Yapay Zeka Çağında MikroRNA'lar ile Kanser Tedavisine Ne Kadar Yakınız?
Yapay Zeka Çağında Onkolojinin Sessiz Devrimcileri: MikroRNA'lar
DOI: 10.1038/s41571-025-01114-x · Yayın tarihi: 15 Ocak 2026
Kurum: MD Anderson Kanser Merkezi (Houston, ABD), Charité (Berlin), Alman Kanser Konsorsiyumu (DKTK)
1993'te Caenorhabditis elegans solucanlarında küçük bir gen düzenleyici molekülün keşfiyle başlayan üç on yıllık yolculuk, onkolojiyi sessiz bir devrimle dönüştürmeye aday: mikroRNA'lar (miRNA). Yalnızca 18-25 nükleotid uzunluğundaki bu kodlamayan RNA molekülleri, gen ifadesini son ince ayarla yöneten gerçek "orkestra şefleri"dir. Pek çok kanserde anormal şekilde ifade edilirler — bazıları onkogen gibi davranıp tümörü teşvik eder, bazıları tümör baskılayıcı işlev görür. Otuz yıllık yoğun araştırmaya rağmen klinik pratiğe henüz yerleşmiş bir miRNA biyobelirteci yok. Ancak Nature Reviews Clinical Oncology'de Ocak 2026'da yayımlanan bu kapsamlı derleme önemli bir tespit yapıyor: yapay zeka (YZ) ve makine öğrenmesi dalgası, miRNA'ları yıllarca durduran engelleri aşmaya başladı. MD Anderson'dan George Calin'in liderliğindeki ekip, miRNA biyolojisinden klinik translasyona uzanan bu dönüşümü ve önümüzdeki on yılda neler beklenebileceğini titizlikle haritalandırıyor.
MikroRNA Nedir? Üç Cümlede Bir Devrim
MikroRNA'lar, hücrenin kendi genlerini kullanarak ürettiği çok kısa RNA molekülleridir. Görevleri proteine dönüşmek değil, başka mRNA'ları susturarak gen ifadesini düzenlemektir. Bir tek miRNA, yüzlerce farklı mRNA'yı aynı anda hedefleyebilir — yani küçük bir molekül, geniş bir gen ağını yönetebilir. İşte bu kapsamlı düzenleyici güç, kanserde miRNA'ların hem ne kadar önemli hem de ne kadar karmaşık olduğunu açıklıyor.
İKİLİ ROL: AYNI miRNA, FARKLI BAĞLAMDA FARKLI YÜZ
miRNA biyolojisinin en şaşırtıcı yönlerinden biri bağlam-bağımlılıktır. Aynı miRNA bir hücre tipinde tümör baskılayıcı, başka bir hücre tipinde onkogen gibi davranabilir. Örneğin miR-200c, invaziv meme ve kolorektal kanserde tümör baskılayıcı işlev görür (ZEB1 ve ZEB2 mRNA'larını baskılayarak EMT'yi engeller); ancak meme kanserinin başlangıç aşamalarında miR-200c yüksek ifadesi hücre çoğalmasını ve kemoterapi direncini artırabilir. Bu paradoks, miRNA'ları "iyi" veya "kötü" kategorilere yerleştirmenin yetersizliğini gösteriyor — gerçek hikaye, hangi hücrede, hangi anda, hangi düzenleyici ağ içinde olduğuyla ilgilidir.
Aynı düzenleyici molekül, hücresel bağlama göre tümörü teşvik edebilir veya bastırabilir
Otuz Yıllık Sözün Hâlâ Tutulamayan Tarafı: Tek miRNA Biyobelirteç Hayali
İlk umut çok büyüktü: dolaşımdaki kandan bakılan tek bir miRNA, henüz tıbbi olarak görünmeyen tümörleri saptayabilir miydi? Otuz yıllık araştırma bu basit hayalin gerçekleşmediğini gösterdi. Tek bir dolaşımdaki miRNA biyobelirteci, kanser saptaması için gerekli tanısal doğruluğa ulaşamadı. Sebep çok katmanlı: miRNA seviyeleri yaş, cinsiyet, etnik köken, eşlik eden hastalıklar ve tümör mikroçevresinden etkileniyor; tek bir miRNA tüm bu değişkenler arasından sinyal vermek için yeterli duyarlılık ve özgüllüğe sahip değil.
Ancak alan, bu başarısızlığı kabul edip yön değiştirdi. Calin ve ark.'nın derlemesinin altını çizdiği temel mesaj şudur: kanser tanısı tek bir miRNA ile değil, miRNA panelleriyle yapılmalı. İşte bu noktada yapay zeka devreye giriyor — yüzlerce hatta binlerce miRNA'yı aynı anda değerlendirip "imza" oluşturmak için.
Yapay Zekanın miRNA Araştırmasını Dönüştürmesi: 25 Yıllık Bir Hızlanma
Derlemenin en aydınlatıcı yönlerinden biri, yapay zeka ve makine öğrenmesinin onkoloji araştırmalarına entegre olma sürecini kronolojik olarak haritalandırmasıdır. 1999'da kanser sınıflandırmasında ilk makine öğrenmesi uygulamalarından, 2024'te üzerinde çalışılan temel modellere (foundation models) uzanan bu yolculuk, klinik onkolojinin hangi yöne evrildiğine dair önemli ipuçları veriyor.
Onkolojide Yapay Zeka ve Makine Öğrenmesinin 25 Yıllık Evrimi
İlk SVM uygulamalarından temel modellere (foundation models) yolculuk
YZ Destekli miRNA Çalışmalarından Çarpıcı Sonuçlar
Derlemede yer alan birkaç çalışma, miRNA + yapay zeka kombinasyonunun gerçek potansiyelini gösteriyor:
Bu sayılardan en şaşırtıcısı belki sonuncusudur. Self-organizing map (SOM) — kendi kendine düzenlenen yapay sinir ağı — analizi, kanserden 32 yıl önce alınan serum örneklerinde bile miRNA imzasının değişmiş olabildiğini gösterdi. Akciğer, meme veya kolon kanseri geliştiren 30 hastanın yıllar önceki kan örnekleri, kontrol grubundan ayırt edilebilir miRNA imzaları taşıyordu. Bu bulgu, bir yandan kanser önleme açısından heyecan verici (çok erken tanı mümkün olabilir mi?), diğer yandan biyolojik açıdan rahatsız edici sorular doğuruyor: kanseri tetikleyen değişiklikler gerçekten on yıllar öncesinden mi başlıyor?
EMERALD: Yapay Zeka Destekli Çoklu Merkez miRNA Çalışmasının Dersleri
Derlemede özel olarak vurgulanan EMERALD çalışması, dört ülkede yürütülen geniş kohortlu bir çalışmadır. Özefagus adenokarsinomu (EAC) hastalarında aşırı ifade edilen 6 miRNA paneli (miR-106b-5p, miR-146a-5p, miR-15a-5p, miR-18a-5p, miR-21-5p ve miR-93-5p) makine öğrenmesi modelleriyle keşfedildi ve doğrulandı. Bu panel, EAC veya premalign Barrett özefagusu olan hastaları kontrolden 0,919 AUC ile ayırt edebildi.
Daha da etkileyici: bu 6-miRNA paneli, gastroözofageal reflü semptomları olan kişiler arasında Barrett özefagusu olanları %94,8 AUC ile saptayabildi. Klinik anlam: reflü hastaları arasında Barrett gelişen riskli grubu kanla tanıyabilmek — bu, endoskopinin zaman, maliyet ve hasta konforu yükünü potansiyel olarak azaltabilir.
miRNA Tedavileri: Cesur Denemeler ve Acı Dersler
miRNA'ları tedavi olarak kullanma fikri çok cazip — bir tek molekülü hedefleyerek geniş bir gen ağını yeniden ayarlamak. Ancak gerçeklik çok daha karmaşık çıktı. ClinicalTrials.gov verilerine göre Haziran 2025 itibarıyla onkolojide miRNA ile ilgili 472 klinik çalışma kayıtlı; ancak bunların hiçbiri henüz onaylı bir tedaviye dönüşmedi. Derlemenin en öğretici bölümlerinden biri, başarısızlığı dürüstçe analiz eden klinik araştırma manzarasıdır:
İlk insan deneyi olan MRX34 (miR-34a sentetik mimic), 2014-2016 arasında 85 ileri evre kanser hastasında test edildi. Sonuç:
- 3 hastada kısmi yanıt
- 16 hastada stabil hastalık (medyan 19 hafta)
- Hedef miRNA'ya bağlanma kanıtlandı
- ⚠ Çalışma 4 ölümle erken sonlandı
- Sebep: ciddi immün-aracılı yan etkiler (sitokin fırtınası benzeri)
miR-155 inhibitörü cobomarsen (LNA-modifiye antisens oligonükleotid), kütanöz T hücreli lenfomada (KTHL):
- 66 hastada faz 1 başarıyla tamamlandı
- >%50 hastada klinik yanıt
- Doza bağımlı lezyon küçülmesi
- Doz sınırlayıcı toksisite yok
- SOLAR faz 2 başlatıldı...
- ⚠ ...ancak sponsor ticari kararıyla erken sonlandırıldı (güvenlik/etki sorunu değil)
MRX34 trajedisi miRNA tedavi araştırmalarına önemli bir ders verdi: çift sarmallı RNA mimicleri ve lipozomal taşıyıcılar, immün sistemi öngörülemez şekilde uyarabilir. Bu sebeple alan, daha selektif ve daha az immünojenik LNA-modifiye antisens inhibitörlere yöneldi. Cobomarsen, bu yön değişiminin meyvesidir.
Devam Eden Klinik Çalışmalar Manzarası
🟢 LNA-i-miR-221 (HCC için, faz 1 tamamlandı)
Hepatosellüler karsinom hastalarında miR-221 inhibitörü test edildi. Grade ≥3 toksisite yok, hedef miRNA inhibisyonu kanıtlandı, kısmi yanıt görüldü.
🟡 INT-1B3 (miR-193a-3p mimic, faz 1 erken sonlandı)
Solid tümörlerde test edilen LNP-formüle mimic, fonlama yetersizliği nedeniyle erken sonlandırıldı — bilimsel sebep değil, finansal.
🟡 TargomiRs (mezotelyoma + KHDAK, faz 1 tamamlandı)
EnGeneIC bakteriyel minicelllerle EGFR-hedefli miR-16 mimic taşınması; hastalık stabilizasyonu ve nadir tümör küçülmesi görüldü.
🟡 TTX-MC138 (miR-10b inhibitörü, üçlü negatif meme + karaciğer metastazı)
Demir oksit nanopartikül formüle inhibitör; faz 0/1 tamamlandı, faz 1/2 başlamak üzere. Doz sınırlayıcı toksisite yok.
Klinik Translasyon Önündeki Engeller: Üç Büyük Cephe
- Bir miRNA yüzlerce mRNA'yı hedefler
- Bir mRNA çok sayıda miRNA tarafından düzenlenir
- Bağlam-bağımlı dual roller
- Telafi mekanizmaları (lncRNA, circRNA)
- Çoklu düzenleyici geri besleme döngüleri
- RNA bozulması ve ekstraksiyon yan etkileri
- Platformlar arası uyumsuzluk (qPCR, dizileme, mikroarray)
- Normalleştirme stratejisi eksikliği
- isomiR'ların standart analizden hariç bırakılması
- Hedef tahmin algoritmalarının yüksek yanlış-pozitif oranı
- Hedefli ilaç teslimat sorunu
- İmmünojenisite (TLR aktivasyonu, sitokin fırtınası)
- Doku-dışı yan etkiler
- Endozomal kaçış yetersizliği
- Standart farmakodinamik son nokta yokluğu
Yeni Yaklaşımlar: YZ ve Yenilikçi Teslimat Sistemleri
Engellere rağmen alan hızla evriliyor. Calin ve ark.'nın derlemesi, gelecekteki klinik translasyonu mümkün kılabilecek birkaç umut verici yaklaşımı vurguluyor:
Antikor-ilaç konjugatlarının (ADC) başarısından esinlenerek geliştirilen antikor-oligonükleotid konjugatları (AOC) özellikle dikkat çekiyor. Bu yaklaşım, miRNA mimic veya inhibitörünün belirli kanser hücrelerine spesifik olarak teslim edilmesini sağlayarak hem etkinliği artırma hem de toksisiteyi azaltma potansiyeli taşıyor. Mevcut AOC'ler çoğunlukla siRNA veya antisens oligonükleotid taşıyor; ancak aynı prensip miRNA tedavilerine de uyarlanabiliyor.
Geleceğin Dönüm Noktası: Spatyal miRNA Haritalaması
Patho-DBiT VE YENİ NESİL UZAYSAL TRANSKRİPTOMİK
Derlemenin belki de en heyecan verici bölümü, miRNA'ların tümör içindeki uzaysal dağılımını haritalamayı mümkün kılan yeni teknolojilerdir. Patho-DBiT (pathology-compatible deterministic barcoding in tissue) gibi platformlar, mature miRNA'ların kuyruksuz olması (poliadenilasyonu olmaması) gibi teknik engelleri aşarak, parafine gömülü tümör örneklerinde bile miRNA dağılımını gösterebiliyor. İlk uygulama, ekstranodal marjinal zon B hücreli lenfomada miR-142, miR-150, miR-146a ve miR-21'in yeniden onaylanmasıyla yapıldı. Bu teknolojinin akciğer, meme ve kolorektal kanser gibi yaygın tümörlere uyarlanması, miRNA'ların tümör mikroçevresindeki rolünü "tümör hücreleri vs T hücreleri vs stroma" ekseninde haritalandıracak — yani nereyi etkilediği sorusunun yanıtı yakın gelecekte daha net olacak.
drozdogan.com'da daha önce ele aldığımız tümör drenaj lenf düğümlerinin immün baskılayıcı mikroçevresi üzerinde de miRNA'lar etkilidir — özellikle Treg artışı ve dendritik hücre olgunlaşması üzerindeki etkileri. Spatyal transkriptomik teknolojileri, akciğer kanseri TDLN'lerindeki immün manipülasyonun moleküler yol haritasını çıkarabilir.
Türkiye Pratiği İçin Yansımalar ve Stratejik Pozisyon
Bu derlemenin Türkiye'deki onkoloji araştırması ve pratiği için birkaç önemli mesajı vardır. Birincisi, miRNA biyobelirteç araştırmaları için ulusal bir biyobanka altyapısı giderek kritik hale geliyor. EMERALD gibi çoklu merkezli, çoklu ülkeli çalışmalara Türkiye'nin katılımı, özellikle özefagus ve gastrik adenokarsinom (Türkiye'de yüksek insidans) için stratejik öneme sahip olabilir. Türk popülasyonunun miRNA imzaları Batı kohortlarından farklılık gösterebilir; bu nedenle yerel doğrulama çalışmaları zaruri olacaktır.
İkincisi, yapay zeka ve makine öğrenmesi yetkinliklerinin onkoloji araştırmasına entegrasyonu Türkiye için önemli bir fırsat alanıdır. TÜBİTAK ve büyük üniversite onkoloji merkezlerinin işbirliğiyle, YZ destekli miRNA biyobelirteç keşfi için ortak platformlar geliştirilebilir. Özellikle ücretsiz veriye dayalı modeller (TCGA, GEO gibi) üzerinde Türk bilim insanlarının başlangıçta yapabileceği çok şey var.
Üçüncüsü, likit biyopsi alanı SGK geri ödeme sisteminde nasıl konumlanacak? Mevcut hâliyle dolaşımdaki tümör DNA'sı testleri sınırlı geri ödeme alıyor; miRNA panelleri de kanıt zemini geliştikçe benzer bir tartışmanın konusu olacaktır. Sağlık politikası karar mekanizmalarının bu alandaki gelişmeleri proaktif takip etmesi, hastalarımızın yenilikçi tanı araçlarına erişimini hızlandırabilir.
Dördüncüsü, klinik onkologlar için somut mesaj şudur: miRNA tabanlı tedaviler henüz onaylı klinik kullanıma hazır değil; ancak bu yön değişebilir bir alandır. KTHL hastalarında cobomarsen veya HCC hastalarında LNA-i-miR-221 gibi seçenekler için, hastalarımızı uluslararası klinik araştırma çalışmalarına yönlendirmek bir seçenektir. Memorial Göztepe gibi merkezlerin kapsamlı moleküler onkoloji altyapısı, gelecekteki miRNA tabanlı kişiselleştirilmiş tedavi denemelerine entegrasyon için temel oluşturuyor.
🎓 DROZDOGAN Akademi — Yorum ve Tartışma
MİKRORNA · LİKİT BİYOPSİ · YAPAY ZEKA · MAKİNE ÖĞRENMESİ · KLİNİK TRANSLASYON
Bu Derlemenin Önemi
Onkoloji literatürünün son otuz yılı, miRNA'ların kanser biyolojisinde merkezi bir rol oynadığını dünyaya öğretti. 2002'de Calin'in keşfettiği KLL'deki miR-15a/16-1 delesyonundan bugünün YZ destekli pan-cancer modellerine uzanan yolculuk, bilim tarihinin örnek olaylarından biridir. Ancak aynı süre boyunca onlarca milyon dolarlık yatırım, hâlâ klinik pratikte kullanılan tek bir miRNA biyobelirteci üretemedi. İşte bu paradoks, derlemenin temel sorgu zeminidir: otuz yıllık bu yoğun araştırmadan klinik pratiğe ne kadarını taşıyacağız? Yapay zeka ve makine öğrenmesinin son birkaç yıllık olağanüstü gelişimi, daha önceki başarısızlıkların altında yatan teknik engelleri (yüksek boyutlu veri analizi, multi-omiks entegrasyon, çoklu miRNA imzalarının değerlendirilmesi) aşmaya yardımcı oluyor olabilir. Calin ve ark., bu yön değişiminin somut kanıtlarını çoklu çalışma örnekleriyle sunuyor ve miRNA araştırmasının "bilim olarak başarılı, klinikte başarısız" kategorisinden çıkma potansiyelini ciddi biçimde tartışmaya açıyor. Bu, sadece miRNA alanı için değil, kanser biyobelirteç araştırmasının genel felsefesi açısından da önemlidir — tek molekül arayışından imza tabanlı modellere geçiş, modern moleküler onkolojinin temel bir paradigma değişikliğidir.
Güçlü Yönler
Derlemenin metodolojik gücü, çok katmanlı bir bakış sunmasındadır: temel biyolojiden (miRNA biyogenez yolakları, ikili roller, bağlam-bağımlı işlevler) translasyonel uygulamalara (likit biyopsi, terapötik teslimat sistemleri), yapay zeka temelli modelleme tekniklerine (klasik ML algoritmaları, derin öğrenme, foundation modelleri) kadar bütüncül bir tablo çiziliyor. MD Anderson, Charité ve Alman Kanser Konsorsiyumu (DKTK) gibi dünya çapında lider kurumların bilim insanlarının ortak yazarlığı, derlemenin akademik otoritesini güçlendiriyor. Klinik araştırmaların sunumu özellikle değerli — başarısız çalışmalar (MRX34) ve umut verici sonuçlar (cobomarsen) eşit özenle ele alınmış, tıp etiğinin temel ilkesi olan "şeffaflık" korunmuş. Ayrıca, gelecekte uygulamaya hazır olabilecek somut yenilikler (Patho-DBiT, sChemNET, AOC platformları) okuyucuya aktarılmış; bu yaklaşım, derlemenin gelecek beş-on yıllık araştırma yönlerine yön gösterici niteliğini güçlendiriyor. Yapay zekanın sınırlamalarına yönelik öz-eleştirel yaklaşım da takdir edilmelidir — "siyah kutu" sorunu, küçük örneklem riski, dış doğrulamanın eksikliği gibi konular abartılı umuda kapılmadan tartışılmıştır.
Sınırlılıklar ve Açık Sorular
Eleştirel değerlendirmede önemli noktalar dikkat çekiyor. Birincisi, derleme genel olarak miRNA tabanlı tıbbın geleceğine umutlu bir bakış sunuyor; ancak otuz yıldır benzer umutların gerçeğe dönüşmediğini hatırlamak gerekiyor. Yapay zekanın bu engelleri "kesin olarak" aşacağına dair iddialar henüz yeterli klinik veriyle desteklenmemiştir. İkincisi, derlemede yer alan YZ çalışmaları büyük ölçüde tek merkezli, retrospektif kohortlardan veri kullanan modellerdir; bağımsız çoklu merkez doğrulamaları sınırlıdır. Bu, "overfitting" (modelin sadece eğitim verisine uyum sağlaması) riskini yüksek tutar. Üçüncüsü, derleme klinik laboratuvarlarda standart uygulanabilir miRNA test panellerinin maliyetini ve teknik zorluklarını yeterince tartışmamıştır — özellikle düşük-orta gelirli sağlık sistemleri için bu konu hayati önem taşır. Dördüncüsü, miRNA tabanlı tedavi denemelerinin ekonomik gerçekliği eksiktir: INT-1B3 çalışmasının "fonlama yetersizliği" nedeniyle erken sonlanması, bu alanın hâlâ büyük ölçüde küçük biyoteknoloji şirketlerine bağımlı olduğunu ve büyük farma yatırımı çekemediğini gösteriyor. Beşincisi, yapay zeka modellerinin "siyah kutu" sorunu derlemede tartışılmış olsa da, klinik karar verme bağlamında bu sorunun pratik çözümü hâlâ belirsizdir — bir hekim, hastasının miRNA-tabanlı kanser teşhisini neden böyle olduğunu açıklayamadan kabul edebilir mi? Altıncısı, etnik ve coğrafi çeşitlilik sorunu yeterince işlenmemiştir — mevcut YZ modelleri büyük ölçüde Avrupa-Amerika kohortlarından eğitilmiştir; Türk, Asya veya Afrika popülasyonları için doğrulama eksiktir. Son olarak, ikili rol gerçeği derlemede tanımlansa bile, klinik karar verme açısından bu durumun ne kadar büyük bir engel olduğu yeterince vurgulanmamıştır — hangi miRNA panelinin hangi tümör tipinde, hangi evrede biyobelirteç olabileceği sorusu, "kişiselleştirilmiş onkoloji" ideali ile pratik klinik uygulanabilirlik arasındaki gerilimi yansıtır.
Klinik Pratiğe Yansıması
Türkiye'deki onkoloji pratisyenleri için somut mesajlar şunlardır. Birincisi, miRNA tabanlı testler henüz rutin klinik pratiğin bir parçası değildir; ancak likit biyopsi alanındaki gelişmelerin yakın gelecekte bu durumu değiştirme potansiyeli vardır. Hastalarımızla konuşurken bu konularda gerçekçi bilgi vermek gerekir — "miRNA testi" gibi henüz onaylanmamış araçlar hakkında yapılan ticari iddialara karşı temkinli olmak önemlidir. İkincisi, kütanöz T hücreli lenfoma gibi nadir hastalıkları olan hastalarımız için cobomarsen ve benzeri miRNA-tabanlı tedavilerin uluslararası klinik araştırmalara erişim, dikkate alınması gereken bir seçenektir. Üçüncüsü, hepatosellüler karsinom hastalarında LNA-i-miR-221 gibi denemeler, gelecek yıllarda Türkiye'de de açılabilir; merkezlerin bu çalışmalara hazırlık yapması stratejik önem taşır. Dördüncüsü, hastaların alımına önemle dikkat etmek gerekiyor: tümör doku örneklerinin yüksek kalitede alınması ve uygun şekilde saklanması (RNA bütünlüğü çok hassastır), gelecekteki miRNA analizleri için temel oluşturur. Memorial Göztepe gibi merkezlerin biyobanka altyapısı, bu açıdan Türkiye için stratejik bir kaynak. Beşincisi, hastanın değerlendirilmesinde miRNA-bağlamlı kararların yapay zeka destekli olabileceği bir çağa giriyoruz; ancak bu, hekim klinik muhakemesinin yerine geçmemeli, onu desteklemelidir. Klinisyenler bu yeni araçları "siyah kutu" olarak değil, eleştirel olarak değerlendirme zihniyetiyle yaklaşmalıdır. Altıncısı, özellikle özefagus, mide, hepatosellüler karsinom (Türkiye'de görece yüksek insidans gösteren tümörler) için miRNA imza tabanlı tarama yaklaşımları, ileride toplumsal sağlık programlarına entegre olma potansiyeli taşıyor; bu hâlihazırda fizibilite çalışmaları yapılmaya değer bir alandır. Son olarak, miRNA'ların ikili rolü gerçeği klinik kararı şekillendirir — aynı miRNA'nın aynı tümör içinde bile farklı bölgelerde farklı işlev görebileceği, doku heterojenitesinin ve çoklu örnekleme stratejilerinin önemini bir kez daha vurgular. Bu, drozdogan.com'da daha önce işlediğimiz tümör drenaj lenf düğümleri ve PD-L1/NGS heterojenitesi ile birleşen ortak bir tema: kanser teşhisi ve tedavisinde "tek örnek, tek karar" mantığı yerini "çoklu örnek, çok katmanlı karar" felsefesine bırakıyor.
Gelecek Soruları
Önümüzdeki dönemin kritik soruları şunlardır: YZ destekli pan-cancer miRNA panelleri (Wu ve ark.'nın 39-miRNA çalışması gibi) çoklu merkez prospektif doğrulama çalışmalarında etkinlik gösterebilecek mi ve regülatör onay alabilecek mi? "Erken evre kanseri 32 yıl önceden saptama" potansiyeli (Keller ve ark.'nın SOM çalışması) etik olarak nasıl yönetilecek — bir kişiye on yıllar önceden "yüksek riskli" demek psikolojik ve sigorta etkisi açısından nasıl çerçevelendirilecek? Patho-DBiT gibi spatyal transkriptomik teknolojileri, tümör mikroçevresindeki miRNA dağılımını rutin patoloji uygulamasına entegre edilebilecek formata getirebilecek mi? Foundation modelleri (MDformer, SeNMo) klinik karar destek sistemlerine ne zaman dahil olacak ve "siyah kutu" sorununu açıklanabilir YZ (xYZ) yaklaşımlarıyla nasıl aşacağız? AOC platformları (antikor-oligonükleotid konjugatları), ADC'lerin ticari başarısını miRNA-tabanlı tedaviler için tekrarlayabilecek mi? KTHL'de cobomarsen ve HCC'de LNA-i-miR-221 örneklerinin ötesinde, hangi onkolojik hastalıklar için miRNA-tabanlı tedavilerin onay alma şansı en yüksek? Türkiye özelinde: TÜBİTAK ve Sağlık Bakanlığı işbirliğiyle yerli bir miRNA biyobelirteç araştırma platformu, ulusal biyobanka altyapısı ve YZ destekli analiz merkezi kurulabilir mi ve bu sağlık politikası önceliği haline gelecek mi? Etik açıdan, on yıllar öncesinden kanser riski belirleyebilen bir miRNA testinin kişisel sigorta ve istihdam ayrımcılığına yol açma riski nasıl yönetilecek? Son olarak, en derin biyolojik soru: miRNA imzalarının kanser öncesinde değişmesi, kanseri tetikleyen biyolojik süreçlerin gerçekten on yıllar öncesinden başladığı anlamına mı geliyor — yoksa miRNA'lar, henüz anlamadığımız erken biyolojik dengesizliklerin sadece bir yansıması mı? Bu sorular, sadece miRNA alanı için değil, tüm onkoloji disiplini için gelecek on yılın yön gösterici tartışmalarını şekillendirecektir.
Bilimsel Kaynaklar
- Jurj A, Dragomir MP, Li Z, Calin GA. MicroRNAs in oncology: a translational perspective in the era of AI. Nat Rev Clin Oncol 2026;23(4):239–259. doi:10.1038/s41571-025-01114-x
- Lee RC, Feinbaum RL, Ambros V. The C. elegans heterochronic gene lin-4 encodes small RNAs with antisense complementarity to lin-14. Cell 1993;75:843–854.
- Calin GA ve ark. Frequent deletions and down-regulation of micro-RNA genes miR15 and miR16 at 13q14 in chronic lymphocytic leukemia. Proc Natl Acad Sci USA 2002;99:15524–15529.
- Hong DS ve ark. Phase 1 study of MRX34, a liposomal miR-34a mimic, in patients with advanced solid tumours. Br J Cancer 2020;122:1630–1637.
- Querfeld C ve ark. Phase 1 trial of cobomarsen, an inhibitor of Mir-155, in cutaneous T cell lymphoma. Blood 2018;132:2903.
- Tassone P ve ark. Safety and activity of the first-in-class LNA miR-221 selective inhibitor: a first-in-human phase 1 study. J Hematol Oncol 2023;16:68.
- Wu P ve ark. Pan-cancer characterization of cell-free immune-related miRNA identified as a robust biomarker for cancer diagnosis. Mol Cancer 2024;23:31.
- Miyoshi J ve ark. (EMERALD). Liquid biopsy to identify Barrett's oesophagus, dysplasia and oesophageal adenocarcinoma: the EMERALD multicentre study. Gut 2025;74:169–181.
- Pardini B ve ark. A fecal microRNA signature by small RNA sequencing accurately distinguishes colorectal cancers: results from a multicenter study. Gastroenterology 2023;165:582–599.e8.
- Keller A ve ark. Competitive learning suggests circulating miRNA profiles for cancers decades prior to diagnosis. RNA Biol 2020;17:1416–1426.
- Bai Z ve ark. Spatially exploring RNA biology in archival formalin-fixed paraffin-embedded tissues (Patho-DBiT). Cell 2024;187:6760–6779.e24.
- Galeano D ve ark. sChemNET: a deep learning framework for predicting small molecules targeting microRNA function. Nat Commun 2024;15:9149.
- Dong B ve ark. MDformer: a transformer-based method for predicting miRNA-disease associations. Comput Biol Med 2023;167:107585.
- Drula R, Calin GA. MicroRNAs: where brilliance, perseverance, and ambition converged. J Clin Invest 2024;135:e189625.
Bu makale, süreç kapsamında yapay zeka da dahil olmak üzere çeşitli editörlük araçları kullanılarak oluşturulmuştur. Yayınlanmadan önce insan editörler tarafından incelenmiştir. Bu yazıda söz edilen miRNA tabanlı tanı ve tedavi yaklaşımları büyük ölçüde araştırma aşamasındadır ve Türkiye'de standart klinik kullanıma sunulmuş onaylı bir miRNA tabanlı kanser testi veya tedavisi henüz bulunmamaktadır.
