Bu Yapay Zekâ Şimdiye Kadar Bulunan Neredeyse Her Proteinin Yapısını Tahmin Ediyor

İlk veri yayınlanmasından sadece bir yıl sonra, bilimde bilinen hemen hemen her proteinin 3D şeklini tahmin eden bir yapay zekâ (AI) ile biyolojik araştırmalarda yeni bir çağın kilidi açıldı.

Google'ın sahip olduğu AI şirketi DeepMind tarafından geliştirilen bir AI aracı olan AlphaFold sayesinde, 200 milyondan fazla protein yapısı, AlphaFold DB adı verilen ücretsiz erişimli, aranabilir bir veritabanında çevrimiçi olarak paylaşıldı.

Bu başarı, yaşamın yapı taşları olan proteinlere yönelik daha önce adım atılmamış bilimsel keşif yollarını açıyor. Ve araştırmacılar şimdiden konu ile ilgili çok heyecanlılar.

Scripps Araştırma Çeviri Enstitüsü'nden kardiyolog Eric Topol, veri yayınına ilişkin yaptığı açıklamada, "Bir proteinin 3 boyutlu yapısını belirlemek eskiden aylar veya yıllar sürüyorken artık saniyeler alıyor" dedi. "Neredeyse tüm protein evrenini aydınlatan bu yeni yapıların eklenmesiyle, her gün daha fazla biyolojik gizemin çözülmesini bekleyebiliriz."

Avrupa Moleküler Biyoloji Laboratuvarı'nın Avrupa Biyoinformatik Enstitüsü'ndeki (EMBL–EBI) bilim insanlarıyla işbirliği içinde DeepMind, geçen yıl Temmuz ayında AlphaFold tahminlerinin ilk grubunu açıkladı.

Biyolojik araştırmaları dönüştürecek ve ilaç keşfini hızlandıracak devrim niteliğinde bir araç olarak müjdelenen AlphaFold, amino asit dizilerine dayalı olarak proteinlerin 3 boyutlu şeklini tahmin ediyor.

Zincirler halinde birbirine bağlanan bu amino asit dizileri, kıvrımlı tabakalar ve bükümlü şeritler halinde katlanan uzun proteinleri biriktirir.

Bilim insanları, herhangi bir proteinin katlandığı şekli anlayarak, bu proteinin nasıl işlediğini kavrayabilir ve hücrelerin içindeki asıl rolünün ne olduğunu deşifre edebilir.

AlphaFold, bu süreci hızlandırmak için tasarlandı ve bu son verilerde bitkilerde, bakterilerde, hayvanlarda ve diğer organizmalarda bulunan 200 milyondan fazla olduğu tahmin edilen protein yapısını sağladı.

DeepMind CEO'su Demis Hassabis, en son veri açıklaması hakkında yaptığı açıklamada, "Bu umut, hayal etmeye cesaret ettiğimizden çok daha hızlı bir şekilde gerçeğe dönüştü" dedi.

Araştırmacılar, sıtma gibi ölümcül hastalıklara ilişkin anlayışlarını iyileştirmek, gelişmiş aşılara kapı açmak ve bilim insanlarını onlarca yıldır şaşırtan dev proteinler hakkındaki biyolojik bulmacaları deşifre etmek için AlphaFold'un ilk tahminlerini zaten kullandılar.

Plastik kirliliğini hızlandırmaya yardımcı olabilecek daha önce hiç görülmemiş enzimlerin tanımlanmasından bahsetmiyoruz bile.

Açık kaynaklı AlphaFold yazılımı geçen yıl piyasaya sürülmesinden bu yana araştırmacıların kullanımına açık olmasına rağmen, milyonlarca tahmin edilen protein yapısının aranabilir bir veri tabanında parmaklarının ucunda olması, şüphesiz araştırmayı hızlandıracaktır.

EMBL-EBI'ye göre, 214 milyondan fazla tahminin yaklaşık üçte biri, X-ışını kristalografisi ve kriyo-elektron mikroskobu gibi olağan deneysel yöntemlerden türetilen protein yapılarına eşit olarak, oldukça doğru olarak sınıflandırılmıştır.

Ancak AlphaFold'un tahminlerinin kalitesi değişkendir ve bilim insanlarının hakkında çok az şey bildiği daha nadir proteinler için daha az doğru olabilir. Bu nedenle, bazı durumlarda, deneysel verileri anlamlandırmak için tahmin edilen yapıları kullanılabilir.

Devasa veri yığınına rağmen, proteinlerin bir araya geldiklerinde nasıl etkileşime girdiğine dair tahminler de dâhil olmak üzere AlphaFold'un yakalayamadığı çok fazla yaşam var.

Toprak ve deniz suyundaki genetik materyal izlerinden tanımlanan mikrobiyal proteinler de veri tabanında yer almaz - ancak bu mikroorganizmalar, bilim insanları Dünya'daki tüm mikrobiyal yaşamın yalnızca küçük bir bölümünü katalogladıkları için, kullanılmayan güçlü bileşikler kaynağını temsil eder.

DeepMind ve EMBL-EBI, AlphaFold veritabanını periyodik olarak yenilemeye devam edecek. Ancak şimdilik, en son veri sürümü ve geçmiş keşifler hakkında daha fazla bilgiyi buradan okuyabilirsiniz.