Source URL: PhD Comics

Figuratively speaking, what is the worth of a certain academic? Between two academics, which one has had more positive academic impact than the other? How do you rank academics? And award grants, promotion, tenure etc. to the best* ones?

I’m not going to answer these questions but would like to chip in with some food for thought and suggestions.

Well; one may say: “It’s easy! Just compare their h-index and total no of citations!

This may be an effective way to go about answering the question. Surely someone with an h-index of 30 has had more positive academic impact than someone with let’s say an h-index of 15 – and is the better candidate?

Maybe – that is if all things are equal regarding the way citations and the h-index works i.e. if both academics:

  • are in similar fields – as papers in certain fields receive more citations overall than papers in other fields,
  • are in similar stages in their careers – as comparing an early-career postdoc with an established “Prof.” wouldn’t be fair,
  • have similar numbers of first/equal-first or last author papers – as an academic with many middle-authorships can have excessively inflated h-indexes,
  • have similar number of co-authors – as it may be easier to be listed as a co-author in some fields than others and/or mean that more people will be presenting and citing the paper as their own, and
  • have a similar distribution of citations across the papers – as the h-index ignores highly influential papers and the total citations can be highly influenced by even just one of these (see figure below).

I may have missed other factors, but I think these are the main ones (please add a comment below).


Calculating my h-index: Although problematic (discussed here), the h-index has become the standard metric when measuring the academic output of an academic. It is calculated by sorting the publications of an academic from most to least cited, then checking whether he/she has h papers with h citations e.g. if an academic has 10 papers with ≥10 citations but not 11 papers with ≥11 citations then their h-index will be 10. It was proposed as a way to summarise the number of publications that an academic has and their academic impact (via citations) with a single number. The above citation counts were obtained from my Google Scholar page

As of 31st July 2018, I have 14 published papers – including 5 as first/equal-first author – under my belt. I have a total citation count of 316 and an h-index of 6 (225 and 5 respectively, when excluding publications marked with an asterisk in the above figure). It is fair to say that these numbers are above average for a 29-year-old postdoc. But even I’m not content with my h-index – and many established academics are definitely right not to be. I’ll try and explain why: the figure above shows the citation distribution of my 14 publications sorted by the ‘number of times cited’ from the left (highest) to right (lowest). One can easily see that the h-index (red box) captures only a small portion of the general picture (effectively, 6 x 6 i.e. 36 citations) and ignores the peak (>6 on the y-axis) and tail (>6 on the x-axis) of the publication-citation distribution. I have also included the publication year of each paper and added an asterisk (*) against the publications where I haven’t provided much input e.g. I have done almost nothing for the Warren et al (2017) paper but it constitutes almost a third of my total citations (90/316)**. The ‘ignored peak’ contains three highly cited papers to which I have made significant contributions to and the ‘ignored tail’ contains research papers that (i) I am very proud of (e.g. Erzurumluoglu et al, 2015) or (ii) are just published – thus didn’t have the time to accumulate citations. What is entirely missing from this figure are my (i) non-peer-reviewed publications (e.g. reports, articles in general science magazines), (ii) correspondence/letters to editor (e.g. my reply to a Nature News article), (iii) blog posts where I review papers or explain concepts (e.g. journal clubs), (iv) shared code/analysis pipelines, (v) my PhD thesis with potentially important unpublished results, (vi) other things in my CV (e.g. peer-review reports, some blog posts) – which are all academia-related things I am very proud of. I have seen other people’s contributions in relation to these (e.g. Prof. Graham Coop’s blog) and thought that they were more useful than even some published papers in my field. These contributions should be incorporated into ‘academic output’ measures somehow.

It is also clear that “just compare their h-index and total no of citations!” isn’t going to be fair on academics that (i) do a lot of high-quality supervision at different levels (PhD, postdoc, masters, undergrad project – which all require different skill sets and arrangements), (ii) spend extra time to make their lectures inspiring and as educative as possible to undergrad and Masters students, (iii) present at a lot of conferences, (iv) do ‘admin work’ which benefits early-career researchers (e.g. workshops, discussion sessions), (v) do a lot of blogging to explain concepts, review papers, and offer personal views on field generally, (vi) have a lot of social media presence (e.g. to give examples from my field i.e. Genetic Epidemiology, academics such as Eric Topol, Daniel MacArthur, Sek Kathiresan take time out from their busy schedules to discuss, present and debate latest papers in their fields – which I find intellectually stimulating), (vii) give a lot of interviews (TV, online media, print media) to correct misconceptions, (viii) take part in public engagement events (incl. public talks), (ix) organise (inter-disciplinary) workshops, (x) inspire youngsters to become academics working for the benefit of humankind, (xi) publish reliable reports for the public and/or corporations to use, (x) provide pro bono consultation, (xi) take part in expert panels and try very hard to make the right decisions, (xii) engage in pro bono work, (xiii) do their best to change bad habits in the academic circles (e.g. by sharing code, advocating open access publications, standing up to unfair/bad decisions whether it affects them or not), (xiv) extensively peer-review papers… The list could go on but I think I’ll stop there…

I acknowledge that some of the above may indirectly help increase the h-index and total citations of an individual but I don’t think any of the above are valued as much as they should be per se by universities – and something needs to change. Academics should not be treated like ‘paper machines’ until the REF*** submission period, and then ‘cash cows’ that continually bring grant money until the next REF submission cycle starts. As a result, many academics have made ‘getting their names into as many papers as possible’ their main aim – it is especially easier for senior academics, many with a tonne of middle-authorships for which they have done virtually nothing****. This is not how science and scientists should work and universities are ultimately disrespecting the tax payers’ and donors’ money. Some of the above-mentioned factors are easier to quantify than others but thought should go into acknowledging work other than (i) published papers, (ii) grant money brought in, and maybe (iii) appearing on national TV channels.

Unless an academic publishes a ‘hot paper’ as first or corresponding author – which very few have the chance and/or luck to do – and he/she becomes very famous in their field, their rank is usually dictated by the h-index and/or total citations. In fact, many scientists who have very high h-indexes (e.g. because of many middle-author papers) put this figure at the top of their publication list to prove that they’re top scientists – and unfortunately, they contribute to the problem.

People have proposed that contributions of each author are explicitly stated on each paper but this is going to present a lot of work when analysing the academic output of tens of applicants – especially when the number of publications an individual has increases. Additionally, in papers with tens or even hundreds of authors, general statements such as “this author contributed to data analysis” are going to be assigned to many authors without explicitly stating what they did to be included as a co-author – thus the utility of this proposition could also be less than expected in reality.

It’s not going to solve all the problems, but I humbly propose that a figure such as the one above be provided by Google Scholar and/or similar bibliometric databases (e.g. SCOPUS, CrossRef, Microsoft Academic, Loop) for all academics, where the papers for which the respective academic is not the first author are marked with an asterisk. The asterisks could then be manually removed by the respective academic on publications where he/she has made significant contributions (i.e. equal-first, corresponding author, equal-last author or other prominent role) but wasn’t the first author. Metrics such as the h-index and total citations could then become better measures by giving funders/decision makers the chance to filter accordingly.

Thanks for reading. Please leave your comments below if you do not agree with anything or would like to make a suggestion.


Heuristic for calculating the worth of a early career researchers (but generally applies to all levels): ‘CV’ and ‘Skills’ are the two main contributors, with the factors highlighted in red carrying enormous weight in determining whether someone should get the job/fellowship or not. Virtually no one cares about anything that is outside what is written here – as mentioned in the post. Directly applicable: Some technical skill that the funder/professor thinks is essential for the job; Prestige of university: where you did your PhD and/or undergrad. NB: this is a simplified version and there are many factors that affect outcomes such as “who you know” and “being at the right place at the right time“.

*Making sure there’s a gender balance and that academics from BME backgrounds are not excluded from the process – as they’ve usually had to overcome more obstacles to reach the same heights.

**I have been honest about this in my applications and put this publication under “Other Publications” in my CV.

***REF stands for the ‘Research Excellence Framework’, and is the UK’s system for assessing the quality of research in higher education institutions. The last REF cycle finished in 2014 and the next one will finish in 2021 (every 7 years). Universities start planning for this 3-4 years before the submission dates and the ones ranked high in the list will receive tens of millions of pounds from the government. For example, University of Oxford (1st) received ~£150m and University of Bristol (8th) received ~£80m.

****Sometimes it’s not their fault; people add senior authors on their papers to increase their chances of getting them accepted. It’s then human nature that they’re not going to decline authorship. It sounds nice when one’s introduced in a conference etc. as having “published >100 papers with >10,000 citations” – when in reality they’ve not made significant (if any!) contributions to most of them.


PS: I also propose that acknowledgements at the bottom of papers and PhD theses be screened in some way. I’ve had colleagues who’ve helped me out a lot when learning some concepts who then moved on and did not have the chance to be a co-author on my papers. I have acknowledged them in my PhD thesis and would love to see my comments be helpful to these colleagues in some way when they apply for postdoc jobs or fellowships. Some of them did not publish many papers and acknowledgements like these could show that they not only have the ability to be of help (e.g. statistical, computational expertise), but are also easy to work with and want to help their peers


BBC news article published on the 18th March 2018. According to the article, men with low sperm counts are at a higher risk of disease/health problems. However, this is unlikely to be a causal relationship and more likely to be a spurious correlation. May even turn out to be the other way round due to “reverse causality”, a bias we encounter a lot in epidemiological studies. The following sounds more plausible (to me at least!): “Men with disease/health problems are likely to have low sperm counts” (likely cause: men with health problems tended to smoke more in general and this caused low sperm counts in those individuals).

As an enthusiastic genetic epidemiologist (keyword here: epidemiologist), I try to keep in touch with the latest developments in medicine and epidemiology. However, it is impossible to read all articles that come out as there is a lot of epidemiology and/or medicine papers published daily (in fact, too much!). For this reason, instead of reading the original academic papers (excluding papers in my specific field), I try to skim read from reputable news outlets such as the BBC, The Guardian and Medscape (mostly via Twitter). However, health news even in these respectable media outlets are full of wrong and/or oversensationalised titles: they either oversensationalise what the scientist has said or take the word of the scientist they contact – who are not infallible and can sometimes believe in their own hypotheses too much.

It wouldn’t harm us too much if the message of an astrophysics related publication is misinterpreted but we couldn’t say the same with health related news. Many people take these news articles as gospel truth and make lifestyle changes accordingly. Probably the best example for this is the Andrew Wakefield scandal in 1998 – where he claimed that the MMR vaccine caused autism and gastro-intestinal disease but later investigations showed that he had undeclared conflicts of interest and had faked most of the results (click here for a detailed article in the scandal). Many “anti-vaccination” (aka anti-vax) groups used his paper to strengthen their arguments and – although now retracted – the paper’s influence can still be felt today as many people, including my friends, do not allow their children to be vaccinated as they falsely think they might succumb to diseases like autism because of it.

The first thing we’re taught in our epidemiology course is “correlation does not mean causation.” However, a great deal of epidemiology papers published today report correlations (aka associations) without bringing in other lines of evidence to provide evidence for a causal relationship. Some of the “interesting ones” amongst these findings are then picked up by the media and we see a great deal of news articles with titles such as “coffee causes cancer” or “chocolate eaters are more successful in life”. There have been instances when I read the opposite in the same paper a couple of months later (example: wine drinking is protective/harmful for pregnant women). The problem isn’t caused only due to a lack of scientific method training on the media side, but also due to health scientists who are eager to make a name for themselves in the lay media without making sure that they have done everything they could to ensure that the message they’re giving is correct (e.g. triangulating using different methods). As a scientist who analyses a lot of genetic and phenotypic data, it is relatively easier for me to observe that the size of the data that we’re analysing has grown massively in the last 5-10 years. However, in general, we scientists haven’t been able to receive the computational and statistical training required to handle these ‘big data’. Today’s datasets are so massive that if we take the approach of “let’s analyse everything we got!”, we will find a tonne of correlations in our data whether they make sense or not.

To provide a simple example for illustrative purposes: let’s say that amongst the data we have in our hands, we also have each person’s coffee consumption and lung cancer diagnosis data. If we were to do a simple linear regression analysis between the two, we’d most probably find a positive correlation (i.e. increased coffee consumption means increased risk of lung cancer). 10 more scientists will identify the same correlation if they also get their hands on the same dataset; 3 of them will believe that the correlation is worthy of publication and submit a manuscript to a scientific journal; and one (other two are rejected) will make it past the “peer review” stage of the journal – and this will probably be picked up by a newspaper. Result: “coffee drinking causes lung cancer!”

However, there’s no causal relationship between coffee consumption and lung cancer (not that I know of anyway :D). The reason we find a positive correlation is because there is a third (confounding) factor that is associated with both of them: smoking. Since coffee drinkers smoke more in general and smoking causes lung cancer, if we do not control for smoking in our statistical model, we will find a correlation between coffee drinking and lung cancer. Unfortunately, it is not very easy to eliminate such spurious correlations, therefore health scientists must make sure they use several different methods to support their claims – and not try to publish everything they find (see “publish or perish” for an unfortunate pressure to publish more in scientific circles).


A figure showing the incredible correlation between countries’ annual per capita chocolate consumption and the number of Nobel laureates per 10 million population. Should we then give out chocolate in schools to ensure that the UK wins more Nobel prizes? However, this is likely not a causal relationship as it makes more sense that there is a (confounding) factor that is related to both of them: (most likely) GDP per capita at purchasing power parity. To view even quirkier correlations, I’d recommend this website (by Tyler Vigen). Image source: http://www.nejm.org/doi/full/10.1056/NEJMon1211064.

As a general rule, I keep repeating to friends: the more ‘interesting’ a ‘discovery’ sounds, the more likely it is to be false.

Hard to explain why I think like this but I’ll try: for a result to sound ‘interesting’ to me, it should be an unexpected finding as a result of a radical idea. There are just so many brilliant scientists today that finding unexpected things is becoming less and less likely – as almost every conceivable idea arises and is being tested in several groups around the world, especially in well researched areas such as cancer research. For this reason, the idea of a ‘discovery’ has changed from the days of Newtons and Einsteins. Today, ‘big discoveries’ (e.g. Mendel’s pea experimets, Einstein’s general relativity, Newton’s law of motion) have given way to incremental discoveries, which can be as valuable. So with each (well-designed) study, we’re getting closer and closer to cures/therapies or to a full understanding of underlying biology of diseases. There are still big discoveries made (e.g. CRISPR-Cas9 gene editing technique), but if they weren’t discovered by that respective group, they probably would have been discovered within a short space of time by another group as the discoverers built their research on a lot of other previously published papers. Before, elite scientists such as Newton and Einstein were generations ahead of their time and did most things on their own, but today, even the top scientists are probably not too ahead of a good postdoc as most science literature is out there for all to read in a timely manner (and more democratic compared to the not-so-distant past) and is advancing so fast that everyone is left behind – and we’re all dependent on each other to make discoveries. The days of lone wolves is virtually over as they will get left behind those who work in groups.

To conclude, without carefully reading the scientific paper that the newspaper article is referring to – hopefully they’ve included a link/citation at the bottom of the page! – or seeking what an impartial epidemiologist is saying about it, it’d be wise to take any health-related finding we read in newspapers with a pinch of salt as there are many things that can go wrong when looking for causal relationships – even scientists struggle to make the distinction between correlations and causal relationships.


Amy Cuddy’s very famous ‘Power posing’ talk, which was the most watched video on the TED website for some time. In short, she states that if you give powerful/dominant looking poses, this will induce hormonal changes which will make you confident and relieve stress. However, subsequent studies showed that her ‘finding’ could not be replicated and she that did not analyse her data in the manner expected of a scientist. Details can be found here. TED talk URL: https://www.ted.com/talks/amy_cuddy_your_body_language_shapes_who_you_are

PS: For readers interested in reading a bit more, I’d like to add a few more sentences. We should apply the below four criteria – as much as we can – to any health news that we read:

(i) Is it evidence based? (e.g. supported by a clinical trial, different experiments) – homeopathy is a bad example in this regard as they’re not supported by clinical trials, hence the name “alternative medicine” (not saying they’re all ineffective and further research is always required but most are very likely to be);

(ii) Does it make sense epidemiologically? (e.g. the example mentioned above i.e. the correlation observed between coffee consumption and lung cancer due to smoking);

(iii) Does it make sense biologically? (e.g. if gene “X” causes eye cancer but the gene is only expressed in the pancreatic cells, then we’ve most probably found the wrong gene)

(iv) Does it make sense statistically? (e.g. was the correct data quality control protocol and statistical method used? See figure below for a data quality problem and how it can cause a spurious correlation in a simple linear regression analysis)


Wrong use of a statistical (linear regression) model. If we were to ignore the outlier data point at the top right of the plot, it becomes easy to see that there is no correlation between the two variables on the X and Y axes. However, since this outlier data point has been left in and a linear regression model has been used, the model identifies a positive correlation between the two variables – we would not have seen that this was a spurious correlation had we not visualised the data.

PPS: I’d recommend reading “Bad Science” by Ben Goldacre and/or “How to Read a Paper – The basics of evidence based medicine” by Trisha Greenhalgh – or if you’d like to read a much better article on this subject with a bit more technical jargon, have a look this highly influential paper by Prof. John Ioannidis: Why Most Published Research Findings Are False.


Wakefield et al, 1998. Ileal-lymphoid-nodular hyperplasia, non-specific colitis, and pervasive developmental disorder in children. The Lancet. URL: http://www.thelancet.com/journals/lancet/article/PIIS0140-6736%2897%2911096-0/abstract

Editorial, 2011. Wakefield’s article linking MMR vaccine and autism was fraudulent. BMJ. URL: http://www.bmj.com/content/342/bmj.c7452


18 Mart 2018’de BBC’de çıkmış bir sağlık haberi. Haberin başlığına göre “sperm sayısı düşük olan erkeklerin sağlık problemleri yaşama riski daha yüksek”. Fakat gerçekte olan büyük ihtimalle tam tersi: Sağlık problemleri yaşayan erkeklerin genel olarak sperm sayısı daha düşük. Epidemiyolojide buna “reverse causality” (ters nedensellik) diyoruz ve analizlerimizde çok sık karşılaşıyoruz.

Bir Genetik Epidemiyolog olarak (anahtar kelime: epidemiyolog) tıpla ilgili önemli gelişmeleri takip etmeye çalışıyorum. Fakat bu günlerde tıp ve epidemiyoloji alanında o kadar çok ‘buluş’ yapılıyor ki çıkan her habere yetişmek imkansız. Bu yüzden BBC, The Guardian, The Times gibi saygıdeğer haber kaynaklarına odaklanıyorum. Işin kötüsü, bu haber kanallarında dahi çıkan haberlerin çoğunun verdiği ana mesaj çoğu zaman yanlış ya da abartılı: ya analizi yapan bilim insanlarına fazla güveniyorlar ya da bilim insanlarının kendilerine söylediklerini daha sansasyonel hale getiriyorlar.

Belki astrofizik alanında yapılan bir buluş ile ilgili bir haberin doğru olup-olmaması bizi fazla etkilemez ama sağlığımızı ilgilendiren bir ‘buluş’un yanlış çıkması için aynı şeyi söyleyemeyiz. Insanlar bu haberleri okuyup, ona göre kendi hayatlarında değişimlere gidebiliyorlar. Bu tarz haberlerin belki de en etkilisi 1998’de tıp alanındaki en ünlü dergi olan The Lancet’de çıkan bir makaleyle ilgiliydi (Wakefield et al, 1998). Makaleye göre, özetle, MMR (measles, mumps, and rubella) aşısının test edildiği 12 çocuğun hepsinde de otizm, davranış bozuklukları, bağırsak problemleri gibi sorunlar ortaya çıkmıştı. Çalışma tüm dünyada haber olmuş ve MMR aşısına karşı kampanya başlatılmıştı. Bu sadece MMR aşısına değil, tüm aşılara dini (“kaderci”) ya da başka sebeplerden dolayı (“organik yaşam” savunucuları gibi) karşı çıkan grupların işini kolaylaştırdı ve bu “anti-vaccination” gruplar her mecrada argümanlarını bu makaleyle güçlendirdiler. Fakat sonraki bilimsel ve adli araştırmalarla bu çalışmayı yürüten Andrew Wakefield’ın aşı karşıtı gruplardan para aldığı ve sonuçların neredeyse tamamını kendisinin uydurduğu ortaya çıktı (daha detaylı bir analiz için tıklayın). Gerçek, özellikle bilim alanında, eninde sonunda ortaya çıkıyor fakat iş işten geçmiş olabiliyor bazen. Bu makaleninin etkileri toplum nazarında bugün dahi devam ediyor ve bir sürü aile çocuklarına bu tarz korkulardan dolayı aşı (vaccination) yapılmasına izin vermiyor.

Bize epidemiyolojide öğrettikleri ilk şey: “correlation does not mean causation” (korelasyon, sebep-sonuç ilişkisi olduğu anlamına gelmez). Fakat bugünlerde tıp ve epidemiyoloji alanında ‘buluş’ adı altında bir sürü korelasyon (correlation) yayınlanıyor. Bunların arasında ilginç ve çok okunacak olanları gazeteciler yakalıyor ve “kahve içmek kansere yol açıyor”, “çikolata yiyenler daha başarılı” ve benzeri başlıklı haberler yayınlıyorlar. Birkaç gün sonra tam tersi bir haber okuduğumuz da oluyor (“kahve içmek kanseri engelliyor” gibi). Bu tarz haberlerin yayılmasında gazetecilerin suçu olduğu gibi, bilim insanlarının da suçu var. Sıkıntı şu: bilim insanlarının elindeki datalar son 5-10 yılda inanılmaz bir hızla büyüdü ama bilim insanları dahi genel olarak bu büyümeye data analizi açısından yetişemedi. Datalar çok büyük olduğundan, hipotezsiz, “herşeyi analiz edeyim” dediğiniz zaman, istemediğiniz kadar korelasyon buluyorsunuz.

Örnek olarak: diyelim ki datanızdaki tonlarca verinin arasında kişilerin kahve içme oranı ve akciğer kanseri teşhisi de var. Eğer basit bir istatistiki korelasyon (örneğin: linear regression) analizi yapacak olursak, büyük ihtimalle ikisi arasında anlamlı bir korelasyon bulacağız. Bu korelasyonu sadece siz değil, aynı dataya bakan 10 kişi daha bulacak; bunlardan belki 3’ü bu korelasyonun gerçek olduğuna inanacak ve bir makale yazacak; 1’i de makaleyi gönderilen derginin “peer review” (birkaç bilim insanı tarafından değerlendirme) aşamasından geçirip, yayınlayacak – ve büyük bir ihtimalle ilginç bir ‘buluş’ olarak her yerde haber olacak: “kahve içmek akciğer kanserine yol açıyor!”

Gerçekte ise kahve içmeyle akciğer kanseri arasında hiçbir sebep-sonuç ilişkisi yok. Bulduğumuz korelasyonun sebebi bu ikisini etkileyen başka bir (confounding) faktörün olması: sigara içmek. Kahve içenler genelde daha fazla sigara içiyorlar ve sigara içmek de akciğer kanserine sebep olduğu için, eğer istatistiki modelimize kişinin sigara içme oranını da eklemezsek, kahve içmeyle akciğer kanseri arasında istatistiki olarak güçlü bir korelasyon buluruz. Maalesef bu tarz sebep-sonuç ilişkisi göstermeyen korelasyonların önüne geçmek ve elimine etmek kolay değil; bu yüzden bilim insanlarının daha dikkatli olması ve yaptıkları her “buluş”u başka bilimsel yöntemlerle desteklemeden yayınlaması gerekiyor.


Figür, ülkelerdeki çikolata tüketim oranıyla ülkenin toplamda kazandığı Nobel ödülü sayıları arasındaki inanılmaz korelasyonu gösteriyor. O zaman bu “buluş”a bakıp, Türkiye’deki herkese çikolata yedirmeye başlamak lazım – malum ülke olarak sadece iki Nobel ödülümüz var. Fakat bu korelasyonun (büyük ihtimalle) en büyük sebebi, çikolata tüketimiyle, Nobel ödülü sayılarını etkileyen üçüncü bir faktörün olması: GDP per capita at purchasing power parity (satın alma paritesi). Bulunan daha ilginç korelasyonlara bakmak için tıklayın. Image source: http://www.nejm.org/doi/full/10.1056/NEJMon1211064.

Konuyu daha fazla uzatmadan genel bir prensip olarak şunu rahatlıkla söyleyebilirim: bir buluş kulağa ne kadar ilginç ve sansasyonel geliyorsa, yanlış olma ihtimali de o derece yüksektir.

Biraz zor olacak ama neden böyle düşündüğümü kısaca izah etmem gerekirse: bir buluşun bana ‘ilginç’ gelmesi için, o buluşun o konuda bilinenlerden çok farklı birşey olması lazım. Böyle bir buluş yapmak günümüzde bir hayli zor çünkü artık bilim insanı sayısı eskiden olduğu gibi az değil; artık binlerce bilim insanı bir konu üzerinde çalışıyor olabilir (örnek: kanser). Artık her tür fikir/hipotez, birçok grupta aynı anda ortaya çıkabiliyor ve test ediliyor. Bundan dolayı birkaç haftada bir ‘buluş’ yapılıyor denebilir – ama eskiye nazaran alanını on yıllarca ileri taşıyan değil, ‘inkremental’ buluşlar bunlar. Belki son ufak adımı bir grup/insan diğerlerinden önce atıyor ve bu yüzden alanlarında ‘büyük buluşu yapan kişi/grup’ diye anılıyorlar. Oysa belki 3-5 ay sonra başka bir grup büyük ihtimalle aynı buluşu yapacaktı. Eskiden Newton ya da Einstein gibi elit bilim insanları zamanlarının çok ilerisinde olabiliyorlardı, çünkü etrafta fazla bilim insanı yoktu ve bilim bu kadar hızlı ilerlemiyordu.

Son olarak, bu tarz haberleri okurken biraz ihtiyatlı olmakta fayda var ve bu çalışmalara bakıp hayatımızda değişiklikler yapmadan önce, eğer anlıyorsak, araştırma metotlarına bakmamız lazım – ya da epidemiyolojiden iyi anlayan birisine danışmamız lazım.


Amy Cuddy’nin “power posing” konuşması, en çok izlenen TED talk. Kısaca, “eğer güçlü görünen pozlar verirseniz, kendinize güveniniz artar” diyor bu konuşmasında. Fakat sonraki bilimsel analizler bunun doğru olmadığını ve Amy Cuddy’nin analiz metotlarının bir bilim ınsanından beklenmeyecek kadar zayıf olduğunu gösteriyor. Detaylar için tıklayın. TED talk source: https://www.ted.com/talks/amy_cuddy_your_body_language_shapes_who_you_are

PS: Konuyla ilgilenenler için ekstradan bir-iki paragraf daha karalayayım istedim. Sağlık alanında yapılan bir buluş (i) delil/deney bazlı (evidence-based) ve (ii) epidemiyolojik, istatistiki ve biyolojik olarak mantıklı olmalı. Bir ‘buluş’la ilgili haberi okuduktan sonra “ya evet, mantıklı” demeden önce elimizden geldiğince “bu 4 konuda tatmin edici mi?” diye sorgulamamız lazım. Kriterlere örnek vermek gerekirse:

  • “Evidence-based” dedik. Bunlara en güzel karşıt örnekler “homeopati/alternatif tıp” olarak adlandırdığımız “ilaç/kürler”. Bunların hepsini toptancı bir yaklaşımla “kesinlikle etkisiz” diye çöpe atmamak lazım fakat çoğu alternatif tıp savunucusunun “belge” olarak sunduğu şeyler kulaktan dolma bilgiler: “Kaynımın şu hastalığı vardı; şu Hoca bir bitki karışımı verdi ve hastalığı geçti” gibi. (Bilinmeyen bir sebepten dolayı) bir kişinin hastalığı geçiyor, 10 kişininki geçmiyor; ve sadece bu hastalığı geçen kişininki kulaktan kulağa yayılıyor, reklamı yapılıyor. Bilim insanlarının daha bilmediği/araştırması gereken çok şey var fakat bir ilaç “klinik deneme”den (clinical trial) geçmeden önce onun efektif olduğunu, yani gerçekten de bir çare olduğunu belgelemek çok zor.
  • “Epidemiyolojik olarak mantıklı olmalı” dedik: Yukarıda bahsettiğim kahve, sigara ve akciger kanseri örneğinden tonlarca var hayatta. Kendimize, “bu korelasyona sebep olabilecek 3.ncü bir faktör var mı?” diye sormalıyız.
  • “Biyolojik olarak mantıklı olmalı” dedik: “X geni gırtlak kanseri yapıyor” diye bir haber/makale okudunuz ama bu “X” geni sadece ayağımızdaki bazı hücrelerde aktifse, büyük ihtimalle yanlış bir haber/sonuç.
  • “Istatistiki olarak mantıklı olmalı” dedik: Çok basit bir örnek olarak aşağıdaki figüre bakınız. Basit bir linear regression analiziyle bu iki veri arasında bir korelasyon buluruz. Fakat datayı visualise/plot ettiğimiz zaman, aslında korelasyon çıkmasının sebebinin en üstteki “outlier”dan (aykırı gözlemden) dolayı olduğunu görebiliyoruz. Burada bir data “temizleme” problemi ve yanlış bir istatistiki modelin kullanıldığını görebiliyoruz. Böyle bir plot çizmesek, bu korelasyonun yanlış olduğunu göremezdik.

Yanlış bir linear regression (doğrusal regresyon) metot kullanımı. Kendi başına en uçta duran noktayı görmezden gelirsek, X ve Y eksenindeki veriler arasında hiçbir korelasyonun olmadığını çok rahat bir şekilde görüyoruz. Fakat o problemli veri silinmediğinden ve yanlış bir şekilde linear regression metodu kullanıldığından, aralarında sanki pozitif bir korelasyon varmış gibi bir çizgi çizilmiş.


Wakefield et al, 1998. Ileal-lymphoid-nodular hyperplasia, non-specific colitis, and pervasive developmental disorder in children. Lancet. URL: http://www.thelancet.com/journals/lancet/article/PIIS0140-6736%2897%2911096-0/abstract

Editorial, 2011. Wakefield’s article linking MMR vaccine and autism was fraudulent. BMJ. URL: http://www.bmj.com/content/342/bmj.c7452


Genetik alanının genel olarak alt-dalları. 15-20 yıl önceki “Genetik”le şimdiki genetik çok farklı ve bir sürü alt-dala ayrıldı. Belki de son 10-15 yılda ortaya çıkan Genetik Epidemiyoloji alanında çalışan ve bütün günü bilgisayar başında geçen bir araştırmacı olarak ben de “genetikçi”yim, tüm günü laboratuvarda geçen ve fare genetiği üzerine çalışan bir araştırmacı da. Not: Yazının genetikle ilgili bölümüne geçmek isterseniz direk “Bu girişten sonra asıl meselemiz olan “genetiğin reklamına” dönecek olursak…” diye başlayan kısma geçin.

Türk (ve Britanyalı) bir bilim insanı olarak halkımızın bilimle fazla ilgilenmemesine çok kızıyorum. Hatta akademisyenlerin/araştırmacıların dahi fen bilimleri ve/ya da sosyal bilimlerden çok siyasetle içli-dişli olması beni çıldırtıyor ve ülkem adına ümidimi kaybediyorum. Fakat kendi kendime “bir bilim insanı olarak bunun değişmesi için neler yapıyorum?” diye düşündüğümde haftada bir gün birkaç Türk gence özel fen/matematik/ingilizce dersi vermenin ve sağda-solda gençlere verdiğim konuşmaların dışında fazla birşey aklıma gelmiyor. Bunun üzerine “belki bir-iki kişi okur/çocuklarıyla paylaşır” düşüncesiyle bilimin her türlüsünün, özellikle de genetiğin reklamını yapan bir blog yazısı yazmaya karar verdim. Genel olarak bilim üretmenin önemi üzerine fikirlerimi sunduktan sonra, kendi alanım olan Genetik/Genetik Epidemiyoloji’ye doğru bir geçiş yapacağım. Kendim de nispeten genç ve daha yolun başında olduğum için (yaş 30) sözlerim daha çok lisans öğrencisi ve üniversite-öncesi yaşlardaki arkadaşlara yönelik olacak; hızlıca yazdığımdan daha olgun okurlarım için çiğ bir yazı olarak görünebilir. Ayrıca, istediğimden uzun bir yazı oldu maalesef. Isterseniz sonraki iki paragrafı okumadan direk “Bu girişten sonra asıl meselemiz olan “genetiğin reklamına” dönecek olursak…” diye başlayan kısma geçin.

Belki sıkıcı, yavan ve klişelerle dolu olacak ama önemli gördüğüm bir girişle başlayayım: Tüm gün siyaset, futbol/dizi ve komplo teorileri hakkında konuşan milletlerin, tüm insanlığı geçtim, kendi ülkelerine dahi bir fayda sunmaları imkansız. Bu milletler bir süre ülkenin kendi yeraltı/üstü kaynaklarından faydalanıp, onları tükettikten sonra, her alanda dışa bağımlı olmak zorunda kalırlar. Maalesef Türkiye de bu konuda epey bir yol kaydetmiş durumda. Teknoloji, tıp ve diğer önemli bilim alanları adına çok birşey üretmediğimizden dolayı, hemen hemen her ilaç, teknoloji ve sistem/bilgiyi dışarıdan ithal ediyoruz. Haliyle belki 5 liraya üretilen elektronik eşya/sistem/ilacı 100 liraya satın alıyoruz. Ayrıca, o kadar para harcamamıza rağmen, “know-how”, yani bir işi düzgün bir şekilde yapabilme ve daha da geliştirebilme özelliğini de kazanamıyoruz. İşler böyle gittiği sürece de ilelebet fahiş fiyatlar ödemek zorunda kalacağız. Devlet insanına ve bilime (research & development) yatırım yapmadığından, ülkenin ekonomik olarak alım gücü zayıfladığı an, büyük krizler kapıdan içeri girecek ve normalden de daha büyük tavizler vermeden, bir sürü maddi-manevi sıkıntı çekilmeden ve on yıllar kaybedilmeden aşılamayacak. Özellikle biriken borçlarla gelecek nesillerin emekleri ve imkanları çalınacak. Bilimin önemine en güzel örnek iki tane dünya savaşı geçirip, ikisinde de düşman tarafından dümdüz edilmiş Almanya’nın nispeten kısa bir sürede kendine gelmesi ve şu anda dunyanın en büyük teknoloji, ilaç ve bilim üreten ülkesi olması – çünkü (dünyanın her yerinden gelmiş) bilim insanlarını baş üstünde tutan bir millet. Tüm dünya ekonomik krizle boğuşsa dahi, kendi başına ayakta kalabilecek belki de tek ülke. Bilim insanlarına atalarının yaptığı hataları analiz ettirdikten sonra, aynı hataları tekrarlamadan yollarına devam etmişler. Hem sosyal olarak, hem de teknolojik olarak gelişmişler. “Bizim atalarımız hata yapmaz” bağnazlığından kurtulup, bu savaşları çıkaran ve ülkeyi her türlü krize sokan nesillere ise lanet okuyorlar. Almanya o günlerde olanlardan dolayı hala bazı ülkelere tazminat ödüyor. Biz de ise başımıza ülke olarak gelen olaylar bilimsel olarak araştırılmadığından tarih hep tekerrür ediyor – hep aynı hatalar, aynı krizler…

Bunları yazmamın sebebi ise eğer bilim insanı olmanın çok da önemli olmadığını düşünüyorsan, yanıldığını hatırlatmak içindir – her ne kadar da arkadaşlarının hepsi futbolcu olmak istese ya da etrafındaki insanlar tüm gün futbol/dizi hakkında konuşsa da… Bana göre bilim insanları dünyanın en çok ihtiyacı olduğu grup. Büyüdüğünde bakarsın: değerin Türkiye’de anlaşılmazsa, Amerika, Almanya, Ingiltere gibi dünyanın en gelişmiş ülkelerindeki gruplar değerini bilecektir. Gelişmiş dünyada her zaman iş bulabilecek bir insan olacaksın. Hele bir de her akademik grubun ihtiyacı olan bir yeteneğe sahipsen (fen bilimleri için genel bir örnek: ‘big data’ analiz/data science, sağlam istatistik bilgisi). Bu fırsatı başka hiçbir iş alanında kolay kolay bulamazsın. Ayrıca dünyaya ve hayata karşı bakışın ise çoğu insandan daha farklı ve kapsamlı olacak. Bu ise bana göre bir insanda paha biçilmez bir özellik. Hayatta sadece bilim insanlarının gördügü düzen ve desenler var ve bunların en azından bir kısmını görmeden ömür tüketmek çok büyük bir kayıp. Bu konuyu önceden paylaştığım Entelektüeller neden sevilmezler?, Din, bilim ve bilim adamları ve Duya duya gına geldi arkadaş gibi yazılarıma havale ediyorum. Özetle, ileride bir “bilim insanı” olmanızı tavsiye ediyorum.


Bir insanda 50-100 trilyon (100,000,000,000,000) hücre var (bunların %90’ı bakteri) ve inanılmaz bir şekilde, bir ignenin ucundan bile onlarca kat küçük olan (insan) hücrelerinin her birinin içinde yaklaşık 2 metre uzunluğunda DNA bulunuyor. Image source: fenogretmeni.net

Bu girişten sonra asıl meselemiz olan “genetiğin reklamına” dönecek olursak: ben çocukken genetik “geleceğin mesleği”ydi. İşin garibi şu anda da geleceğin meslekleri arasında yer alıyor. Fakat ufak bir farkla: ben çocukken, “çocukken” dediğim de daha 15 sene öncesi, genetik alanı çok genel olarak “insan genetiği/klinik genetik”, “model organizma ve hayvan/bitki genetiği” ve “adli genetik” olarak üçe ayrılıyordu ve çoğunlukla genetik denince akla beyaz önlüklü, laboratuvarda çalışan ve ufak tüplerde bazı sıvılar karıştırıp bunları değişik jellere yerleştiren insanlar akla geliyordu. Şimdi ise laboratuvarda çalışan insanlar hala olsa da, artık genel olarak laboratuvardaki işler kolaylaştığından, beyinden daha çok el mahareti önemli hale geldi ve tabir-i caizse, bu tarz “ayak işlerini” çoğunlukla akademisyen/araştırmacı olmayan “teknisyen”ler yapıyor. Akademisyenler/araştırmacılar ise asıl beyin gerektiren işlerle uğraşıyorlar ve her işlerini artık bilgisayarda hallediyorlar. Örneğin ben DNA fingerprinting’in (DNA parmak izinin) bulunduğu Leicester Üniversitesi’nde Kronik Obstrüktif Akciğer Hastalığı (KOAH) üzerine çalışan bir Genetik Epidemiyologum ve kariyerim boyunca, doktora projemin ufak bir bölümü dışında hiç laboratuvarda çalışmadım – laboratuvarda çalışmayı da hiç sevmedim. Şu anda bir araştırma görevlisi (Postdoctoral Research Associate) olarak günlük işim yüzbinlerce insanın genetik (kişi başı milyonlarca mutasyona/genetik varyanta tekabül ediyor) ve (kişinin yaş, cinsiyet, sigara içip-içmediği gibi) fenotipik datasını “süper bilgisayar”ları kullanarak istatistiki olarak analiz etmek. Bu sayede insanları KOAH’a meyilli hale getiren genleri ve varyantları tespit etmeye ve bulduğumuz genlerin arasından biri “bir KOAH ilacına netice verir mi?” diye araştırmaya çalışıyoruz. Ayrıca yaptığımız analizlerden ne çıkacağı belli olmadığı için her sabah işe kalktığımda “ya Hu yine mi iş?” diye iç geçirmiyorum. Bir buluş yaptığımız zaman ileride insanlara bir ilaç olarak dönebileceğini düşünmek ise insanı manevi olarak mutlu ediyor. Genetik Epidemiyoloji alanı, diger alanlar gibi, çok hızlı ilerlediğinden belki her hafta ses getiren bir makale çıkıyor ve onları okuyunca insanın içi açılıyor ve geleceğe dair bazı hastalıkların tamamen tedavi edilebilmesi adına umudu artıyor.


Bir ‘Circos’ çizimi (Circos plot). Teknik detaylara fazla girmeden, bu çizimde genomumuzda hangi bölgelerin KOAH tanısı için kullanılan FEV1, FVC ve FEV1/FVC’yle istatistiki olarak korelasyon gösterdigini görebiliyoruz. Çizimde bulunan her nokta – milyonlarca var – DNA’mızda bir varyanta tekabül ediyor ve noktalar yüksekse, orada bulunan genlere (isimleri dış dairede) sonraki araştırmalarımızda öncelik veriyoruz.

Bunları anlatmamın sebebi ise, diyelimki, lisede notların iyi ve üniversitede genetiği kazanma hakkı kazandın ama “kariyer olarak genetiği sevecek misin?” tam bilmiyorsun. Şimdiden sana seveceğini söyleyebilirim. Çünkü ilk figürde de göreceğin gibi genetik o kadar büyük bir alana dönüştüki Avrupa ve Amerika’da artık birçok üniversitenin Genetik departmanı Biyoloji departmanından ayrı. “Saf genetik” diye bir alan artık yok denebilir – çünkü genetiğin bir sürü birbirinden çok uzak alt-dalı (sub-field) oluştu. Bu yüzden ben de “genetikçiyim” dediğimde aslında işin kolayına kaçıyorum demektir. Genetik alanını bilen birisi bana “tamam da; genetikte hangi alandasın?” diye sorar çünkü başka bir “genetikçi”yle çok farklı konuları çalışıyor, çok farklı teknikler kullanıyor olabiliriz. Bu yüzden genetiği seçtikten sonra kendi kendine düşünmeli ve şimdi sıralayacağım alt-dallardan birine doğru ilerlemelisin:

  1. Eğer, daha çok çocuk yaştayken ortaya çıkan, Kistik fibroz (Cystic fibrosis) ve Akdeniz atesi (Mediterranean fever) gibi 100% genetik hastalıklar üzerine çalışmalar yürütmek istersen Klinik Genetik* (Clinical Genetics) alanını düşünebilirsin;
  2. Benim şimdi yaptığım gibi kanser, diyabet, obezite, KOAH gibi daha kompleks (hem genetik, hem sigara/alkol/hava kirliliği gibi çevresel etkenlerin önemli olduğu) hastalıkları çalışmak ve potansiyel olarak milyonlarca insanın hayatına katkı sağlama fikri hoşuna gidiyorsa Genetik Epidemiyoloji;
  3. CSI (Crime Scene Investigation) dizisindeki gibi cinayetlerin çözümünde yer almak istiyorsan Adli genetik (Forensic genetics);
  4. İnsanlık tarihini etkileyen eski caglardaki büyük savaşlar, göçler gibi olayları genetik ve tarihsel olarak çalışmak istiyorsan Popülasyon genetiği (Population genetics);
  5. İnsanlar üzerinde genetik deneylere izin verilmediği için insanlardaki bazı gen/protein/biological pathway’lerin üzerine çalışmak adına (insana genetik olarak en cok benzeyen hayvanlar olan) maymun, (fizyolojik olarak insanlara çok benzedikleri ve maymunlar üzerinde calışmaya nazaran daha ucuz ve etiksel oldukları için) fare/sıçan (murine), yuvarlak kurt (nematode), sirkesineği (Drosophila melanogaster) ya da zebrabalığı (developmental biology/gelişim biyolojisi) genetiği;
  6. Bakteriler ve menenjit gibi bakteriyel enfeksiyonları çalışma adına Bakteri genetiği (Bacterial genetics);
  7. Virüsler ve grip virüsü gibi virüslerle ilgili enfeksiyonlarını çalışma adına Virüs genetiği (Viral genetics);
  8. Mantarlar ve kandidiaz gibi enfeksiyonları çalışma adına Mantar genetiği (Fungal genetics);
  9. Bitkiler üzerine çalışmak ve/ya da insan nüfusu arttığı için ileride yemek bulmanın problem olmaması adına bitkilerin verimliliğini arttırmak istiyorsan Bitki genetiği (Plant genetics);
  10. Eski canlılar üzerine çalışmalar yürütmek istersen Paleogenetik (Palaeogenomics);
  11. Canlıların evrimi üzerine çalışmak istersen (ilk figürde olmayan) Evrimsel genetik (Evolutionary genetics)
  12. Çok büyük genetik dataların en iyi şekilde analiz edilmesini ve anlaşılmasını kolaylaştırmak istersen Biyoistatistik (Biostatistics) ya da
  13. Biyoenformatik (Bioinformatics)

alanlarında çalışabilirsin. Ayrıca, yeni dönemde (büyük ihtimalle bu sistemi bulanlara Nobel kazandıracak) CRISPR-Cas9 tekniğiyle insan genlerini dahi editlemeye/düzenlemeye başlayacaklar ve bir sürü hastalığı meydana getiren mutasyonları insanların genomlarından silecekler. Klonlamadan, kök hücre teknolojilerinden, gen terapilerinden, epigenetikten vs. hiç bahsetmedim bile. Yukarıda bahsettiğim her alt-dalda inanılmaz gelişmeler oluyor ve bu yüzden bana göre genetik alanı içinde her tür insanın beğeneceği bir alt-alan bulunabilir. Bulamıyorsan, iyi araştırmıyorsun demektir.

Bu yazımda “genetikçi” (aslında genetik epidemiyolog) olduğum için genetiğin alt-dalları üzerine detaylar verdim ve reklamını yaptım ama yukarıda söylediklerim artık birçok sosyal bilim ve fen bilimi için de geçerli**. Fakat büyük devletler genetik ve biyokimya alanına çok büyük paralar akıttığı için iş ve çalışacak proje bulma sıkıntısı çekmeyeceksiniz.

Umarım biraz fedakarlık yapıp, bilim insanı olmaya karar verirsiniz; çünkü halkımızın siyasetin kısır döngüsünden kurtulmasını bana göre ancak bilim insanları ve entelektüeller sağlayabilir. Ama binde birlerden yüzde birlere çıkması ve onlara karşı bakış açısının değişmesi ve önemlerinin artması lazım. Tabi genetik alanına girmeye karar verirseniz ekstradan mutlu olurum. Umuyorumki fikir dünyanızın gelişmesiyle doğrudan etrafınızdaki insanlara ve öğrencilerinize; yazdığınız kaliteli makalelerle ise tüm insanlığa faydanız dokunacak.

Gelecek sorulara vs. göre bu tarz yazıları yazmaya devam etmek istiyorum. Okuduğunuz için teşekkür ederim.


DNA by the numbers_Life_Technologies

DNA’yla ilgili ilginç anektodlar (‘DNA by the numbers’ by Life Technologies)

*Doktoramda Suudi Arabistan’daki akraba evlilikleri üzerine çalışmıştım ve yaptığım çalışmalar daha çok Klinik genetik alanına katkı sağlamıştı. Şimdi ise Genetik Epidemiyoji alanındayım. Makalelerime Google Scholar hesabımdan bakabilirsiniz.

**Biyoloji, Bilgisayar mühendisliği, Kimya, Fizik ve Matematik’le ilgili (ingilizce) videolar için tıklayınız.


Epidemik haline gelebilecek hastalıklar. Bunların herhangi birine çare buldugumuz vakit, milyonlarca insanın hayatını kurtarmış olacagız. (‘Emerging Threats’ graphic by Nature. Source URL: http://www.nature.com/news/how-to-beat-the-next-ebola-1.18114)

PS: Genetik Epidemiyoloji alanında grup olarak yaptığımız araştırmaları özetleyen bir (ingilizce) yazım için tıklayın: Searching for “Breathtaking” genes. Literally! (Jun 2016)


Research outputs of Turkey-based academics in relation to the previous year. This Freedom for Academia (FfA) study identified a significant reduction (11.5% on average) in the research output of Turkey-based academics in 2017 compared to 2016. When the average increase of 6.7% per year observed in the research output of Turkey-based academics between 2008 and 2015 is taken into account, this translates to a decrease of over 7,000 papers than the expected figure in 2017 in journals indexed by SCOPUS – a bibliographic database of peer-reviewed literature. Image Source: freedomforacademia.org

Freedom for Academia (website), a group consisting of “British and Turkish academics/researchers who are willing to lend a helping hand to our colleagues and bring the struggles that they face to the attention of the public and academic circles”, has just published an “Annual report 2017” on the effects of the AKP government’s large-scale purges on the research output of Turkey-based academics, titled:

7,000 papers gone missing: the short-term effects of the large-scale purges carried out by the AKP government on the research output of Turkey-based academics

(click here to access full article with photos, or ‘print friendly’ version from here)


Firstly, as a Turkish citizen living in the UK – who loves his country of origin (also a proud British citizen), I am heartbroken, disappointed and terrified, all at the same time, with what has been going on in Turkey for some time now. Within the last 18 months or so, thousands of academics – as well as tens of thousands of other civil servants – have lost their jobs due to decrees issued by the Turkish government. None of them have been told how they are linked to the “15th July 2016 coup attempt” and what their crime (by international standards) was.


The percentage change in research outputs of 12 Turkish universities in relation to the previous year

These large-scale sackings have undoubtedly had an impact on the state of Turkey-based research and academia. The report tries to quantify the relative decreases in the research output of Turkey-based academics in different academic fields, and speculates on the causal factors. They find, on average, a ~12% decrease in the research output of Turkey-based academics in 2017. They also identified substantial decreases in the research outputs of some of Turkey’s top universities such as Bilkent (-9%), Hacettepe (-11%) and Gazi (-20%) in 2017 compared to 2016. Both Süleyman Demirel University and Pamukkale University, which lost nearly 200 academics each to governmental decrees issued by the AKP government, showed nearly a 30% decrease in 2017 compared to 2016.

I believe, a decrease in the number of publications is just one of the ways academia in Turkey has been affected overall. Turkey/Turkish academia wasn’t a place/group necessarily known for its work/scientific ethic and any ethics that was present before these large-scale dismissals has now definitely disappeared as the posts left by the dismissed academics is being filled by cronies (as I had stated in my Chemistry World interview in August 2017). These cronies are then going to hire individuals who are not necessarily good scientists but good bootlickers like themselves, and even if everything became relatively ‘normal’ (e.g. state of emergency lifted, academics in prison are acquitted) today, it would still take tens of years to change the academic circles that have been poisoned because of nepotism/cronyism, governmental suppression and political factionalism. In fact, academics in Turkey are so divided that not many cared when over eight thousand of their colleagues were dismissed as “members of a terrorist organisation”, as they did not belong to their ‘creed’ (e.g. to their ‘Kemalist’ or ‘Nationalist’ or ‘Islamist’ or ‘Pro-Kurdish’ groups). I try and follow many Turkey-based academics, and unfortunately, I barely see them talk about anything other than political issues – not on scientific and/or social advancements as academics/intellectuals should be doing. I tried to make my point in a short letter I wrote to Nature and in a (longer) blog post: Blame anyone but the government (Mar 2017).

Finally, I agree with the conclusions of the report that the sharp decrease of ~18%* in the research outputs of Turkey-based academics in relation to the expected 2017 figures is likely to be due to a combination of factors, especially psychological stresses endured by academics; and not just due to the absolute number of the purged academics (~6% of total), as outlined in the discussion section of the report.


*6.5% average increase every year between 2012 and 2016 + 11.5% decrease in 2017 figures compared to 2016 figures


PS: To view a collection of my previous comments about the subject matter, please see my June 2017 post: Effects of the AKP government’s purges on the research output of Turkey-based academics (Jun 2017)


Tree of life (Hayat ağacı) – karşılaştırmalı DNA analizi yapılarak oluşturulmuş bir figür. İnsanlar (Homo sapiens) ‘Animals’ (Kingdom) grubunun içinde, çünkü genomumuz en çok onlarınkine benziyor. Hatta bize genetik olarak en yakın tür olan şempanzelerle genetik dizilişlerimiz %90’ın üzerinde benzerlik gösteriyor. Ayrıca virüsten bakteriye, bitkilerden insana kadar her canlının aynı genetik malzeme/aparat olan DNA’yı kullanıyor olması kafamın almadığı birşey – bu tek bir Yaratıcının olduğuna inancımı güçlendirmekle beraber her canlının evrimsel bir ‘aile’ olduğunu da kanıtlıyor (Image source URL: evolution-textbook.org)

Nerede okudum hatırlamıyorum fakat “bir soru sana üçten fazla sorulduysa blog yazısı yaz” gibi birşey okumuştum birkaç ay önce. Hoşuma gitmişti ve “ben de zamanım oldukça böyle yapmaya çalışacağım” diye kendi kendime karar vermiştim.

Genetik mezunu oldugum ve şimdiki araştırmalarımda da insan genetiğiyle* ilgilendiğim için neredeyse her tanıştığım (özellikle islami camiadan) insan bana evrimden bahsediyor ve fikrimi soruyor. Belki de 30-40 defa aşağı-yukarı aynı şeyleri söyledim son birkaç sene içinde. Birçoğu cevabımı beğenmeyip bir daha yanıma yaklaşmadı ama olsun 😊 Önemli değil. Insanlara kendimi beğendirmeye çalışmayı yıllar önce bıraktım.

Bu konuda söylenecek çok şey olsa da kısa şekilde fikirlerimi buraya dökmek istiyorum. Önce gözlemlerimi sıralayacağım, sonra da kendi fikirlerimi söyleyeceğim:

Gözlemlerime göre Avrupa’da biyoloji ve fizikle ilgilenen bilim insanları arasında evrim teorisine inanmayanların sayısı belki de binde bir. Bunların hemen hemen hepsi evrim teorisini çok mantıklı buluyor ve aralarında Tanrı’ya inananları dahi – ki Tanrı’ya inananların sayısı nispeten az ve gittikçe de azalıyor gibi – Tanrı’nın ilk canlıyı yarattıktan sonra diğer milyonlarca türü evrimle yaratmış olabileceğine inanıyorlar. Evrim teorisini mantıklı bulmalarının sebebi ise “islami” kesimden birçok kez duyduğum “vicdanlarında doğruyu biliyorlar ama nefislerine yenilmişler” gibi saçma-sapan bir sebepten dolayı değil, ellerindeki datayı analiz ettikten sonra (bir ’empiricist’ olarak) teorinin doğruluğuna gerçekten inanmalarıdır.

Bu konudaki fikirlerime gelince; öncelikle (mikro) evrimin bir hakikat olduğunu söyleyerek başlamak istiyorum. Görsek de görmesek de herşey evrilir ve yaşadığı ortama adapte olur. Basit bir örnek olarak insanlarda cilt rengi kullanılabilir: Siyahi insanlar nasıl yaşadıkları ortamlara (Afrika’nın güneşine) adapte olmuşlarsa, beyaz insanlar da kendi (az güneşli) ortamlarına adapte olmuşlardır. Bu evrimdir. Örnek olsun diye: ilk atamız (bizim inancımıza göre Hz. Adem**) belki de siyahiydi. Fakat zamanla (belki binlerce sene sonra) soyundan gelen insanların genlerinde doğuştan cilt renklerini değiştiren mutasyonlar oluştu ve on binlerce yıllık zamandan sonra bembeyaz ve simsiyah (ve arası tonlarda) insanlar ortaya çıkıverdi dünyanın dört bir yanında. Fakat bu tarz evrim illa başka türlere yol açacak anlamına gelmez. Bu örnekte olduğu gibi siyahisi de, beyazı da (ve arası tonlardaki de) insan.

“Evrim teorisi” ise bu ve buna benzer gözlemleri kullanıp işi birkaç adım öteye taşıyor (“mikro” evrimden “makro” evrime). Çok basitleştirerek (avamca; ‘doğal seleksiyon’, ‘mutasyon’ gibi teknik terimlere girmeden) söylersem, diyorki “nispeten böyle kısa zaman dilimlerinde (binlerce senede) bile evrim kendisini gösterebiliyorsa, milyonlarca (hatta milyarlarca) senede başka türlerin ortaya çıkmasına da sebep olabilir. Öyleyse ilk yaşam formlarının ortaya çıktığı ~3.5 milyar sene öncesinden başlayıp bugünlere doğru gelen hızlandırılmış bir film izleyebilsek, şu anda gözlemlediğimiz her canlı türünün o (bakteri gibi tek hücreli) tek atadan evrimleşerek meydana geldigini görecegiz.” Evrim teorisinin tartışmaya açık olan spesifik tarafları olsa da – ki elinize düzgün bir evrimsel biyoloji (evolutionary biology) kitabı/makalesi alsanız bunları sıralarlar – bilimsel bir şekilde bu teoriye toptan karşı çıkmak gittikçe zorlaşmaktadır. Hatta bir adım öteye gidersem, evrim teorisine artık hakikat gözüyle bakan bir sürü bilim insanı var. Bu insanların birçogu inanılmaz akıllı ve açık görüşlü insanlar. Yazdıkları makaleleri anlamaya kalksak çoğumuzun başı ağrır. Fakat genellersem “Orta Doğulular” (ya da müslümanlar) olarak komplo teorilerini çok seviyoruz ve çok kaliteli insanları dahi karalamayı ve aşağı çekmeyi becerebiliyoruz. Internette bir sürü komplo teorisi yayan sitelerde görebileceğiniz gibi “aslında Tanrı’nın var olduğunu biliyorlar ama ruhlarını Şeytan’a satmışlar; ondan evrim teorisini insanlara pompalıyorlar” tarzı palavralara umarım inanmıyorsunuzdur. Bilim insanları gerçekten de ellerindeki bulgulara göre evrim teorisine inanıyorlar ve bu teoriyi bir “bilimsel model” olarak kullanıyorlar. Ayrıca Darwin’in 1859’da ilk defa ortaya attığı “Evrim teorisi” de zamanla evrilmiştir ve bugüne kadar yapılan genetik, paleontolojik, biyokimyasal çalışmalarla bambaşka bir hal almıştır. Yani Harun Yahya grubunun sık yaptıgı gibi “Darwin yerle bir edildi” deyip bunu “evrim teorisi yerle bir edildi” anlamına getirenlere kanmayın. İngilizler atalarına büyük saygı gösterirler ve Darwin’in söylediği birçok şeyin şimdi yanlış olduğu bilinse de, kendisinin biyolojinin her alanına katkısı çok büyük olduğundan, sonraki bilim adamları saygılarından birçok önemli buluşu hala Darwin’e atfeder. Bu yüzden evrimsel genetik alanındaki gelişmeleri fazla takip edemeyen birisine de evrim teorisi sanki hala Darwin’in soylediği versiyonuyla kalmış gibi görünebilir. Evrim teorisi her zamankinden daha güçlü ve neredeyse yıkılmaz (bilimsel) surlar arkasında.

Yaklaşık on senedir genetik alanındayım ve genetikle ilgili okuduğum akademik makale sayısı bini geçmiştir. 18 yaşında (Türk insanının birçoğu gibi) evrime kesinlikle inanmayan birisi olarak çıktığım bu yolda, şimdi otuzuna dayanmış ama evrim teorisinin (yüksek ihtimalle) doğru olabileceğine inanan birisi olarak devam ediyorum. Bunları söylerken de beş vakit namazını kılan ve Allah’ın varlığına tüm kalbiyle inanan birisi olarak söylüyorum. Neden böyle düşündüğümün sebeplerini de kısaca sayarsam: Birincisi, Allah bizi (bilimle, fosillerle vs.) kandırmaya çalışmaz. Ikincisi, ne Kuran’da ne de hadiste, ilk insanların (Hz. Adem ve Havva’nın) yaratılışıyla ilgili detaylar bulunsa da, insandan önceki canlılarla ilgili neredeyse hiç birşey yok. Populasyon genetiği alanındaki araştırmalara göre (modern) insanlar son 150-200 bin senedir bu dünyadalar. İlk canlıların 3.5 milyar sene önce ortaya çıktığı göz önünde bulundurulursa, insanların dünyada bulunma süreleri bazı türlere nispeten çok kısadır. Eskiden olupta şimdi aramızda bulunmayan bir sürü canlının fosili bulundu (dinazorlar, trilobitler, Neandertallar gibi) – ve eldeki milyonlarca fosile bakıldığında, en geçmiş zamandan şimdiye doğru bir film şeridi gibi canlıları izleyebilsek, canlıların gittikçe daha türlü hale geldiğini ve kompleksleştiklerini göreceğiz***. Din konusunda uzman değilim fakat bununla ilgili de hiçbir ayet ve/ya hadise rastlamadım (yani “Allah milyarlarca sene önce tek hücreli canlıları yarattı; sonra şunları; sonra da dinazorları…” gibi. Bilen varsa yazsın lütfen). Bütün bunları ve evrim teorisini destekleyen bulguları**** birleştirince Allah’ın bildiğimiz-bilmediğimiz tüm canlı türlerini evrimi kullanarak yaratmış olabileceğine inananlardanım.

Benim bir bilim adamı olarak amacım hakikati araştırmaktır. Şu andaki düşüncem: Allah tüm türleri (species) evrimle yaratmışsa da şaşırmam; direk (makro evrimi kullanmadan) yaratmışsa da. Ama (“eviren”in O olduğunu varsayarsak) birinci senaryonun ikincisine nazaran çok daha güzel olduğu kanaatindeyim. Çünkü ~14 milyar sene önce kainat yaratılıp, bundan ~10 milyar sene sonra dünyadaki ilk canlıya hayat “üflendikten” ve (DNA, metabolizma, algılama gibi) gerekli biyolojik mekanizmalar verildikten sonra evrimle herşey yine Allah’ın koyduğu kurallar içinde ve sebep-sonuç dairesinde işlemeye devam ediyor.

Kısaca özetlemek gerekirse söylemek istediğim haddini bilen bir insan bilim insanlarının saf olmadıgını, hatta çoğumuzdan daha akıllı olduklarını, komplo teoricilerin bize anlattığı gibi “aslında biliyorlar ama Şeytan’a hizmet ediyorlar” gibi bir durumun olmadığını bilmesi gerekir. Bilim modellerle ilerler ve biyoloji alanında şu andaki en iyi “bilimsel model” de evrim teorisidir. Ben dahi evrim teorisini kullanarak ilk defa ya da az görülen mutasyonların proteinler üzerindeki etkilerini tahmin etmeye çalışıyorum ve kullandığım algoritmaların başarı oranı %80’lerin üzerinde.

Umarım kendimi anlatabilmişimdir. Bu konu/hamur daha çok su götürür; bu yüzden burada bırakıyorum.

Belki ilginç gelmiştir ama yazımda ateizm’den hiç bahsetmedim. Çünkü evrim teorisiyle ateizm farklı şeyler. Ateizm, tanrının olmadığına dair bir inanış, evrim teorisi ise (yukarıda bahsettiğim gibi “tüm canlıların ilk atası”nın ortaya çıkmasından sonra) şu anda dünyada bulunan milyarlarca türün neden ve nasıl ortaya çıktığını açıklamaya çalışan bilimsel bir teori/modeldir. Her evrim teorisine inanan ateist değildir. Ayrıca, ateizm evrim teorisinden önce de vardı. Yarın birgün evrim teorisi yanlış çıkarsa ateizm yine var olacak – çünkü ateistlerin Tanrı’nın varlığına inanmamalarının en önemli sebepleri bilimselden ziyade felsefidir (birkaç örnek: neden bu kadar çok kötülük/hastalık/şiddet var? Tanrı varsa, neden saklanıyor? dinler/dindarlarda bulunan bazı hurafeler; mutlak kadir, ezeli ve ebedi bir Tanrı anlayışını “mantıksız” bulmaları). Evet; bugün ateistlerin çoğu evrim teorisine inanıyor ve bunu inanışlarını desteklemek için kullanıyorlar gibi görünüyor ama hepsi değil. Örneğin Çin’de neredeyse ülkenin tamamı ateist ama evrim teorisini bilenlerin sayısı nispeten çok azdır. Ateistlerin bakış açısını çok önemli bir ateistin perspektifinden öğrenmek isterseniz Prof. Richard Dawkins’in ‘God Delusion’ını tavsiye ederim. Müslümanlar olarak bizlerin Allah’ın varlığına dair kullandığı her argümana (kendilerine göre) mantıklı cevapları var ama hepsi tartışmalı tabi.

Son olarak, benim müslüman olarak kalmamın sebebi bilim değil, Efendimiz’in hayatı ve Kuran-ı Kerim’dir. Bugünün (her dinden) dindarlarının paçozluk ve cehaletini görünce, Efendimiz’i doğru bir şekilde tanımayan bir insanın ateist olmasını da kesinlikle yadırgamıyorum.

Okuduğunuz için teşekkür ederim. Yorumlarınızı bekliyorum.

*Şu anda Leicester Üniversitesinde (İngiltere) bir Genetik Epidemiyolog olarak çalışıyorum ve grup olarak insanlarda akciger fonksiyonunu ve kronik obstrüktif akciger hastalığını (KOAH) genetik olarak araştırıyoruz. Elimize yüzbinlerce insanın genetik ve fenotipik (yaş, cinsiyet, sigara içiyor mu?) datası geçiyor ve bu bilgileri “süper bilgisayarlar” aracılığıyla istatistiki modellere tabi tutarak (“fit” ederek) hangi genlerin iyi bir akciger fonksiyonu ve/ya da KOAH için önemli olabileceğini bulmaya çalışıyoruz. Umuyoruz ki yaptığımız buluşlar ileride insanlara faydalı bir ilaçla sonuçlansın.

**Allah, 150-200 bin sene once dunyada yaşayan Homo sapiens‘lerin (modern insanların) arasından ikisini, Hz. Adem ve Havva’yı seçip onlara ilim vermiş olabilir. Bu benim için şaşırtıcı olmaz. Çünkü, objektif olarak karşılaştırdığımızda, insanları şempanze gibi hayvanlardan ayıran faktörün genler ve biyolojiden daha çok aradaki ilim farkı olduğunu görüyoruz.

***Dünyada yaşadığı bilinen canlı türlerinin tarih cetveline bakabilirsiniz: https://en.wikipedia.org/wiki/Timeline_of_the_evolutionary_history_of_life

****İngilizce bilenlere Richard Dawkins’in “The Greatest Show on Earth: The Evidence for Evolution” kitabını ve yukarıdaki “What is the evidence for evolution?” videosunu tavsiye ederim.

PS: Yıllar önce evrim teorisi ve ateizmle ilgili görüşlerimi “God of Science” adlı yazımda paylaşmıştım. O günler Ateizm’le ilgili söylediklerimin coğuna hala katılsam da, evrim teorisi konusunda bayağı değişmişim 😉

PPS: Yazıyı paylaştığım günün (bugün 12 Şubat’ın) dünyada “Darwin günü” olması da ayrı bir tevafuk.


An example output from AutoZplotter using whole-exome sequencing data – used to identify the Primary ciliary dyskinesia causal gene, CCDC151, in Alsaadi and Erzurumluoglu et al, 2014 (read this paper’s story here). The green and red dots correspond to heterozygous and homozygous calls (for the alternative allele), respectively. The continuous blue lines correspond to the probability that the observed sequence of genotypes is not autozygous (e.g. close to zero means likely to be an autozygous region). LRoH: Long runs of homozygosity. NB: This image has been edited to ensure confidentiality/anonymity of the participant. Some LRoHs have been shortened or extended for this reason. If you’re thinking of using an AutoZplotter image in a paper, do not share genome-wide figures but maybe consider using chromosome-wide ones

When analysing whole-exome or whole-genome sequencing (or dense SNP chip) data obtained from consanguineous individuals with a rare Mendelian disease, the disease causal mutation usually lies within an autozygous region (characterised by long runs of homozygosity, LRoH, which are generally >5Mb). Thus checking whether any candidate genes overlap with an LRoH can substantially narrow region(s) of interest. There are several tools which can identify LRoHs such as Plink, AutoSNPa and AgilentVariantMapper. However, they all require their own formats and considerable computational knowledge; and also struggle to identify regions that are shorter than 5Mb. Thus, we wrote AutoZplotter, a user-friendly python script which plots the heterozygosity/homozygosity status of variants in a VCF file to allow for quick visualisation and manual identification of regions that have longer stretches of homozygosity than would be expected by chance.


AutoZplotter accepts the VCF format – which is the standard format for storing genetic variation data from NGS platforms. Image Source URL: bioinf.comav.upv.es

The input format of AutoZplotter is VCF, thus it will be suitable for any type of genetic data (e.g. SNP array, WES, WGS) and from any species.

An older version of AutoZplotter was used in the analysis stage of Alsaadi et al (2012) and Alsaadi and Erzurumluoglu et al (2014).

To download latest version of AutoZplotter, click here (directs to ResearchGate). If you found AutoZplotter helpful in anyway, please cite Erzurumluoglu AM et al, 2015.



Erzurumluoglu AM et al, 2015. Identifying Highly Penetrant Disease Causal Mutations Using Next Generation Sequencing: Guide to Whole Process. BioMed Research International. Volume 2015 (2015), Article ID 923491

Alsaadi MM and Erzurumluoglu AM et al, 2014. Nonsense Mutation in Coiled-Coil Domain Containing 151 Gene (CCDC151) Causes Primary Ciliary Dyskinesia. Human Mutation. Volume 35, Issue 12. Pages 1446–1448

Erzurumluoglu AM et al, 2016. Importance of Genetic Studies in Consanguineous Populations for the Characterization of Novel Human Gene Functions. Volume 80, Issue 3. Pages 187–196

Erzurumluoglu AM, 2015. Population and family based studies of Consanguinity: Genetic and Computational approaches. PhD Thesis. University of Bristol