2024’te Google Deepmind’den iki bilim adamı, AlphaFold2 adlı yapay zeka programı için Nobel kimya Ödülü’nü paylaştı.
Onlarca yıldır bilim adamları, moleküler yapı taşlarının dizilerinin proteinlerin karmaşık, üç boyutlu yapılarına nasıl katlandığını anlamak için mücadele ediyorlardı. Demis Hassabis, John Jumper ve Google Deepmind’deki meslektaşları şekilleri tahmin etmek için bir program hazırladı; AlphaFold2 2020’de piyasaya sürüldüğünde, bu görevde o kadar iyi performans gösterdi ki, dünyanın dört bir yanındaki bilim adamları bunu benimsedi.
Toronto Üniversitesi’nden genetikçi Alex Palazzo, ”Herkes AlphaFold kullanıyor” dedi.
Bilim adamları programı proteinlerin normalde nasıl çalıştığını ve çalışmamasının hastalığa nasıl yol açabileceğini incelemek için kullandılar. Bazıları yakında klinik çalışmalarda test edilecek olan tamamen yeni proteinler oluşturmalarına yardımcı oldu.
Şimdi Google Deepmind’deki başka bir araştırmacı ekibi, şirketin proteinler için yaptığını DNA için yapmaya çalışıyor. AlphaFold, AlphaGenome ile tanış.
Araştırmacılar geçen hafta Nature dergisinde Alphagenome’u açıkladılar. Yapay zekalarını çok zengin moleküler veriler üzerinde eğiterek binlerce gen hakkında tahminlerde bulunmalarını sağladılar. Örneğin, alfajenom, bir mutasyonun bir geni kapatıp kapatmayacağını veya yanlış zamanda açıp açmayacağını tahmin edebilir — kanseri ve diğer hastalıkları anlamak için çok önemli bir soru.
New York’taki Cold Spring Harbor Laboratuvarı’nda projeye dahil olmayan hesaplamalı bir biyolog olan Peter Koo, AlfajEnomun yapay zekanın genomuna uygulanmasında önemli bir adımı temsil ettiğini söyledi. “Bu bir mühendislik harikası” dedi.
Ancak Koo ve diğer dış uzmanlar, bunun ilerideki uzun bir yolda sadece bir adımı temsil ettiği konusunda uyardılar. Yale Üniversitesi’nden hesaplamalı bir biyolog olan Mark Gerstein, ”Bu AlphaFold değil ve Nobel Ödülü’nü kazanmayacak” dedi.
AlphaGenome faydalı olacaktır. Gerstein, DNA’yı keşfetmek için muhtemelen onu alet kutusuna ekleyeceğini ve diğerlerinin de davayı takip etmeyi beklediğini söyledi. Ancak tüm bilim adamları, genomu anlamalarına yardımcı olmak için AlphaGenome gibi AI programlarına güvenmezler.
Johns Hopkins Üniversitesi’nden hesaplamalı bir biyolog olan Steven Salzberg, ”Şu anda onlarda hiçbir değer görmüyorum” dedi. “Bence zamanını boşa harcayan birçok akıllı insan var.”
Bilgisayar çağından önce biyologlar, genlerimizi yöneten kuralları ortaya çıkarmak için özenli deneyler yaptılar. Genlerin baz adı verilen dört harfli bir genetik alfabede yazıldığını keşfettiler. Bir protein yapmak için, bir hücre, binlerce baz uzunluğunda çalışabilen bir gendeki diziyi okur.
Ancak bilim adamları insan genomunu ne kadar çok incelediyse, o kadar karmaşık ve dağınık olduğu ortaya çıktı.
Örneğin, hücreler bir geni okudukça, genellikle dizisinin bölümlerini atlarlar. Ekleme olarak bilinen bu işlem sayesinde hücreler, tek bir genden yüzlerce farklı protein oluşturabilir.
Hücreler genlerini yanlış birleştirdiğinde bir takım hastalıklar ortaya çıkar. Ancak, genlerde birleştirilmeleri gereken noktalar için basit bir imza yoktur, bu nedenle bilim adamları on yıllardır bunların bir kataloğunu oluşturmak için harcadılar.
Genomla ilgili bir diğer derin soru, hücrelerin protein yapmak için hangi genleri kullandıklarını nasıl seçtikleridir. Bilim adamları, DNA’yı tutan ve onu karmaşık döngülere geren özel moleküller keşfettiler. Bazı durumlarda, döngüler bir geni hücrenin protein yapma mekanizmasına maruz bırakır. Diğer durumlarda, gen bir bobin içinde sıkışır.
Bu moleküller, genleri kontrol etmek için tam olarak DNA’nın küçük kısımlarına inmek zorundadır. Ve bu genetik kilitleri bulmak zor olabilir, çünkü genellikle kontrol ettikleri genlerden binlerce veya milyonlarca baz uzakta yatarlar. 2019’da Google Deepmind’deki araştırmacılar, alphagenome’a dönüşecek bir projeye başladılar. O zamana kadar biyologlar, yalnızca insan genomunun 3 milyar baz çifti değil, aynı zamanda birçok hücre türündeki genlerin aktivitesini ölçen binlerce deneyin sonuçları da dahil olmak üzere büyük miktarda veri topladılar.
Google Deepmind’deki araştırmacılar, yapay zekayı bu mevcut sonuçlar üzerinde eğiterek, daha önce hiç görmediği DNA uzantıları hakkında doğru tahminlerde bulunabilecek bir program geliştirebileceklerini umuyorlardı.
Google Deepmind’de bir araştırma bilimcisi olan Ziga Avsec, ”Bu bizim için doğru hedefti” dedi.
2021’de Avsec ve meslektaşları, o zamandan beri alphagenome’a genişlettikleri Enformer adlı bir ön yapay zekayı açıkladılar. Programı daha da geniş bir biyolojik veri alanı üzerinde eğittiler. Gerstein, ”Bu gerçekten endüstriyel bir ölçek” dedi.
Genomu incelemek için oluşturulan birçok AI programı, ekleme gibi yalnızca bir yönüyle ilgilenir. Ancak AlphaGenome, 11 farklı süreç hakkında tahminlerde bulunmak üzere eğitildi. Çarşamba günkü raporda Avsec ve meslektaşları, alphagenome’un yönetim kurulundaki diğer programlardan daha iyi veya daha iyi performans gösterdiğini belirtti.
Çalışmaya dahil olmayan San Francisco’daki bir araştırma kuruluşu olan Gladstone Enstitüleri’nden veri bilimcisi Katherine Pollard, ”Bu son teknoloji ürünü” dedi.
Pollard ve diğer araştırmacılar, AlfajEnomun, yakındaki bir geni kapatmak gibi etkilerini tahmin edebilen mutasyonlarda özellikle usta olduğunu söyledi. Bir performans testinde araştırmacılar, TAL1 adlı bir geni içeren DNA uzantısına mutasyonlar eklediler.
Sağlıklı insanlarda TAL1, bağışıklık hücrelerinin patojenlerle savaşana kadar olgunlaşmasına yardımcı olur. Hücreler geliştikten sonra gen kapanır. Ancak bilim adamları, tal1’den 8.000 baz uzaktaki mutasyonların genin kalıcı olarak açılmasına neden olabileceğini keşfettiler. Bu değişiklik nihayetinde bağışıklık hücrelerinin kontrolden çıkarak çoğalmasına ve lösemiye neden olmasına neden olabilir.
Avsec ve meslektaşları, AlfajEnomun bu mutasyonların TAL1 üzerindeki etkisini doğru bir şekilde tahmin ettiğini buldu. ”Bu modellerin ne zaman çalıştığını görmek gerçekten heyecan vericiydi” dedi. “Bazen sihir gibi geliyor.”
Alfagenom araştırmacıları, TAL1 tahminlerini, laboratuvar deneyleriyle lösemi itici mutasyonları ortaya çıkarmak için yıllarını harcayan University College London’da bir hematolog olan Dr. Marc Mansour ile paylaştılar.
Mansur, ”Oldukça akıllara durgunluk veriyordu” dedi. “Bunun gerçekten ne kadar güçlü olduğunu gösterdi.”
Ancak Mansour, AlfagEnomun öngörücü güçlerinin, bakışları belirli bir genden uzaklaştıkça kaybolduğunu belirtti. Şu anda kanser araştırmalarında alfajenom kullanıyor ancak sonuçlarını körü körüne kabul etmiyor.
“Bu tahmin araçları hala tahmin araçlarıdır” dedi. “Hala laboratuara gitmemiz gerekiyor.”
Johns Hopkins’ten Salzberg, Alfagenom hakkında daha az iyimser, çünkü kısmen yaratıcılarının onu eğittikleri verilere çok fazla güvendiklerini düşünüyor. Ek yerleri inceleyen bilim adamları, hangi sitelerin gerçek ve hangilerinin genetik serap olduğu konusunda hemfikir değiller. Sonuç olarak, ekleme sitelerinin farklı kataloglarını içeren veritabanları oluşturdular.
Salzberg, “Topluluk, insan genomundaki tüm ek yerlerinin ne olduğunu anlamaya çalışmak için 25 yıldır çalışıyor ve biz hala orada değiliz” dedi. “Üzerinde anlaşmaya varılmış bir altın standart setimiz yok.”
Pollard ayrıca AlfajEnomun, doktorların hastaların genomlarını sağlıklarına yönelik tehditler açısından taramak için kullanabilecekleri bir araç olmaktan çok uzak olduğu konusunda uyardı. Tek bir mutasyonun yalnızca bir standart insan genomu üzerindeki etkilerini öngörür.
Gerçekte, herhangi iki insanın dna’sında milyonlarca genetik farklılık vardır. Bir hastanın vücudundaki tüm bu varyasyonların etkilerini değerlendirmek, AlfagEnomun endüstriyel güç gücünün çok ötesinde kalır.
Pollard, ”Bu çok, çok daha zor bir sorun — ve yine de sağlık hizmetleri için böyle bir model kullanmak istiyorsak çözmemiz gereken sorun bu” dedi.
Bu makale ilk olarak The New York Times‘da yayınlandı.
