---
type: "Akademik Makale Analizi"
title: "Mekansal Transkriptomik Teknolojilerindeki Gelişmeler ve İlgili Veri Analizi Stratejileri"
description: "Biyomedikal araştırmalarda doku mimarisinin ve hücresel heterojenliğin anlaşılması, hücresel etkileşimler ile mikreçevre ilişkilerini çözebilmek adına kritik önem taşımaktadır. Geleneksel tek hücre RNA sekanslama (scRNA-seq) yöntemleri, dokuyu ayrıştırırken hücrelerin fizyolojik mekansal konum bilgi"
resource: "https://makaleanalizi.com/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/mekansal-transkriptomik-teknolojilerindeki-gelismeler-ve-ilgili-veri-analizi-stratejileri"
doi: "10.1186/s12967-023-04150-2"
authors: ["Jun Du", "Yuchen Yang", "Zhijie An", "Minghui Zhang", "Xue-Hang Fu", "Zoufang Huang", "Ye Yuan", "Jian Hou"]
citation: "Du, J., Yang, Y., An, Z., Zhang, M., Fu, X., Huang, Z., Yuan, Y., Hou, J. (2023). Advances in spatial transcriptomics and related data analysis strategies. Journal of Translational Medicine, 21(1), 330-330. https://doi.org/10.1186/s12967-023-04150-2"
publicationType: "narrative-review"
discipline: "Doğa Bilimleri"
subDiscipline: "Fizik, Kimya ve Yaşam Bilimleri"
evidenceCount: 14
tags: ["Mekansal transkriptomik", "Doku heterojenliği", "Metodoloji"]
timestamp: "2026-08-03T15:51:05.672Z"
---

# Mekansal Transkriptomik Teknolojilerindeki Gelişmeler ve İlgili Veri Analizi Stratejileri

Özgün başlık: Advances in spatial transcriptomics and related data analysis strategies
DOI: https://doi.org/10.1186/s12967-023-04150-2
Künye (APA 7): Du, J., Yang, Y., An, Z., Zhang, M., Fu, X., Huang, Z., Yuan, Y., Hou, J. (2023). Advances in spatial transcriptomics and related data analysis strategies. Journal of Translational Medicine, 21(1), 330-330. https://doi.org/10.1186/s12967-023-04150-2

Bilim alanı: [Doğa Bilimleri](/okf/doga-bilimleri/index.md) › Fizik, Kimya ve Yaşam Bilimleri

# Alan bağlamı

Biyomedikal araştırmalarda doku mimarisinin ve hücresel heterojenliğin anlaşılması, hücresel etkileşimler ile mikreçevre ilişkilerini çözebilmek adına kritik önem taşımaktadır. Geleneksel tek hücre RNA sekanslama (scRNA-seq) yöntemleri, dokuyu ayrıştırırken hücrelerin fizyolojik mekansal konum bilgisini yok etmektedir. Bu durum karmaşık hücresel iletişim ağlarının tam olarak anlaşılmasını zorlaştırırken, son yıllarda gelişen mekansal transkriptomik teknolojileri geni korunan doku kesitlerinden elde edilen gen anlatım verilerini özgün mekansal koordinatlarıyla birleştirerek bu sınırlılığı aşmaktadır.

# Akademik özet

Biyomedikal araştırmalarda doku mimarisinin ve hücresel heterojenliğin anlaşılması, organ fizyolojisi ile hastalık patojenezinin aydınlatılmasında temel bir role sahiptir. Geleneksel tek hücre RNA sekanslama teknolojileri hücresel düzeyde transkriptomik profilleme imkânı sunsa da, dokunun enzimatik veya mekanik olarak ayrıştırılması sürecinde hücrelerin özgün fizyolojik konum bilgisi kaybolmaktadır. Bu teknik sınırlılık, hücresel etkileşim ağlarının ve mikroçevre ilişkilerinin tam olarak çözümlenmesini engellemektedir. Son yıllarda ivme kazanan mekansal transkriptomik teknolojileri, gen anlatım verilerini korunan doku kesitleri üzerinde özgün koordinatlarıyla eşleştirerek bu sorunu ortadan kaldırmaktadır.

Derleme niteliğindeki bu çalışmada, mevcut mekansal transkriptomik platformları teknik mekanizmalarına göre dört ana grupta sınıflandırılmakta ve analiz edilmektedir. Araştırmacılar mikrodiseksiyon, in situ hibridizasyon, in situ sekanslama ve mekansal barkodlama tekniklerinin çözünürlük, gen tespit kapasitesi, hassasiyet ve uygulama kolaylıklarını karşılaştırmalı olarak incelemektedir. Ayrıca R ve Python ekosistemlerinde geliştirilen biyoenformatik yazılımların veri ön işleme, kümeleme, mekansal değişken genlerin tespiti, hücre tipi dekonvolüsyonu ve tek hücre verileriyle entegrasyon süreçlerindeki matematiksel algoritmaları ayrıntılı biçimde çözümlenmektedir.

Çalışmanın bulguları, in situ hibridizasyon ve in situ sekanslama yöntemlerinin hücresel ve hücre altı çözünürlük sunduğunu, ancak gen tespiti açısından önceden tasarlanmış problara bağımlı olabildiğini göstermektedir. Buna karşın mekansal barkodlama teknikleri (10x Genomics Visium, Slide-seq, Seq-Scope) tüm transkriptom düzeyinde tarafsız veri elde edilmesine olanak tanımakla birlikte, leke (spot) boyutuna bağlı olarak çoklu hücre karışımı içerebilmektedir. Biyoenformatik araçların (Seurat, Tangram, SpatialDE, SPARK, CARD) bu teknik sınırlılıkları gidermede, eksik verileri tahmin etmede (imputation) ve hücresel iletişimi modellemede kritik işlev gördüğü saptanmıştır.

Sonuç ve tartışma bölümünde, mekansal transkriptomik yöntemlerin tümör heterojenliği, nörobiyoloji ve gelişimsel biyoloji alanlarındaki dönüştürücü rolü vurgulanmaktadır. Makale, tek hücre RNA sekanslama verileri ile mekansal transkriptomik verilerinin organik entegrasyonunun klinikte tanısal ve tedaviye yönelik potansiyelini öne çıkarmaktadır. Türk araştırmacılar için bu çalışma, deneysel metodoloji seçiminden biyoenformatik veri analiz hattının kurgulanmasına kadar olan süreçte kapsayıcı bir rehber niteliği taşımakta ve omiks teknolojilerindeki gelecek araştırmalara teorik altyapı sunmaktadır.

# Araştırmanın amacı

Mevcut mekansal transkriptomik teknolojilerinin teknik özelliklerini, avantaj ve dezavantajlarını özetlemek; bu tekniklerin biyomedikal araştırmalardaki kullanım alanlarını sunmak ve mekansal transkriptomik veri analizinde kullanılan hesaplamalı stratejileri kapsamlı bir şekilde incelemektir.

# Yöntem ve tasarım

Bu çalışma, mekansal transkriptomik teknolojilerini dörde ayırarak teknik niteliklerini, biyomedikal uygulama alanlarını ve hesaplamalı veri analizi stratejilerini sistematik olarak derleyen kuramsal bir incelemedir.

# Bulgular ve önermeler

1. Mikrodiseksiyona dayalı teknikler belirli doku bölgelerinden yüksek hassasiyetle örnek almayı sağlarken, laboratuvar iş yükü ve sınırlı hücre çözünürlüğü nedeniyle geniş ölçekli doku analizlerinde kısıtlı kalmaktadır.
2. In situ hibridizasyon yöntemleri tekil transkriptlerin doku içerisindeki konumlarını alt hücresel çözünürlükte görüntüleyebilir; ancak optik çakışmalar ve prob sentezi gereksinimleri nedeniyle eşzamanlı incelenen gen sayısında tespit sınırları taşır.
3. In situ sekanslama yöntemleri hücresel doku yapısını bozmadan mekansal düzeyde gen ifadesi analizi yapılmasına imkân tanır ve ekstraksiyon sapmalarını önler, ancak hedefleme için ön bilgi veya padlock probları gerektirebilir.
4. Mekansal barkodlama teknolojileri gen ifadesi verileri ile mekansal koordinat bilgilerini aynı anda elde etmeyi sağlar; buna karşın çözünürlük arttıkça ortaya çıkan veri seyreksizliği ve teknik gürültü hesaplamalı düzeltmeler gerektirir.
5. Hesaplamalı gen imputasyon yöntemleri deneysel hassasiyet yetersizliklerinden kaynaklanan veri kayıplarını tahmin ederek mekansal veri kümesindeki eksik gen ifadelerini tamamlar ve hücresel dekonvolüsyon doğruluğunu artırır.

# Yazarın tartışması

Mekansal transkriptomik alanındaki deneysel ve hesaplamalı gelişmeler, dokulardaki hücresel heterojenliğin ve mikroçevre etkileşimlerinin özgün anatomik bağlam bozulmadan incelenebileceğini göstermektedir. Dört ana deneysel kategori olan mikrodiseksiyon, in situ hibridizasyon, in situ sekanslama ve mekansal barkodlama yöntemlerinin her biri çözünürlük, gen tespit kapasitesi ve işlem hacmi açısından belirgin avantaj ve kısıtlılıklar sunmaktadır.

Yazarlar, deneysel platformların tek başına hücre içi bilgi ile mekansal konumu tam çözünürlükte sunmadığı durumlarda hesaplamalı biyoinformatik araçlarının kritik bir tamamlayıcı unsur olduğunu vurgulamaktadır. Özellikle kümeleme, mekansal değişken genlerin tespiti, dekonvolüsyon ve gen imputasyonu gibi veri analizi stratejileri, deneysel gürültüleri ve veri kayıplarını hafifleterek biyolojik sinyalin doğruluğunu yükseltmektedir.

Tartışma bölümünde literatürdeki dekonvolüsyon ve gen haritalama algoritmaları karşılaştırılarak, Seurat, Tangram, SPARK ve CARD gibi R/Python paketlerinin performans farkları değerlendirilmiştir. Tek hücre RNA sekanslama veri kümeleri ile mekansal transkriptomik verilerinin entegrasyonu, hücre tiplerinin doku üzerindeki konumlarını ve hücreler arası ligand-reseptör haberleşme hatlarını yüksek kesinlikle haritalandırmaktadır.

Sonuç olarak, mekansal transkriptomik tekniklerinin çoklu omik verileriyle birleştirilmesi ve yapay zeka tabanlı hesaplamalı modellerle desteklenmesi, kanser biyolojisi ve gelişimsel süreçlerdeki belirsizlikleri giderme potansiyeli taşımaktadır. Gelecekte sub-hücresel çözünürlüğün ve klinik FFPE doku örnekleri uyumluluğunun artması, bu yöntemlerin translasyonel tıpta rutin tanı ve tedavi hedefi tespiti için kullanımını yaygınlaştıracaktır.

# Yazarın sonucu

Mekansal transkriptomik teknolojileri ve gelişen biyoinformatik analiz stratejileri, doku mimarisinin ve hastalık mikroçevrelerinin hücresel düzeyde anlaşılmasında devrim niteliğinde ilerlemeler sağlamaktadır. Mevcut teknik sınırların aşılması ve tek hücre RNA sekanslama verileriyle daha etkin bütünleştirilmesi, translasyonel tıp ve klinik tanı süreçlerinde yeni ufuklar açacaktır.

# Literatürdeki işlevi

Bu derleme makalesi, hizla gelisen mekansal transkriptomik alaninda hem islak laboratuvar teknolojilerini hem de kuru laboratuvar biyoinformatik analiz araclarini bir araya getiren kapsamli bir rehber gorevi gormektedir. Tek hucre duzeyinde RNA dizilemenin doku butunlugunu bozma sınırliligini asan mekansal yöntemleri mikrodiseksiyon, in situ hibridizasyon, in situ sekanslama ve mekansal barkodlama olmak üzere dort ana kategoride siniflandirir. Makale, araştırmacilara hangi biyolojik probleme hangi teknolojik platformun ve analiz algoritmasinin uygun olacagini gösteren butuncul bir karar verme matrisi sunarak literatürde onemli bir boslugu doldurmaktadir.

Önceki çalışmalarla ilişkisi: Çalışma, mekansal transkriptomik alanindaki ilk cigir acici çalışmalardan gunumuze kadar olan evrimi kronolojik ve tematik bir yaklaşimla ele alir. Önceki çalışmalarin genellikle ya sadece deneysel protokollere ya da sadece biyoinformatik paketlere odaklandigi nis alanlari birlestirir. Özellikle, düşük cozunurluklu barkodlama yöntemlerinin tek hucre RNA sekanslama veri kumeleriyle nasıl entegre edilecegini tartisarak, dekonvolusyon algoritmalarinin önceki modellere gore gösterdiği gelişimi ve ustunluklerini derinlemesine açıklar. Bu sayede literatürdeki metodolojik bosluklari basariyla kapatir.

Literatür taramasına katkısı: Bu makale, Turk biyomedikal araştırmacilari için karmasik mekansal veri analizi ekosistemini haritalandirarak literatür taramasi süreçini son derece kolaylastirmaktadir. Hangi R ve Python paketinin hangi algoritmayi kullandigini, hangi veri formatlarina ihtiyac duydugunu ve hangi sınırliliklara sahip oldugunu tek bir cati altinda sunar. Bu yonuyle translasyonel tip araştırmalarında deneysel tasarim asamasindan veri analizi ve klinik yorumlama asamasina kadar her adimda basvurulabilecek bir sentez rehberidir yardimci bir kaynak niteligindedir.

# Tez ve makale araştırmalarında kullanım

- **Tek hucre RNA sekanslama yöntemleri doku butunlugunu bozdugu için huresel iletisim aglarinin mekansal bağlamda çözümlenmesini zorlastirmaktadir.** — Tez yaziminda tek hucre dizileme yöntemlerinin temel kisitliliklarini ve mekansal transkriptomik teknolojilerine duyulan ihtiyaci gerekcelendirmek için kullanılir.
- **Mekansal dekonvolusyon algoritmalari, düşük cozunurluklu mekansal transkriptomik noktalarindaki karmasik hucre populasyonlarini tek hucre verileriyle eslestirerek cozebilir.** — Biyoinformatik veya sistem biyolojisi tezlerinde, veri analizi is akisinda kullanılacak dekonvolusyon yöntemlerinin teorik altyapisini kurmak için kullanılir.
- **In situ hibridizasyon yöntemleri cok yüksek alt-huresel cozunurluge sahip olsalar da eszamanli ölçulebilen gen sayisi bakimindan kanal cakismasi sınırliliklarina sahiptir.** — Deneysel biyoloji çalışmalarında elde edilen bulgularin doğrulanmasi asamasinda karsilasilan yöntem kisitliliklarini tartismak ve alternatif protokolleri önermek için kullanılir.

# Türetilebilir araştırma soruları

- **CARD dekonvolusyon algoritmasi kullanılarak mide kanseri doku kesitlerindeki kanserle ilişkili fibroblastlarin mekansal dagilimi ile tumor infiltrasyonu arasinda nasıl bir ilişki kurulabilir?**
  - Desen: Mide kanseri hastalarindan alinacak dondurulmus doku kesitlerinde 10x Genomics Visium ile mekansal veri toplanacaktir. Ayni hastalardan elde edilen scRNA-seq veri kumesi referans alinarak CARD algoritmasi ile dekonvolusyon yapilacak ve mekansal dagilimlar regresyon analizleriyle modellenecektir. Örneklem büyüklüğü veri doygunluğuna göre belirlenecektir.
  - Gerekçe: Makalede dekonvolusyon algoritmalarinin düşük cozunurluklu lekelerdeki heterojenligi cozmedeki onemi ve CARD paketinin diğer yöntemlere kiyasla yüksek doğrulugu vurgulanmaktadir.
- **Insan dorsal kok gangliyonu dokularinda agriya duyarli nosiseptor alt populasyonlarinin spesifik gen ifade profilleri in situ hibridizasyon ile alt-huresel duzeyde nasıl gorsellestirilebilir?**
  - Desen: Insan postmortem DRG kesitlerinde smFISH yöntemi kullanılarak nosiseptor spesifik genler (orn. TRPV1, SCN9A) hedef alinacaktir. Goruntuleme sonuçunda elde edilen sinyal yoğunluklari ve mekansal koordinat verileri alt-huresel duzeyde kantitatif piksel analizi ile değerlendirilecektir. Örneklem gücü istatistiksel analizler için güç analiziyle hesaplanacaktir.
  - Gerekçe: Makalenin Tablo 3unde Tavares-Ferreira ve ark. tarafindan yapilan DRG çalışmasina atifta bulunulmasi ve smFISHin yüksek hassasiyetli alt-huresel biyolojik doğrulama gucu bu tasarimin temelini oluşturur.
- **Fare embriyonik karacıger gelişimi sirasinda lobuler zonasyon marker genlerinin mekansal ifadeleri SPARK paketi ile nasıl analiz edilir?**
  - Desen: Farklı gelişim asamalarindaki fare karacıger kesitleri Slide-seqV2 yöntemi ile dizilenecektir. Elde edilen mekansal gen ifadesi verileri üzerinden genellestirilmis lineer mekansal modeller kullanan SPARK paketi yardimiyla mekansal değişken genler tespit edilecek ve gelişimsel zonasyon gidisati yorunge analiziyle belirlenecektir.
  - Gerekçe: Makalede Hildebrandt ve ark. tarafindan fare karacıgerinde zonasyon oruntulerinin ST ile gösterildigi ve SPARK paketinin mekansal değişken genleri belirlemedeki istatistiksel gucu belirtilmistir.

# Kaynak izleri

Her iddia, özgün yayının belirtilen sayfasındaki birebir alıntıya bağlıdır.

| Kanıt | Bölüm | PDF sayfası | Basılı sayfa | Alıntı |
|---|---|---|---|---|
| ev-o-1 | Abstract | 1 | — | Single ‐cell RNA sequencing (scRNA‐seq) cannot provide spatial information, while spatial transcriptomics technologies allow gene expression information to be obtained from intact  |
| ev-o-2 | Introduction | 2 | 2 | In this article, we summarize the landscapes of available spatial transcriptomics technologies, present the employment of spatial techniques in extensive fields of biomedical resea |
| ev-s-1 | Introduction | 1 | — | In this review, we summarize available technologies of spatial transcriptomics, probe into several applications, discuss the computational strategies and raise future perspectives, |
| ev-s-2 | Technologies based on microdissection | 3 | 3 | In summary, microdissection-based methods provide a competent approach to obtaining regions of interest from tissue samples with high sensitivity. |
| ev-s-3 | Technologies based on in situ hybridization | 7 | 7 | Overall, in - situ -hybridization-based techniques allow for the visualization of RNA molecules within their original tissue context by hybridizing probes with com - plementary tar |
| ev-s-4 | Technologies based on in situ sequencing | 8 | 8 | In contrast to traditional sequencing methods that separate cells from their spatial context, in - situ -sequenc - ing-based methods enable spatial-level gene expres - sion analysi |
| ev-s-5 | Technologies based on spatial barcoding | 9 | 9 | Overall, spatial-barcoding-based techniques allow for the simultaneous acquisition of gene expression and spatial location information. |
| ev-s-6 | Spatial decomposition and gene imputation | 15 | 15 | Gene imputation refers to the task of inferring lost gene expression information or “dropouts” caused by factors such as low protocol sensitivity, mitigating errors during gene mea |
| ev-s-7 | Conclusion and future perspectives | 18 | 18 | By integrating both datasets, we can deci - pher potential intercellular communication pathways, including ligand-receptor interactions and juxtacrine and paracrine signaling. |
| ev-l-1 | Abstract | 1 | — | Single ‐cell RNA sequencing (scRNA‐seq) cannot provide spatial information, while spatial transcriptomics technologies allow gene expression information to be obtained from intact  |
| ev-l-2 | Spatial decomposition and gene imputation | 15 | 15 | A spatial decomposition method devised by Ma and colleagues [ 58 ] is termed conditional autore - gressive-based deconvolution (CARD) building on a non- negative matrix factorizati |
| ev-l-3 | Technologies based on in situ hybridization | 7 | 7 | This technology requires fluorescent labeled RNA probes to hybridize with target molecules so the main drawback of smFISH is the limitation on the number of color channels due to t |
| ev-l-4 | Illustrating tissue architecture and developmental atlas | 11 | 11 | Another study utilizing 10 × Genomics Visium probes into human nociceptors to present molecular fea - tures by applying the technology to human dorsal root ganglia [ 8 ]. |
| ev-l-5 | Spatially-variable genes identification | 15 | 15 | Spatial pattern recognition via kernels (SPARK) technology, based on a generalized linear spatial model with a penalized quasi-likelihood algorithm, can over - come the high type I |

# İlgili kavramlar

- [LINA Test Altyapısı İnsansız Hava Araçlarında Yapay Zekanın Güvenli ve Düzenleyici Uyumlu Entegrasyonunu Sağlıyor](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/lina-test-altyapisi-insansiz-hava-araclarinda-yapay-zekanin-guvenli-ve-duzenleyici-uyumlu-entegrasyonunu-sagliyor.md)
- [Nörogelişimsel Adalet: Porto Riko'da Ergenlerin Cezai Sorumluluğunun Yeniden Düşünülmesi ve Gençlik Adalet Sisteminin Dönüşümü](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/norogelisimsel-adalet-porto-rikoda-ergenlerin-cezai-sorumlulugunun-yeniden-dusunulmesi-ve-genclik-adalet-sisteminin-donusumu.md)
- [Karadeliklerin Kozmolojik Bağlanmasına İlişkin Gözlemsel Kanıtlar ve Karanlık Enerjinin Astrofiziksel Kaynağı Üzerindeki Etkileri](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/karadeliklerin-kozmolojik-baglanmasina-iliskin-gozlemsel-kanitlar-ve-karanlik-enerjinin-astrofiziksel-kaynagi-uzerindeki-etkileri.md)
- [GWTC-3: Üçüncü Gözlem Sürecinin İkinci Yarısında LIGO ve Virgo Tarafından Gözlemlenen Sıkışık Çift Birleşmeleri](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/gwtc-3-ucuncu-gozlem-surecinin-ikinci-yarisinda-ligo-ve-virgo-tarafindan-gozlemlenen-sikisik-cift-birlesmeleri.md)
- [BERT ve Web Kazıma Yöntemleriyle Doğal Dil İşleme Destekli Enflasyon Ölçümü](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/bert-ve-web-kazima-yontemleriyle-dogal-dil-isleme-destekli-enflasyon-olcumu.md)
- [Uluslararası Düşük Karbonlu Ekonomi Gelişimi Değerlendirme Endeks Sisteminin Kurulması ve Ampirik Bir Çalışma](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/uluslararasi-dusuk-karbonlu-ekonomi-gelisimi-degerlendirme-endeks-sisteminin-kurulmasi-ve-ampirik-bir-calisma.md)
- [Genç Bireylerde Latent Sitomegalovirüs (CMV) Enfeksiyonunun CD57+ Polifonksiyonel Hücre Genişlemesi Yoluyla CD8+ T Hücre Yanıtını İyileştirmesi](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/genc-bireylerde-latent-sitomegalovirus-cmv-enfeksiyonunun-cd57-polifonksiyonel-hucre-genislemesi-yoluyla-cd8-t-hucre-yanitini-iyilestirmesi.md)
- [Kentsel Isı Adası ve Sıcak Hava Dalgaları Etkileşiminin Guangzhou Kentsel Isınması Üzerindeki Güçlendirici Etkisi: Rüzgar Havalandırması ve Yerel İklim Bölgelerinin Rolü](/okf/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/kentsel-isi-adasi-ve-sicak-hava-dalgalari-etkilesiminin-guangzhou-kentsel-isinmasi-uzerindeki-guclendirici-etkisi-ruzgar-havalandirmasi-ve-yerel-iklim-bolgelerinin-rolu.md)

# Şeffaflık

- Analiz tarihi: 2026-08-03T15:51:05.672Z
- Kanıt sayısı: 14
- Üretim sürümü: makale-analizi-v3.0.0
- Kanonik sayfa: https://makaleanalizi.com/doga-bilimleri/fizik-kimya-ve-yasam-bilimleri/mekansal-transkriptomik-teknolojilerindeki-gelismeler-ve-ilgili-veri-analizi-stratejileri