Gelişmiş yapay zeka sistemlerinin biyolojideki potansiyel uygulamaları her geçen gün genişliyor. Bu gelişmelerin merkezinde yer alan en heyecan verici alanlardan biri de biyolojik dil modelleriyle protein tasarımı. Artık sadece birkaç satırlık yazılı komutla, daha önce hiç var olmayan proteinler tasarlamak mümkün hale geliyor.
Kötü Bir Başlangıç: İlk Yapay Protein Denemesi
Basit bir protein dil modeliyle (PLM) çalışan biri, birkaç satır kodla kısa bir amino asit dizisi üretmeyi başardı. Ancak Google DeepMind tarafından geliştirilen AlphaFold’un tahminine göre bu protein yapısal olarak gerçekçi görünse de güvenilirlik düzeyi düşüktü. Bu, proteinin hücre içinde sentezlenmesinin ya da işlev görmesinin pek mümkün olmadığını gösteriyordu.
Biyolojik Yapay Zekada Yeni Bir Dalga
Şimdi ise bilim insanları, sıradan dili anlayan ve moleküler tasarım yapabilen yeni nesil biyolojik yapay zekâlar geliştiriyor. Bu modeller, yalnızca protein üretimiyle sınırlı kalmayıp, hücre içi mekanizmaların daha iyi anlaşılması gibi alanlarda da kullanılıyor. Böylece, yapay zekâ ile biyoloji arasında kurulan bağ daha da derinleşiyor.
Bu modeller sayesinde araştırmacılar, karmaşık biyolojik süreçleri sade bir dille sorgulayabiliyor ve sonuçta ortaya çıkan proteinler veya diğer moleküller üzerinde daha fazla kontrol sahibi olabiliyor.
Columbia Üniversitesi’nden hesaplamalı biyolog Mohammed AlQuraishi, bu konuda şöyle diyor: “Ne istediğimizi açıkça belirtebilmek ve bu özelliklere sahip proteinler tasarlayabilmek çok faydalı olurdu.”
Metinden Proteine: PINAL Modeli
Batı Çin’deki Westlake Üniversitesi’nden Fajie Yuan’ın liderliğinde geliştirilen PINAL adlı model, sıradan yazılı komutlardan yola çıkarak işlevsel proteinler tasarlayabiliyor. Bu model, laboratuvar ortamında test edilmiş floresan proteinler ve enzimler üretmeyi başardı. Yuan, “Sadece yazıyla komut vererek işlevsel bir enzim tasarlayan ilk biziz,” diyor. “Bilim kurgu gibi.”
PINAL’in en dikkat çekici yanı, geleneksel yapay zekâlardan farklı olarak bir amino asit dizisine veya protein yapısına ihtiyaç duymadan yalnızca yazılı komutlarla çalışması. Bu, protein tasarımına yepyeni bir erişim kolaylığı sunuyor.
Yüksek Risk, Yüksek Ödül
Ancak bu modellerin henüz erken aşamada olduğunu belirten Wisconsin-Madison Üniversitesi’nden Anthony Gitter, “Bu alan yüksek risk, yüksek ödül potansiyeli taşıyor,” diyor.
PINAL, 1.7 milyar protein açıklamasıyla eğitilmiş bir model. ‘Lütfen bir alkol dehidrogenaz proteini tasarla’ gibi bir komut verdiğinizde, model yüzlerce alternatif tasarım sunabiliyor. Araştırmacılar daha sonra bu tasarımları çeşitli araçlarla analiz edip en umut verici olanları laboratuvarda test ediyor. Sekiz farklı tasarım arasından ikisi, düşük verimle de olsa alkolü parçalayan bir enzim gibi işlev gösterdi.
Diğer Sistemler: ESM-3, MP4
Başka araştırma grupları da benzer sistemler geliştirmiş durumda. Örneğin ESM-3 adlı model, anahtar kelimelerle veya doğrudan protein dizileriyle yönlendirilebiliyor. 310.ai isimli girişim şirketi ise MP4 adlı ticari bir araç geliştirdi. Bu model, yazılı komutlarla çeşitli proteinler tasarlayarak hücresel enerji kaynağı ATP’ye bağlanabilen moleküller ortaya çıkardı. Şirket şu anda bu modeli kullanarak, obezite tedavisinde kullanılan GLP-1 benzeri proteinler tasarlamayı hedefliyor.
Ancak doğru komutları oluşturmak hâlâ önemli bir zorluk. Şirketin kurucularından Kathy Wei, bu süreci görüntü üreten yapay zekâların erken dönemine benzetiyor: Bazı komutlar harikalar yaratırken, bazıları başarısız sonuçlar veriyor. İnsan eli çizmekte zorlanan sistemler gibi, MP4 de zaman zaman tekrarlayan diziler üretebiliyor.
İlaç Tasarımı ve Hücrelerle İletişim
Yapay zekâ yalnızca protein değil, küçük moleküller tasarlamak için de kullanılabiliyor. Gitter’ın ekibi, metin komutlarıyla potansiyel ilaç molekülleri tasarlayan bir model geliştirdi. Henüz laboratuvarda test edilmemiş olsa da, ilaç keşfinde kullanılan bilgisayarlı analiz araçları bazı moleküllerin umut verici olduğunu gösterdi.
Bir başka heyecan verici gelişme ise hücrelerle “konuşmak”. RNA dizileme gibi veri yoğun işlemlerle elde edilen bilgiler, artık metinle özetlenebiliyor. Avusturya Tıp Üniversitesi’nden Christoph Bock’un geliştirdiği CellWhisperer adlı sohbet botu, hücrelere ait verileri sade bir dille açıklayabiliyor. Kullanıcılar hücre gruplarını seçerek bu grupların özelliklerini sorgulayabiliyor.
Benzer şekilde geliştirilen Cell2Sentence modeli, hücrelerin hangi genleri ifade ettiğini bir “cümle” haline getirerek mevcut dil modellerine yüklüyor. Bu sayede hücrenin türü ya da bir tedaviye vereceği tepki gibi bilgiler doğal dilde aktarılabiliyor.
Gelecek Vaat Eden Başlangıçlar
Bazı uzmanlar, bu tür biyolojik dil modellerinin hâlâ “gösterişten ibaret” olduğunu düşünse de, bilimsel veriyle eğitilen büyük dil modellerinin potansiyeli göz ardı edilemez. Columbia Üniversitesi’nden AlQuraishi, bu alanda büyük teknoloji şirketlerinin şimdiden çalışmalara başladığını tahmin ediyor.
Kaynak metnin yazarı ise kendi başarısız protein denemesinin ardından PINAL’i kullanarak “iyi bir protein yap” komutunu verdiğinde, AlphaFold’dan yüksek güvenli bir yapı tahmini elde etti. Her ne kadar bu yeni protein gerçek bir işlev görmese de, bu alandaki ilerleme için umut verici bir adım olduğu açık. Benzer içerikler için web sitemizi takipte kalın.
Kaynak
Callaway, E. I told AI to make me a protein. Here’s what it came up with. Nature (2025) https://doi.org/10.1038/d41586-025-01586-y
