“Protein Evreni”:
Yapay Zeka, Neredeyse Bilinen Her Proteinin Şeklini Tahmin Ediyor
DeepMind’ın AlphaFold aracı, yaklaşık 200 milyon proteinin yapısını belirledi.
Bundan sonra, bugüne kadar bilinen hemen hemen her proteinin üç boyutlu şeklini belirlemek, bir Google araması yapmak kadar basit olacak.
Araştırmacılar, gezegende bilinen yaklaşık 1 milyon türe ait 200 milyondan fazla proteinin yapısını tahmin etmek için yapay zeka ağı AlphaFold’u kurdular.
Protein yapıları, AlphaFold’u geliştiren Google’ın sahibi olduğu Londra merkezli yapay zeka şirketi DeepMind ve hükümetler arası bir kuruluş olan Avrupa Moleküler Biyoloji Laboratuvarı’nın Avrupa Biyoinformatik Enstitüsü (EMBL-EBI) tarafından kurulan veri tabanında ücretsiz olarak mevcut.
DeepMind CEO’su Demis Hassabis basın toplantısında, “Dijital biyolojide yeni bir çağın başlangıcındayız, veri tabanının tüm protein evrenini kapsadığını düşünebilirsiniz.” dedi.
Proteinlerin üç boyutlu şekli veya yapısı, hücredeki işlevini belirler. Çoğu ilaç, protein yapısı kullanılarak tasarlanır ve proteinlerin amino asit diziliminin haritalarının oluşturulması, proteinlerin işlevine dair keşiflerin genelde ilk adımıdır.
DeepMind, AlphaFold ağını derin öğrenme (deep learning) adı verilen bir yapay zeka tekniği kullanarak geliştirdi. AlphaFold veri tabanı, insanlar, fareler ve geniş çapta incelenen diğer 19 organizma tarafından yapılan hemen hemen her proteini kapsayan 350.000’den fazla yapı tahmin verisiyle bir yıl önce kullanıma girdi ve veri tabanına yaklaşık 1 milyon kez erişildi.
Yüksek Kaliteli Yapılar
AlphaFold’un piyasaya sürülmesi, bilim insanlarında veri tabanını kullanmak için büyük bir istek uyandırdı. Ağ, birçok proteinin yapısını son derece doğru tahmin edebiliyor. Ayrıca tahminlerin güvenilirliği hakkında bilgi sağlıyor. Bilim insanları, protein yapılarını çözmek için X-ışını kristalografisi ve kriyo-elektron mikroskobu gibi zaman alıcı ve maliyetli konvansiyonel yöntemleri kullanmakta.
EMBL-EBI’ye göre, 214 milyondan fazla tahminin yaklaşık %35’i oldukça doğru, bu da deneysel olarak belirlenmiş yapılar kadar iyi olduğu anlamına geliyor. Diğer %45’i ise birçok uygulama için yeterli olacak derecede doğru.
Birçok AlphaFold verisi, deneysel yapılar için yerini alacak kadar iyi, diğer veriler ise deneysel verileri doğrulamak ve anlamlandırmak için kullanılabilir. Zayıf yapı tahminleri genellikle aşikardır ve bunlardan bazılarına proteindeki içsel bozukluk neden olmaktadır.
Bilinen hemen hemen her protein dahil olsa bile, yeni organizmalar keşfedildikçe yirmi üç terabaytlık içeriğe sahip AlphaFold veri tabanının güncellenmesi gerekecek. Hassabis, AlphaFold veri tabanının mevcudiyetinin bilim üzerinde kalıcı bir etkiye sahip olacağını ve düşüncede oldukça büyük bir değişiklik olacağını belirtti.
AlphaFold veritabanı tarafından tahmin edilen yumurta sarısının bir öncüsü olan vitellogenin proteininin yapısı.
Kaynak: DeepMind
KAYNAK:
- News. ‘The entire protein universe’: AI predicts shape of nearly every known protein. July 2022. doi: https://doi.org/10.1038/d41586-022-02083-2
- Jumper, J et al. Highly accurate protein structure prediction with AlphaFold. Nature (2021).
- Varadi, M et al. AlphaFold Protein Structure Database: massively expanding the structural coverage of protein-sequence space with high-accuracy models. Nucleic Acids Research (2022).
AlphaFold Erişim: https://alphafold.ebi.ac.uk/
“Katkılarından dolayı Feride İrem ŞİMŞEK’e teşekkür ederiz.”
