrudan eklenmesinden ziyade, şimdilik araştırma ve biyobelirteç keşfi için güçlü bir araç olarak görülmesi daha gerçekçi. Yine de böyle platformlar, tümör biyolojisinin daha önce görünmeyen katmanlarını açığa çıkararak gelecek nesil tanı ve tedavi stratejilerinin temelini oluşturabilir.

Sonuç olarak, DVSTP yaklaşımı kolorektal kanserde tümör içi çeşitliliği yalnızca ölçmekle kalmayıp, onu dokunun üç boyutlu mimarisi içinde anlamlandıran dikkat çekici bir adım sunuyor. Yapay zekâ, patoloji ve uzamsal omiklerin birleşimi, kanser araştırmalarında giderek daha ayrıntılı ve daha kontekstli bir okuma dönemine işaret ediyor. Bu gelişme, özellikle bağışıklık infiltrasyonu ve tümör mikroçevresi arasındaki ilişkiyi çözmek isteyen bilim insanları için yeni bir yol haritası niteliği taşıyor.

Vakfın yedinci yılına giren programı, özellikle makine öğrenimi, mekânsal transkriptomik ve ağ modelleme gibi yaklaşımların kanser araştırmalarına daha sistematik biçimde entegre edilmesini teşvik ediyor. Büyük ölçekli biyolojik verilerin hızla artması, araştırmacıları yalnızca veri üretmeye değil, bu verileri biyolojik anlam taşıyan yapılara dönüştürebilecek sofistike hesaplamalı çerçeveler geliştirmeye de zorluyor. Tam da bu nedenle, bursun odağında “ıslak laboratuvar” bulgularını “kuru laboratuvar” analizleriyle birleştirebilen disiplinlerarası çalışmalar yer alıyor.

Damon Runyon Cancer Research Foundation Başkanı ve CEO’su Yung S. Lie, hesaplamalı uzmanlığın kişiselleştirilmiş tıpta giderek daha kritik hale geldiğini vurguladı. Lie’ye göre tümörlerin hücresel çeşitliliğini ve tedaviye verdikleri yanıtları anlamada veri entegrasyonu ve modelleme temel araçlar haline geliyor. Bu yaklaşım, kanserin tek bir hastalık gibi değil, farklı genetik ve hücresel özellikler taşıyan alt yapılardan oluşan karmaşık bir sistem olarak ele alınmasını gerektiriyor.

2026 bursiyerleri arasında yer alan araştırmacıların çalışmalarının ortak noktası, biyolojide klasik deneysel sorulara yeni matematiksel ve hesaplamalı yanıtlar aramaları. Vakıf, bu burslarla yalnızca bireysel projeleri desteklemekle kalmıyor; aynı zamanda hesaplamalı biyoloji ile kanser biyolojisi arasındaki işbirliğinin kalıcı biçimde güçlenmesini amaçlıyor. Bu işbirliği, genomik, transkriptomik ve klinik verilerin aynı anda değerlendirilmesini mümkün kılarak, erken evre kanser biyolojisinden tedavi direncine kadar uzanan pek çok alanda yeni içgörüler sağlayabilir.

Burs alan isimlerden biri olan Dr. Minsoo Kim, normal olduğu düşünülen meme dokusunda anöploid hücrelerin, yani kromozom sayısı olağan dışı olan hücrelerin varlığını inceliyor. Bu konu, uzun süredir sağlıklı görünen dokularda genetik düzensizliklerin ne kadar erken ortaya çıkabildiğine ilişkin soruları gündeme getiriyor. Anöploidi, kanser biyolojisinde sık rastlanan bir özellik olmakla birlikte, bu tür hücrelerin tümör oluşumundan önce mi, yoksa sonrasında mı belirginleştiği her zaman net değildir. Kim’in çalışması, görünürde normal dokuda bile hücresel çeşitliliğin sanılandan daha karmaşık olabileceğini araştırarak, erken kanserleşme süreçlerine dair önemli ipuçları sunmayı hedefliyor.

Programın genel yönelimi, son yıllarda tıp araştırmalarını dönüştüren hesaplamalı araçların kanser alanında daha etkili kullanılmasına dayanıyor. Tek hücreli analizlerden mekânsal omik teknolojilere kadar uzanan yeni nesil yöntemler, tümör mikromevresini ve hücreler arası etkileşimleri ayrıntılı biçimde inceleme olanağı veriyor. Ancak bu verilerin anlamlı biçimde yorumlanabilmesi için yalnızca biyolojik bilgi değil, aynı zamanda istatistiksel modelleme ve algoritmik analiz becerileri de gerekiyor. Damon Runyon’un burs programı, tam da bu boşluğu doldurmayı amaçlayan genç araştırmacılara esnek ve bağımsız bir destek sunuyor.

Kanser araştırmalarında hesaplamalı yaklaşımların yükselişi, yalnızca veri bolluğunun bir sonucu değil. Aynı zamanda hastalığın doğası da bu tür yöntemleri zorunlu kılıyor. Tümörler, zaman içinde değişen, bağışıklık sistemiyle etkileşime giren ve farklı bölgelerinde farklı genetik özellikler taşıyabilen dinamik yapılar. Bu nedenle ağ modelleme ve makine öğrenimi, örüntüleri saptamak, hücre topluluklarını sınıflandırmak ve tedavi yanıtlarını öngörmek için güçlü araçlar olarak öne çıkıyor. Yine de uzmanlar, bu tür yöntemlerin klinik karşılığı olabilmesi için dikkatli doğrulama, biyolojik bağlam ve deneysel testlerin gerekli olduğunu hatırlatıyor.

Vakfın Quantitative Biology Fellowships programı da bu dengeyi gözeten bir araştırma kültürünü teşvik ediyor. Program, hesaplamalı modellerin biyolojik hipotezleri desteklemesini, yeni sorular üretmesini ve deneysel bulgularla sürekli geri beslenen bir araştırma döngüsüne dönüşmesini amaçlıyor. Böylece postdoktora düzeyindeki araştırmacılar, kariyerlerinin erken aşamasında bağımsız fonla kendi bilimsel yönelimlerini geliştirme fırsatı buluyor.

2026 döneminde açıklanan burslar, kanser araştırmalarında disiplinler arası yaklaşımın artık istisna değil, giderek daha merkezi bir strateji haline geldiğini gösteriyor. Büyük veri, tek başına bilgi üretmiyor; onu anlamlandıracak hesaplamalı yöntemler, biyolojik sezgi ve deneysel doğrulama ile birlikte kullanıldığında değer kazanıyor. Damon Runyon’un son duyurusu da tam olarak bu yeni araştırma ekosistemine işaret ediyor: kanserin karmaşıklığını çözmek için laboratuvar, algoritma ve klinik bakış açısının aynı anda çalıştığı bir bilimsel model.

Bu yaklaşımın en önemli farkı, klasik toplu dizileme yöntemlerinin aksine milyonlarca hücrenin sinyalini ortalamak yerine her bir hücrenin gen ifadesini ayrı ayrı ölçebilmesi. Böylece tümörün içinde yer alan farklı hücre toplulukları, onların komşu stromal ve bağışıklık hücreleriyle ilişkileri ve hastalık sürecinde değişen moleküler durumları daha net biçimde görülebiliyor. Prostat dokusu, görünüşte tek bir tümör kitlesi gibi dursa da gerçekte epitelyal, stromal ve immün alt tiplerden oluşan karmaşık bir ekosistem barındırıyor. Tek hücre analizi, bu çeşitliliğin yalnızca var olduğunu göstermekle kalmıyor, aynı zamanda her hücre grubunun kendine özgü transkriptomik imzasını da ortaya koyuyor.

Bilim insanları için bu ayrıntı, prostat kanserinin evrimini anlamada kritik önemde. Tümörler zaman içinde genetik ve epigenetik olarak değişirken, bazı küçük hücre alt grupları hastalığın ilerlemesinde orantısız derecede büyük rol üstlenebiliyor. Tek hücre RNA dizileme, bu nadir popülasyonları saptayarak hangi hücrelerin büyümeyi sürdürdüğünü, hangilerinin tedavi baskısına uyum sağladığını ve hangilerinin saldırgan fenotiplere dönüştüğünü izlemeye yardımcı oluyor. Özellikle androjen yoksunluğu tedavisi gibi prostat kanserinin temel yaklaşımlarına yanıt sırasında hücrelerin nasıl yeniden programlandığı, bu teknoloji sayesinde çok daha ayrıntılı biçimde incelenebiliyor.

Bu yeniden programlanma, literatürde çoğu zaman “soy esnekliği” olarak anılan bir olguyla bağlantılı. Normalde belirli hücre kimliklerine sıkı biçimde bağlı olan prostat kanseri hücreleri, tedavi baskısı altında farklı özellikler kazanarak klasik tümör davranışından uzaklaşabiliyor. Tek hücre verileri, bazı hücrelerin daha nöral benzeri ya da farklılaşmamış durumlara kayabildiğini, bunun da tedavi direnciyle ilişkili olabileceğini düşündürüyor. Bu tür bulgular, hastalığın yalnızca bir genetik mutasyonlar dizisi değil, aynı zamanda hücresel kimlik değişimleriyle şekillenen dinamik bir süreç olduğunu gösteriyor.

Tek hücre teknolojilerinin sağladığı bir diğer önemli katkı, tümör mikroçevresini daha ayrıntılı görmeye başlamamız. Prostat kanserinde stromal hücreler, fibroblastlar, bağışıklık hücreleri ve damar çevresi bileşenleri, tümör hücrelerinin davranışını etkileyen pasif arka plan unsurları değil; aksine büyümeyi, invazyonu ve bağışıklık yanıtını yönlendirebilen aktif oyuncular. Tek hücre profilleme, bu hücrelerin hangi sinyalleri ürettiğini, tümörle nasıl iletişim kurduğunu ve hangi alt tiplerin hastalıkla ilişkili olabileceğini açığa çıkarıyor. Bağışıklık hücreleri içindeki çeşitlilik de aynı derecede dikkat çekici; farklı T hücresi, myeloid hücre ve diğer immün alt grupların tümör içinde nasıl dağıldığı ve hangi durumda baskılandığı ya da etkinleştiği bu yöntemle daha net anlaşılıyor.

Mekânsal RNA dizileme ise bu tabloya bir boyut daha ekliyor. Hücrelerin yalnızca ne ifade ettiklerini değil, tümör içinde tam olarak nerede yer aldıklarını da gösteriyor. Bu özellikle önem taşıyor; çünkü aynı gen ifadesi profiline sahip iki hücre, tümör merkezinde ya da kenarında bulunmasına göre farklı davranışlar sergileyebilir. Mekânsal teknikler, hücrelerin komşuluk ilişkilerini ve belirli mikro bölgelerde kümelenen agresif alt popülasyonları görünür kılıyor. Böylece araştırmacılar, gen ifadesi ile doku mimarisi arasındaki bağı kurabiliyor ve tümörün uzamsal organizasyonunun biyolojik anlamını daha iyi yorumlayabiliyor.

Bu gelişmelerin klinik etkisi potansiyel olarak geniş. Prostat kanseri tanısında ve tedavi planlamasında bugün hâlâ önemli sınırlamalar bulunuyor; aynı klinik evrede görünen tümörler biyolojik olarak çok farklı davranabiliyor. Tek hücre ve mekânsal yaklaşımlar, ileride daha hassas biyobelirteçlerin tanımlanmasına katkı verebilir. Özellikle tedaviye direnç geliştirme riski taşıyan nadir hücrelerin erkenden saptanması, daha uygun hasta sınıflandırması ve kişiselleştirilmiş stratejiler için değerli olabilir. Bununla birlikte, bu teknolojiler şu aşamada ağırlıklı olarak araştırma odaklı; rutin klinik uygulamaya dönüşmeleri için verilerin standartlaştırılması, maliyetlerin azalması ve yorumlama çerçevelerinin olgunlaşması gerekiyor.

Uzmanlara göre en büyük kazanım, prostat biyolojisine ilişkin ezberleri zorlayan bir ayrıntı düzeyine ulaşılmış olması. Tek hücre RNA dizileme, tümörün tek tip bir kütle değil, sürekli etkileşim halinde bulunan hücresel topluluklar bütünü olduğunu açıkça ortaya koyuyor. Mekânsal RNA dizileme ise bu toplulukların doku içinde nasıl düzenlendiğini göstererek, biyolojiyi yalnızca moleküler değil, mimari bir perspektifle de okunabilir hale getiriyor. Bu iki yaklaşım birlikte kullanıldığında, prostat kanserinin başlangıcından ilerlemesine, mikroçevreyle ilişkilerinden tedaviye uyum mekanizmalarına kadar pek çok süreç daha görünür hale geliyor.

Bu alanın büyümesi, prostat kanserinde erken tanı, risk sınıflaması ve tedavi yanıtını öngörme konusunda yeni fırsatlar sunuyor. Ancak araştırmacılar için asıl önemli mesaj, hastalığın her hastada ve hatta her tümör bölgesinde aynı şekilde davranmadığı gerçeği. Tek hücre ve mekânsal transcriptomik, bu heterojenliği yakalamak için en güçlü araçlardan bazıları olarak öne çıkıyor ve prostat kanseri araştırmalarını daha çözünürlüklü bir döneme taşıyor.