- Araştırmacılar, gen terapisinin verilmesinde rol oynayan önemli bir proteini yeniden tasarlamak, bağışıklık tepkilerini azaltmak için proteinleri optimize eden böylece gen terapisinin etkinliğini artıran ve yan etkileri azaltan yapay zekâ altyapısından yararlandılar.
- Protein tasarımı için kullanılan yapay zeka daha yüksek derecede varyasyon elde edebilir, maliyetleri düşürebilir ve deneysel test için simülasyon senaryoları oluşturabilir.
- Bu çalışma, üretken yapay zeka kullanarak potansiyel yeni alt türler ve hatta yeni tıbbi tedavilerde kullanılabilecek biyolojik varlık türleri tasarlayabileceğimizi gösteriyor.
Toronto Üniversitesindeki araştırmacılar, gen terapisinin verilmesinde rol oynayan önemli bir proteini yeniden tasarlamak için yapay zeka altyapısından yararlandılar. Nature Machine Intelligence dergisinde yayımlanan çalışma, bağışıklık tepkilerini azaltmak için proteinleri optimize eden böylece gen terapisinin etkinliğini artıran ve yan etkileri azaltan yeni çalışmaları anlatıyor.
Uygulamalı Bilim ve Mühendislik Fakültesi Biyomedikal Mühendisliği Enstitüsünden Yardımcı Doçent Michael Garton şunları söyledi: “Gen terapisi büyük umut vaat ediyor ancak vücudun viral vektörlere karşı önceden var olan bağışıklık tepkisi başarısını büyük ölçüde engelliyor. Araştırmamız, adenovirüs vektörlerinde temel bir protein olan ve bağışıklık sorunu dışında gen terapisi için büyük bir potansiyel barındıran hekzonlara odaklanıyor. Serotipe özgü antikorlar tarafından tetiklenen bağışıklık tepkileri, bu araçların doğru hedefe ulaşmasında önemli bir engel teşkil eder. Bu da etkinliğin azalmasına ve ciddi yan etkilere yol açabilir.”
Bu sorunu çözmek için Garton’un laboratuvarı, doğal dizilerden farklı olan altıgenlerin varyantlarını özel olarak tasarlamak için yapay zekayı kullandı. Çalışmanın baş yazarı olan doktor adayı Suyue Lyu, “Tüm insan varyantlarından uzak ve dolayısıyla bağışıklık sistemi tarafından tanınmayan bir şey tasarlamak istiyoruz” diyor.
Yeni proteinlerin tasarlanmasına yönelik geleneksel yöntemler genellikle kapsamlı deneme yanılma süreçlerinin yanı sıra artan maliyetleri de beraberinde getirmekte. Protein tasarımı için yapay zeka tabanlı bir yaklaşım kullanarak araştırmacılar daha yüksek derecede varyasyon elde edebilir, maliyetleri düşürebilir ve deneysel test için belirli bir hedef alt kümesine odaklanmadan önce hızlı bir şekilde simülasyon senaryoları oluşturabilirler.
Çok sayıda protein tasarım çerçevesi mevcut olsa da mevcut doğal dizilerin eksikliği ve hekzonların ortalama 983 amino asitten oluşan nispeten büyük boyutu nedeniyle araştırmacılar için yeni varyantları düzgün bir şekilde tasarlamak zor olabilir.
Lyu ve Garton bu düşünceyle farklı bir yapay zeka çerçevesi geliştirdi. ProteinVAE olarak adlandırılan model, sınırlı veri kullanarak uzun bir proteinin özelliklerini öğrenmek için eğitilebilir. Kompakt tasarımına rağmen ProteinVAE, mevcut daha büyük modellerle karşılaştırılabilir bir üretim kabiliyeti sergiliyor.
“Modelimiz, küçük veri kümelerinde verimli öğrenme için önceden eğitilmiş protein dili modellerinden yararlanıyor. Ayrıca modeli uzun proteinler üretmeye uygun hale getirmek için birçok özel mühendislik yaklaşımını da dahil ettik.” diyen Lyu, ProteinVAE’nin kasıtlı olarak hafif şekilde tasarlandığını sözlerine ekledi.
Lyu şunları söylüyor: “Uzun bir proteini tasarlamak için yüksek hesaplama kaynakları gerektiren büyük modellerin aksine ProteinVAE herhangi bir standart GPU’da hızlı eğitim ve çıkarımı destekliyor. Bu özellik, modeli diğer akademik laboratuvarlar için daha kolay hale getirebilir. Moleküler simülasyonla doğrulanan yapay zeka modelimiz, protein yüzeyinin önemli bir yüzdesini değiştirerek potansiyel olarak bağışıklık tepkilerinden kaçma yeteneğini gösteriyor. Bu çalışma, üretken yapay zeka kullanarak potansiyel olarak yeni alt türler ve hatta biyolojik varlık türleri tasarlayabileceğimizi gösteriyor. Bu varlıklar yeni tıbbi tedavilerde kullanılabilecek terapötik değere sahip.”
Lyu, bir sonraki adımın laboratuvarda deneysel testler olduğunu belirtiyor. Garton, yapay zeka modelinin gen terapisi protein tasarımının ötesinde kullanılabileceğine ve muhtemelen diğer hastalık durumlarında da protein tasarımını desteklemek için genişletilebileceğine inanıyor.
Derleyen: Esin Özcan
