Yazar: Matthew Sparkes
Çeviren: Arda Kahraman
Düzenleyen: Alper Topal
Özet: DeepMind isimli yapay zekâ şirketinin ürettiği AlphaFold isimli yapay zekâ, bilimin bugüne kadar keşfettiği proteinlerin canlı vücudunda işlev görenlerinin neredeyse tamamına yakınının protein yapısını yüksek bir doğruluk oranıyla tahmin edebiliyor. Bilim insanları bu yapay zekânın biyoloji için büyük bir sıçrama olabileceğini düşünüyor ancak henüz geliştirme aşamasında olması ve bu konuda yapılan deney ve araştırma sayısının yetersiz olması, tamamen güvenilir olması için zamana ihtiyacı olduğunu gösteriyor.
Giriş
Yapay zekâ şirketi DeepMind, bilimin bugüne kadar keşfettiği proteinlerin neredeyse tamamına yakınının yapısını tahmin edebilen ve sadece 18 aylık bir geliştirme süreci sonucunda oluşturulan bir yapay zekâyla ilaç geliştirmelerinde hızlanmaya ve temel bilimlerde devrim niteliğinde bir değişime yol açtı.
DeepMind, AlphaFold isimli yapay zekâ sayesinde bugüne kadar bilim tarafından sınıflandırılan neredeyse tüm proteinlerin yapısını 18 aylık geliştirme sürecinin ardından tahmin ederek biyolojideki en büyük zorluklardan birini çözdü. Araştırmacılar çalışmanın sıtma, antibiyotik direnci ve plastik atıklar konusunda hâlihazırda yarar sağladığını ve yeni ilaç buluşlarını da hızlandırabileceğini söyledi.
Kurucu amino asitlerinin diziliminden yola çıkarak proteinin katlanmış hâlini belirlemek biyolojide on yıllardır süregelen bir sorun olmuştur. Bazı amino asitler birbirine bağlanır, bazıları suyla uzağa itilir ve zincirler tam olarak tanımlanması mümkün olmayan karmaşık şekiller oluşturur.
İngiltere merkezli yapay zekâ şirketi DeepMind, 2020’nin sonlarına doğru katlanmış proteinlerin yapısını tahmin edebilen bir yöntem bulduğunu duyurmuştu. Ardından 2021’in ortasında insan vücudunda kullanılan proteinlerin %98,5’inin haritasının çıkarıldığını bildirdi.
28 Temmuz 2022’de DeepMind, 200 milyondan fazla proteinin -UniProt1 veri tabanında küresel olarak tanımlanmış ve sınıflandırılmış neredeyse tüm proteinler- yapısını yayımladığını bildirdi.
DeepMind elde ettiği bütün verileri, dünyadaki tüm araştırmacıların kolayca erişebileceği bir depo oluşturmak için Avrupa Moleküler Biyoloji Laboratuvarının Avrupa Biyoinformatik Enstitüsü (EMBL-EBI) ile çalışmaktadır. EMBL-EBI’da çalışan Ewan Birney, AlphaFold Protein Yapısı Veri Tabanı’nı “insanlığa bir hediye” olarak tanımlamaktadır.
Ayrıca Ewan Birney, “1990’lardan beri genomik ve hesaplamalı biyolojinin içinde olan biri olarak manzaranın değiştiği ve yeni kaynakların ortaya çıktığı birçok anla karşılaştım ve bu en hızlılarından biriydi. Yani, 2 yıl önce, böyle bir şeyin mümkün olabileceğini düşünemiyorduk.” diye de ekliyor.
Sonuçlar Alınmaya Başlandı
DeepMind’ın CEO’su Demis Hassabis; oluşturulan veri tabanının, -önceden genellikle yıllar alan- protein yapısını bulmayı “neredeyse Google’da arama yapacak kadar kolay” yaptığını söylüyor. DeepMind’ın şu anki sahibi Google’ın üst kuruluşu olan Alphabet’tir.
Şimdiden bir dizi alanda birçok bilim insanı araştırmalarını ilerletmek için arşivi kullanıyor. Oxford Üniversitesinden Matt Higgins ve arkadaşları sıtma parazitinin yaşam döngüsünü bozacak anahtar bir proteini araştırıyorlardı ancak bu proteinin yapısını haritalamakta zorlanıyorlardı.
Higgins, “Kullandığımız deneysel yöntemlerden birisi x ışını kristalografisi. Proteinlerin belli bir alanda kümelenmesini sağlayıp o alana x ışınlarını yolluyoruz. Bu alandaki x ışınlarının kırılma desenlerine bakarak da molekülün neye benzediği hakkında bilgiler ediniyoruz. Fakat bunca yıllık çalışmaya rağmen bu molekülün neye benzediğiyle ilgili yeterli bilgiye ulaşamadık.”
Ardından AlphaFold ortaya çıktığında bahsedilen proteinin yapısıyla ilgili daha net tahminler yaparak araştırmacıların daha fazla bilgi toplayabilmesine olanak sağladı. Şu anda araştırmacılar etkili bir sıtma aşısı olarak kullanılabilecek proteinleri tasarlayabiliyorlar.
Birney, x ışını kristalografi kullanarak proteinin yapısını haritalamanın pahalı ve çok zaman gerektiren bir iş olduğunu söylüyor. Birney: “Bu durum, araştırmacıların ne yapacakları konusunda karar vermek zorunda olduğu ancak AlphaFold’un seçim yapmak zorunda olmadığı anlamına geliyor. AlphaFold sayesinde ‘bu parazitin nasıl çalıştığı’ veya ‘neden bu özel hastalığın insanlarda ortaya çıktığı’ gibi sorular ile ilgili yeni deneyler ve yeni içgörülerin ortaya çıkabileceğini düşünüyorum.”
Ayrıca araştırmacılar plastik atıkların yok edilmesini sağlayacak enzimleri üretmede ve bakterilerin antibiyotik direncini oluşturmasında görev alan proteinler hakkında bilgi edinmede AlphaFold’u kullanmaya başladı.
Hâlâ Yapılacak İş Var
Londra İmparatorluk Kolejinden Keith Willison, AlphaFold’un biyolojik araştırmalarının “dünyasını değiştirdiğinin” su götürmez bir gerçek olduğunu söylerken proteinlerin katlanmasıyla ilgili hâlâ bir sürü çözülecek sorun olduğunu belirtiyor.
Keith Willison: “AlphaFold çıktığında harikaydı. Sadece favori proteinlerini seçiyordun ve kristal oluşturmak yerine doğrudan onları inceleyebiliyordun. Daha önce bir protein kompleksinin kristalografisini yaptım ve bu bana sekiz yıla mal oldu. İnsanlar kristalografların işsiz kalacağı hakkında şakalar yapıyor.”
Willison, AlphaFold’un dışarıdan rastgele bir amino asit dizisi girilerek nasıl katlanacağını bulma özelliğinin olmadığını da belirtiyor. Onun yerine önceden tespit edilmiş olan proteinlerin şablonlarını kullanarak yeni bir proteinin nasıl katlanacağını öngörüyor.
Bu aracı kullanarak bulduğumuz sonuçlar sık sık, hatta genellikle doğru olsa da bunların tahmin olduğunu ve hesaplanmış sonuçlar olmadığını bilmemiz gerekiyor. Ayrıca AlphaFold proteinler arasındaki karmaşık etkileşimleri ya da intrinsik düzensiz proteinler2 olarak bilinen, kararsız ve öngörülemez katlama desenlerine sahip olan, yapısında ufak bir hasar olan proteinleri bile hâlâ çözemedi.
Willison: “Bir şeyi keşfettiğin zaman diğer birçok sorun da su üstüne çıkıyor. Biyolojinin ne kadar karmaşık olduğu biraz korkutucu.”
Londra Üniversite Kolejinden Tomek Wlodarski, AlphaFold’un biyolojinin birçok alanında çok büyük etkileri olduğunu ancak doğruluk açısından geliştirmeler yapılması gerektiğini söyledi. Proteinlerin nasıl katlandığıyla ilgili genel bir model oluşturulamamış olması da -sadece son hâlini tahmin etmesi değil- DeepMind’ın çözmeye çalıştığı sorunlar arasında.
Wlodarski, AlphaFold’un tahminlerinin hangilerinin daha yüksek doğruluğu olduğunu veya hangilerinin daha az güvenilir olduğunu belirtiyor olmasına rağmen mükemmel olmadığını söylüyor.
Wlodarski: “AlphaFold’a proteinin katlanmasını tamamen bozduğunu deneysel olarak kanıtladığımız bir mutasyonu tanıttık ve bize mutasyon olmadığında verdiği protein yapısını geri döndürdü. Yaptığımız başka bir testte proteinin bir ucundan parçalar kesiyordum çünkü biliyoruz ki bu proteini herhangi bir uçtan dokuz parça kesmek proteinin katlanmamış hâline dönüşerek bozulmasına sebep oluyor. Protein dizisinin yarısını kesmemize rağmen algoritma bize hâlâ tamamen katlanmış durumdaki protein yapısını gösteriyordu. Sorunlarımız bunlar.”
DeepMind’ın Bilimsel Ekip Lideri Pushmeet Kohli, şirketin proteinlerle ilgili henüz son aşamaya gelmediğini ve AlphaFold’un doğruluğunu artırmak ve kapasitesini geliştirmek için çalışmaları sürdürdüklerini belirtti.
Kohli: “Proteinlerin statik yapısını biliyoruz ancak iş burada bitmiyor. Proteinlerin nasıl davrandığını, dinamiklerinin neler olduğunu ve diğer proteinlerle nasıl etkileştiklerini anlamak istiyoruz. Sonrasında ise genomiğin diğer alanı olan, yeni üretilen proteinlere yaşamın formülünün nasıl aktarıldığı ve bir hücrenin yaşamı konuları var.”
1 UniProt protein dizilerine ve proteinlerin işlev bilgisine ücretsiz bir şekilde ulaşabileceğiniz bir veri tabanıdır.
2 İntrinsik protein: Hücre zarının fosfolipid tabakasına sıkı hâlde gömülü proteinlere denir. (Kaynak: Britannica)
Benzer yazılarımız
