Araştırmacı, Protein Dönüşümünü Anlamak İçin Doğal Dil İşleme Algoritmalarını Kullanıyor

Maryland Üniversitesi'nden araştırmacılar yakın zamanda başvurdu doğal dil işleme teknikleri ve makine öğrenimi algoritmaları ile nasıl yapılacağına dair fikir edinmek için protein molekülleri bir şekilden başka bir şekle geçmek. son kağıtNature Communications dergisinde yayınlanan, proteinlerin dönüşümü ile ilgili olarak biyomoleküler sistemlerin dinamiklerini incelemek için bir AI algoritmasının kullanıldığı ilk kez.

Protein molekülleri çeşitli biçimler alabilir, ancak bir proteinin bir biçimden diğerine geçmesini sağlayan mekanizmalar hâlâ biraz gizemlidir. Bir protein molekülünün işlevi, şekliyle tanımlanır ve bir proteinin şeklini/yapısını etkileyen mekanizmaların daha iyi anlaşılması, bilim insanlarının hedefe yönelik ilaç tedavileri tasarlamasına ve hastalıkların nedenini belirlemesine olanak sağlayabilir.

Biyolojik moleküller sabit değildir, çevrelerindeki olaylara tepki olarak sürekli hareket halindedirler. Çevresel baskılar, moleküllerin genellikle aniden farklı biçimlere geçmesine neden olabilir. Bir yayın bükülmesine çok benzer bir süreçle, bir molekül birdenbire tamamen farklı bir yapıya dönüşebilir. Molekülün farklı kısımları açılır ve katlanır ve araştırmacılar farklı moleküler formlar arasındaki ara aşamaları incelediler.

Phys.org'a göre, Pratyush Tiwary makalenin kıdemli yazarıydı ve Maryland Kimya ve Biyokimya Bölümü ile Fiziksel Bilim ve Teknoloji Enstitüsü'nde yardımcı doçent olarak görev yapıyor. Tiwary'ye göre doğal dil işleme, moleküllerin nasıl dönüştüğünü ve uyum sağladığını modellemek için kullanılabilir. Tiwary, moleküllerin konuştukları belirli bir "dile" sahip olduklarını, moleküllerin soyut bir dile çevrilebilmelerini sağlayan hareketlere sahip olduklarını belirtiyor. Molekül hareketinin dil kalıplarıyla eşleştirilmesine yönelik bu süreç gerçekleştirilirken, doğal dil işleme teknikleri ve yapay zeka algoritmaları, "sonuçta ortaya çıkan soyut kelimelerden biyolojik olarak doğru hikayeler oluşturmak" için kullanılabilir.

Bir molekül bir formdan başka bir forma geçtiğinde, geçiş son derece hızlı gerçekleşir. Geçiş yalnızca saniyenin trilyonda biri kadar uzun sürebilir. Geçişin muazzam hızı, bilim adamlarının spektroskopi ve hatta yüksek güçlü mikroskoplar gibi yöntemler kullanarak açılma sürecini hangi parametrelerin etkilediğini belirlemesini zorlaştırıyor. Hangi parametrelerin proteinlerin açılımını etkilediğini belirlemek için Tiwary ve araştırma ekibinin geri kalanı, proteinleri simüle eden fizik modelleri yarattı. Moleküllerin şeklini, yörüngesini ve hareketini taklit eden protein simülasyonları oluşturmak için karmaşık istatistiksel modeller kullanıldı. Modeller daha sonra doğal dil işleme yöntemlerine dayalı bir makine öğrenme algoritmasına verildi.

Makine öğrenimi sistemini eğitmek için kullanılan doğal dil işleme modelleri, Gmail'in kullandığı tahmine dayalı metin sistemlerinde kullanılan algoritmalara çok benziyordu. Simüle edilmiş proteinler, moleküllerin hareketlerinin "harflere" çevrildiği bir dil olarak ele alındı. Harfler daha sonra kelimeler ve cümleler oluşturmak için birbirine bağlandı. Makine öğrenimi algoritmaları, hangi şekillerin/hareketlerin diğer şekilleri/hareketleri takip ettiğini belirleyerek protein yapılarının ardındaki gramer ve sözdizimsel kuralları öğrenebildi. Algoritmalar daha sonra belirli proteinlerin nasıl çözüleceğini ve hangi şekilleri alacaklarını tahmin etmek için kullanılabilir.

Araştırmacılar bir uzun kısa süreli bellek (LSTM) Protein tabanlı cümleleri analiz etmek için ağ. Araştırma ekibi ayrıca ağın dayandığı matematiği takip etti ve ağ moleküler dönüşümün dinamiklerini öğrenirken parametreleri izledi. Çalışmanın sonuçlarına göre ağ, yol entropisi olarak bilinen statik fizik kavramına benzer bir mantık kullandı. Bu bulgu sabit kalırsa, potansiyel olarak LSTM ağlarında iyileştirmelere yol açabilir. Tiwary, keşfin bir LSTM'nin kara kutu doğasının bir kısmını geri çektiğini ve araştırmacıların optimum performans için hangi parametrelerin ayarlanabileceğini daha iyi anlamalarını sağladığını açıkladı.

Algoritmaları için bir test durumu olarak, araştırmacılar riboswitch adı verilen bir biyomolekülü analiz ettiler. Riboswitch zaten spektroskopi kullanılarak analiz edilmişti ve riboswitch makine öğrenme sistemi ile analiz edildiğinde, tahmin edilen riboswitch formları spektroskopi ile keşfedilenlerle eşleşti.

Tiwary, bulgularının araştırmacıların daha az yan etkisi olan hedefe yönelik ilaçlar geliştirmesine olanak sağlayacağını umuyor. Tiwary'nin Phys.org aracılığıyla açıkladığı gibi:

"Çok güçlü bir şekilde bağlanan, ancak yalnızca bağlanmalarını istediğiniz şeye bağlanan güçlü ilaçlara sahip olmak istiyorsunuz. Belirli bir biyomolekülün alabileceği farklı biçimleri anlayabilirsek bunu başarabiliriz, çünkü bu belirli biçimlerden yalnızca birine uygun zamanda ve yalnızca istediğimiz sürece bağlanan ilaçlar yapabiliriz.”