Yapay Zekayı Kullanarak Biyolojik Yapıları Daha Doğru Tahmin Etme

Yeni bir yapay zeka algoritması, bir RNA molekülünün 3 boyutlu şeklini yanlış şekillerden seçebilir. RNA'ların katlandığı yapıların hesaplamalı tahmini özellikle önemlidir (ve özellikle zordur) çünkü çok az yapı bilinmektedir. Özellikle modern biyoloji ve tıbbi keşiflerde biyolojik moleküllerin 3B şekillerini belirlemek oldukça zordur. Görev genellikle milyonlarca dolar harcamayı ve hatta bu kadar büyük çabalar gerektirir. Şimdi, Stanford Üniversitesi'ndeki bilim insanları, hesaplamalı olarak doğru yapıları tahmin ederek bu sorunun üstesinden gelen bir yaklaşım geliştirdiler. Yeni yaklaşımda yeni makine öğrenme teknikleri kullanılıyor.

Test sırasında, yaklaşımın, yalnızca sınırlı veri mevcut olsa bile, ilaç hedeflerinin ve diğer önemli biyolojik moleküllerin 3B şekillerini doğru bir şekilde öngördüğü bulunmuştur. Bu, yapılarını deneysel olarak belirlemek en zor olan molekül türlerine uygulanabilir hale getirir. Tahmin etmenin yanı sıra algoritma, bilim insanlarının temel biyolojik araştırmalardan bilinçli ilaç tasarım uygulamalarına kadar çeşitli uygulamalarla farklı moleküllerin nasıl çalıştığını açıklamalarına olanak tanır. Stanford Üniversitesi doktora öğrencisi Raphael Townshend, " Moleküllerin şekillerinin incelenmesi olan yapısal biyoloji, yapının işlevi belirlediği bu mantraya sahiptir.” diyor.

Stanford Üniversitesi doktora öğrencisi Stephan Eismann, " Proteinler her türlü işlevi yerine getiren moleküler makinelerdir. İşlevlerini yerine getirmek için proteinler genellikle diğer proteinlere bağlanır. Bir çift proteinin hastalığa karıştığını biliyorsanız ve 3D olarak nasıl etkileştiklerini biliyorsanız, bu etkileşimi bir ilaçla çok özel olarak hedeflemeyi deneyebilirsiniz.” açıklamalarında bulunuyor.

Analistler, altta yatan bir tahminin neyin kesin olduğunu belirlemek yerine, algoritmanın bu moleküler özellikleri kendisi için keşfetmesine izin veriyor. Bunu, bu tür bilgileri vermenin geleneksel yönteminin, belirli unsurlar için bir hesaplamayı etkileyebileceğini ve diğer eğitim hükümlerini keşfetmesini engelleyebileceğini keşfettiklerinden beri yaptılar.

Bilim insanları daha sonra algoritmalarını başka bir kritik biyolojik molekül sınıfı olan RNA'lara uyguladılar. Algoritmalarını, kendi alanlarında uzun süredir devam eden bir yarışmadan bir dizi “RNA Bulmacası’nda” test ettiler. Her durumda, araç diğer tüm bulmaca katılımcılarından daha iyi performans gösterdi ve bunu açıkça RNA yapıları için tasarlanmadan yaptı.

Bilgisayar bilimleri doçenti Ron Dror, " Makine öğrenimindeki dramatik son gelişmelerin çoğu, eğitim için muazzam miktarda veri gerektirdi. Çok az eğitim verisi verildiğinde bu yöntemin başarılı olması, ilgili yöntemlerin verilerin yetersiz olduğu birçok alanda çözülmemiş sorunları çözebileceğini göstermektedir.”

Townshend, " Bu temel teknolojiye sahip olduğunuzda, anlayış seviyenizi bir adım daha artırıyorsunuz ve bir sonraki soru setini sormaya başlayabilirsiniz. Örneğin, insanların çok heyecanlandığı bir alan olan bu tür bilgilerle yeni moleküller ve ilaçlar tasarlamaya başlayabilirsiniz.”

Kaynaklar ve İleri Okuma

1. https://www.techexplorist.com/predicting-biological-structures-more-accurately-using-machine-learning/40869/