Önsöz. Değerli katılımcılar,

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Önsöz. Değerli katılımcılar,"

Transkript

1

2 Önsöz Değerli katılımcılar, Mart 2007 den beri büyük bir ekip olarak, heyecan ile yürüttüğümüz TÜRKHAYGEN-I projesinin yeni bir aşamasına varmış bulunuyoruz. Artık verilerimiz, özellikle mikrosatelit belirteçlere dayalı olanlar, birikmeye başladı. Verilerimizin analizlerini yapıp ham verilerde yatan bilgileri elde etmek, bütünleştirmek, yorumlamak için hazırlanıyoruz. Sizlerin de gözlemiş olduğunuz gibi bu amaçla kullanılacak araçlar (analiz yöntemleri) sayıca pek çok, üstelik hızla artıp gelişmekteler. Bu çalıştayda, TÜRKHAYGEN-I projesinin genetik grubunun ilgilendiği sorulara benzeyen sorulara cevap arayan, uluslararası saygın dergilerde yayınlanmış 2007 makalelerinin kullandığı analiz yöntemlerinden başlıcalarını beraberce çalışacağız. Analizlerin kullanımını çalıştayda pekiştirmek istediğimiz için, analiz sayısını sınırlı tutuyoruz. Analiz sonuçlarını yorumlamak da ayrı bir beceri gerektirmektedir. Gene bu yönde ilk adımları atmak için, çalıştay sonunda tek veri setini, 4 ayrı grup olarak öğreneceğimiz yöntemlerle irdeleyip, sonuçların yorumlanmasını beraber yapacağız. Hepimize verimli ve zevkli bir çalıştay diliyorum, Saygılarımla, Çalıştayı düzenliyen ekip adına Prof.Dr. İnci Togan i

3 Çalıştay Programı Salı Kayıt ve Açılış Çalıştaya Genel Bakış, Bilgisayarlara Programların Yüklenmesi Öğle Yemeği FSTAT Programı nın çalışılması Kahve Molası PHYLIP Programı nın çalışılması Çarşamba Arlequin Programı nın çalışılması Kahve Molası Arlequin Programı nın çalışılması Öğle Yemeği Structure Programı nın çalışılması Kahve Molası PCAGEN Programı nın çalışılması Genetik Grubu Toplantısı Akşam Yemeği Perşembe Uygulama: Örnek verinin 4 grup tarafından analiz edilmesi Öğle Yemeği Uygulama: FSTAT analiz sonuçları Uygulama: Phylip analiz sonuçları Uygulama: Arlequin analiz sonuçları Kahve molası Uygulama: Structure analiz sonuçları Uygulama: PCAgen sonuçları Değerlendirma anketi Kapanış ii

4 Dizin Önsöz... i Çalıştay Programı... ii Dizin iii Çalıştaya Genel Bakış... 1 FSTAT Programı PHYLIP Programı Arlequin Programı Structure Programı PCAGEN Programı Okunması tavsiye edilen makaleler ve kitaplar Katılımcılar ve Destekleyen Şirketler Yararlı Bilgiler ODTÜ Haritası iii

5 Populasyon Genomiği I Çalıştayı Genel Bakış Prof. Dr. İnci itogan 8-10 Temmuz 2008, ODTÜ- Ankara 1

6 Genetik veri toplamak için gerekli teknik problemleri çözdük ve elimizde veriler birikmeye başladı. İlk çalıştayda mikrosatelit belirteç verilerine dayalı yapılabilecek istatistiksel analizlerden bazı sık kullanılanları çalışacağız Analizlerin kullanımlarını öğrenip uygulayacağız Önce bazı kavramları hatırlıyalım 2

7 Amaç Programlardaki ortak terim ve kavramlardan basitce bahsetmek Bir populasyon genomiği çalışmasında hangi sıra ile ne yapmak istenebilir? Sorusuna cevap vermek Sorunun cevabı da seçtiğimiz programların yapabilecekleri ile uyumlu olacağından soruyu cevaplarken programlarla yapılacaklara genel bir bakış sunmak + Çaliştayımızın ş isminin nasıl oluştuğunu ş ğ da belirtmek 3

8 Depolanmış veriden bir kesit görüyorsunuz: IRK KOD LOKUS KARAYAKA FCB226 OarHH47 OarVH72 KRY1 Ovis-Kry KRY2 Ovis-Kry KRY3 Ovis-Kry KRY4 Ovis-Kry KRY5 Ovis-Kry KRY6 Ovis-Kry KRY7 Ovis-Kry KRY8 Ovis-Kry KRY9 Ovis-Kry KRY10 Ovis-Kry

9 Bu veriler nükleer DNA nın otozomal kromozomlarından primerlerimizle tanımlanmış bölgelerindeki, lokuslarındaki tekrar sayılarına bağlı uzunlukları göstermekte Otozomal omal kromozomlardan omlardan okuduğumuzdan ğ dan her birey için bir çok çift: gibi değerler okumaktayız. 5

10 Bir lokusa odaklanırsak, bir türün bir çok ırkından o ırkları temsil edecek şekilde ellişer bireyi bu lokus açısından incelersek Pek çok alel (örn: CAG tekrar sayısı 5-17 arasında yani 13 alel) gözlemiş olabiliriz ( polimorfik lokus ) Monomorfik lokus da olabilir. Bizimkiler önceden kullanımı tavsiye edilenlerdi ve hepsi polimorfik lokuslardı 6

11 Bu polimorfik lokus açısından tür içinde genetik çeşitlilik (varyasyon) y var demeliyiz. Bu çeşitlilik nasıl ortaya çıktı? Mutasyon dediğimiz evrimsel güçlerden biriyle Tür içi genetik çeşitliliği: ırlarda, ırk içi grupta, bireyde, gibi kompartmanlarda/ birimlerde çalışabiliriz. NOT:Çalışmamız sonunda ırklarımız çok genetik çeşitlilik sergiliyor derken iyi düşünelim. Grup 1 Grup 1 Irk 1 Grup 2 Grup 3 Grup 2 Tür Grup 3 Irk2 7

12 Önce, Bu birimlerin (birey, ırk içi grup, ırklar ve tüm türde) her birinde genetik çeşitlilik ne kadar? Nasıl dağılmış? Sonra da Nasıl böyle şekillendi? soruları projemizin de çalıştayımızın da temel sorularıdır (Örn: Ham verileri irdeliyeceğiz Bu ırk ötekinden çok daha az genetik çeşitlilik içeriyor Neden? i Başına ne geldi?) Bu sorular populasyon genetiğinin de temel sorularıdır. Çalıştayımızın ş başlığındaki ş ğ Populasyon p y terimi bu sorulara cevap arıyacağımız için vardır. 8

13 Ya bu genomiği terimi neden seçildi? Farklı populasyonların p bir çok bireyinden elde edilen, farklı belirteçlere dayalı verilerle yapılan calışmaya Populasyon genomiği çalışması diyoruz (Allendorf ve Luikart, 2007 ). Projemizde genetik kısmında tam da bunu yapıyoruz: mtdna+ mikrosatelit (20 mikrosat); bir çok ırktan ve birçok bireyle; farklı belirteç sonuçlarını da bütünleştireceğiz VE ayrıca analizler için de bilgisayar kullanımının vazgeçilmez oluşu genomik Çalıştayımızın adı böylece oluştu 9

14 Birimlerde genetik çeşitlilik ne kadardır ve genetik çeşitlilik nasıl dağılmış bulunmaktadır? Örn. Bu grubun bireyleri çok çeşitlilik sergiliyor bireyler de birbirbirlerine benziyor / benzemiyor Çok, çok çok, az benziyor bunlara bir skala versem evrensel objektif ölçütüm olsa onunla ölçebilsem 10

15 Genetik çeşitliliği nasıl ölçsek? Bir çok ölçüt var. Bir grupta ve gene tek lokus üzerinde çalışırsak Alel sayısını (number of alleles) verebilirim örn. 2 (Alel sayısı ölçütlerden biri) Fakat 1) n=2 kişide 2 alel n= alel gorüyorum ki 2 sayısı bu iki durum için farklı yorumlanmalı Alelik zenginlik (allelic richness): ) (gözlem sayısı dikkate alınmalı) ) diğer ğ bir ölçüt 2) a) n= 50 kişi b) n= 10 kişi i n= 40 kişi alel frekanslarını (başka bir ölçüt) vereyim: 121 aleli için pa=0.5, pb=0.1 11

16 Ya durum aşağıdaki gibiyse 3) Grup1 25: ; 50: ; 25: alel121 frekansı=0.5, Grup2 100: alel121 l121 frekansı=0.5, Alel sayısı aynı, gözlem sayısı aynı, frekanslar aynı Ama alellerin ll bireylerde bulunma/ paketlenme biçimleri i i farklı genotip dağılımları farklı (bu da genetik çeşitlilik kapsamında belirtilmeli) Bunu Ho: gözlenen heterozigotluk (observed heterozygosity) la yansıtabilirim Ho1= 50%, Ho2= 100% 12

17 Şu ana kadar tek bir lokusa bağlı genetik çeşitlilik ile ilgili konuştuk ama çoğunlukla genetik çeşitlilik birden fazla lokusla tanımlanır. O zaman çalışılan lokuslardaki durumu genel olarak yansıtacak bir ölçüt: grupta lokus başına düşen ortalama alel sayısı (MNA-mean number of alleles ölçütünü de ) kullanabilirim Örn: Grup 1 Or.all.say=1, Grup 2 Or.all.say=3 ise Şu sorular sorulabilir: Aynı lokuslar mı çalışıldı? Aynı sayıda birey mi gözlendi? Cevaplar evet ise Grup 1 de genetik çeşitlilik daha az diyebiliriz. 13

18 Ölçütlere devam edeceğiz Birazdan bir grup içinde kullanacağımız son ölçüt olan He: Beklenen heterozigotluk (expected heterozygosity) tan bahsedeceğiz Onu tarif etmeden populasyonların genetik çeşitliliğini şekillendiren bazı güçleri ve sonra Populasyon genetiğinde pek bilinen bir modeli ve bir denge prensibini hatırlıyalım 14

19 Bir populasyonda alel l frekansları ile ölçülen genetik çeşitlilik nasıl değişir? Rastlantıyla =rastlantısal genetik salınma (populasyonun sayısı büyük etken, ayrıca bireylerin gelecek generasyona katkı farkları...) ) ile; Göçün katkısıyla; Seçilimle (doğal veya yapay) Ki bunlar da evrimsel güçler (Bir de mutasyon vardı) dir. Biz çalışmalarımızda bunlarla da ilgilenmekteyiz Örn. Bir çok ırk göçden etkilenmiş ama özellikle biri etkilenmediyse, o yüzyılların doğal seçilimini temsil ediyor olabilir onu özel olarak korumak isteyebiliriz 15

20 Populasyon genetiğinde, ğ istatistiksel analizlerde çalışılan ş durumu basite indirgemek için (/ ya da bu gün gözlenenlerden geriye giderken arada hangi basamaklardan geçildiği ile ilgili vb durumlarda) modellemeler yapılır Bir düşünsel model Gen Havuzu modelidir: Tüm bireylerin genomlarını bir havuza döksek, Dişi ve erkeklerde alel frekansları aynı olsa (Örn. 2 alel ve p,q) Havuza katkıda bulunan birey sayısı çok olsa Hiç bir evrimsel güç bu havuzda çalışmıyor olsa Bir sonraki generasyonun bireylerini oluşturmak ş için havuzdan ilgilendiğimiz lokusun örneklerini rastgele seçip eşleştirsek, ve bir sonraki generasyonun bireylerini böylece oluşturduğumuzu varsaysak Bu bireylerin de sayıları çok olsa 16

21 Böylece oluşturduğumuz bireylerden elde edeceğimiz yeni gen havuzuna baksak p ve q değişmiyecektir Gen havuzunun ait olduğu populasyon Hardy-Weinberg dengesindedir (HWD) 2 2 ve genotip frekansları p : 2 pq : q olacaktır (HWD beklenen genotip frekansları) Bu frekansları (istatistiksel analizlerin tolerans ettiği kadar farklı da olsa) görüyorsak gen havuzunun ait olduğu populasyon HWD deriz Bu durum bize evrimsel güçlerin bu gen havuzunda etkili olmadıklarını (= yok/ biri var ama etksiz/ikisi var ama etkisiz...) gösterir. 17

22 Mikrosatelitler ve HWD Bir kere mikrosatelit lokusları çoğunlukla ğ DNA üzerinde, RNA ürünleri olmayan ve gen kontrol bölgelerinin dışındaki bölgelerdedir Çoğunlukla bireyin mikrosatelit lokusuna bağlı genotipinin hangi alelerden oluşmuş olduğu onun yaşama şansına ve üreme etkinliğine hiç etki etmez ( Aleller nötr) Eğer bir populasyon bir çok lokus açısından HWD den sapmışsa populasyonun tüm genomunu etkiliyen bir olgu örn. yeni göç, rastlantısal olmayan çiftleşme sözkonusu olabilir 18

23 HW prensibi bize güçlü evrimsel mekanizmaların işleyip işlemediğine ilişkin sinyaller verdiği gibi bir lokusun doğru çalışıp çalışmadığını da gösterebilir Bir lokus bazen bir populasyonda, başka bir lokus başka bir populasyonda dengeden sapma gösteriyorsa, bu lokuslarda boş (null) aleller gelişmiş olabilir (Handley ve ark. 2007) Böyle bir durumda çalışmanın ş o lokus bazında elde edilen sonuçları daha farklı değerlendirilmelidir. 19

24 HWD nin kullanımının bir başka örneği Genetik farklılaşma aynı ırkın alt grupları arasında da var olabilir Bir ırkın doğudan örneklenen bireyleri kendi aralarında, batıdan örneklenen bireyleri de kendi aralarında benzeşebilir. Biz bu duruma ırk içinde alt yapılanma/ alt gruplaşma var deriz. Alt gruplaşma (substructuring) nın varlığı da kendini tüm ırk için HWD var mı diye sorulduğunda ğ genellikle birden fazla lokusda heterozigot eksikliği gözlenmesi şeklinde sinyal vererek belli eder Alt gruplaşmanın ş heterozigot eksikliği ğ yaratmasına Wahlund etkisi denmektedir. Bizlerin yapacağı çalışmalara benzeyen bir çok başka çalışmada Wahlund etkisi gözlenmiştir. 20

25 HW dengesi varlığını ğ test etme yöntemleri birden fazladır Bildiğimiz ğ 2 X testi olduğu ğ gibi bir de Tam (Exact) test diye bir yöntem mikrosatler (çok alelleri olduğundan) için kullanılmaktadır. Hesaplamalar çok uzundur, bilgisayar yardımı gerekmektedir.bu test ile dengeden sapmalara tolarans artmaktadır. Başka yöntemler de var (Örn. Fis ve lokusların kombinasyonları ile). Gene istatistikle uğraşmış olanlarınızın bildiği bir başka kural vardır. Aynı anda 20 mikrosatelit lokusu için HWD var mı? diye sorulmaktaysa, α -tipi hatayı 0.05 in altında tutmak için α=0.05/20= değeri testlerde kritik değer olarak kullanılır. Bu yeni değerin kullanılması Bonferroni düzeltmesi olarak bilinir. 21

26 Biz hala grup içi genetik çeşitlilik ölçütleri hakkında konuşuyoruz Son olarak He beklenen (=genetik çeşitlilik, genetic diversity) heterozigotluk tl da bir ölçüttür He GÖZLENEN alel frekanslarının HW dengesindeki populasyonda yaratması beklenen heterozigotların frekanslarını belirtir Ho ve He yi yyan yana görürseniz aralarındaki fark da size dengeden sapmanın yönünü ve büyüklüğünü belirtir Hem He hem Ho grupda lokusların her biri için verilebileceği gibi bir çok lokusun ortalamaları l olarak da verilebilir. Örn. ortalama olarak beklenen heterozigotluk gibi 22

27 Irk içi çgenetik çş çeşitlilik ölçütlerinin en sık kullanılanlarını konuştukş Irklar ya da ırk grupları arasındaki genetik farklılaşmayı ölçmek için kullanılan ölçütlerden de bahsedelim Bunlar da pek çok Önce F- istatistiklerinden bahsedelim Wright (1951) ın fiksasyon indisleri: Fıs, Fst, Fıt Fıs bir ırk kiçin i ise ırk kiçi ihwd dengesinden d sapmayı verir -1, +1 arasındadır ( - heterozigot fazlalığını, + heterozigot azlığını belirtir) Fıt toplam tür içindeki HW dengesinden sapmanın ölçütüdür Fst de ırklar arasındaki genetik farklılaşmanın ölçütüdür Fst 0-1 arasında bir değer alır. Populasyonlar genetik salınımayla birbirlerinden farklılaşmışsa ve aralarında gen akımı yoksa Fst değeri ğ i1 e yakın olur. 23

28 Fst ile ilgili üç şey söyleyeceğim Fst yi frekanslar üzerinden hesaplıyabileceğimiz ğ gibi mikrosatelitlerin moleküler belirteç ( aleller arasındaki farkın da ölçülebildiği belirteçler) olmalarından yararlanalarak frekanslarını hesapladığımız alellerin birbirlerine benzemelerini de ek olarak hesaplara katabiliriz. Örn: den oluşmuş bir populasyon ile alelleri içeren iki populasyonu karşılaştırıyorsak son ikisinde alel frekansları aynıysa bile alel farklılıkları nedeniyle 3üncü populasyon 1inciye daha uzak olacaktır Size Fst nin çeşitli biçimlerde hesaplanmasını sağlıyan paket programlar öğretilecektir 24

29 Fst ile ilgili ikinci husus Fst yi yani populasyonlar arasındaki farkın büyüklüğünün istatistiksel olarak anlamlı olup olmadığını sınıyabiliriz. Sınama yöntemi olarak bilgisayarların hızlanmasından yararlanılarak permutasyon testi uygulanmaktadır. Testin çok güzel bir görsel anlatımını bir sonraki saydamda Jobling ve ark. nın (2004) kitabından alınmış olarak görüyoruz. 25

30 Permutasyon testine bir örnek (Jobling ve ark., 2004) 26

31 Son olarak Fst ile ilgili olarak Fst leri gruplar (örn. Irklar) arası farkların= genetik uzaklıkların ölçütü olarak düşünüp Tüm ırkaların çalıştığımız lokuslar bazında birbirlerine uzaklığını topluca sergiliyebiliriz. Bu amaçla ağaç çizebiliriz. En yaygın kullanılan ağaç çizme yöntemi komşu birleştirme (neighbour joining) yöntemidir. Peter ve ark

32 Irkların aralarındaki farkların görsel olarak sergilenmesi Ağaçlar: Bir örneğini önceki saydamda gördük. Dallar var, dallanma noktaları var. Dallanma noktaları üzerinde sayılar var. Sayılar çöz-bağla (bootsrap) değerlerini vermektedir. Bu sayılar ağacın üzerinde dallanma noktasının güvenilirliğini belirtmektedir. Bunları elde ederken gene bilgisayarların hızlı işlem yapma kapasitelerinden yararlanılmaktadır (mikrosatelit lokuslarına 1-20 ye kadar değerler verilir, geri koyma örnekleme yöntemi ile rastgele 20 sayı çekilir örn: 5,7,20, 5, 5... Lokuslarının değerlerine dayalı bir ağaç çizilir daha sonra yeniden bağımsız bir 20 örnekleme yapılıp tekrar ağaç çizilir her bir dallanma noktası hangi sıklıkla gözlendiyse o sıklık değeri ağacın üstüne o dallanma noktasına çöz- bağla değeri olarak yazılır). Bir çok ağaç ğ çizilmesinden il i sonra onlara dayalı tek bir ağaçta ğ sonuçların özetlenmiş haline ortak (consensus) ağaç denir 28

33 Irkaların aralarındaki farkların görsel olarak sergilenmesi (devam) Ağaç çizerken bir çok farklı genetik uzaklık ölçütü kullanabiliriz, bir tanesi de Nei nin standart genetik uzaklığıdır. Irkların birbirlerine göre konumunu 20 mikrosatelitin katkıları ile oluşturulmuş birbirine dik eksenler üzerinde de GÖRSEL olarak sergiliyebiliriz. Sığır ğ ırklarının temel bileşenler ş analizi yardımı ile gösterilişi Loftus ve ark., Molecular Ecology,

34 Irklar arası farkları saptama ve sergileme (devam) Şimdiye kadar hep birimler sanki mutlak birimlermiş gibi düşündük! Halbuki ırklar (mesela 10 ırk) başta iki üç ırktan çeşitli oranlarda karışmış olarak ortaya çıkmış olabilir. Yeni bir metod ile structure t ile kaç tane temel gen havuzu ırkları yarattı? ırklar bu temeller açısından hangi oranda karışmış? ve bu karışım bakımından da birbirlerine ne kadar benziyorlar söylemek mümkün? Burada her numara ırkı gösteriyor her renk de bir temel gen havuzunu belirtmekte (Koban çalışması) 30

35 Irklar veya ırk grupları arası farkları saptama (devam) Bu amaçla çok kullanılan bir yazılım Arlequin dir. Irklar arasında bulunan genetik varyasyon y tüm genetik varyasyonun y ne kadarıdır (toplam genetik varyasyonun tanımlanan birimlere ayrıştırmak)? Doğudaki ırklar arasındaki benzerlik batıdakilerden az mıdır? sorularına cevap vermek mumkündür Örn. Yağlı kuyruklu koyunlar birbirlerine ince kuyruklulara benzediğinden daha fazla benzemektedirler hipotezini böylece sınayabiliriz. Arlequin programı aracılığıyla bir de Acaba mikrosatelitlerel dayalı genetik farklılaşma coğrafik uzaklıklara paralel mi? Ya da sekanslara dayalı genetik farklara paralel mi? Sorularına da Mantel Testi yaklaşımı ile cevap arıyabiliriz. Arlequin çok geniş kapsamlı bir yazılımdır onu kullanmaya gelecek çalıştayda sekansları incelerken de devam edeceğiz. 31

36 Çalıştayımız boyunca tanışacağımız programlarda Permutasyon testi, Tam (exact) test (ki bunlardan bahsettik) Bayesian yaklaşımı ve MCMC terimlerini duyacaksınız. Bayesian yaklaşımı bir hipotezin gözlenen veriler ( frekans ya da oran hesaplamadan, hatta önden bilinen bilgileri de katarak) çerçevesinde ne kadar olası olduğunu saptar (Bizim alışık olduğumuz hipotez testinde test ettiğimiz hipotezi red edip edemiyeceğimizi söyleriz) MCMC (Markov Chain Monte Carlo): Olasılık dağılımlarından örnekleme aracı (algoritma) dır. Olasılık dağılımını tamolarak elde edemediğimizdurumda ondan MCMC ile bir çok örnek mesela örnek elde edilir. Başta elde edilen örnekler (burn in period) örn ilk atılır, geri kalanlar bizim erişmek istediğimiz dağılımın örnekleri olarak kullanılır. 32

37 Özet Verileri ırklar bazında çeşitli ölçütlerle özetlemeyi: Fstat, Arlequin Irklar arası farkları görsel olarak sergilemeyi: Pcagen, Phylip, Structure Genetik çeşitliliğin ırklar veya ırk grupları arası dağılımını saptamayı: Arlequin Irklar arasındaki farkların iki ayrı veri dizisi bazında benzerliğini ölçmeyi Arlequin Genetik farklılıkların büyüklüğünun önemi testi; HWD nin var olup olmadığı testi; Tüm bireylerimiz bir arada düşünüldüğünde kaç temel ana populasyonun karışımları oldukları testleri gibi testleri Tüm proramlarla ÇALIŞACAĞIZ. 33

38 Bu çalıştayın amacı mikrosatelit analizleri yapma becerimizi i i geliştirmenin i yanısıra analiz sonuçlarını anlama derinliği kazanmaktır 34

39 Bazan bir kişinin fotografini görürüz. Onu tanımıyorsak, fotoğraftan sadece cinsiyetini, belki yaklaşık yaşını, saçını, güzel olup olmadığını görürüz Ama tanıyorsak, beraber zaman geçirmişsek, fotoğrafını algılamamız değişir,örneğin takdir ettiğimiz becerilerini, fiziksel olarak geçirdiği evrimleri, kızgınlıklarımızı, da içerir olur fotoğraf 35

40 Örn. Aşağıdaki resim bir çoğumuz için: bu genç hanımın enerjik, iyimser, tuttuğunu koparan biri olduğunu da içeriyor çünkü onu tanıyoruz 36

41 Biraz da hayaliniz i genişse aşağıdaki ğ kişiyi i i de ona benzetiyor olabilirsiniz 37

42 İşte biz de bu çalıştayda çıktı olarak elimize aldıklarımızı çizim veya sayıların ötesinde daha derin daha bütünsel algılamamız gerektiğini hissettirmek için de çaba vereceğiz. 38

43 Kaynakça: Allendorf F ve Luikart G Conservation and the genetics of populations. Blackwell Publishing. Handley L. ve ark Heredity, 1-12 Jobling M.A. ve ark Human Evolutionary Genetics, Origin, Peoples and ddisesase. Garlan Science, Taylor and dfrancis Group Lowe A. ve ark Ecological Genetics, Blackwell Publishing Loftus R.T. ve ark Mol. Ecol., Peter C. ve ark Animal Genetics,

44 FSTAT Software for Population Genetics Analysis Dr. Evren KOBAN TÜRKHAYGEN-I Projesi Populasyon Genomiği - I Çalıştayı 8-10 Temmuz 2008, ODTÜ, Ankara 40

45 FSTAT: Eş-baskın ş (co-dominant) )genetik işaretler ş kullanarak elde edilmiş verilerden analizlerini gerçekleştiren ve test eden bir bilgisayar yazılımıdır. Web sitesi: htm 41

46 FSTAT ile ne hesaplayabiliriz? i - Lokus ve alel bakımından analiz edilmiş birey sayısı - Örnek (populasyon) başına ve toplamda gözlenen alel frekansları - Örnek ve lokus başına gözlenen ve beklenen genotip sayısı - Örnek ve lokus başına unbiased gen çeşitliliği -Örnek başına, lokus başına ve toplamda gözlenen alel sayısı - Örnek başına, lokus başına ve toplamda gözlenen alel l zenginliği -Fis (örnek ve lokus başına) hesaplaması ve istatistiksel olarak testi - Nei nin (1987) gen çeşitliliği ve farklılaşma değerleri hesaplaması. - Weir & Cockerham ın (1984) alel ve lokus başına ş ve toplamda Capf (Fit), theta (Fst) and smallf (Fis) değerleri hesaplaması -Hamilton ın (1971) akrabalık (relatedness: relat=2fst/(1+fit)), hesaplaması (Queller and Goodnight ın (1989) hesaplamasına paralel). 42

47 FSTAT yeniden örnekleme yoluyla hesaplamalar için güven aralığı ğ elde eder: - Lokus başına populasyonlar üzerinden Jackknifing yapar. Yeniden örneklenen birim populasyonlardır. Dörtten fazla populasyon olmalıdır. -Lokus üzerinden Jackknifing yapar. Yeniden örneklenen birim lokuslardır. Dörtten fazla lokus olmalıdır. -Lokus üzerinden bootstrapping gerçekleştirir. Dörtten fazla lokus olmalıdır. l - R- statistics (Slatkin, 1995) hesaplaması yapar, stepwise mutation modelini izleyen mikrosatlit lokuslar için uygundur. -Populasyon çiftleri arası Fst (theta) hesaplar. 43

48 devam.. - Toplamda her örnek her lokus için HW dengesinde mi test eder. - Bütün veri seti HW dengesinde d mi test t eder. - Her örnek her lokus için HW dengesinde mi test eder. - Örnekler içinde HW dengesi olduğunu varsayarak ve varsaymayarak örneklerin farklılaşmasını ş test eder. -Örnek çiftlerinin farklılaşmalarını test eder. Test örnekler içinde rastgele çiftleşme varsayımında bulunmaz. - Her bir örnek içindeki ve toplamdaki genotipik dengede mi test eder. - Örnek gruplarının istatistik veriler için farklılaşıp farklılaşmadığını test eder. - Kategorilere ayrılmış bireylerin yayılma oranlarında (dispersal rate) farklılık olup olmadığını test eder. 44

49 Ayrıca.. - FSTAT ve GENEPOP veri dosyalarını birbirlerinin i i formatına çevirir i - Multiple regression (çoklu regrasyon) ve kısmi mantel testi gerçekleştirir. 45

50 FSTAT ın son versiyonu olan fstat293dist.exe programı bilgisayara yüklenip çalıştırıldığında aşağıdaki döküman ve dosyalar oluşur: - Fstat293.exe t293 - Fstat293.hlp - Fstat293.cnt - Readme.txt - Readme.doc - \data - \data\bias dispersal - \data\multiple regression 46

51 FSTAT veri dosyası hazırlama: - Program yalnızca bir txt editör ile yazılmış.dat dosyalarını tanır. - Aleller ll rakamlarla l kodlanmalıdır. l d Kodlama için i tek, çift ya da üç basamaklı sayılar kullanılabilir. - Veri dosyası 3 kısımdan oluşur: İlk satırda 4 rakam vardır (örnek sayısı, lokus sayısı, en büyük alel, alel kodları kaç basamaklı) Bunu takip eden satırlarda lokus isimleri yer alır Lokus isimlerinin ardından genotipik veriler girilir. 47

52 Örnek veri dosyası: örnek sayısı, lokus sayısı, en büyük ük alel, alel kodu basamak sayısı Lokus isimleri Aralardaki boşluk 1 space olarak verilmiştir. Genotipik veriler Populasyon numarasından sonra 3 boşluk verilmiştir. Örnekler/populasyonlar 48

53 Örnek veri dosyası: örnek sayısı, lokus sayısı, en büyük alel, alel kodu basamak sayısı Lokus isimleri Aralardaki boşluk 1 space olarak verilmiştir. Genotipik veriler Populasyon numarasından sonra 3 boşluk verilmiştir. Örnekler/populasyonlar 49

54 Elimizdeki TÜRKHAYGEN-I verilerini kaydetmek için: - Excel dosyası açılır ve veriler aşağıdaki şekilde yazılır: Gözlenmeyen alel Birey kodu/ numarası/ adı Alel uzunlukları 1. alel l 2.alel l Lokus isimleri 1. Populasyon 2. Populasyon FCB20 FCB48 FCB304 INRA063 ILSTS005 MAF33 AKK * * AKK1 2 * AKK1 3 * * AKK1 4 * * AKK1 5 * AKK1 7 * AKK1 8 * AKK1 11 * AKK1 12 * AKK1 13 * AKK AKK

55 Elimizdeki TÜRKHAYGEN-I verilerini kaydetmek için: 51

56 Elimizdeki TÜRKHAYGEN-I verilerini kaydetmek için: * 52

57 Elimizdeki TÜRKHAYGEN-I verilerini kaydetmek için: Veri dosyası.txt dökümanı olarak kullanılmaya hazır. 53

58 Analiz için FSTAT programının veri dosyasına çevirmek: - 54

59 Analiz için FSTAT programının veri dosyasına çevirmek: Lokus isimleri 55

60 Analiz için FSTAT programının veri dosyasına çevirmek: örnek sayısı, lokus sayısı, en büyük alel, alel kodu basamak sayısı Örnekler /populasyonlar Oluşturulan FSTAT veri dosyası.dat olarak kaydedilir. 56

61 Populasyon isimleri dosyası: - Program veri dosyasında örnekler numara ile gruplandırılır. - Analiz sonuçlarının örneklerin isimleri ile gösterilmesi isteniyorsa bir.txt dosyasına alt alta sadece isimler i yazılır. Program ilk 6 karakteri kt tanır. - Programa veri dosyası yüklendikten sonra isim dosyası da yüklenir. 57

62 Programın limitleri: - Maksimum örnek sayısı: Maksimum lokus sayısı: Maksimum alel sayısı : Maksimum birey sayısı :

63 FSTAT klasörü ve programı başlatmak: 59

64 FSTAT Windows Arayüzü: 60

65 Menü seçenekleri: File -Open -Save default options -Exit Options -Label file for pops -Loci to use : pencere açılır ve lokus isimlerinden analizi istenen seçilir -Samples to use : pencere açılır ve örnek isimlerinden analizi istenen seçilir Utilities -Reset seeds Random Number Generator -File conversion (FSTAT - GENEPOP) 61

66 Menü seçenekleri: Biased dispersal Mantelise it! -Matrices to columns -Multiple regression and partial mantel test Help -Contents -About 62

67 Sekmeler: Computations among groups of samples F-statistics, Testing and Disequilibrium 63

68 Sekme 1: F-statistics, Testing and Disequilibrium Bu sekme içindeki hesaplamalar farklı analiz başlıkları ş altında toplanmıştır. ş 64

69 Sekme 1: F-statistics, Testing and Disequilibrium A. Gene diversities and F-statistics 65

70 Sekme 1: F-statistics, Testing and Disequilibrium B. Testing 66

71 Sekme 1: F-statistics, Testing and Disequilibrium C. Genotypic Disequilibrium 67

72 Sekme 1: F-statistics, Testing and Disequilibrium Analizleri gerçekleştirmek 68

73 Sekme 2: Computations among groups of samples Analiz edilecek grup sayısı girilir İstenilen test tipi Grupları belirlemeye yardım eden pencere Analizi gerçekleştirme İstenilen permutasyon sayısı Gerçekleştirilebilecek analizler 69

74 Sekme 2: Computations among groups of samples Grupları belirleyen pencere: 70

75 Sekme 2: Computations among groups of samples Analiz limitleri: Grup sayısı : 2-10 Permütasyon sayısı:

76 Analizlerin kaydedildiği dosyalar: -.out dosyası analiz sonuçlarını kaydeder -.fst ve.mat dosyaları Fst hesaplaması istendiyse oluşur,.fst de ikili örnek grupları için i Fst hesaplaması, mat da ise varyans bileşenleri l i vardır. - -.x2 dosyası genetipik frekans hesaplaması istendiyse oluşur; gözlenen ve beklenen genotipler yer alır. - -PP.PVL dosyası ikili örnek gruplarının farklılaşma derecesini örnekler içinde HW dengesi olduğunu varsaymadan hesaplanırsa oluşur. İki tablo vardır: uncorrected p değerleri ve bonferroni correction uygulanmış p değerleri - _test.out dosyası örnek grupları arasında istatistiksel karşılaştırma yapıldığında (Sekme 2) oluşur. - -tables.ld dosyası genotypic disequilibrium hesaplamalarında tabloyu kaydet opsiyonu seçildiyse oluşur. BÜTÜN SONUÇLARDA TAB AYIRACI KULLANILMIŞTIR, EXCEL DOSYASINA AKTARILABİLİR. 72

77 Örnek veri dosyası ile analiz çalışması - Veri dosyası 73

78 Örnek veri dosyası ile analiz çalışması 74

79 Örnek veri dosyası ile analiz çalışması 75

80 Örnek veri dosyası ile analiz çalışması 76

81 Örnek veri dosyası ile analiz çalışması 77

82 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 1. Fstat_calistay veriler.out Her bir lokusun her bir gözlenen alelinin frekans dağılımı 78

83 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 1. Fstat_calistay veriler.out Gen çeşitliliği Gözlenen alel sayıları Alel zenginliği Fis değerleri 79

84 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 1. Fstat_calistay veriler.out Fis değerleri için hesaplanan olasılıklar 80

85 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 1. Fstat_calistay veriler.out Heterozigotluk hesaplamaları 81

86 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 1. Fstat_calistay veriler.out Capf (Fit) Theta (Fst) Smallf (Fis) Relat Relatc Sig_a Sig_b Sig_c 82

87 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 1. Fstat_calistay veriler.out F-statistics 83

88 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 2. Fstat_calistay veriler.x2 84

89 Örnek veri dosyası ile analiz çalışması Sonuç dosyaları 3. Fstat_calistay veriler.fst : pairwise Fst hesaplamaları 4. Fstat_calistay veriler-pp.pvl pvl : Pairwise Fst değerlerinin olasılık hesaplamaları 85

90 Sonuç dosyalarının Excel e aktarılması: 86

91 Sonuç dosyalarının Excel e aktarılması: 87

92 Sonuç dosyalarının Excel e aktarılması: 88

93 Sonuç dosyalarının Excel e aktarılması: 89

94 PHYLIP PHYLogeny Inference Package Havva DİNÇ TÜRKHAYGEN-I Projesi Popülasyon Genomiği-I Çalıştayı 8-10 Temmuz 2008 ODTÜ - Ankara 90

95 PHYLIP Ana Sayfası: 91

96 PHYLIP Dr. Joe Felsenstein (Washington Üniversitesi Genom Bilimleri ve Biyoloji Bölümü) tarafından oluşturulmuş, filogenileri anlamak için kullanılan bir bilgisayar yazılımıdır ve içinde 35 tane program içermektedir. Bu paket program şu metotları içermektedir: - Parsimoni (DNA ve protein için) - Uzaklık Matrisi (Distance Matrix) - Olabilirlik (Likelihood) Metotları - Çözbağla (Bootstrap) - Consensus Ağaçları 92

97 PHYLIP ile analiz edilebilen veri tipleri şunlardır: - DNA dizileri - Protein dizileri - Restriksiyon parça uzunlukları - Uzaklık matrisi - Gen frekansları - Kantitatif tif karakterler... kt 93

98 PHYLIP in son versiyonu olan phylip3.67 programı bilgisayara i yüklendiğinde, d klasörde doc, exe ve src olmak üzere 3 klasör oluşmaktadır. Komşu birleştirme (neighbor-joining, NJ) ağacı çizmek için gerekli olan programlar exe klasöründe bulunmaktadır & veri dosyası bu klasöre kayıt edilmelidir. 94

99 Alel Frekanslarını İçeren PHYLIP Veri Dosyası Formatı Populasyon Lokus Her Lokus için Toplam Sayısı Sayısı Gözlenen Alel Sayısı JMP29 Lokusunun 20 Alelinin Frekansları... Populasyon İsimleri (toplamda 10 kolon) Alel Frekansları 95

100 Phylip ile Komşu-Birleştirme ş ş (NJ) Ağacı ğ Çizme Özeti data.txt (alel frekanslarını içeren veri dosyası) seqboot.exe seq.txt ( outfile dosyası) gendist.exe gendist.txt ( outfile dosyası) neighbor.exe nj.txt ( outtree dosyası) consense.exe exe cons.txt ( outtree dosyası) and bootstraps.txt ( outfile dosyası) drawtree.exe (köksüz (unrooted) ağaç için) 96

101 PHYLIP Paket Programında Kullanılacak Olan Programların Görevleri Seqboot: girilen orijinal veriyi kullanarak çoklu veri setleri oluşturarak çözbağla (bootstrap) değeri hesaplayan program Gendist: gen frekansarını kullanarak istenilen genetik uzaklığı (Nei nin i D A veya Reynolds) hesaplayan program Neighbor: komşu birleştirme (NJ) metodunu uygulayarak genetik uzaklık kdeğerleri ğ ile ağaç ğ oluşturan program Consense: çokluk kuralına (majority rule) göre ortak (consensus) ağaçları ğ belirleyen l ve bu ağaçların ğ en ortak tek bir halini sergileyen program Drawtree: köksüz (unrooted) ağaç çizen program [Drawgram: köklü (rooted) ağaç çizen program] 97

102 seqboot.exe ENTER ENTER Analiz için gerekli parametreler, belirtilen harfler ve her harften sonra ENTER a basılması ile ayarlanır. 98

103 seqboot.exe ENTER exe klasöründe oluşan outfile.txt dosyasını seq.txt olarak farklı kayıt ediliyor. Bu dosya verinin 1000 farklı organize edilmiş halini içermektedir. 99

104 gendist.exe ENTER ENTER Analiz için gerekli parametreler, belirtilen harfler ve her harften sonra ENTER a basılması ile ayarlanır. 100

105 gendist.exe ENTER exe klasöründe oluşan outfile.txt dosyası gendist.txt olarak farklı kayıt edilir. Bu dosya, Nei nin D A genetik uzaklığına ğ göre popülasyonların p birbirlerine olan genetik uzaklık değerlerini içermektedir. 101

106 neighbor.exe ENTER ENTER Analiz için gerekli parametreler, belirtilen harfler ve her harften sonra ENTER a basılması ile ayarlanır. 102

107 neighbor.exe ENTER exe klasöründe oluşan outtree.txt txt dosyası nj.txt txt olarak farklı kayıt edilir. Bu dosya ağacın ğ çizilebilmesi için popülasyonlar p arasındaki ilişkiyi formülize eder. 103

108 consense.exe ENTER ENTER Analiz için gerekli parametreler, belirtilen harfler ve her harften sonra ENTER a basılması ile ayarlanır. 104

109 consense.exe ENTER exe klasöründe oluşan outtree.txt dosyası cons.txt ve outfile.txt dosyası ise bootstraps.txt olarak farklı kayıt edilir. cons.txt programın okuyabileceği ve en ortak (consensus) ağacın çizilebileceği ağaç formatını içerir. 105

110 drawtree.exe ENTER ENTER ENTER 106

111 PHYLIP ile 4 Popülasyon için Çizilmiş Komşu Birleştirme Ağacı 107

112 Çözbağla (Bootstrap) Değerleri bootstraps.txt dosyasından: CONSENSUS TREE: The numbers on the branches indicate the number of times the partition of the species into the two sets which are separated by that branch occurred among the trees, out of trees Pop Pop Pop Pop3 remember: this is an unrooted tree! Ağacın dalları üzerindeki sayılar, iki popülasyonun çizilen 1000 ağacın kaçında bu şekilde ayrıldığını göstermektedir. Bootstrap değeri ağaç üzerinde genelde yüzdelik olarak belirtilir. 108

113 Çözbağla (Bootstrap) Değerleri ile Komşu Birleştirme Ağacı & Yorumlar Elde edilen ağaca göre, en küçük genetik uzaklık popülasyon 1 ve popülasyon 2 arasındadır. Bu ağaçlar %100 çözbağla değeri ile güvenilirliği en yüksek şekilde dallanmışlardır. Çizilen ağaçtaki popülasyonlarda 2 temel grup gözlenmektedir. 109

114 ARLEQUIN Programı & AMOVA, Mantel Test Dr. Ceren Caner Berkman TÜRKHAYGEN-I Projesi Populasyon Genomiği Çalıştayı-I 8-10 Temmuz 2008, ODTÜ, Ankara 110

115 Arlequin: Amacı ortalama populasyon genetiği bilgisine sahip bir kullanıcının, birçok farklı temel metod ve istatistiksel testi elinde bulunan verilere uygulayarak verileri hakkında genetik ve demografik bilgiye ulaşmasını sağlamak olan bir bilgisayar yazılımıdır. Web sitesi: 111

116 ARLEQUIN İsmi Nereden Geliyor? Fstat PHYLIP: PHYLogeny Inference Package 16. yüzyıl İtalyan halk tuluat tiyatrosu Ariecchino: üstünde baklava desenli bir giysi, başında tavşan ya da tilki tüyü takılı, geniş kenarlı bir başlık, yüzünde siyah deriden yarım bir maske ve elinde tahta bir pastav bulunmaktadır. Ariecchino = Arlequin 112

117 ARLEQUIN İLE NE ANALİZ EDEBİLİRİZ? Arlequin programı ile birçok farklı genetik veri analiz edilebilmektedir... DNA sekansları RFLP Mikrosatelit Alel frekansı

118 DEVAM... Genetik veriler haplotipik ik yada genotipik ik olabilir... Haplotipik veri: Ex 1: Haplotipik RFLP verisi: Ex 2: Haplotipik DNA sekansı verisi: CATTTAAGCATGACATACGGA Genotipik veri: Ex1: Genotipik DNA sekans verisi: GGCATTTAAGCATGACATA GGGATTTTAGCATGACATT Ex 2: Genotipik Mikrosatelit verisi: Gametik safhası biliniyor Gametik safhası bilinmiyor (Çekinik (recessive) alel yok) Gametik safhası bilinmiyor (Çekinik (recessive) alel var) 114

119 ARLEQUIN İLE NE HESAPLAYABİLİRİZ? Arlequin programına dahil edilen analiz yöntemlerinin istatistiksel gücünün yüksek olmasına dikkat edilmiştir. Bu sebeple birkaç istisna dışında d tüm analizlerin güvenilirliği permütasyon ya da exact test ile test edilmektedir. 115

120 Arlequin in son versiyonu olan Arlequin 3.11 programı bilgisayara yüklenip çalıştırıldığında aşağıdaki döküman ve dosyalar oluşur: 116

121 ARLEQUIN ARAYÜZÜ Grafik arayüzü sayesinde kullanıcı kolay ve çabuk bir şekilde farklı analizleri gerçekleştirebilmektedir. 117

122 Dosya Menüsü Yeni proje Proje aç Proje kapa Yakın zamanda kullanılan projeler Ayarları yükle Ayarları kaydet (.ars) Ayarları farklı kaydet Çıkış 118

123 Görüntü Menüsü ü Proje j bilgisi Ayarlar genel ayarlar 119

124 Seçenekler Menüsü ü Sonuçları ç ekle İlgili ayarları kullan AMOVA dağılımlarını (null distribution) sakla 120

125 Yardım Menüsü ü Arlequin q Kullanım Klavuzu Arlequin web sayfası Genetik yazılım forumu Arlequin hakkında 121

126 Arlequin Araç Çubuğu Arlequin araç çubuğu sıkça kullanılan menü öğelerini içermektedir. Simgeye tıklandığında ilgili menü öğesi çalışmaktadır. 122

127 Girdi dosyasının hazırlanması Girdi dosyasına Arlequin programında Arlequin project ismi verilmektedir. Arlequin project dosyasını hazırlamak icin: 1. Notepad gibi bir text editör yardımı ile belirli anahtar kelimeleri kullanarak Arlequin formatında kendiniz hazırlayabilirsiniz. 2. Arlequin Project Wizard seçeneğini kullanılarak önce arlequin formatında bir taslak hazırlayıp daha sonra verileri bu taslağın içine yerleştirerek girdi dosyasını oluşturabilirsiniz. 3. Genetix programı ile başka bir formattaki veriyi Arlequin formatına çevirebilirsiniz 123

128 124

129 Arlequin girdi dosyasının uzantısı arp olmalıdır. 125

130 126

131 127

132 128

133 Populasyon sayısı Veri tipi Haplotipik veri icin 0, genotipik veri için 1 Gametik safha bilinmiyorsa 0, biliniyorsa 1 Ko-dominant veri 0, resesif veri 1 Eksik veriler? ile belirtilmiştir Veriler Örnekler Populasyon adı Populasyona ait birey sayısı Populasyona ait veriler 129

134 DEVAM... Grup sayısı 130

135 Örnek girdi dosyası 1 Populasyonun adı Populasyonun büyüklüğü

136 Örnek girdi dosyası 2 Girdi dosyasında veriler birey birey de girilebilir. 132

137 Yapı Oluşturulan l grup sayısı Gruba ait populasyonlar Gruba ait populasyonlar AMOVA analizi için incelenen populasyonlar guruplandırılarak test edilmek istenen genetik yapı belirlenmelidir. Gruba ait populasyonlar 133

138 AMOVA için girdi dosyasının Arlequin programında açılması ve analizler

139 135

140 136

141 Üzerine tıklayarak 1 i 2 ye çevirelim 137

142 138

143 Analysis of Molecular Variance (AMOVA) AMOVA, moleküler verileri kullanarak populasyonlar arasındaki farklılaşmayı tahmin etmektedir. Bir başka deyişle populasyonların farklılaşması ile ilgili hipotezler bu yöntem ile test edilebilmektedir. Genetik çeşitliliği farklı hiyerarşik düzeyde (gruplar arası, populasyonlar arası, populasyon içi) incelemektedir. Genotiplerin frekanslarına ek olarak alel yapısındaki enformasyonu da kullanarak k genetik yapı indislerini i i (genetic structure indices) hesaplamaktadır. Birçok farklı moleküler veri (mikrosatellitler, RFLP, AFLP, sekans vb...) bu yöntem ile analiz edilebilmektedir (Excoffier ve ark 1992). Güvenilirliği permütasyon yöntemi ile test edilmektedir. 139

144 Gruplar arası Grup içindeki populasyonlar arası Populasyon içi 140

145 Use project distance matrix: Girdi dosyasında d uzaklık k matriksi verilmişse bu matriks kullanılarak analiz yapılabilir. Compute distance matrix : Girdi dosyasındaki verilerden uzaklık matriksi hesaplanabilir. Veriler ile Fst- like (infinite allele mutational (IAM) model) veya Rstlike (step-wise mutation (SMM) model) uzaklık k matriksi i hesaplanır ve bu matriks kullanılarak analiz yapılır. Use conventional F-statistics: ti ti Veriler için sadece alel frekansları kullanılarak matriks oluşturulur ve bu matriks kullanılarak analiz yapılır. 141

146 142

147 Çıktı Dosyası

148 DEVAM... Populasyon içi Grup içindeki populasyonlar arası Gruplar arası 144

149 DEVAM

150 Locus by locus AMOVA: AMOVA analizi her bir lokus icin ayrı ayrı da yapılabilmektedir. Özellikle eksik verilerin olduğu durumlarda standart AMOVA ile birlikte locus by locus AMOVA da uygulanmalıdır. 146

151 Çıktı Dosyası

152 DEVAM

153 Include individual level: Bireyler bazında lokuslar l arası farklılıklar da analize eklenmektedir. Compute population specific F IS s: AMOVA analizi haricinde populasyonlar için kendileşme katsayısı (inbreeding coefficients, F IS ) hesaplanmaktadır. 149

154 Çıktı Dosyası... Birey içi 150

155 Mantel test Bu test metodu iki farklı uzaklık matriksi arasındaki korelasyonu test etmektir (Mantel, 1967; Rousset ve Raymond, 1997). Bir başka deyişle metod, eşit boyutlu iki matriksin benzerliğinin karşılaştırmaktadır. Örnek: Irklar arası genetik uzaklık matrisi ile coğrafi uzaklık matrisi arasındaki uyumun karşılaştırılması Irkların F ST değerleri ğ matrisi ile coğrafi ğ uzaklık matrisleri arasındaki uyumun karşılaştırılması 151

156 Mantel test örnek girdi dosyası 152

157 DEVAM... Matriks büyüklüğü Karşışaktırılacak matriks sayısı 1. Matriks 1. Matriksdeki populasyonların giriliş sırası 2. Matriks 2. Matriksdeki populasyonların giriliş sırası 153

158 Mantel Test için girdi dosyasının Arlequin programında açılması ve analizler

159 155

160 Mantel test analizinde sonuçların güvenilirliği permütasyon testi ile test edilmektedir. 156

161 Çıktı Dosyası

162 DEVAM Matriks tik 2. Matriks 158

163 DEVAM

164 Genetix programı ile Al Arlequin girdi idi dosyasının oluşturulması l 1. arlequin_veri dosyası.xls dosyasını açın. 2. Verileri notepad dosyasına aktarın. 3. uygulama.txt ismini vererek kaydedin. 160

165 161

166 162

167 163

168 164

169 Girdi dosyası

170 STRUCTURE PROGRAMI (GENETİK İ YAPI TESTİ İ ) (Structure Software Version 2.22 April 3, 2007) Dr. Emel ÖZKAN TÜRKHAYGEN-I Projesi Populasyon Genomiği I Çalıştayı 8-10 Temmuz 2008, ODTÜ- Ankara 166

171 Structure Programı (Nisan 2007) : Populasyonlara ait bireylerin elde edilen moleküler genetik verileri (Mikrosatelit, AFLP, RFLP ve SNP) doğrultusunda; önceden bilinmeyen, deneme yanılma yoluyla varsayılan gruplara bireyleri tayin etmek ve en optimal grup sayısını bulmak için kullanılan bir analiz metodudur. (Pritchard ve ark.; 2000). Web sitesi: Structure

172 Structure programı ile ne analiz edilmektedir? Populasyonların mevcut genetik yapısı incelenmekte, Populasyonların genetik farklılıkları belirlenebilmekte, Çalışılan ş bireylerin populasyonlara p atanması yapılabilmekte, Genetik yapı bakımından karışmış olan melez bireyler (admixed individuals) ve göçmen bireyler (migrants individuals) ayrılabilmektedir ( Eğer kısa bir süre (F1, F2 generasyonlarında) önce melezleme veya bir karışım söz konusu olduysa). 168

173 devam.. Çalışılan populasyonlara ait bireylerden elde edilen AFLP (Çoğaltılmış Parça Uzunluk Polimorfizmi), RFLP (Restriksiyon Enzimleri Uzunluk Polimorfizmi), Mikrosatelit yada SNP (Tek Nükleotid Polimorfizmi) verileri doğrultusunda hesaplamalar yapılarak bireylerin hangi populasyonlara tayin edilebileceğini test edilebilmektedir. 169

174 STRUCTURE Programı, 3 Nisan 2007 tarihinden itibaren güncelleştirilmiş (Structure Version 2.2) olup yenilenmiştir. AFLP tekniği gibi dominant belirteçlerin (markerların) kullanıldığı çalışmalardan elde edilen verilerin analizinin bu programda yapılabileceği belirtilmektedir. 170

175 Structure test metodunda: Ksayısı kadar populasyon olduğu varsayılarak (kibuksayısı bilinmiyor olabilir); her bir populasyonun her bir lokusundaki ki alel l frekansı setleri dikkate alınarak populasyonlar birbirlerinden ayrılıp karakterize edilirler. (K değerlerinin belirlenmesinde frekanslar kadar, çalışılan lokusların alelleri arasındaki farklılıkta dikkate alınmaktadır.) 171

176 devam.. alel frekansları dikkate alınarak yapılan bu ayırımda, Örnek bireyler tek bir populasyona yüksek bir ihtimal ile tayin edilebildiği gibi, Eğer bireylerde çalışılan lokuslar açısından bir genetik karışım (admixture) söz konusu ise; iki ya da daha fazla populasyona da tayin edilebilmektedir. 172

177 Structure Test Metodundaki varsayımlar; Populasyonlar içerisinde, çalışılan lokuslar açısından Hardy - Weinberg Dengesinin ve Bağıntı eşitsizliği (Linkage disequlibrium) nin mevcut olduğu varsayılmaktadır. Populasyonlarda mutasyonların mevcut olmadığı farz edilerek Mikrosatellit, SNP ve RFLP gibi genetik markerlarının analizinde kullanılmaktadır. 173

178 Structure programındaki modelde, Alt populasyonlar içerisinde, çalışılan genetik belirteçler (marker) açısından Bağıntı eşitsizliği (Linkage Disequlibrium) nin mevcut olmadığı varsayılmaktadır. Bu nedenle birbirlerine oldukça yakın markerların analizinde kullanılamayacağı belirtilmiştir (Pritchard ve ark., 2004) Fakat Structure Version 2.0 nin kullanılmaya başlanması ile birlikte, birbirlerine bağlı belirteç (marker) verilerinin incelenmesinde kullanılabilmektedir. 174

179 Structure test metodunda, Bayesian yaklaşımı ve Markov Chain Monte Carlo - MCMC metodunu kullanmaktadır. 175

180 Bir kez daha tekrar ediyorum ; Structure Programı; alel frekansları arasındaki ilişkilerden yararlanarak çalışılan bireyleri ırklara tayin etmekte ve ırkların mevcut genetik yapısını belirlemektedir (Wiener ve ark., 2004, Falush ve ark., 2003). Bu test metodunda populasyonlara ait bireyleri ilgili populasyonlara ayırmak ve doğru parametreleri belirleyebilmek için doğru/uygun olan Markov Zinciri sayısının ve uzunluğunun saptanmasına ihtiyaç vardır. 176

181 Bu nedenle doğru uzunluğu ve sayıyı bulabilmek için, farklı çalışmalarda ş çeşitli ş uzunluk değerleri ğ (length of burning period) ve MCMC sayıları denenerek, en uygun sayının ila arasında olmasının yeterli olduğu belirtilmiştir (Pritchard ve ark., 2007 ) 177

182 Structure veri dosyası hazırlama: Program yalnızca (.txt) editör ile yazılmış dosyalarını tanır. Populasyonlar rakamlarla kodlanmalıdır (1, 2, 3, 4, 5,.. ). Veri dosyası 2 kısımdan oluşur: İlk satırda çalışılan lokus isimleri yer alır. Bunu takip eden satırlarda genotipik veriler yer alır. 178

183 Structure programında veriler.txt formatında hazırlanmaktadır. Populasyon numarası Lokus ismi Birey no 179

184 Boş bir not defteri açılır. İlk satıra Lokus isimleri yazılır. Tab tuşu ile 2 ara verilir. İkinci satıra, birey no, populasyon no ve alel uzunlukları yazılır. Tab tuşu ile birer ara verilir. veya dosya Excel (.xls)formatında yazılıp not defteri (. txt ) formatına çevrilebilir. 180

185 Farklı kaydet seçeneğinden dosyaya isim verilerek (.txt ) formatında kaydedilir. 181

186 Populasyon No 1. alel uzunluğu İki alel arası 1 tab tuşu boşluk bırakılacak Birey No Lokus İsmii 2. alel uzunluğu 182

187 Veriler (.txt) formatında hazırlandıktan sonra, masaüstünde yer alan Structure kısa yolu üzerine tıklanarak program açılır. File kısmına tıklanarak Open data file seçeneğine tıklanır 183

188 .txt formatında kaydedilen dosya seçilir. 184

189 (...txt) formatında kaydedilen dosya programda açılmaktadır. 185

190 Data Aosyasının açılmasının ardından; - Yeni tasarım-new Project kısmı açılır. 186

191 Daha sonra Tasarım dosyasına isim verilir. Tasarım dosyanın bilgisayarda kaydedileceği kısım seçilir ve data dosyası seçilir. NEXT KISMINA TIKLANIR. 187

192 Çalışılan birey sayısı, lokus sayısı, ve eksik olan verilerin ifade edilme şekli yazılır. 188

193 Sıra kısmında çalışılan lokusların isimlerinin yer aldığı kısım işaretlenir, her bir sütunda bireylere ait verilerin olduğu kısım işaretlenir. NEXT kısmına tıklanır. 189

194 Her bir bireyin ve bu bireylerin hangi populasyona ait olduğunun tanımlamasının dosyada yapılmış olduğu belirtilir. 190

195 Verilerin tanımlanması bittiği için Finish Finish kısmına basılır. 191

196 Proceed kısmına tıklanır. 192

197 Proceed kısmına tıkladıktan sonra, parametreleri kaydedeceğimiz d i kısma gelinmiş i ve Parameters Sets dosyamız oluşturulacaktır. 193

198 Parameters Set kısmına gelinir ve New Seçeneği ğ seçilir. 194

199 Markov Chain Monte Carlo - MCMC Monte Carlo Markov Zinciri sayısının ve uzunluğunun yazılması gerekir. Bu zincir sayısı ve uzunluğunun ila arasında olmasının populasyonları birbirinden ayırmak için yeterli olduğu belirtilmiştir. 195

200 Uygun olan Monte Carlo Markov Chain - MCMC Monte Carlo Markov Zinciri i i sayısının ve uzunluğunun ğ yazılmasının ardından d OK kısmına tıklanır. 196

201 OK kısmına tıkladıktan sonra dosyanın kaydedileceği alt dosya ismi yazılır ve tekrar OK kısmına tıklanır. 197

202 Bizim örneğimizde, çalışılan bireylerin karışık bir geçmişi olduğu düşünüldüğü için Admixture Model kullanılmaktadır. 198

203 7 farklı mikrosatelit lokusu çalışılmış ve alel frekanslarımız birbirleri ile ilişkili olduğu bilinmektedir 199

204 Programda tüm parametreler tanımlandıktan sonra çalışmaya hazır hale gelmiştir. Programın çalıştırılmasını sağlayabilmek amacı ile Project kısmına gelinip Start a Job seçeneğine tıklanır. 200

205 Daha sonra çalışılan populasyon sayısı dikkate alınarak uygun K değerinin belirlenmesi aşamasına geçilmektedir. Çalışılan örnek bireylerimizin 4 farklı populasyondan alındığını düşünüyoruz. Fakat gerçekte bu populasyon sayımızın (K sayımızın) farklı olduğu düşünülmektedir. 201

206 Populasyon sayımızın (K sayımızın), 1 ila 7 populasyondan alınmış olduğunu ğ varsayalım. 20 tekerrür ile her bir K değerini ğ i analiz edelim. 202

207 Structure Programı nda analizin başlaması için dosya isminin üzerine tıklamak k gerekmektedir. kt Dosya seçildikten sonra START kısmına tıklanmaktadır. 203

208 Program başlatıldıktan sonra zincir sayısı ve uzunluğuna bağlı olarak çalışma süresi değişmektedir. 204

209 SONUÇLARIN DEĞERLENDİRİLMESİ: Yapılan bir çalışmada 4 farklı populasyonda 7 farklı mikrosatelit lokusu çalışılmış ve bunların sonuçları STRUCTURE PROGRAMI nda analiz edilmiştir. Bu örnek bir analizde 7 farklı mikrosatelit bölgesine göre çalışılan bireylerde 4 farklı populasyonun mevcut olduğu ve en uygun K değerinin i 4olduğu gözlemlenmiştir(şekil l i( sizce nasıl yorumlanabilir?) 205

BÖLÜM 7 BİLGİSAYAR UYGULAMALARI - 1

BÖLÜM 7 BİLGİSAYAR UYGULAMALARI - 1 1 BÖLÜM 7 BİLGİSAYAR UYGULAMALARI - 1 Belli bir özelliğe yönelik yapılandırılmış gözlemlerle elde edilen ölçme sonuçları üzerinde bir çok istatistiksel işlem yapılabilmektedir. Bu işlemlerin bir kısmı

Detaylı

ÖĞRENME FAALĠYETĠ 7. 7. GELĠġMĠġ ÖZELLĠKLER

ÖĞRENME FAALĠYETĠ 7. 7. GELĠġMĠġ ÖZELLĠKLER ÖĞRENME FAALĠYETĠ 7 AMAÇ ÖĞRENME FAALĠYETĠ 7 Bu faaliyette verilen bilgiler ile hazırlamıģ olduğunuz belgeye uygun baģvuruları (Ġçindekiler Tablosu, Dipnot/sonnot, Ģekil tablosu, resim yazısı vb.) hatasız

Detaylı

DOKÜMAN YÖNETİM SİSTEMİ KULLANIMI GELEN EVRAK

DOKÜMAN YÖNETİM SİSTEMİ KULLANIMI GELEN EVRAK DOKÜMAN YÖNETİM SİSTEMİ KULLANIMI GELEN EVRAK 1. DYS (Doküman Yönetim Sistemi) nin kullanımı için 3. parti bir programa ihtiyaç yoktur. Tamamen WEB tabanlı çalışmaktadır. 2. Sisteme http://dys.akdeniz.edu.tr

Detaylı

K12NET Eğitim Yönetim Sistemi

K12NET Eğitim Yönetim Sistemi TEOG SINAVLARININ DEĞERLENDİRİLMESİ Yeni sınav sistemi TEOG, yani Temel Eğitimden Orta Öğretime Geçiş Sınavlarında öğrenciler, 6 dersten sınav olacaktır. Öğrencilere Türkçe, Matematik, T.C. İnkılap Tarihi

Detaylı

Digifresh Kullanım Kılavuzu

Digifresh Kullanım Kılavuzu DigiFresh programını çalıştırmadan önce bilgisayarınıza Net Framework kütüphanesinin yüklü olması gerekmektedir. Aşağıdaki linkten indirelebilir. http://www.microsoft.com/tr-tr/download/confirmation.aspx?id=17851

Detaylı

DEĞERLENDİRME NOTU: Mehmet Buğra AHLATCI Mevlana Kalkınma Ajansı, Araştırma Etüt ve Planlama Birimi Uzmanı, Sosyolog

DEĞERLENDİRME NOTU: Mehmet Buğra AHLATCI Mevlana Kalkınma Ajansı, Araştırma Etüt ve Planlama Birimi Uzmanı, Sosyolog DEĞERLENDİRME NOTU: Mehmet Buğra AHLATCI Mevlana Kalkınma Ajansı, Araştırma Etüt ve Planlama Birimi Uzmanı, Sosyolog KONYA KARAMAN BÖLGESİ BOŞANMA ANALİZİ 22.07.2014 Tarihsel sürece bakıldığında kalkınma,

Detaylı

Bilgisayar Uygulamaları PSİ105

Bilgisayar Uygulamaları PSİ105 Bilgisayar Uygulamaları PSİ105 Yrd.Doç.Dr. Serdar YILMAZ Kaynak: Marmara Üniversitesi Teknik Eğitim Fakültesi Bilgisayar Kursu Ders Notları, Kasım 2007 1 2 3 4 5 6 7 8 9 10 11 12 Başlat Düğmesi Bilgisayarınızı

Detaylı

Araştırma Notu 15/177

Araştırma Notu 15/177 Araştırma Notu 15/177 02 Mart 2015 YOKSUL İLE ZENGİN ARASINDAKİ ENFLASYON FARKI REKOR SEVİYEDE Seyfettin Gürsel *, Ayşenur Acar ** Yönetici özeti Türkiye İstatistik Kurumu (TÜİK) tarafından yapılan enflasyon

Detaylı

Evrak Ekle. Kurum İçi Giden Evrak Ekleme. Kırmızı renker; doldurulması zorunlu alanları ifade etmektedir. İleri Geri tarihli işlem yapılamamaktadır.

Evrak Ekle. Kurum İçi Giden Evrak Ekleme. Kırmızı renker; doldurulması zorunlu alanları ifade etmektedir. İleri Geri tarihli işlem yapılamamaktadır. Evrak Ekle Kurum İçi Giden Evrak Ekleme Kırmızı renker; doldurulması zorunlu alanları ifade etmektedir. İleri Geri tarihli işlem yapılamamaktadır. İçyazı No sistem tarafından otomatik verilmekte, müdahale

Detaylı

Şekil 1. Sistem Açılış Sayfası

Şekil 1. Sistem Açılış Sayfası Sistemin Kullanım Amacı E-Tedarik, Türkiye Petrolleri nin doğrudan alım süreci sırasında firmalardan teklif alma kısmının elektronik ortama aktarılması amacıyla oluşturulmuş bir web tabanlı sistemdir.

Detaylı

İÇİNDEKİLER SAYFA Önsöz 4 Stratejik Planlama ve Bütçe Yol Haritası 5 Örnek İşletme Hakkında 6 Gider Yükleme Sistemi 8 Satış Bütçesi Oluşturma 9 Faaliyet Gider Bütçesi Oluşturma 12 Bütçe Sistem Otomasyonu

Detaylı

Karadeniz Teknik Üniversitesi Orman Fakültesi. Orman Endüstri Mühendisliği Bölümü PROJE HAZIRLAMA ESASLARI

Karadeniz Teknik Üniversitesi Orman Fakültesi. Orman Endüstri Mühendisliği Bölümü PROJE HAZIRLAMA ESASLARI Karadeniz Teknik Üniversitesi Orman Fakültesi Orman Endüstri Mühendisliği Bölümü PROJE HAZIRLAMA ESASLARI Yrd.Doç.Dr. Kemal ÜÇÜNCÜ Orman Endüstri Makinaları ve İşletme Anabilim Dalı 1. Proje Konusunun

Detaylı

Tasarım Raporu. Grup İsmi. Yasemin ÇALIK, Fatih KAÇAK. Kısa Özet

Tasarım Raporu. Grup İsmi. Yasemin ÇALIK, Fatih KAÇAK. Kısa Özet Tasarım Raporu Grup İsmi Yasemin ÇALIK, Fatih KAÇAK Kısa Özet Tasarım raporumuzda öncelikle amacımızı belirledik. Otomasyonumuzun ana taslağını nasıl oluşturduğumuzu ve bu süreçte neler yaptığımıza karar

Detaylı

Analiz aşaması sıralayıcı olurusa proje yapımında daha kolay ilerlemek mümkün olacaktır.

Analiz aşaması sıralayıcı olurusa proje yapımında daha kolay ilerlemek mümkün olacaktır. Analiz Raporu Kısa Özet Her geçen gün eczanecilik sektörü kendi içerisinde daha da yarışır hale geliyor. Teknolojinin getirdiği kolaylık ile eczane otomasyonu artık elinizin altında. Çoğu eczacılar hastalarına

Detaylı

Veri Toplama Yöntemleri. Prof.Dr.Besti Üstün

Veri Toplama Yöntemleri. Prof.Dr.Besti Üstün Veri Toplama Yöntemleri Prof.Dr.Besti Üstün 1 VERİ (DATA) Belirli amaçlar için toplanan bilgilere veri denir. Araştırmacının belirlediği probleme en uygun çözümü bulabilmesi uygun veri toplama yöntemi

Detaylı

DÜNYA EKONOMİK FORUMU KÜRESEL CİNSİYET AYRIMI RAPORU, 2012. Hazırlayanlar. Ricardo Hausmann, Harvard Üniversitesi

DÜNYA EKONOMİK FORUMU KÜRESEL CİNSİYET AYRIMI RAPORU, 2012. Hazırlayanlar. Ricardo Hausmann, Harvard Üniversitesi DÜNYA EKONOMİK FORUMU KÜRESEL CİNSİYET AYRIMI RAPORU, 2012 Hazırlayanlar Ricardo Hausmann, Harvard Üniversitesi Laura D. Tyson, Kaliforniya Berkeley Üniversitesi Saadia Zahidi, Dünya Ekonomik Forumu Raporun

Detaylı

BÖLÜM 3 FREKANS DAĞILIMLARI VE FREKANS TABLOLARININ HAZIRLANMASI

BÖLÜM 3 FREKANS DAĞILIMLARI VE FREKANS TABLOLARININ HAZIRLANMASI 1 BÖLÜM 3 FREKANS DAĞILIMLARI VE FREKANS TABLOLARININ HAZIRLANMASI Ölçme sonuçları üzerinde yani amaçlanan özelliğe yönelik gözlemlerden elde edilen veriler üzerinde yapılacak istatistiksel işlemler genel

Detaylı

SİRKÜLER. 1.5-Adi ortaklığın malları, ortaklığın iştirak halinde mülkiyet konusu varlıklarıdır.

SİRKÜLER. 1.5-Adi ortaklığın malları, ortaklığın iştirak halinde mülkiyet konusu varlıklarıdır. SAYI: 2013/03 KONU: ADİ ORTAKLIK, İŞ ORTAKLIĞI, KONSORSİYUM ANKARA,01.02.2013 SİRKÜLER Gelişen ve büyüyen ekonomilerde şirketler arasındaki ilişkiler de çok boyutlu hale gelmektedir. Bir işin yapılması

Detaylı

B02.8 Bölüm Değerlendirmeleri ve Özet

B02.8 Bölüm Değerlendirmeleri ve Özet B02.8 Bölüm Değerlendirmeleri ve Özet 57 Yrd. Doç. Dr. Yakup EMÜL, Bilgisayar Programlama Ders Notları (B02) Şimdiye kadar C programlama dilinin, verileri ekrana yazdırma, kullanıcıdan verileri alma, işlemler

Detaylı

Sayın Bakanım, Sayın Rektörlerimiz ve Değerli Katılımcılar,

Sayın Bakanım, Sayın Rektörlerimiz ve Değerli Katılımcılar, Sayın Bakanım, Sayın Rektörlerimiz ve Değerli Katılımcılar, Orman ve Su İşleri Bakanımız Sn. Veysel Eroğlu nun katılımları ile gerçekleştiriyor olacağımız toplantımıza katılımlarınız için teşekkür ediyor,

Detaylı

KAVRAMLAR. Büyüme ve Gelişme. Büyüme. Büyüme ile Gelişme birbirlerinden farklı kavramlardır.

KAVRAMLAR. Büyüme ve Gelişme. Büyüme. Büyüme ile Gelişme birbirlerinden farklı kavramlardır. KAVRAMLAR Büyüme ve Gelişme Büyüme ile Gelişme birbirlerinden farklı kavramlardır. Büyüme Büyüme, bedende gerçekleşen ve boy uzamasında olduğu gibi sayısal (nicel) değişikliklerle ifade edilebilecek yapısal

Detaylı

VEZNE PROGRAMINDA POSTA ÜCRETİ İLE İLGİLİ YAPILAN DÜZENLEMELER (Vezne Sürüm: 4.3.0.5) 02.09.2010

VEZNE PROGRAMINDA POSTA ÜCRETİ İLE İLGİLİ YAPILAN DÜZENLEMELER (Vezne Sürüm: 4.3.0.5) 02.09.2010 VEZNE PROGRAMINDA POSTA ÜCRETİ İLE İLGİLİ YAPILAN DÜZENLEMELER (Vezne Sürüm: 4.3.0.5) 02.09.2010 İÇİNDEKİLER 1. EK ÜCRETLERDE YAPILAN DEĞİŞİKLİKLER... 2 a. Tarife ve Kademe Ayarları (F4) Ekranında Yapılan

Detaylı

KAMU İHALE KURULU KARARI. Toplantıya Katılan Üye Sayısı : 7 : Elektrik ihtiyacının temini.

KAMU İHALE KURULU KARARI. Toplantıya Katılan Üye Sayısı : 7 : Elektrik ihtiyacının temini. Toplantı No : 2011/047 Gündem No : 2 Toplantıya Katılan Üye Sayısı : 7 Gündem Konusu : Elektrik ihtiyacının temini. Elektrik piyasası ve ilgili mevzuatındaki değişiklikler ve gelişmeler sonrasında, 4734

Detaylı

SÜREÇ YÖNETİMİ VE SÜREÇ İYİLEŞTİRME H.Ömer Gülseren > ogulseren@gmail.com

SÜREÇ YÖNETİMİ VE SÜREÇ İYİLEŞTİRME H.Ömer Gülseren > ogulseren@gmail.com SÜREÇ YÖNETİMİ VE SÜREÇ İYİLEŞTİRME H.Ömer Gülseren > ogulseren@gmail.com Giriş Yönetim alanında yaşanan değişim, süreç yönetimi anlayışını ön plana çıkarmıştır. Süreç yönetimi; insan ve madde kaynaklarını

Detaylı

29 Ocak 2015 Senato Sayı : 123 YÖNERGE

29 Ocak 2015 Senato Sayı : 123 YÖNERGE 29 Ocak 2015 Senato Sayı : 123 YÖNERGE GÜMÜġHANE ÜNĠVERSĠTESĠ EĞĠTĠM KOMĠSYONU YÖNERGESĠ BĠRĠNCĠ BÖLÜM Amaç, Kapsam, Dayanak Amaç MADDE 1- (1) Bu yönergenin amacı, Eğitim Komisyonu nun yetki ve sorumluluklarına

Detaylı

DİKKAT! SORU KİTAPÇIĞINIZIN TÜRÜNÜ "A" OLARAK CEVAP KÂĞIDINA İŞARETLEMEYİ UNUTMAYINIZ. SAYISAL BÖLÜM SAYISAL-2 TESTİ

DİKKAT! SORU KİTAPÇIĞINIZIN TÜRÜNÜ A OLARAK CEVAP KÂĞIDINA İŞARETLEMEYİ UNUTMAYINIZ. SAYISAL BÖLÜM SAYISAL-2 TESTİ ALES İlkbahar 007 SAY DİKKAT! SORU KİTAPÇIĞINIZIN TÜRÜNÜ "A" OLARAK CEVAP KÂĞIDINA İŞARETLEMEYİ UNUTMAYINIZ. SAYISAL BÖLÜM SAYISAL- TESTİ Sınavın bu testinden alacağınız standart puan, Sayısal Ağırlıklı

Detaylı

ALPHA ALTIN RAPORU ÖZET 26 Ocak 2016

ALPHA ALTIN RAPORU ÖZET 26 Ocak 2016 ALPHA ALTIN RAPORU ÖZET 26 Ocak 2016 19 Ocak 2016 tarihli Alpha Altın raporumuzda paylaştığımız görüşümüz; Kısa dönemde 144 günlük ortalama $1110.82 trend değişimi için referans takip seviyesi olabilir.

Detaylı

KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ BİLİMSEL DERGİLER YÖNERGESİ BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar

KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ BİLİMSEL DERGİLER YÖNERGESİ BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar Senato: 2 Mart 2016 2016/06-6 KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ BİLİMSEL DERGİLER YÖNERGESİ BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar Amaç ve Kapsam MADDE 1- Bu Yönergenin amacı, Kahramanmaraş

Detaylı

ALPHA ALTIN RAPORU ÖZET 10 Kasım 2015

ALPHA ALTIN RAPORU ÖZET 10 Kasım 2015 ALPHA ALTIN RAPORU ÖZET 10 Kasım 2015 3 Kasım 2015 tarihli Alpha Altın raporumuzda paylaştığımız görüşümüz; RSI indikatörü genel olarak dip/tepe fiyatlamalarında başarılı sonuçlar vermektedir. Günlük bazda

Detaylı

MAT223 AYRIK MATEMATİK

MAT223 AYRIK MATEMATİK MAT223 AYRIK MATEMATİK Çizgeler 7. Bölüm Emrah Akyar Anadolu Üniversitesi Fen Fakültesi Matematik Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Çift ve Tek Dereceler Çizgeler Çift ve Tek Dereceler Soru 51 kişinin

Detaylı

KOCAELİ İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ EVRAK TAKİP SİSTEMİ

KOCAELİ İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ EVRAK TAKİP SİSTEMİ KOCAELİ İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ EVRAK TAKİP SİSTEMİ İçindekiler Tablosu... 1 KOCAELİ İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ EVRAK TAKİP SİSTEMİ KULLANICI KLAVUZU(OKUL)... 3 1.ETS (Evrak Takip Sistemi )Nedir?... 3

Detaylı

İTÜ GELİŞTİRME VAKFI ÖZEL Dr. NATUK BİRKAN İLKOKULU VE ORTAOKULU. OkulNET Kullanım Kılavuzu

İTÜ GELİŞTİRME VAKFI ÖZEL Dr. NATUK BİRKAN İLKOKULU VE ORTAOKULU. OkulNET Kullanım Kılavuzu İTÜ GELİŞTİRME VAKFI ÖZEL Dr. NATUK BİRKAN İLKOKULU VE ORTAOKULU OkulNET Kullanım Kılavuzu EKİM 2012 1 İçindekiler GİRİŞ...3 ANASAYFA...3 EĞİTİM...4 SINAVLAR...6 ŞUBEM...9 KİŞİSEL BİLGİLER...10 AJANDA...10

Detaylı

YÜKSEKÖĞRETİM KURUMLARI ENGELLİLER DANIŞMA VE KOORDİNASYON YÖNETMELİĞİ (1) BİRİNCİ BÖLÜM. Amaç, Kapsam, Dayanak ve Tanımlar

YÜKSEKÖĞRETİM KURUMLARI ENGELLİLER DANIŞMA VE KOORDİNASYON YÖNETMELİĞİ (1) BİRİNCİ BÖLÜM. Amaç, Kapsam, Dayanak ve Tanımlar YÜKSEKÖĞRETİM KURUMLARI ENGELLİLER DANIŞMA VE KOORDİNASYON YÖNETMELİĞİ (1) BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar Amaç MADDE 1 (Değişik:RG-14/2/2014-28913) (1) Bu Yönetmeliğin amacı; yükseköğrenim

Detaylı

ELLE SÜT SAĞIM FAALİYETİNİN KADINLARIN HAYATINDAKİ YERİ ARAŞTIRMA SONUÇLARI ANALİZ RAPORU

ELLE SÜT SAĞIM FAALİYETİNİN KADINLARIN HAYATINDAKİ YERİ ARAŞTIRMA SONUÇLARI ANALİZ RAPORU ELLE SÜT SAĞIM FAALİYETİNİN KADINLARIN HAYATINDAKİ YERİ ARAŞTIRMA SONUÇLARI ANALİZ RAPORU Hazırlayan Sosyolog Kenan TURAN Veteriner Hekimi Volkan İSKENDER Ağustos-Eylül 2015 İÇİNDEKİLER Araştırma Konusu

Detaylı

1. YAPISAL KIRILMA TESTLERİ

1. YAPISAL KIRILMA TESTLERİ 1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals

Detaylı

Ç.Ü. GÜZEL SANATLAR FAKÜLTESİ İÇ MİMARLIK BÖLÜMÜ 2015-2016 GÜZ YARIYILI İÇM 401-402 PROJE 5 & DİPLOMA PROJESİ

Ç.Ü. GÜZEL SANATLAR FAKÜLTESİ İÇ MİMARLIK BÖLÜMÜ 2015-2016 GÜZ YARIYILI İÇM 401-402 PROJE 5 & DİPLOMA PROJESİ Ç.Ü. GÜZEL SANATLAR FAKÜLTESİ İÇ MİMARLIK BÖLÜMÜ 2015-2016 GÜZ YARIYILI İÇM 401-402 PROJE 5 & DİPLOMA PROJESİ KONU: GÜZEL SANATLAR FAKÜLTESİ TASARIM STÜDYOSU YER: ESKİ BAHÇE KAFE YERLEŞKESİ /KAMPÜS 1.

Detaylı

Fizik ve Ölçme. Fizik deneysel gözlemler ve nicel ölçümlere dayanır

Fizik ve Ölçme. Fizik deneysel gözlemler ve nicel ölçümlere dayanır Fizik ve Ölçme Fizik deneysel gözlemler ve nicel ölçümlere dayanır Fizik kanunları temel büyüklükler(nicelikler) cinsinden ifade edilir. Mekanikte üç temel büyüklük vardır; bunlar uzunluk(l), zaman(t)

Detaylı

BİLİŞİM TEKNOLOJİLERİ ÜÇ BOYUTLU GRAFİK ANİMASYON (3DS MAX) MODÜLER PROGRAMI (YETERLİĞE DAYALI)

BİLİŞİM TEKNOLOJİLERİ ÜÇ BOYUTLU GRAFİK ANİMASYON (3DS MAX) MODÜLER PROGRAMI (YETERLİĞE DAYALI) T.C. MİLLÎ EĞİTİM BAKANLIĞI Hayat Boyu Öğrenme Genel Müdürlüğü BİLİŞİM TEKNOLOJİLERİ ÜÇ BOYUTLU GRAFİK ANİMASYON (3DS MAX) MODÜLER PROGRAMI (YETERLİĞE DAYALI) 2015 ANKARA ÖN SÖZ Günümüzde mesleklerin değişim

Detaylı

Genel bilgiler Windows gezgini Kes Kopyala Yapıştır komutları. 4 Bilinen Dosya Uzantıları

Genel bilgiler Windows gezgini Kes Kopyala Yapıştır komutları. 4 Bilinen Dosya Uzantıları İÇERİK 2 Dosya ve Klasör İşlemleri 3 Giriş BİLGİ TEKNOLOJİLERİ VE UYGULAMALARI Windows 7 - Devam ÖĞR. GÖR. HASAN ALİ AKYÜREK http://www.hasanakyurek.com Sürümler Sürüm Karşılaştırmaları Masaüstü Görev

Detaylı

PATOLOJİ DERNEKLERİ FEDERASYONU ETİK YÖNERGE TASLAĞI. GEREKÇE: TTB UDEK kararı gereğince, Federasyon Yönetim

PATOLOJİ DERNEKLERİ FEDERASYONU ETİK YÖNERGE TASLAĞI. GEREKÇE: TTB UDEK kararı gereğince, Federasyon Yönetim PATOLOJİ DERNEKLERİ FEDERASYONU ETİK YÖNERGE TASLAĞI GEREKÇE: TTB UDEK kararı gereğince, Federasyon Yönetim Kurulunun önerileri doğrultusunda bu çalışma yapılmıştır. GENEL KONULAR: Madde 1.Tanım: 1.1.

Detaylı

ÖĞRENME FAALĠYETĠ 6 ÖĞRENME FAALĠYETĠ 6. 6. NESNE ĠġLEMLERĠ

ÖĞRENME FAALĠYETĠ 6 ÖĞRENME FAALĠYETĠ 6. 6. NESNE ĠġLEMLERĠ ÖĞRENME FAALĠYETĠ 6 AMAÇ ÖĞRENME FAALĠYETĠ 6 Bu faaliyette verilen bilgiler ile belgeye uygun nesne iģlemlerini (Ģekil, resim, grafik, metin kutusu vb.) planlı ve hatasız yapabileceksiniz. ARAġTIRMA Kelime

Detaylı

Deneysel Verilerin Değerlendirilmesi

Deneysel Verilerin Değerlendirilmesi Deneysel Verilerin Değerlendirilmesi Ölçme-Birimler-Anlamlı Rakamlar Ölçme: Bir nesnenin bazı özelliklerini (kütle, uzunluk vs..) standart olarak belirlenmiş birimlere göre belirlenmesi işlemidir (ölçüm,

Detaylı

1 OCAK 31 ARALIK 2009 ARASI ODAMIZ FUAR TEŞVİKLERİNİN ANALİZİ

1 OCAK 31 ARALIK 2009 ARASI ODAMIZ FUAR TEŞVİKLERİNİN ANALİZİ 1 OCAK 31 ARALIK 2009 ARASI ODAMIZ FUAR TEŞVİKLERİNİN ANALİZİ 1. GİRİŞ Odamızca, 2009 yılında 63 fuara katılan 435 üyemize 423 bin TL yurtiçi fuar teşviki ödenmiştir. Ödenen teşvik rakamı, 2008 yılına

Detaylı

YATIRIM FONU ALIM SATIM İŞLEMLERİ KULLANICI KILAVUZU

YATIRIM FONU ALIM SATIM İŞLEMLERİ KULLANICI KILAVUZU YATIRIM FONU ALIM SATIM İŞLEMLERİ KULLANICI KILAVUZU İÇERİK A. YATIRIM FONLARI ALIM SATIM İŞLEMLERİ KILAVUZU... 3 B. YATIRIM FONU ALIM/SATIM YETKİ TANIMLAMA GİRİŞ VE SİLME... 3 C. YATIRIM FONU ALIM/SATIM

Detaylı

MAKÜ YAZ OKULU YARDIM DOKÜMANI 1. Yaz Okulu Ön Hazırlık İşlemleri (Yaz Dönemi Oidb tarafından aktifleştirildikten sonra) Son aktif ders kodlarının

MAKÜ YAZ OKULU YARDIM DOKÜMANI 1. Yaz Okulu Ön Hazırlık İşlemleri (Yaz Dönemi Oidb tarafından aktifleştirildikten sonra) Son aktif ders kodlarının MAKÜ YAZ OKULU YARDIM DOKÜMANI 1. Yaz Okulu Ön Hazırlık İşlemleri (Yaz Dönemi Oidb tarafından aktifleştirildikten sonra) Son aktif ders kodlarının bağlantıları kontrol edilir. Güz ve Bahar dönemindeki

Detaylı

Q-BIZ VIEWER KULLANIM KILAVUZU

Q-BIZ VIEWER KULLANIM KILAVUZU Q-BIZ VIEWER KULLANIM KILAVUZU 1 İçindekiler 1. Q-BIZ VIEWER NEDİR?... 3 2. Q-Biz Viewer a Giriş... 3 3. Q-Biz Viewer Ayarları... 3 3.1. Yerleşim... 4 3.1.1. Pencere Yönetimi... 4 3.1.2. Paylaş... 5 3.1.3.

Detaylı

Deprem Yönetmeliklerindeki Burulma Düzensizliği Koşulları

Deprem Yönetmeliklerindeki Burulma Düzensizliği Koşulları Deprem Yönetmeliklerindeki Burulma Düzensizliği Koşulları Prof. Dr. Günay Özmen İTÜ İnşaat Fakültesi (Emekli), İstanbul gunayozmen@hotmail.com 1. Giriş Çağdaş deprem yönetmeliklerinde, en çok göz önüne

Detaylı

TESİSAT TEKNOLOJİSİ VE İKLİMLENDİRME ÇELİK BORU TESİSATÇISI MODÜLER PROGRAMI (YETERLİĞE DAYALI)

TESİSAT TEKNOLOJİSİ VE İKLİMLENDİRME ÇELİK BORU TESİSATÇISI MODÜLER PROGRAMI (YETERLİĞE DAYALI) T.C. MİLLÎ EĞİTİM BAKANLIĞI Çıraklık ve Yaygın Eğitim Genel Müdürlüğü TESİSAT TEKNOLOJİSİ VE İKLİMLENDİRME ÇELİK BORU TESİSATÇISI MODÜLER PROGRAMI (YETERLİĞE DAYALI) 2008 ANKARA ÖN SÖZ Günümüzde mesleklerin

Detaylı

Uzem Eğitmen Girişi. Şekil 1. Sisteme girdikten sonra Şekil 2 deki ekran karşımıza çıkacak. Bu ekrandaki adımları kısaca tanıyalım.

Uzem Eğitmen Girişi. Şekil 1. Sisteme girdikten sonra Şekil 2 deki ekran karşımıza çıkacak. Bu ekrandaki adımları kısaca tanıyalım. Uzem Eğitmen Girişi Sisteme eğitmen olarak giriş yapabilmek için http://uzem.uskudar.edu.tr adresini internet tarayıcımızın adres satırına yazdıktan sonra Şekil 1 deki ekranda ilgili alanlara kullanıcı

Detaylı

EPKAS (ELEKTRONİK PROJE KONTROL ARŞİVLEME SİSTEMİ) WEB KULLANIM KILAVUZU

EPKAS (ELEKTRONİK PROJE KONTROL ARŞİVLEME SİSTEMİ) WEB KULLANIM KILAVUZU EPKAS (ELEKTRONİK PROJE KONTROL ARŞİVLEME SİSTEMİ) WEB KULLANIM KILAVUZU Elektronik Proje Kontrol Arşivleme Sistemi, Belediye hizmetleri içerisinde yer alan Yapı Ruhsatı Verilmesi, Tadilatının Yapılması

Detaylı

EĞİTİM BİLİMİNE GİRİŞ 1. Ders- Eğitimin Temel Kavramları. Yrd. Doç. Dr. Melike YİĞİT KOYUNKAYA

EĞİTİM BİLİMİNE GİRİŞ 1. Ders- Eğitimin Temel Kavramları. Yrd. Doç. Dr. Melike YİĞİT KOYUNKAYA EĞİTİM BİLİMİNE GİRİŞ 1. Ders- Eğitimin Temel Kavramları Yrd. Doç. Dr. Melike YİĞİT KOYUNKAYA Dersin Amacı Bu dersin amacı, öğrencilerin; Öğretmenlik mesleği ile tanışmalarını, Öğretmenliğin özellikleri

Detaylı

KAPSAMLI İÇERİK SADELEŞTİRİLMİŞ ARAMA MOTORU YENİLİKÇİ BİLGİ İŞLEME TEKNOLOJİSİ PRATİK GÖRÜNTÜLEME ARAÇLARI MOBİL ERİŞİM

KAPSAMLI İÇERİK SADELEŞTİRİLMİŞ ARAMA MOTORU YENİLİKÇİ BİLGİ İŞLEME TEKNOLOJİSİ PRATİK GÖRÜNTÜLEME ARAÇLARI MOBİL ERİŞİM BAŞLANGIÇ REHBERİ KAPSAMLI İÇERİK SADELEŞTİRİLMİŞ ARAMA MOTORU YENİLİKÇİ BİLGİ İŞLEME TEKNOLOJİSİ PRATİK GÖRÜNTÜLEME ARAÇLARI MOBİL ERİŞİM LEXPERA Yeni Nesil Hukuk Bilgi Sistemi, hukuki araştırmalarınızı

Detaylı

Başbakanlık (Hazine Müsteşarlığı) tan: 30.11.2015

Başbakanlık (Hazine Müsteşarlığı) tan: 30.11.2015 Başbakanlık (Hazine Müsteşarlığı) tan: 30.11.2015 BİREYSEL EMEKLİLİK SİSTEMİ HAKKINDA YÖNETMELİKTE DEĞİŞİKLİK YAPILMASINA DAİR YÖNETMELİĞİN UYGULANMASINA İLİŞKİN GENELGE (2015/50) Bu Genelge, 25.05.2015

Detaylı

KİTAP İNCELEMESİ. Matematiksel Kavram Yanılgıları ve Çözüm Önerileri. Tamer KUTLUCA 1. Editörler. Mehmet Fatih ÖZMANTAR Erhan BİNGÖLBALİ Hatice AKKOÇ

KİTAP İNCELEMESİ. Matematiksel Kavram Yanılgıları ve Çözüm Önerileri. Tamer KUTLUCA 1. Editörler. Mehmet Fatih ÖZMANTAR Erhan BİNGÖLBALİ Hatice AKKOÇ Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 18 (2012) 287-291 287 KİTAP İNCELEMESİ Matematiksel Kavram Yanılgıları ve Çözüm Önerileri Editörler Mehmet Fatih ÖZMANTAR Erhan BİNGÖLBALİ Hatice

Detaylı

M i m e d 2 0 1 0 ö ğ r e n c i p r o j e l e r i y a r ı ş m a s ı soru ve cevapları

M i m e d 2 0 1 0 ö ğ r e n c i p r o j e l e r i y a r ı ş m a s ı soru ve cevapları M i m e d 2 0 1 0 ö ğ r e n c i p r o j e l e r i y a r ı ş m a s ı soru ve cevapları S1: Erasmus kapsamında yapılan projelerle yarışamaya katılınabilir mi? C1: Erasmus kapsamında gidilen yurtdışı üniversitelerdeki

Detaylı

T.C. NUH NACİ YAZGAN ÜNİVERSİTESİ YAZILIM KULÜBÜ TÜZÜĞÜ. BİRİNCİ BÖLÜM Kuruluş Gerekçesi, Amaç, Kapsam, Dayanak ve Tanımlar

T.C. NUH NACİ YAZGAN ÜNİVERSİTESİ YAZILIM KULÜBÜ TÜZÜĞÜ. BİRİNCİ BÖLÜM Kuruluş Gerekçesi, Amaç, Kapsam, Dayanak ve Tanımlar T.C. NUH NACİ YAZGAN ÜNİVERSİTESİ YAZILIM KULÜBÜ TÜZÜĞÜ BİRİNCİ BÖLÜM Kuruluş Gerekçesi, Amaç, Kapsam, Dayanak ve Tanımlar Kuruluş Gerekçesi Kulüp, Nuh Naci Yazgan Üniversitesi, Yazılım Kulübü ismi ile

Detaylı

Üniversitelerde Yabancı Dil Öğretimi

Üniversitelerde Yabancı Dil Öğretimi Üniversitelerde Yabancı Dil Öğretimi özcan DEMİREL 1750 Üniversiteler Yasası nın 2. maddesinde üniversiteler, fakülte, bölüm, kürsü ve benzeri kuruluşlarla hizmet birimlerinden oluşan özerkliğe ve kamu

Detaylı

DENEY 2: PROTOBOARD TANITIMI VE DEVRE KURMA

DENEY 2: PROTOBOARD TANITIMI VE DEVRE KURMA A. DENEYİN AMACI : Protoboard kullanımını öğrenmek ve protoboard üzerinde basit direnç devreleri kurmak. B. KULLANILACAK ARAÇ VE MALZEMELER : 1. DC güç kaynağı, 2. Multimetre, 3. Protoboard, 4. Değişik

Detaylı

Anonim Verilerin Lenovo ile Paylaşılması. İçindekiler. Harmony

Anonim Verilerin Lenovo ile Paylaşılması. İçindekiler. Harmony Anonim Verilerin Lenovo ile Paylaşılması İçindekiler Anonim Verilerin Lenovo ile Paylaşılması... 1 Harmony... 1 Lenovo Companion 3.0... 2 Lenovo Customer Engagement Service... 3 Lenovo Experience Improvement

Detaylı

Topoloji değişik ağ teknolojilerinin yapısını ve çalışma şekillerini anlamada başlangıç noktasıdır.

Topoloji değişik ağ teknolojilerinin yapısını ve çalışma şekillerini anlamada başlangıç noktasıdır. Yazıyı PDF Yapan : Seyhan Tekelioğlu seyhan@hotmail.com http://www.seyhan.biz Topolojiler Her bilgisayar ağı verinin sistemler arasında gelip gitmesini sağlayacak bir yola ihtiyaç duyar. Aradaki bu yol

Detaylı

1. RESİM DÜZENLEME. Bir resmin piksel yoğunluğu yani PPI (Pixel Per Inches) 1 inç karede (1 inç = 2.54 cm) bulunan piksel sayısıdır.

1. RESİM DÜZENLEME. Bir resmin piksel yoğunluğu yani PPI (Pixel Per Inches) 1 inç karede (1 inç = 2.54 cm) bulunan piksel sayısıdır. 1.1. Temel Kavramlar 1.1.1. Piksel 1. RESİM DÜZENLEME Ekranda oluşturulan görüntüler noktalardan oluşur. Noktalar kare şeklindedir. Çok yakından bakıldığı veya resim büyütüldüğü zaman bu noktalar fark

Detaylı

BÜRO YÖNETİMİ VE SEKRETERLİK ALANI HIZLI KLAVYE KULLANIMI (F KLAVYE) MODÜLER PROGRAMI (YETERLİĞE DAYALI)

BÜRO YÖNETİMİ VE SEKRETERLİK ALANI HIZLI KLAVYE KULLANIMI (F KLAVYE) MODÜLER PROGRAMI (YETERLİĞE DAYALI) T.C. MİLLÎ EĞİTİM BAKANLIĞI Çıraklık ve Yaygın Eğitim Genel Müdürlüğü BÜRO YÖNETİMİ VE SEKRETERLİK ALANI HIZLI KLAVYE KULLANIMI (F KLAVYE) MODÜLER PROGRAMI (YETERLİĞE DAYALI) 2009 ANKARA ÖN SÖZ Günümüzde

Detaylı

ÖLÇÜ TRANSFORMATÖRLERİNİN KALİBRASYONU VE DİKKAT EDİLMESİ GEREKEN HUSUSLAR

ÖLÇÜ TRANSFORMATÖRLERİNİN KALİBRASYONU VE DİKKAT EDİLMESİ GEREKEN HUSUSLAR 447 ÖLÇÜ TRANSFORMATÖRLERİNİN KALİBRASYONU VE DİKKAT EDİLMESİ GEREKEN HUSUSLAR Hüseyin ÇAYCI Özlem YILMAZ ÖZET Yasal metroloji kapsamında bulunan ölçü aletlerinin, metrolojik ölçümleri dikkate alınmadan

Detaylı

YÖNETMELİK KAFKAS ÜNİVERSİTESİ ARICILIĞI GELİŞTİRME UYGULAMA VE ARAŞTIRMA MERKEZİ YÖNETMELİĞİ

YÖNETMELİK KAFKAS ÜNİVERSİTESİ ARICILIĞI GELİŞTİRME UYGULAMA VE ARAŞTIRMA MERKEZİ YÖNETMELİĞİ 22 Mayıs 2012 SALI Resmî Gazete Sayı : 28300 Kafkas Üniversitesinden: YÖNETMELİK KAFKAS ÜNİVERSİTESİ ARICILIĞI GELİŞTİRME UYGULAMA VE ARAŞTIRMA MERKEZİ YÖNETMELİĞİ BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve

Detaylı

BİLGİSAYAR PROGRAMLARI YARDIMIYLA ŞEV DURAYLILIK ANALİZLERİ * Software Aided Slope Stability Analysis*

BİLGİSAYAR PROGRAMLARI YARDIMIYLA ŞEV DURAYLILIK ANALİZLERİ * Software Aided Slope Stability Analysis* BİLGİSAYAR PROGRAMLARI YARDIMIYLA ŞEV DURAYLILIK ANALİZLERİ * Software Aided Slope Stability Analysis* Mustafa Özgür KESKİN Maden Mühendisliği Anabilim Dalı Ahmet M. KILIÇ Maden Mühendisliği Anabilim Dalı

Detaylı

BÖLÜM 1 YAZILIM TASARIMINA GİRİŞ YZM211 YAZILIM TASARIMI. Yrd. Doç. Dr. Volkan TUNALI Mühendislik ve Doğa Bilimleri Fakültesi / Maltepe Üniversitesi

BÖLÜM 1 YAZILIM TASARIMINA GİRİŞ YZM211 YAZILIM TASARIMI. Yrd. Doç. Dr. Volkan TUNALI Mühendislik ve Doğa Bilimleri Fakültesi / Maltepe Üniversitesi BÖLÜM 1 YAZILIM TASARIMINA GİRİŞ YZM211 YAZILIM TASARIMI Yrd. Doç. Dr. Volkan TUNALI Mühendislik ve Doğa Bilimleri Fakültesi / Maltepe Üniversitesi Amaçlar 2 Tasarımın ne olduğunu ve çeşitli tasarım türlerinin

Detaylı

ARAŞTIRMA PROJESİ NEDİR, NASIL HAZIRLANIR, NASIL UYGULANIR? Prof. Dr. Mehmet AY

ARAŞTIRMA PROJESİ NEDİR, NASIL HAZIRLANIR, NASIL UYGULANIR? Prof. Dr. Mehmet AY ARAŞTIRMA PROJESİ NEDİR, NASIL HAZIRLANIR, NASIL UYGULANIR? Prof. Dr. Mehmet AY Çanakkale Onsekiz Mart Üniversitesi Fen-Edebiyat Fakültesi Kimya Bölümü 29.03.2012 / ÇANAKKALE Fen Lisesi ARAŞTIRMA PROJESİ

Detaylı

T.C. MİLLÎ EĞİTİM BAKANLIĞI METAL TEKNOLOJİSİ SAC METAL

T.C. MİLLÎ EĞİTİM BAKANLIĞI METAL TEKNOLOJİSİ SAC METAL T.C. MİLLÎ EĞİTİM BAKANLIĞI METAL TEKNOLOJİSİ SAC METAL Ankara, 2013 Bu modül, mesleki ve teknik eğitim okul/kurumlarında uygulanan Çerçeve Öğretim Programlarında yer alan yeterlikleri kazandırmaya yönelik

Detaylı

Akreditasyon Çal malar nda Temel Problemler ve Organizasyonel Bazda Çözüm Önerileri

Akreditasyon Çal malar nda Temel Problemler ve Organizasyonel Bazda Çözüm Önerileri Akreditasyon Çal malar nda Temel Problemler ve Organizasyonel Bazda Çözüm Önerileri Prof.Dr. Cevat NAL Selçuk Üniversitesi Mühendislik-Mimarl k Fakültesi Dekan Y.Doç.Dr. Esra YEL Fakülte Akreditasyon Koordinatörü

Detaylı

Resim 1: Kongre katılımı (erken kayıt + 4 günlük kongre oteli konaklaması) için gereken miktarın yıllar içerisindeki seyri.

Resim 1: Kongre katılımı (erken kayıt + 4 günlük kongre oteli konaklaması) için gereken miktarın yıllar içerisindeki seyri. Patoloji Dernekleri Federasyonu Başkanlığına, Son yıllarda patoloji kongrelerinin katılım ücretlerinin çok yüksek olduğu yakınmaları arttı. Bu nedenle kongrelerimizi daha ucuza yapmaya çalıştık. Hemen

Detaylı

ÇEVRE KORUMA TEMEL ALAN KODU: 85

ÇEVRE KORUMA TEMEL ALAN KODU: 85 TÜRKİYE YÜKSEKÖĞRETİM YETERLİLİKLER ÇERÇEVESİ () TEMEL ALAN YETERLİLİKLERİ ÇEVRE KORUMA TEMEL ALAN KODU: 85 ANKARA 13 OCAK 2011 İÇİNDEKİLER 1.BÖLÜM: ÖĞRENİM ALANLARI VE ÇALIŞMA YÖNTEMİ...3 1.1.ISCED 97

Detaylı

ACENTE PORTAL QUICKRES/TROYA ACENTE BAŞVURU KILAVUZU

ACENTE PORTAL QUICKRES/TROYA ACENTE BAŞVURU KILAVUZU ACENTE PORTAL QUICKRES/TROYA ACENTE BAŞVURU KILAVUZU İÇERİK ACENTE PORTAL HAKKINDA GENEL BİLGİ... 3 QUİCKRES/TROYA ACENTESİNİN THY ACENTA PORTALINA BAŞVURU SÜRECİ... 4 BAŞVURU TAKİP NO HATIRLATMA... 19

Detaylı

BİT ini Kullanarak Bilgiye Ulaşma ve Biçimlendirme (web tarayıcıları, eklentiler, arama motorları, ansiklopediler, çevrimiçi kütüphaneler ve sanal

BİT ini Kullanarak Bilgiye Ulaşma ve Biçimlendirme (web tarayıcıları, eklentiler, arama motorları, ansiklopediler, çevrimiçi kütüphaneler ve sanal BİT ini Kullanarak Bilgiye Ulaşma ve Biçimlendirme (web tarayıcıları, eklentiler, arama motorları, ansiklopediler, çevrimiçi kütüphaneler ve sanal müzeler vb.) Bilgi ve iletişim teknolojileri, bilgiye

Detaylı

PROJE TEKLİF FORMU. Haydi birlikte harika bir iş çıkartalım.

PROJE TEKLİF FORMU. Haydi birlikte harika bir iş çıkartalım. Projeniz için atezer i seçtiğiniz için teşekkür ederiz. Lütfen bu formun içerisinde projenizle ilgili olan kısımları doldurun, bu projenizi daha iyi anlamamıza yardımcı olacaktır. İyi sonuçlar elde etmek

Detaylı

BAŞLARKEN Okul öncesi yıllar çocukların örgün eğitime başlamadan önce çok sayıda bilgi, beceri ve tutum kazandığı, hayata hazırlandığı kritik bir dönemdir. Bu yıllarda kazanılan bilgi, beceri ve tutumlar

Detaylı

Anaokulu /aile yuvası anketi 2015

Anaokulu /aile yuvası anketi 2015 Anaokulu /aile yuvası anketi 2015 Araştırma sonucu Göteborg daki anaokulları ve aile yuvaları ( familjedaghem) faaliyetlerinde kalitenin geliştirilmesinde kullanılacaktır. Soruları ebeveyn veya veli olarak

Detaylı

Görüntü Analizi Görüntü Analizin Temelleri

Görüntü Analizi Görüntü Analizin Temelleri Görüntü Analizin Temelleri Görüntü analizi optik mikroskop, stereo mikroskop, SEM vb. gibi herhangi bir kaynaktan elde edilmiş görüntüler üzerinde geometrik ve densitometrik ölçümler yapan bir bilim dalıdır.

Detaylı

https://intvd.gib.gov.tr/internetvd/html/excelgondermehakkinda_tevkifatlifatura_tr.h...

https://intvd.gib.gov.tr/internetvd/html/excelgondermehakkinda_tevkifatlifatura_tr.h... Page 1 of 7 Tevkifatlı Satış Faturası listesinin excel dosyası olarak oluşturulması için gerekli açıklamalar Oluşturulan excel dosyasının yüklenmesinde karşılaşılan sorunların çözümü (Teknik açıklamalar)

Detaylı

DÖNER SERMAYE MALİ YÖNETİM SİSTEMİ

DÖNER SERMAYE MALİ YÖNETİM SİSTEMİ TAŞINIR MODÜLÜ ENVANTER AKTARMA İŞLEMLERİ 1. ENVANTER AKTARMA İŞLEMİ İÇİN EXCEL DOSYASININ İNDİRİLMESİ VE EXCEL FORMATI Envanter aktarma işleminin gerçekleştirilebilmesi için http://www.dmisproje.muhasebat.gov.tr/download.html

Detaylı

Ek 1. Fen Maddelerini Anlama Testi (FEMAT) Sevgili öğrenciler,

Ek 1. Fen Maddelerini Anlama Testi (FEMAT) Sevgili öğrenciler, Ek 1. Fen Maddelerini Anlama Testi (FEMAT) Sevgili öğrenciler, Bu araştırmada Fen Bilgisi sorularını anlama düzeyinizi belirlemek amaçlanmıştır. Bunun için hazırlanmış bu testte SBS de sorulmuş bazı sorular

Detaylı

DERS SOSYOLOJİ KONU SOSYOLOJİNİN ARAŞTIRMA YÖNTEM VE TEKNİKLERİ

DERS SOSYOLOJİ KONU SOSYOLOJİNİN ARAŞTIRMA YÖNTEM VE TEKNİKLERİ DERS SOSYOLOJİ KONU SOSYOLOJİNİN ARAŞTIRMA YÖNTEM VE TEKNİKLERİ YÖNTEM Yöntem gidilecek doğru yol demektir. Bir bilimsel araştırma da kullanılacak ana yol anlamına gelir. TEKNİ K Teknik ise bu yol üzerinde

Detaylı

GİYİM ÜRETİM TEKNOLOJİSİ ÇOCUK DIŞ GİYSİLERİ DİKİMİ (CEKET- MONT- MANTO) MODÜLER PROGRAMI (YETERLİĞE DAYALI)

GİYİM ÜRETİM TEKNOLOJİSİ ÇOCUK DIŞ GİYSİLERİ DİKİMİ (CEKET- MONT- MANTO) MODÜLER PROGRAMI (YETERLİĞE DAYALI) T.C. MİLLÎ EĞİTİM BAKANLIĞI Çıraklık ve Yaygın Eğitim Genel Müdürlüğü GİYİM ÜRETİM TEKNOLOJİSİ ÇOCUK DIŞ GİYSİLERİ DİKİMİ (CEKET- MONT- MANTO) MODÜLER PROGRAMI (YETERLİĞE DAYALI) 2008 ANKARA ÖN SÖZ Günümüzde

Detaylı

3- Kayan Filament Teorisi

3- Kayan Filament Teorisi 3- Kayan Filament Teorisi Madde 1. Giriş Bir kas hücresi kasıldığı zaman, ince filamentler kalınların üzerinden kayar ve sarkomer kısalır. Madde 2. Amaçlar İnce ve kalın filamentlerin moleküler yapı ve

Detaylı

SİİRT ÜNİVERSİTESİ UZAKTAN EĞİTİM UYGULAMA VE ARAŞTIRMA MERKEZİ YÖNETMELİĞİ BİRİNCİ BÖLÜM. Amaç, Kapsam, Dayanak ve Tanımlar. Amaç

SİİRT ÜNİVERSİTESİ UZAKTAN EĞİTİM UYGULAMA VE ARAŞTIRMA MERKEZİ YÖNETMELİĞİ BİRİNCİ BÖLÜM. Amaç, Kapsam, Dayanak ve Tanımlar. Amaç SİİRT ÜNİVERSİTESİ UZAKTAN EĞİTİM UYGULAMA VE ARAŞTIRMA MERKEZİ YÖNETMELİĞİ BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar Amaç MADDE 1 (1) Bu Yönetmeliğin amacı; Siirt Üniversitesi Uzaktan Eğitim Uygulama

Detaylı

in Kullanımı tamamlamış gerçekleştirmiş

in Kullanımı tamamlamış gerçekleştirmiş in Kullanımı u doküman MasteringPhysics sitesine kayıt işlemlerini tamamlamış ve derse kayıt işlemini gerçekleştirmiş olan öğrencilere MasteringPhysics i nasıl kullanacaklarını ayrıntılı olarak açıklamaktadır.

Detaylı

İZMİR KÂTİP ÇELEBİ ÜNİVERSİTESİ ENGELSİZ ÜNİVERSİTE KOORDİNATÖRLÜĞÜ VE ENGELLİ ÖĞRENCİ BİRİMİ ÇALIŞMA USUL VE ESASLARI BİRİNCİ BÖLÜM

İZMİR KÂTİP ÇELEBİ ÜNİVERSİTESİ ENGELSİZ ÜNİVERSİTE KOORDİNATÖRLÜĞÜ VE ENGELLİ ÖĞRENCİ BİRİMİ ÇALIŞMA USUL VE ESASLARI BİRİNCİ BÖLÜM İZMİR KÂTİP ÇELEBİ ÜNİVERSİTESİ ENGELSİZ ÜNİVERSİTE KOORDİNATÖRLÜĞÜ VE ENGELLİ ÖĞRENCİ BİRİMİ ÇALIŞMA USUL VE ESASLARI BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak, Tanımlar ve Genel Esaslar Amaç Madde 1- (1)Bu

Detaylı

ELITE A.G. KS100/HEFM SICAK-SOĞUK ETĐKET BOY KESME VE ĐŞARETLEME MAKĐNASI KULLANIM KILAVUZU

ELITE A.G. KS100/HEFM SICAK-SOĞUK ETĐKET BOY KESME VE ĐŞARETLEME MAKĐNASI KULLANIM KILAVUZU ELITE A.G. KS100/HEFM SICAK-SOĞUK ETĐKET BOY KESME VE ĐŞARETLEME MAKĐNASI KULLANIM KILAVUZU ANA EKRAN Makinenin şalteri açıldığında 5 sn boyunca açılış ekranı gelir. Daha sonra ana ekrana geçilir. Bu ekranda

Detaylı

FOTOGRAMETRİK DEĞERLENDİRME - ÇİFT FOT. DEĞ. Analog ve Analitik Stereodeğerlendirme. Yrd. Doç. Dr. Aycan M. MARANGOZ

FOTOGRAMETRİK DEĞERLENDİRME - ÇİFT FOT. DEĞ. Analog ve Analitik Stereodeğerlendirme. Yrd. Doç. Dr. Aycan M. MARANGOZ FOTOGRAMETRİ II FOTOGRAMETRİK DEĞERLENDİRME - ÇİFT FOT. DEĞ. Analog ve Analitik Stereodeğerlendirme BEÜ MÜHENDİSLİK FAKÜLTESİ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF336 FOTOGRAMETRİ II DERSi NOTLARI http://geomatik.beun.edu.tr/marangoz/

Detaylı

1.3. NİTEL ARAŞTIRMA YÖNTEMLERİ... 2 1.1. GİRİŞ... 2 1.2. NİTEL ARAŞTIRMALARDA GEÇERLİK VE GÜVENİRLİK SORUNLARI... 2

1.3. NİTEL ARAŞTIRMA YÖNTEMLERİ... 2 1.1. GİRİŞ... 2 1.2. NİTEL ARAŞTIRMALARDA GEÇERLİK VE GÜVENİRLİK SORUNLARI... 2 İÇİNDEKİLER 1. NİTEL ARAŞTIRMA YÖNTEMLERİ... 2 1.1. GİRİŞ... 2 1.2. NİTEL ARAŞTIRMALARDA GEÇERLİK VE GÜVENİRLİK SORUNLARI... 2 1.3. NİTEL ARAŞTIRMA YÖNTEMLERİ... 2 1.3.1. ÖRNEK OLAY (DURUM ÇALIŞMASI) YÖNTEMİ...

Detaylı

BİREYSEL SES EĞİTİMİ ALAN ÖĞRENCİLERİN GELENEKSEL MÜZİKLERİMİZİN DERSTEKİ KULLANIMINA İLİŞKİN GÖRÜŞ VE BEKLENTİLERİ

BİREYSEL SES EĞİTİMİ ALAN ÖĞRENCİLERİN GELENEKSEL MÜZİKLERİMİZİN DERSTEKİ KULLANIMINA İLİŞKİN GÖRÜŞ VE BEKLENTİLERİ BİREYSEL SES EĞİTİMİ ALAN ÖĞRENCİLERİN GELENEKSEL MÜZİKLERİMİZİN DERSTEKİ KULLANIMINA İLİŞKİN GÖRÜŞ VE BEKLENTİLERİ Dr. Ayhan HELVACI Giriş Müzik öğretmeni yetiştiren kurumlarda yapılan eğitim birçok disiplinlerden

Detaylı

SANAT VE TASARIM GUAJ BOYA RESĠM MODÜLER PROGRAMI (YETERLĠĞE DAYALI)

SANAT VE TASARIM GUAJ BOYA RESĠM MODÜLER PROGRAMI (YETERLĠĞE DAYALI) T.C. MĠLLÎ EĞĠTĠM BAKANLIĞI Çıraklık ve Yaygın Eğitim Genel Müdürlüğü SANAT VE TASARIM GUAJ BOYA RESĠM MODÜLER PROGRAMI (YETERLĠĞE DAYALI) 2011 ANKARA ÖN SÖZ Günümüzde sanat dallarının değişim ile karşı

Detaylı

GİYİM ÜRETİM TEKNOLOJİSİ. GALOŞ ve BONE DİKİMİ MODÜLER PROGRAMI (YETERLİĞE DAYALI)

GİYİM ÜRETİM TEKNOLOJİSİ. GALOŞ ve BONE DİKİMİ MODÜLER PROGRAMI (YETERLİĞE DAYALI) T.C. MİLLÎ EĞİTİM BAKANLIĞI Hayat Boyu Öğrenme Genel Müdürlüğü GİYİM ÜRETİM TEKNOLOJİSİ GALOŞ ve BONE DİKİMİ MODÜLER PROGRAMI (YETERLİĞE DAYALI) 2015 ANKARA 0 ÖN SÖZ Günümüzde mesleklerin değişim ile karşı

Detaylı

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir

Detaylı

Türkiye Ekonomi Politikaları Araştırma Vakfı Değerlendirme Notu Sayfa1

Türkiye Ekonomi Politikaları Araştırma Vakfı Değerlendirme Notu Sayfa1 Sağlık Reformunun Sonuçları İtibariyle Değerlendirilmesi 26-03 - 2009 Tuncay TEKSÖZ Dr. Yalçın KAYA Kerem HELVACIOĞLU Türkiye Ekonomi Politikaları Araştırma Vakfı Türkiye 2004 yılından itibaren sağlık

Detaylı

WEB SAP (ORION) STAJ BAŞVURU KULLANICI DÖKÜMANTASYONU. Süheyla GÜVEN

WEB SAP (ORION) STAJ BAŞVURU KULLANICI DÖKÜMANTASYONU. Süheyla GÜVEN WEB SAP (ORION) STAJ BAŞVURU KULLANICI DÖKÜMANTASYONU Süheyla GÜVEN İÇİNDEKİLER 1. İÇERİK 1 2. WEB VE SAP (ORION) KULLANICI YAPISI.. 2 3. 1. AŞAMA ÖĞRENCİ GİRİŞİ.3 4. 2. AŞAMA DANIŞMAN ONAYI..6 5. 3. AŞAMA

Detaylı

HALK EĞİTİMİ MERKEZLERİ ETKİNLİKLERİNİN YÖNETİMİ *

HALK EĞİTİMİ MERKEZLERİ ETKİNLİKLERİNİN YÖNETİMİ * HALK EĞİTİMİ MERKEZLERİ ETKİNLİKLERİNİN YÖNETİMİ * Doç. Dr. Meral TEKİN ** Son yıllarda halk eğitimi, toplumdaki öneminin giderek artmasına koşut olarak, önemli bir araştırma alanı olarak kabul görmeye

Detaylı

KORELASYON VE REGRESYON ANALİZİ

KORELASYON VE REGRESYON ANALİZİ KORELASON VE REGRESON ANALİZİ rd. Doç. Dr. S. Kenan KÖSE İki ya da daha çok değişken arasında ilişki olup olmadığını, ilişki varsa yönünü ve gücünü inceleyen korelasyon analizi ile değişkenlerden birisi

Detaylı

İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI YÜZEY DOLDURMA TEKNİKLERİ

İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI YÜZEY DOLDURMA TEKNİKLERİ İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI YÜZEY DOLDURMA TEKNİKLERİ Deneyde dolu alan tarama dönüşümünün nasıl yapıldığı anlatılacaktır. Dolu alan tarama

Detaylı

II. Bölüm HİDROLİK SİSTEMLERİN TANITIMI

II. Bölüm HİDROLİK SİSTEMLERİN TANITIMI II. Bölüm HİDROLİK SİSTEMLERİN TANITIMI 1 Güç Kaynağı AC Motor DC Motor Diesel Motor Otto Motor GÜÇ AKIŞI M i, ω i Güç transmisyon sistemi M 0, ω 0 F 0, v 0 Makina (doğrusal veya dairesel hareket) Mekanik

Detaylı

GAZİANTEP İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ TÜBİTAK 4006 BİLİM FUARLARI PROJE YÜRÜTÜCÜLERİ TOPLANTISI

GAZİANTEP İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ TÜBİTAK 4006 BİLİM FUARLARI PROJE YÜRÜTÜCÜLERİ TOPLANTISI GAZİANTEP İL MİLLİ EĞİTİM MÜDÜRLÜĞÜ TÜBİTAK 4006 BİLİM FUARLARI PROJE YÜRÜTÜCÜLERİ TOPLANTISI TÜBİTAK 4006 BİLİM FUARI NEDİR? Yarışma ortamı olmadığı için öğrencilerimizin üzerindeki baskı kaldırılarak

Detaylı