\n<\/p>\n
Google<\/a> DeepMind ara\u015ft\u0131rmac\u0131lar\u0131, insan DNA<\/a>\u2019s\u0131ndaki tekil varyasyonlar\u0131n ya da mutasyonlar\u0131n, ilgili genlerin y\u00f6netti\u011fi biyolojik s\u00fcre\u00e7leri nas\u0131l etkiledi\u011fini y\u00fcksek do\u011frulukla tahmin edebilen yeni bir yapay zeka<\/a> arac\u0131 geli\u015ftirdi.<\/p>\n \u201cAlphaGenome\u201d ad\u0131 verilen bu model, son derece karma\u015f\u0131k bir problemi \u00f6nceki y\u00f6ntemlere k\u0131yasla \u00e7ok daha k\u0131sa s\u00fcrede ve daha az hesaplama g\u00fcc\u00fcyle \u00e7\u00f6zebiliyor.<\/p>\n \u00a0<\/p>\n DNA’NIN KARANLIK B\u00d6LGELER\u0130<\/strong><\/p>\n \u00a0<\/p>\n DNA, canl\u0131lar\u0131n nas\u0131l \u00e7al\u0131\u015faca\u011f\u0131n\u0131 belirleyen bir t\u00fcr \u201ch\u00fccresel kullan\u0131m k\u0131lavuzu\u201d olarak d\u00fc\u015f\u00fcn\u00fclebilir. Adenin (A), guanin (G), sitozin (C) ve timin (T) olmak \u00fczere d\u00f6rt kimyasal bazdan olu\u015fan bu k\u0131lavuz, \u00e7ok uzun diziler halinde bir araya gelerek devasa miktarda bilgi ta\u015f\u0131yor. Ancak bu dizilerdeki \u00f6r\u00fcnt\u00fcleri ve \u201ckurallar\u0131\u201d \u00e7\u00f6zmek olduk\u00e7a zor.<\/p>\n \u00dcstelik DNA\u2019daki \u00e7ok k\u00fc\u00e7\u00fck de\u011fi\u015fiklikler bile biyolojik s\u00fcre\u00e7leri ciddi bi\u00e7imde etkileyebiliyor ve hastal\u0131klara yol a\u00e7abiliyor.<\/p>\n Nitekim bu kimyasal bazlar\u0131n yer de\u011fi\u015ftirmesinin ne gibi sonu\u00e7lar do\u011furaca\u011f\u0131n\u0131 molek\u00fcler d\u00fczeyde tahmin etmek bug\u00fcne kadar \u00e7ok zordu. De\u011fi\u015fikliklerin yakla\u015f\u0131k y\u00fczde 98\u2019inin protein \u00fcretmeyen, ancak gen ifadesini etkileyebilen ve \u201ckaranl\u0131k genom\u201d olarak adland\u0131r\u0131lan b\u00f6lgelerde ger\u00e7ekle\u015fmesi, bu zorlu\u011fu daha da art\u0131r\u0131yordu.<\/p>\n \u00a0<\/p>\n Karanl\u0131k genom, genlerin ne zaman, nerede ve ne \u00f6l\u00e7\u00fcde a\u00e7\u0131l\u0131p kapanaca\u011f\u0131n\u0131 belirlemede rol oynuyor. \u00c7evresel sinyallere yan\u0131t veriyor ve ayn\u0131 genin farkl\u0131 \u00e7\u0131kt\u0131lar \u00fcretmesini sa\u011flayan “RNA birle\u015ftirme” (splicing) s\u00fcrecini etkiliyor. Hastal\u0131klarla ba\u011flant\u0131l\u0131 bir\u00e7ok varyant da burada gizleniyor. B\u00f6ylece proteinleri de\u011fi\u015ftirmeden gen etkinli\u011fini etkiliyor. Bilim insanlar\u0131 bunlar\u0131n ne oldu\u011funu bulabilirse bir\u00e7ok hastal\u0131\u011f\u0131n da \u00f6n\u00fcne ge\u00e7ebilir.<\/p>\n \u00a0<\/p>\n \u0130\u015fte tam bu noktada yapay zeka devreye giriyor. B\u00fcy\u00fck veri k\u00fcmelerini okuyabilen ve karma\u015f\u0131k \u00f6r\u00fcnt\u00fcleri tan\u0131yabilen yapay zeka modelleri, bu t\u00fcr tahminler i\u00e7in g\u00fc\u00e7l\u00fc bir ara\u00e7.<\/p>\n \u00a0<\/p>\n ALPHAFOLD’UN ARDINDAN GELEN YEN\u0130L\u0130K<\/strong><\/p>\n \u00a0<\/p>\n Sayg\u0131n bilimsel dergi Nature\u2019ta yay\u0131mlanan \u00e7al\u0131\u015fmaya g\u00f6re Google DeepMind, daha \u00f6nce insan v\u00fccudundaki neredeyse t\u00fcm bilinen proteinlerin \u00fc\u00e7 boyutlu yap\u0131s\u0131n\u0131 tahmin eden AlphaFold modeliyle b\u00fcy\u00fck ses getirmi\u015f, \u015firketin kurucular\u0131ndan Demis Hassabis ve John Jumper bu \u00e7al\u0131\u015fmalar\u0131yla 2024 Nobel Kimya \u00d6d\u00fcl\u00fc\u2019n\u00fc kazanm\u0131\u015ft\u0131.<\/p>\n \u00a0<\/p>\n \u015eirketin yeni modeli AlphaGenome ise 1 milyon baz \u00e7iftine kadar uzanan DNA dizilerini analiz edebiliyor ve bunlar\u0131n molek\u00fcler \u00f6zelliklerini tahmin edebiliyor. Ara\u015ft\u0131rmac\u0131lar, modelin gen ifadesi, RNA kesilip birle\u015ftirilmesi ve protein modifikasyonlar\u0131 gibi i\u015flevlerle ili\u015fkili 5 bin 930 insan ya da bin 128 fare genetik sinyalini ayn\u0131 anda \u00f6ng\u00f6rebildi\u011fini ortaya koydu.<\/p>\n AlphaGenome, mevcut \u201cen ileri\u201d modellerle kar\u015f\u0131la\u015ft\u0131r\u0131ld\u0131\u011f\u0131nda 26 testin 25\u2019inde daha iyi performans sergiledi.<\/p>\n \u00a0<\/p>\n PRAT\u0130KTE NE \u0130\u015eE YARAYACAK?<\/strong><\/p>\n \u00a0<\/p>\n Ara\u015ft\u0131rmac\u0131lara g\u00f6re AlphaGenome, hastal\u0131klar\u0131n biyolojik temellerini daha iyi anlamak ve uzun vadede yeni tedaviler geli\u015ftirmek isteyen bilim insanlar\u0131 i\u00e7in \u00e7ok \u00f6nemli bir ara\u00e7 olacak. Bu hedef do\u011frultusunda model, ticari olmayan kullan\u0131m alanlar\u0131 i\u00e7in \u00fccretsiz olarak eri\u015fime a\u00e7\u0131ld\u0131.<\/p>\n \u00a0<\/p>\n \u00c7al\u0131\u015fmada yer almayan King\u2019s College London\u2019dan Molek\u00fcler Biyofizik Profes\u00f6r\u00fc Rivka Isaacson, IFL Science’a yapt\u0131\u011f\u0131 a\u00e7\u0131klamada bulgular\u0131 \u201ckaranl\u0131k genomu ayd\u0131nlatma yolunda heyecan verici bir ad\u0131m\u201d olarak nitelendiriyor.<\/p>\n \u00a0<\/p>\n Isaacson, DNA\u2019n\u0131n protein kodlamayan uzun b\u00f6l\u00fcmlerinin tamamen \u00e7\u00f6z\u00fclmesinin belki de hi\u00e7bir zaman m\u00fcmk\u00fcn olmayaca\u011f\u0131n\u0131, ancak AlphaGenome\u2019un bilim insanlar\u0131na ipu\u00e7lar\u0131 arayabilecekleri \u00e7ok geni\u015f veri setleri sundu\u011funu s\u00f6yl\u00fcyor.<\/p>\n \u00a0<\/p>\n Wellcome Sanger Enstit\u00fcs\u00fc\u2019nden Prof. Ben Lehner ise daha temkinli bir de\u011ferlendirme yap\u0131yor. AlphaGenome\u2019un biyolojik ke\u015fifleri ve tedavi geli\u015ftirmeyi h\u0131zland\u0131ran yapay zeka \u00e7\u00f6z\u00fcmlerinin iyi bir \u00f6rne\u011fi oldu\u011funu belirten Lehner, modelin hen\u00fcz m\u00fckemmellikten uzak oldu\u011funa dikkat \u00e7ekiyor. Lehner\u2019e g\u00f6re en b\u00fcy\u00fck sorun, yapay zekay\u0131 e\u011fitmek i\u00e7in gereken biyolojik verilerin h\u00e2l\u00e2 yetersiz olmas\u0131.<\/p>\n \u00a0<\/p>\n \u201cBir sonraki nesil modeller i\u00e7in veriyi h\u0131zl\u0131, d\u00fc\u015f\u00fck maliyetli ve herkesin eri\u015febilece\u011fi \u015fekilde \u00fcretmemiz gerekiyor.”<\/p>\n<\/div>\n