Protein tasarımı araçları giderek daha gelişmiş hale gelse de, bu araçların etkili bir şekilde kullanılabilmesi için hala protein yapısı hakkında derinlemesine bilgi sahibi olmak gerekiyor. Bu, reaksiyonun gerçekleştiği alandaki su moleküllerinin yanı sıra spesifik amino asitlerin konumlarına kadar enzim mekanizmalarını bilmeyi de içerir. Bunları belirledikten sonra araçlar, bu hedefin etrafına bir proteinin geri kalanını inşa edebilir.
Ancak, Türkiye'de yapılan büyük bir araştırmacı iş birliği, protein tasarımını daha geniş kitlelere ulaştırmayı hedefledi. Bu ekip, doğal dil girdilerini alıp belirtilen işlevi yerine getiren proteinler üretebilen bir araç geliştirdi. Başarı ölçütü olarak çalışan bir protein üretimi esas alındığında, başarı oranı çok yüksek olmasa da, işi başarmayı sürdürüyorlar. Ayrı bir duyuruda ise yapay zeka alanında faaliyet gösteren bir kurum, DNA düzeyinde benzer işlevler gören bir aracı barındırdığını paylaştı.
Protein tasarımında 'vibe kodlamanın' karşılığı ortaya çıkmış gibi görünüyor; en azından iyi tasarımları onlarca başarısız denemeden ayıklayabilecek bir laboratuvara erişiminiz varsa.
Fonksiyon Odaklı Tasarım
Mevcut en iyi protein tasarım araçlarından bazıları iki aşamalı bir süreç izler. İlk olarak, başka bir molekülle bağlanma ihtiyacı veya belirli bir amino asit dizilimi gibi bir dizi kısıtlama belirlenir. Ardından bir yapay zeka aracı bu kısıtlamaları karşılayabilen bir proteinin şeklini oluşturur. Bu tamamlandıktan sonra ayrı bir araç, proteinin şekle uygun katlanmasını sağlayacak belirli bir amino asit dizisiyle o şekli doldurur.
Açıkçası, bunu yapmak genellikle teknik bilgilerin önemli bir kısmını bilmeyi gerektirir. Örneğin bir katalizör tasarlıyorsanız, sadece kimyasal bir reaksiyonun gerçekleşmesi için kritik olan amino asitleri değil, aynı zamanda 3B uzayda nerede bulunmaları gerektiğini de bilmeniz gerekir. Bu da, şaşırtıcı olmayan bir şekilde, protein kimyasına dair oldukça gelişmiş bir anlayış ve bu anlayışı protein tasarım araçlarının gerektirdiği herhangi bir biçimde ifade etme yeteneği gerektirir.
Sorun şu ki, iki uzman birbirleriyle konuşurken bu kadar detaya inmeleri gerekmezdi. Örneğin biri "serin proteaz" deseydi, diğeri reaksiyon mekanizmasının özeline ilişkin ima edilen pek çok şeyi bilirdi. Yapay zeka araçlarıyla iletişim kurarken spesifik olmamız gerekiyor çünkü mevcut araçlarımız amino asitlerin 3B düzenlemeleriyle çalışmakta harika olsa da, bu 3B düzenlemelerin sağladığı işlevler konusunda biraz yetersizler.
Yeni aracın arkasındaki ekibin çalışmasında, bu durum mutlaka böyle olmak zorunda değil. Milyonlarca protein dizisini, bu proteinlerin gerçekleştirdiği işlevlere dair notlarla etiketlenmiş veritabanlarımız var. Araştırmacılar, uygun eğitimle, aradığınız işlevi tam olarak yerine getiren bir diziyi çıktı olarak veren bir sistem elde etmek için bu etiketlerdeki terminolojiyi kullanmanın mümkün olabileceğini düşündüler.
Proteinler ve Dil Bir Arada
Pinal, bazı yönlerden standart araçlara oldukça benzer şekilde çalışır, protein için bir iskelet oluşturma ve ardından ayrı bir süreçle bu iskeleti dolduran amino asitlerin ayrıntılarını belirleme gibi iki aşamalı bir süreci takip eder. Ancak, süreci başlatmak için yapmanız gerekenlerde önemli farklılıklar bulunur.
Tasarım ürünündeki birkaç amino asidin bazı ayrıntılarını belirtmek yerine, sisteme yalnızca ne istediğinizi söylersiniz. Sistemin geliştiricilerinin belirttiği gibi, "İlk aşama, doğal dil komutunu bir yapısal taslağa çeviren bir metinden yapıya modülü olan T2struct tarafından ele alınır." T2struct 3B bir şekil çıktısı vermez; her amino asidin komşu komşularıyla olan mekansal ilişkisini temsil eden ve her birine bir olasılık atayan doğrusal bir jeton dizisi üretir.
Bu, hem orijinal metni hem de T2struct'un çıktısını kullanarak nihai protein tasarımındaki amino asit dizisini oluşturan SAProt-T adlı bir sisteme aktarılır. Buradaki önceki olasılıklar önemlidir, çünkü SAProt-T küresel bir yeniden değerlendirme yapar. Yazarlara göre bu, "çok daha üstün bir işlevsel diziyi barındırabilen, biraz daha az olası bir yapıyı gözden kaçırma" riskini önler.
Tüm bunları yapabilen bir sistem nasıl geliştirilir? Araştırmacılar, en iyi yolun büyük miktarda veri kullanmak olduğuna karar verdiler. Bir proteinin işlevini tanımlayan her bir etiket seti için, etiketleri bir LLM'ye beslediler ve bu LLM'den düz dilde bir açıklama sağlamasını istediler ve hem etiketleri hem de açıklamayı eğitimin bir parçası olarak kullandılar. Üç farklı veritabanından protein dizilerini, AlphaFold tarafından tahmin edilen yapısal bilgilerle eşleştirerek kullandılar; bu veritabanlarından yalnızca biri 800 milyon anahtar kelime-protein çifti içeriyordu.
AlphaFold'un tahminlerinde %100 doğru olmadığı dikkat çekicidir, bu nedenle nispeten az bilinen bir proteinle ilgili bir şey üretmeye çalışıyorsanız bu bir sorun olabilir. Ancak birçok yaygın protein için gerçek yapısal veriler mevcuttur, bu da AlphaFold'un bilgilendirilmiş tahminler yapmasını sağlayacaktır.
Her durumda, eğitimin işe yaraması için yapısal verilerin yeterince doğru olduğu anlaşılıyor.
İşlevsel Proteinler
Pinal'ı test etmek için araştırmacılar dört farklı protein tasarlamasını istediler: floresan bir protein, iki enzim ve büyük bir çoklu protein kompleksinde yer alan bir protein. Her bir vaka için detaylar biraz farklılık gösterse de, benzer bir süreç izlendi; floresan proteini örnek olarak kullanacağız.
Nobel Ödülü kazanan kaşifine ait floresan proteinin klasik örneği, yeşil floresan protein olan GFP'dir. Pinal'dan GFP gibi floresan yapabilen 50.000 protein tasarlaması istendi. Bu devasa liste daha sonra bir dizi kritere göre filtrelendi. İlk olarak, araştırmacılar bilinen bir floresan proteine benzeyen herhangi bir diziyi reddetti. Ancak GFP'de bulunan birkaç temel özelliği seçtiler: varil benzeri bir yapı oluşturma yeteneği ve floresansı etkinleştirmek için kimyasal olarak modifiye edilebilen anahtar bir amino asidin varlığı.
Kısacası, genel olarak GFP'ye biraz benzemesini, ancak spesifik amino asit dizisi açısından çok benzer olmamasını istediler. Bu filtreleme, yalnızca 29 aday proteinden oluşan yüksek öncelikli bir liste bıraktı ve bunların hepsi E. coli'de üretildi. Toplamda yalnızca biri floresan özellik gösterdi.
Diğer tüm örnekler benzer şekilde yapıldı: devasa bir liste ile başla, hesaplamalı olarak daralt, ardından bir düzine kadar tasarımı test et, bunlardan sadece birkaçı çalışacaktır.
Bu korkunç derecede düşük bir başarı oranı olarak reddetmek cazip gelebilir. Ancak, en olası görünen önerilerin çoğunun bilinen GFP proteinlerine çok benzeyeceğini ve bu nedenle eleneceğini unutmayın. Araştırmacılar, GFP'ye benzer bir yapı oluşturamayanların işe yarayıp yaramadığını bile test etmeye zahmet etmediler, bu nedenle bu temel alınarak büyük bir alternatif floresan protein yelpazesini reddetmiş olabilirler.
Sadece Proteinler Değil
Geçen hafta, DNA dizilerine odaklanan çok benzer bir gelişme de görüldü. Yapay zeka şirketi Hugging Face, Zhongguancun Akademisi ve Napoli "Federico II" Üniversitesi'nden oluşan bir ekip, yerel donanımda çalıştırılabilen açık ağırlıklı bir model olan Carbon X'i tanıttı. Bu model, Qwen3-14B adlı insan dil modeli üzerine kurulu olup DNA ile yeniden eğitilmiş, ardından pekiştirmeli öğrenme ve denetimli ince ayar uygulanmıştır.
Yeniden eğitim (teknik olarak orta eğitim olarak adlandırılır) dikkatli bir dengeyi gerektiriyordu: "Düşük bir öğrenme oranı İngilizceyi korur ancak DNA'yı şansa bırakır, yüksek bir oran ise DNA'yı öğrenir ancak İngilizceyi unutur." Ancak sonuç, hem DNA hem de İngilizce konuşabilen ve aralarında çeviri yapabilen tek bir modeldir. Bu nedenle, büyük genom modelleri gibi, bir DNA dizisiyle bu modele komut verebilir ve tipik bir genomda sonrasında gelebilecek dizileri tahmin etmeye çalışacaktır. Ancak DNA ve doğal dil karışımıyla da komut verebilir, örneğin "bu G'yi A'ya değiştirmenin sonucu ne olur?" gibi sorular sorabilirsiniz.
Ekip, sistemin davranışını açıklayan bir yayın yayınlamamış olsa da, dahili performansları oldukça iyi olduğunu ve GPT-6.1 Sol gibi büyük ve özel ticari modellerle rekabet edebildiğini göstermektedir. Bununla birlikte, birkaç uyarı da içerir. Sistem, özellikle uzun dizilerde belirli konumlara dikkat etmede pek iyi değildir. Komut yeterince spesifik değilse halüsinasyonlara da eğilimli olabilir. Bu nedenle, bir yapay zeka aracı kullanırken olağan uyarılar kesinlikle geçerlidir.
Hugging Face, Carbon X'in ticari modellerden daha iyi bir seçenek olabileceğine dair iki ana neden öne sürüyor, her ikisi de ticari modellerin biraz daha iyi performans gösterdiği görevlerde bile, her ikisi de Carbon X'in yerel olarak çalışabilmesi gerçeğiyle ilgili. İlki basitçe maliyettir; şirketin tanıtım videosu bir MacBook kullanılarak yapıldı, bu nedenle nispeten uygun fiyatlı donanımda tekrar tekrar çalıştırılabilir. İkincisi ise, kurumsal veya gizlilik nedenleriyle insanların ticari bir kuruluşla yaptığı sorguları paylaşmak istemeyeceği birçok durumun olmasıdır.
Sade Tutmak
Bunun biyolojiyi basitleştirdiği ve en ufak bir bilgiye sahip herkesin artık özel proteinler ve virüsler yapabileceği düşünülebilir. Bu tamamen doğru değil. Araçtan kolayca dizileri alabilirler. Ancak daha sonra işlevsel olma olasılığı daha yüksek dizileri bulmak için bu dizileri filtrelemek üzere birçok özel araç kullanmaları gerekecektir. Ve sonra bunları test etme sorunu var, bu da iyi donanımlı bir biyoloji laboratuvarı ve eğitimli uzmanlar gerektirir.
Biyologlar kesinlikle denklemden çıkarılmadı.
Ve birçok durumda bu, deneysel biyologların karşılaştığı bazı devam eden sorunları çözebilir. Genom sonrası dönemde, bilgisayar aracılığıyla en iyi şekilde yanıtlanabilecek birçok soru olmuştur. Ancak bu cevapları elde etmek için yapılan birçok araç, araçlarını erişilebilir kılmak için özel bir çaba göstermeyen biyoinformatikçiler tarafından yapılmıştır. Birçok biyolog, "bu genin ifadesini kontrol eden tüm geliştiricileri bul" gibi nispeten İngilizceye yakın bir ifadeyi anlayabilir. Ancak bu soruyu yanıtlamak için hangi araç kombinasyonlarının gerektiğini bilenlerin sayısı çok daha azdır, yapılandırmayı nasıl yapacaklarını bir kenara bırakın.
Bu biyologlara, birden fazla yazılım kılavuzuna başvurma ihtiyacı olmadan bu soruları yanıtlayabilen bir araç sunmak, araştırmaları hızlandırma potansiyeline sahiptir. Ancak biyologların bu yeteneği kullanışlı bulmasının açık hale gelmesi birkaç yıl sürebilir.
Kaynakça: arstechnica.com
