Whitehead Enstitüsü ve CSAIL’den araştırmacılar, hastalıkların daha iyi anlaşılması, tedavi süreçlerine yön vermek amacıyla proteinlerin hücre içindeki konumlarını tahmin edebilen ve üretebilen bir makine öğrenimi modeli geliştirdi.
Bu yenilikçi model, protein lokalizasyonunu analiz ederek biyomedikal araştırmalara yeni ufuklar açmayı hedefliyor.
Yapay Zeka Tıpta Çığır Açtı! Proteinlerin Şifrelerini Kırdı!
Proteinler, hücrelerimizin işleyişini sağlayan temel yapı taşları olmakla birlikte her biri belirli bir görevi üstlenen binlerce farklı protein türü bulunur.
Bilim insanları uzun süredir bir proteinin yapısının, fonksiyonunu belirlediğini biliyordu. Ancak son yıllarda, proteinin hücre içindeki konumunun da işlevi açısından kritik bir rol oynadığını keşfettiler.
Hücreler, içerdikleri sayısız bileşeni düzenlemek için özel bölmelere sahiptir. Klasik biyoloji kitaplarında yer alan organellerin yanı sıra, hücre içinde belirli molekülleri ortak işlevler doğrultusunda bir araya getiren, dinamik ve zarsız birçok bölme de bulunur.
Bir proteinin hücrede hangi bölgede yer aldığı hangi diğer moleküllerle birlikte bulunduğu, onun işlevini ve sağlıklı ya da hastalıklı bir hücredeki rolünü anlamak açısından büyük önem taşır.
Ancak, araştırmacılar henüz bu bilgiyi sistematik ve güvenilir bir şekilde tahmin edebilecek kapsamlı bir yönteme sahip değillerdir.
Yapay Zeka Çığır Açmaya Devam Ediyor
Protein yapısı, bilim insanları tarafından yarım yüzyılı aşkın süredir incelenmekte olup, bu alandaki çalışmalar yapay zeka destekli büyük bir atılıma yol açmıştır.
Bu ilerlemenin en önemli örneklerinden biri, proteinin amino asit diziliminden yola çıkarak katlanma şeklini ve yapısını tahmin edebilen AlphaFold’dur.
Yapay zeka tabanlı bu model, protein araştırmalarında yeni bir çığır açarak bilim dünyasında yaygın olarak kullanılmaya başlanmış ve benzeri birçok modelin geliştirilmesine ilham vermiştir.
Whitehead Biyolojik Araştırma Enstitüsü’nden Young, doktora sonrası araştırmacı Henry Kilgore ve MIT CSAIL’den Regina Barzilay liderliğindeki bir ekip, ProtGPS adlı bir makine öğrenimi modeli geliştirdi.
6 Şubat’ta Science dergisinde yayımlanan çalışmada, araştırmacılar ProtGPS’in bir proteinin hücre içindeki 12 belirli bölmeden hangisine yerleşeceğini ve hastalıkla ilişkili mutasyonların bu lokalizasyonu nasıl etkileyebileceğini tahmin edebildiğini gösterdi.
Ayrıca, ekip belirli bölmelere yönlendirilebilen yeni proteinler tasarlayabilen üretken bir algoritma da geliştirdi.
Hastalıklara yol açan mutasyonların mekanizmasını anlamak, etkili tedaviler geliştirmek açısından kritik öneme sahiptir.
Young ve ekibi, birçok hastalıkla ilişkili mutasyonun proteinlerin hücre içindeki lokalizasyonunu değiştirerek hastalığa katkıda bulunabileceğini öngörüyordu.
Örneğin, bir mutasyon, bir proteinin işlevini yerine getirmesi için gerekli olan bölmeye ulaşmasını engelleyebilir.
Araştırmacılar, bazı hastalıkla ilişkili mutasyonların proteinlerin hücre içindeki konumunu değiştirdiğini tespit etti.
Hücrelerde 20 farklı örnek üzerinde yapılan floresan bazlı testlerde, mutasyona uğramış proteinlerin yerleşim yerleri karşılaştırıldı. ProtGPS’in tahminleri doğrulandı.
Bu bulgular, yanlış lokalizasyonun hastalık oluşumunda önemli bir faktör olabileceğini gösterirken, ProtGPS’in hastalık mekanizmalarını anlamada ve yeni tedavi stratejileri geliştirmede değerli bir araç olduğunu ortaya koydu.
Gelecek heyecan verici! İnanılması güç gerçekten, bakalım yapay zeka daha neler yapacak! Yorumlarınızı bekliyoruz.
Kaynak: https://news.mit.edu/2025/ai-model-deciphers-code-proteins-tells-them-where-to-go-0213
En güncel teknoloji haberleri, rehberler ve özel içerikler e-posta kutuna gelsin! Topluluğumuza katılın ve en önemli haberlerin yer aldığı günlük bültenimize kaydolun!
