César de la Fuente'nin laboratuvarı antimikrobiyal adayları ChatGPT ve Codex ile arıyor

Antimikrobiyal direnç ve keşfin yavaşlığı

İlaç dirençli bakteri, mantar, parazit ve virüsler büyüyen bir küresel tehdit oluşturuyor. 2021'de yaklaşık 5 milyon ölüm bakteriyel antimikrobiyal dirençle ilişkilendirildi. Bakteriyel antimikrobiyal dirençle ilişkili yıllık ölüm sayısının 2050'ye kadar kabaca iki katına çıkması öngörülüyor.

Biyomühendis César de la Fuente, antimikrobiyal direncin insanlık için en büyük varoluşsal tehditlerden biri olduğunu belirtiyor. De la Fuente, 50 yıldır yeni bir antibiyotik sınıfının bulunmadığını ifade ediyor. Modern antimikrobiyal geliştirmenin büyük bölümü mevcut ilaçların değiştirilmesine veya bilinen kimyasal sınıflarının araştırılmasına odaklanıyor; ancak bu yaklaşım azalan getiri sunuyor.

Antimikrobiyal olma potansiyeli taşıyan molekülleri bulmak yıllar alabiliyor. Bilim insanları numuneler topluyor, aday molekülleri izole ediyor veya tahmin ediyor ve bunları yıllar sürebilen yinelemeli bir süreçte test ediyor. Araştırmacılar keşfin bu erken aşamasını hızlandırmak için yapay zekâ kullanıyor.

Yaşamın kodu ve biyolojinin bilgi olarak ele alınması

De la Fuente'nin laboratuvarı, biyolojinin bir bilgi sistemi olduğu temel fikrinden yola çıkarak çok daha az keşfedilmiş bir alandan, yaşamın kodundan başlıyor. De la Fuente'ye göre DNA'yı oluşturan nükleotidler ile protein ve peptitleri oluşturan amino asitler bir tür alfabe gibidir. Ona göre biyolojiyi bilgi olarak düşünmek, işlevsel bir molekülü ortaya çıkaran yaşamın düzenleyici ilkelerini çözmeye başlayabilen yöntemler geliştirmelerini sağladı.

Laboratuvarın derin öğrenme modelleri, biyolojik dizilerdeki kalıpları tanıyacak şekilde eğitildi. Bu modeller, potansiyel antimikrobiyaller için geniş genom ve protein veri kümelerinde arama yapabiliyor. Bu yaklaşım, aday moleküllerin ilk araştırma süresini yıllardan saatlere indirebiliyor.

Laboratuvar, aday moleküller için yaşayan ve soyu tükenmiş organizmaların genomlarını araştırıyor. Bir genomun yalnızca küçük bir bölümünün işlevi açıkça anlaşılmış durumda; enfeksiyon yapan mikroplarla savaşabilen molekülleri kodlayan genom bölümleri daha da az. Zorluk, bir molekülü işlevsel veya biyolojik olarak aktif kılan kalıpları belirlemek ve hangilerinin bulaşıcı mikroplarla savaşma potansiyeli taşıdığını saptamaktır.

Dijital veri tabanları ve yapay zekânın arama gücü

Bilim insanları antimikrobiyalleri uzun süredir bitkiler, hayvanlar, mikroplar, böcekler, su ve toprakta arıyor. Dijital genom ve protein veri tabanları artık bilim insanlarının yeni bileşikler için yaşam ağacı genelinde arama yapmasına olanak tanıyor. Bu veri tabanları, keşif için mevcut veri tabanlarının kapsamını önemli ölçüde genişletiyor.

Ancak bilgi bolluğu, çok sayıda olasılık arasında umut verici sinyalleri bulma zorluğunu beraberinde getiriyor. Yapay zekâ bu iğneyle samanlıkta arama işine uygun: büyük veri kümelerini tarayabiliyor, araştırmacıların fark etmekte zorlanabileceği kalıpları belirleyebiliyor ve deneysel test için yönetilebilir bir aday kümesini önceliklendirebiliyor.

Bu genomları aramak, kodladıkları proteinlerin nasıl oluştuğunu ve işlev gördüğünü anlamak ve bu moleküllerin ne yaptığını belirlemek birkaç alana yayılan uzmanlık gerektiriyor. Laboratuvar, biyoloji, kimya, bilgisayar bilimi ve mühendislikten insanları bir araya getiren yüksek düzeyde disiplinler arası bir grup. De la Fuente'ye göre bazı laboratuvar üyeleri güçlü programcılar ama biyoloji veya kimya hakkında daha az bilgiye sahip; bazılarında ise bunun tersi geçerli.

ChatGPT ve Codex'in laboratuvardaki rolü

Laboratuvar kendi yapay zekâ modellerinin yanı sıra hipotez geliştirmek, kod yazmak ve iyileştirmek, veri kümelerini işlemek, sonuçları analiz etmek ve bilimsel disiplinler arasındaki fikirleri bağlamak için ChatGPT ve Codex kullanıyor. Codex ve ChatGPT, biyologların program yazmasına ve programcıların biyolojik sorunlarla ilgilenmesine olanak tanıyarak boşlukları kapatmaya yardımcı oluyor. De la Fuente'ye göre yapay zekâ bilimsel disiplinler arasındaki engelleri azaltıyor.

Yapay zekâ, laboratuvar üyelerinin disiplinler arası çalışmaları için ihtiyaç duydukları bilmedikleri konuları gözden geçirmelerine, terminolojiyi netleştirmelerine, alanlar arası yöntemleri karşılaştırmalarına ve ilaç keşfi için fikirleri düzenlemelerine yardımcı oluyor. Bazı laboratuvar üyeleri büyük genom veri kümelerini indirmek, düzenlemek ve ön işlemek için yapay zekâ kullanıyor. ChatGPT ayrıca laboratuvar üyelerinin ana dillerinde çalışmasına olanak tanıyor; bu da iş akışlarını hızlandırmak için engelleri azaltıyor.

De la Fuente, ChatGPT'yi bir beyin fırtınası ortağı olarak kullanıyor. Laboratuvar üyeleri iyi ve kötü fikirlerini ChatGPT'ye iletiyor; de la Fuente'ye göre ChatGPT çalışma alanı, sorunlara farklı düşünen birçok kişiden girdi alıyor ve bir tür ortak fikir tahtası haline geliyor. De la Fuente, yapay zekânın bir hipotez oluşturmasına yardımcı olma yeteneğine ve dünyanın bilgisine bir düğme tıklamasıyla erişebilmeye değer veriyor. Ayrıca yapay zekânın araştırmacıların bilimsel disiplinler arasındaki sınırları keşfetmesine yardımcı olma yeteneğini önemsiyor.

Adaydan ilaca giden uzun yol ve doğrulama

Umut verici bir adayın belirlenmesi, onun etkili bir ilaca dönüşeceği anlamına gelmiyor. Bilim insanları önce aday molekülün hedef mikrobu öldürdüğünü doğrulamalı, etkili olması için gereken miktarı belirlemeli ve aday molekülün insan hücrelerini nasıl etkilediğini test etmeli. Kimyagerler daha sonra etkinliği, güvenliği veya stabiliteyi iyileştirmek için molekülü optimize edebilir.

İleri testler, adayın toksik hale geldiği dozu, mikropların moleküle ne kadar kolay direnç geliştirdiğini ve adayın vücutta nasıl hareket ettiğini değerlendiriyor. Ekipler ayrıca molekülü üretmenin güvenilir bir yolunu belirliyor. Bu engelleri aşan adaylar, onaylanmış antimikrobiyal ilaçlar olarak hastalara ulaşmadan önce düzenleyici inceleme ve klinik denemelerle karşılaşıyor.

De la Fuente, yapay zekâ tahminlerini doğrulamak için gerçek dünya deneylerinin temel olduğunu belirtiyor. Yalnızca yapay zekâya güvenmeye karşı uyarıda bulunuyor ve doğruluk için her zaman iki kez kontrol edilmesi gerektiğini söylüyor.

De la Fuente, makinelerin artık araştırmacıların biyolojiyi anlamasına, tahmin etmesine ve mühendislikle şekillendirmesine yardımcı olduğunu belirtiyor. Ona göre teleskop kozmosu, mikroskop ise görünmezlerin dünyasını aydınlattı; makineler şimdi benzer bir rolü biyoloji için üstleniyor.