Google DeepMind, proteinlerin şeklini ve davranışını tahmin eden dönüştürücü makine öğrenimi modeli olan AlphaFold’un yeni bir versiyonunu tamamladı. AlphaFold 3 yalnızca daha doğru olmakla kalmıyor, aynı zamanda diğer biyomoleküllerle olan etkileşimleri de tahmin ederek onu çok daha çok yönlü bir araştırma aracı haline getiriyor ve şirket, modelin sınırlı bir versiyonunu çevrimiçi olarak ücretsiz olarak kullanıma sunuyor.
İlk AlphaFold’un 2018’de piyasaya sürülmesinden bu yana model, protein yapısını, onları oluşturan amino asit dizisinden tahmin etmede önde gelen yöntem olmaya devam etti.
Bu oldukça dar bir görev gibi görünse de, vücudumuzda neredeyse sonsuz çeşitlilikte görevleri yerine getiren proteinleri moleküler düzeyde anlamak neredeyse tüm biyolojinin temelini oluşturur. Son yıllarda AlphaFold ve RoseTTaFold gibi hesaplamalı modelleme teknikleri pahalı, laboratuvar tabanlı yöntemlerin yerini alarak birçok alanda binlerce araştırmacının çalışmalarını hızlandırdı.
Ancak DeepMind kurucusu Demis Hassabis’in yeni sistemle ilgili bir basın toplantısında ifade ettiği gibi, her model “yolda sadece bir adım” olduğundan, teknoloji hala devam eden bir çalışmadır. Şirket geçen yılın sonlarında piyasaya sürüleceğini duyurmuştu ancak bu onun resmi başlangıcını işaret ediyor.
Yeni modelin sonuçları tam olarak nasıl iyileştirdiğine bilim bloglarının girmesine izin vereceğim, ancak çeşitli iyileştirmeler ve modelleme tekniklerinin AlphaFold 3’ü yalnızca daha doğru değil, aynı zamanda daha geniş çapta uygulanabilir hale getirdiğini söylemekle yetineceğim.
Protein modellemenin sınırlamalarından biri, bir amino asit dizisinin alacağı şekli bilseniz bile, bunun, onun başka hangi moleküllere ve nasıl bağlanacağını mutlaka bildiğiniz anlamına gelmemesidir. Ve eğer bu moleküllerle gerçekten bir şeyler yapmak istiyorsanız, ki çoğu kişi bunu yapıyor, bunu daha zahmetli modelleme ve testlerle bulmanız gerekiyordu.
“Biyoloji dinamik bir sistemdir ve biyolojinin özelliklerinin nasıl ortaya çıktığını anlamalısınız. etkileşimler Hücredeki farklı moleküller arasında. Ve AlphaFold 3’ü buna yönelik ilk büyük adımımız olarak düşünebilirsiniz” dedi Hassabis. “Elbette diğer proteinlerle etkileşime giren proteinleri modelleyebiliyor, aynı zamanda DNA ve RNA iplikçikleri de dahil olmak üzere diğer biyomolekülleri de modelleyebiliyor.”
AlphaFold 3, birden fazla molekülün aynı anda simüle edilmesine olanak tanıyor; örneğin bir DNA ipliği, bazı DNA bağlayıcı moleküller ve belki bazı şeyleri renklendirecek bazı iyonlar. İşte böyle özel bir kombinasyon için elde edeceğiniz şey: DNA şeritleri ortadan yukarı doğru çıkıyor, proteinler yanda parlıyor ve sanırım bunlar, küçük yumurtalar gibi ortada yuvalanmış iyonlar:
Bu elbette başlı başına bilimsel bir keşif değil. Ancak deneysel bir proteinin bağlanacağını veya bu şekilde bağlanacağını veya bu şekle büküleceğini anlamak bile genellikle en az günler, belki de haftalar veya aylar süren bir çalışmaydı.
Son birkaç yıldır bu alanda yaşanan heyecanı abartmak zor olsa da, araştırmacılar etkileşim modellemesinin eksikliği (bunun yeni versiyonu bunun bir biçimini sunuyor) ve modeli uygulama zorluğu nedeniyle büyük ölçüde engellendi.
Bu ikinci sorun belki de ikisinden daha büyüğüdür; çünkü yeni modelleme teknikleri bir bakıma “açık” olsa da, diğer yapay zeka modelleri gibi bunların konuşlandırılması ve çalıştırılması mutlaka basit değildir. Bu nedenle Google DeepMind, modeli ticari olmayan kullanıma uygun hale getiren ücretsiz, tamamen barındırılan bir web uygulaması olan AlphaFold Sunucusunu sunuyor.
Ücretsizdir ve kullanımı oldukça kolaydır – bunu, onlar açıklarken görüşme sırasında başka bir pencerede yaptım (yukarıdaki resmi bu şekilde elde ettim). Sadece bir Google hesabına ihtiyacınız var ve ardından onu işleyebileceği kadar çok sayıda dizi ve kategoriyle beslersiniz – bazı örnekler verilmiştir – ve gönderirsiniz; Birkaç dakika içinde işiniz bitmeli ve size modelin o konumdaki konformasyona olan güvenini temsil edecek şekilde renklendirilmiş canlı bir 3 boyutlu molekül verilecek. Yukarıdaki şekilde görebileceğiniz gibi, şeritlerin uçları ve düzensiz atomlara daha fazla maruz kalan kısımlar, daha az güveni belirtmek için daha açık veya kırmızıdır.
Kamuya açık model ile şirket içinde kullanılan model arasında gerçek bir fark olup olmadığını sordum; Hassabis, “Yeni modelin yeteneklerinin çoğunu kullanıma sunduk” dedi ancak bunun ötesinde ayrıntıya girmedi.
Açıkça Google, bir dereceye kadar en iyi parçaları kendine saklarken, ki bu da elbette onların ayrıcalığıdır, ağırlığını koyuyor. Bunun gibi ücretsiz, barındırılan bir araç yapmak, bu göreve önemli miktarda kaynak ayırmayı gerektirir – hata yapmayın, bu bir para tuzağıdır, dünya çapındaki araştırmacıları AlphaFold 3’ün eninde sonunda olması gerektiğine ikna etmek için pahalı (Google’a göre) bir paylaşılan yazılım sürümüdür. en azından sadaklarında bir ok.
Ancak sorun değil, çünkü teknoloji büyük olasılıkla Alphabet’in yan kuruluşu (ki bu da onu Google’ın… kuzeni yapıyor?) Isomorphic Labs aracılığıyla, AlphaFold gibi hesaplama araçlarını ilaç tasarımında çalıştıran Isomorphic Labs aracılığıyla basacak. Evet, bugünlerde herkes hesaplama araçlarını kullanıyor – ancak Hassabis’in belirttiği gibi Isomorphic, DeepMind’in en son modellerini ilk kez “ilaç keşfiyle ilgili daha özel şeylerle” birleştirerek çözdü. Şirketin hâlihazırda Eli Lilly ve Novartis ile ortaklıkları bulunuyor.
Ancak AlphaFold biyolojinin her şeyi ve sonu değil; sayısız araştırmacının da hemfikir olacağı gibi sadece çok kullanışlı bir araç. Ve bu onların Isomorphic’ten Max Jaderberg’in “rasyonel ilaç tasarımı” olarak adlandırdığı şeyi yapmalarına olanak tanıyor.
“Bunun İzomorfik Laboratuarlarda nasıl bir etkisi olduğunu her gün düşünürsek: Bilim adamlarımıza, ilaç tasarımcılarımıza atom seviyesinde hipotezler oluşturup test etmelerine ve ardından saniyeler içinde son derece doğru yapı tahminleri üretmelerine olanak tanıyor… bilim insanları, yapılması gereken etkileşimlerin neler olduğu ve iyi bir ilaç yaratmak için bu tasarımların nasıl ilerletilebileceği konusunda akıl yürütüyorlar” dedi. “Bu, deneysel olarak bunu yapmanın aylar hatta yıllar alabileceği ile karşılaştırılıyor.”
Birçoğu AlphaFold Server gibi ücretsiz, barındırılan bir aracın başarısını ve geniş kullanılabilirliğini kutlayacak olsa da, diğerleri bunun açık bilim için gerçekten bir kazanç olmadığını haklı olarak belirtebilir.
Pek çok tescilli yapay zeka modeli gibi, AlphaFold’un eğitim süreci ve onu kopyalamak için önemli olan diğer bilgiler – hatırlayacağınız üzere bilimsel yöntemin temel bir parçası – büyük oranda ve giderek artan bir şekilde gizleniyor. Nature’da yayınlanan makale, yaratılış yöntemlerini bazı ayrıntılarıyla ele alırken, pek çok önemli ayrıntı ve veri eksik; bu da, gezegendeki en güçlü moleküler biyoloji aracını kullanmak isteyen bilim adamlarının bunu, Alphabet’in, Google’ın ve DeepMind’ın (dizginlerin gerçekte hangisinin elinde olduğunu kim bilebilir) dikkatli gözleri.
Açık bilimin savunucuları yıllardır bu ilerlemelerin dikkate değer olduğunu ancak uzun vadede bu tür şeyleri açıkça paylaşmanın her zaman daha iyi olduğunu söylüyorlar. Sonuçta bilim bu şekilde ilerliyor ve aslında dünyadaki en önemli yazılımlardan bazıları da bu şekilde gelişiyor.
AlphaFold Sunucusunu herhangi bir akademik veya ticari olmayan uygulamaya ücretsiz hale getirmek birçok açıdan çok cömert bir davranıştır. Ancak Google’ın cömertliği nadiren koşulsuz olarak gelir. Şüphesiz birçok araştırmacı yine de bu balayı döneminden yararlanarak diğer ayakkabı düşmeden modeli olabildiğince insani bir şekilde kullanmaya çalışacaktır.