DeepMind’in “yapay zeka biyoloğu” yaşam mekanizmasının sırlarını çözebilir

İngiltere merkezli DeepMind şirketi tarafından geliştirilen bir yapay zeka sistemi, proteinlerin şeklini yalnızca kendi dizilerinden, doğru bir şekilde tahmin etme hedefine ulaştı ve bu, yaşam mekanizmasının nasıl çalıştığını anlama yolunda önemli bir yapı taşı. Bir yarışmada AlphaFold, pahalı ve zaman alıcı laboratuvar deneyleri yapan insanların elde ettiği sonuçların üçte ikisini kat etmeyi başardı.

Bir proteinin şeklini anlamak kolay bir iş değil. – CHRISTOPH BURGSTEDT/SCIENCE PHOTO LIBRARY

Yarışmanın organizatörlerinden biri olan Maryland Üniversitesi‘nden John Moult, “Gördüğümde gerçekten büyülendim” diyor. “Deneysel kullanışlılığa ilk kez yaklaşıyoruz ki bu oldukça sıra dışı.”

Proteinler yaşam için çok önemlidir. Hücreler, proteinlerden yapılan enerji üreten türbinlerden kargo taşıyan, yol boyunca yürüyen taşıyıcılara kadar makinelerle dolu ve bu makinelerin şekilleri çok önemli. Örneğin, koronavirüs hücrelere girebilir ve hücrelere bulaşabilir çünkü yüzeyindeki dikenli protein, bir kilit anahtarı gibi insan hücrelerindeki bir reseptöre sığar.

Bu şekiller, proteinleri oluşturmak için birbirine zincirlenmiş 20 farklı amino asit dizisine bağlıdır. Herhangi bir proteinin dizisini bulmak kolaydır çünkü bu, onu kodlayan DNA tarafından belirlenir. Ancak yarım asırlık çabalara rağmen, biyologlar daha önce bir proteinin şeklini, sırasından, tek başına çözememişlerdi.

https://goster.co/bu-yil-nobel-odulune-layik-gorulen-cigir-acici-crispr-cas9-tam-olarak-nedir

DeepMind’de AlphaFold ekibini yöneten John Jumper, “Bu son derece zor” diyor. Bazı proteinlerin kristallerini yapmak zordur ve kırınım modellerini yorumlamak da zor olabilir.

Yalnızca fiziğe dayalı kaba kuvvet hesaplama bir seçenek değildir çünkü proteinler çok karmaşıktır. Bunun yerine dünya çapındaki birçok grup, yapay zeka sistemlerinin bilinen protein yapılarının veri setleri kullanılarak eğitildiği makine öğrenimine yöneldi.

Her bir hedef protein için DeepMind’ın dahil olduğu gruplar, ilgili türlerde bulunan varyantları arıyor ve sekanslarını, yapılarını, hedef proteinin sekansı ile birlikte yapay zeka sistemine besleyici veri olarak aktarıyor. Buradaki fikir, sistemin sekans ve yapıyı bağlayan modellere bakarak hedef proteinin şeklini bulmayı öğrenmesi.

1994 yılında, Moult ve bir meslektaşı, bilgisayar tahminlerinin performansını değerlendirmek için CASP (Critical Assessment of Protein Structure Prediction) yarışmasını başlattılar. Girmek isteyen herhangi bir gruba, yapısı deneysel olarak belirlenen ancak henüz yayınlanmamış protein dizileri gönderildi.

Öngörülen şekiller, her bir amino asidin deneyle belirlenen konuma ne kadar yakın olduğuna bağlı olarak 100 üzerinden puanlanır. 90’ın üzerindeki bir puanın, deneylerle elde edilen sonuçlarla eşit olduğu kabul edilir.

2016 yarışmasında en iyi takım, en zor kategoride ortalama 40 puan aldı. 2018’de, AlphaFold’un ilk sürümü bu kategoride ortalama 60 puan aldı. Bu yıl, yeniden tasarlanan AlphaFold en zor kategoride ortalama 87 puan aldı. Tüm kategorilerde, proteinlerin üçte ikisi için 90’ın üzerinde puan aldı.

https://goster.co/zehra-cataltepe-degisen-dunyayi-devamli-ogrenen-yapay-zeka

Moult, bu sonuç şaşırtıcı olsa da bazı açık başarısızlıklar olduğunu söylüyor. Örneğin AlphaFold, yapısı onu çevreleyen diğer proteinlerle etkileşimlerden etkilenen bir proteinle iyi sonuç vermedi.

Jumper, bu değişkenlik bir sorun olabilir, ancak AlphaFold aynı zamanda tahminlerinin ne kadar güvenilir olduğuna dair bir ölçüm sağlıyor, böylece bilim adamları hangilerine güveneceklerini bilecek, bu çok büyük bir şey diyor.

Yarışmadan ayrı olarak, Almanya‘daki Max Planck Gelişimsel Biyoloji Enstitüsü‘nden Andrei Lupas, DeepMind yardım teklif edene kadar on yıldır belirli bir proteinin yapısını çözmeye çalışıyordu. Doğruluğu artırmak için birkaç ince ayar gerekti, ancak Lupas’ın ekibi, AlphaFold’un tahminini aldıktan sonra yarım saat içinde nihai yapıya kavuştu. Bu onlara göre de gerçekten şaşırtıcı.

Lupas, önümüzdeki birkaç yıl boyunca araştırmacıların yine de şekil tahminlerini kontrol etmek için bazı deneysel çalışmalar yapmaları gerekeceğini ancak sonunda yalnızca hesaplamaya güvenebileceklerini düşünüyor. Bunun büyük bir fark yaratacağını söylüyor fakat asıl devrim, proteinlerin diğer moleküllerle nasıl etkileşime girdiğini tahmin etmek için bilgisayarları kullanabilmekten geçiyor.

Lupas, “Bu, tıbbın çehresini tamamen değiştirecek” diyor. Örneğin, AlphaFold, virüsün ilk kez Ocak ayında dizilenmesinden hemen sonra birkaç koronavirüs proteininin şekillerini tahmin edebildiğini söylüyor. Daha da iyisi, mevcut binlerce ilacın hangisinin bu proteinlere bağlandığını ve pahalı deneyler yapmak zorunda kalmadan terapötik bir etkiye sahip olabileceğini tahmin etme yeteneğine sahip olmak.

DeepMind şu ana kadar AlphaFold hakkında birkaç ayrıntı açıkladı, ancak yakında bir makale yayınlayacağını söylüyor. Şirket, bilim adamlarının teknolojiye nasıl erişebileceklerini söyleyemedi ama yaygın olarak bulunmasına istekli olduğunu belirtiyor. DeepMind’den Pushmeet Kohli, “Bunun en büyük etkiyi yarattığından emin olmak istiyoruz” diyor.

Bilim Haberleri arşivine göz atabilirsiniz.

Bağlantıyı Kopyala