YZT Haftalık Gazete — 5. Sayı (13 Aralık 2020)
Biyolojide 50 yıllık büyük bir zorluğa çözüm: AlphaFold
Bu hafta gazetemizde neler var?
- AlphaFold ve çözdüğü zorluk
- Bu haftadan göze çarpanlar
Proteinlerin hangi şekillere katlandığını anlamak “protein katlanma sorunu” olarak bilinir ve biyolojide 50 yıldır bulunan büyük bir zorluktur. Bir yapay zeka sistemi olan AlphaFold’un son sürümü, iki yılda bir düzenlenen Protein Yapısı Tahmininin Kritik Değerlendirmesi (CASP) organizatörleri tarafından protein katlanma sorununa bir çözüm olarak kabul edildi. Bu buluş, yapay zekanın bilimsel keşif üzerindeki etkisini, dünyamızı açıklayan ve şekillendiren en temel alanların bazılarında ilerlemeyi çarpıcı bir şekilde hızlandırma potansiyeli gösteriyor.
AlphaFold nasıl çalışır?
Katlanmış bir protein, kalıntıların düğümler olduğu ve kenarların kalıntıları birbirine yakın bir şekilde bağladığı “uzamsal grafik” olarak düşünülebilir. Bu grafik, proteinler içindeki fiziksel etkileşimleri ve evrimsel geçmişi anlamak için önemlidir. AlphaFold’un son sürümünde oluşturduğu örtük grafik üzerinden akıl yürütüp bu grafiğin yapısını yorumlamaya çalışan dikkat temelli bir sinir ağı sistemi oluşturuldu ve AlphaFold’un bu grafiği iyileştirmek için evrimsel olarak ilişkili dizileri, çoklu dizi hizalamasını (multiple sequence alignment) ve amino asit kalıntı çiftlerinin bir temsilinin kullanılması sağlandı.
Sistem, bu süreci tekrar ederek proteinlerin fiziksel yapısı hakkında güçlü tahminler geliştiriyor ve birkaç gün içinde yapıları yüksek doğrulukla tahmin edebiliyor. Ek olarak, AlphaFold her bir protein yapısında hangi bölümlerinin güvenilir olduğunu tahmin edebiliyor.
Bu sistem, protein veri bankasındaki yaklaşık 170.000 proteinin yapısıyla ve bilinmeyen yapıdaki protein dizilerini içeren büyük veri tabanlarından oluşan halka açık verilerle eğitildi. AlpaFold için birkaç hafta boyunca çalıştırılan yaklaşık 16 TPUv3 (128 TPUv3 çekirdeği veya yaklaşık olarak 100–200 GPU) kullanıldı.
AlphaFold neden önemli?
Bir proteinin şekli, işleviyle ilişkilidir ve bu yapıyı tahmin etme yeteneği, proteinin ne yaptığı ve nasıl çalıştığı konusunda daha iyi bir anlayışın kilidini açar. Hastalıklar için tedavi geliştirmek veya endüstriyel atıkları parçalayan enzimler bulmak gibi dünyanın en büyük zorluklarının çoğu, temelde proteinlere ve oynadıkları role bağlıdır.
Ayrıca AlphaFold’un son sürümünden elde edilen heyecan verici sonuçlar, biyologların hesaplamalı yapı tahminini bilimsel araştırmada temel bir araç olarak kullanma potansiyelini ortaya çıkardı. Kullanılan yöntemler, özellikle kristalleştirilmesi çok zor olan ve bu nedenle deneysel olarak belirlenmesinde zorlanılan zar proteinleri gibi önemli protein sınıfları için yararlı olabilir.
Öne Çıkanlar
- Nesli tükenmekte olan türler ateşli silah algılama teknolojisiyle güvende: Silah seslerinin kayıtlarını analiz ederek kaçak avcıların yoğun olarak bulunduğu bölgeleri tespit eden yapay zekâ tabanlı teknoloji, Londra Zooloji Topluluğu ve Google Cloud tarafından geliştirildi.
- Yapay zekâ bir matematik problemini daha çözdü: Kısmi diferansiyel denklemler, gezegensel hareketten levha tektoniğine kadar her şeyi tanımlayabilir, ancak bunların çözülmesi çok zordur. Kaliforniya Teknoloji Enstitüsündeki araştırmacılar daha önce geliştirilen derin öğrenme yöntemlerinden daha doğru ve 1000 kat daha hızlı yeni bir derin öğrenme tekniği geliştirdiler.
- Mars’taki kraterleri keşfeden yapay zekâ: NASA tarafından daha önce keşfedilmemiş kraterleri keşfetmek için kullanılan yapay zekâ teknoloji dünyasında bir ilke imza attı. 112.000 görüntüden oluşan kütüphaneyi analiz etmeye ayarlanan yapay zekâ kraterlerin keşif süresini 40 dakikadan 5 saniyeye indirdi.
