Araştırmacılar Doğal Dil İşleme Algoritmalarını Protein Dönüşümlerini Anlamak için Kullanıyor

Maryland Üniversitesi’nden araştırmacılar yakın zamanda doğal dil işleme teknikleri ve makine öğrenimi algoritmalarını kullanarak protein moleküllerinin bir şekilden başka bir şekle geçişini anlamak için kullandılar. Son yapılan çalışmanın sonuçları Nature Communications dergisinde yayımlandı ve bu, bir AI algoritmasının biyomoleküler sistemlerin dönüşümlerini incelemek için kullanıldığı ilk çalışmadır.

Protein molekülleri çeşitli şekiller alabilir, ancak bir proteinin bir şekilden başka bir şekle geçmesini sağlayan mekanizmalar hala biraz gizemli. Bir protein molekülünün işlevi şekli tarafından belirlenir ve proteinin şekil/yapısını etkileyen mekanizmaları daha iyi anlamak, bilim insanlarının hedefe yönelik ilaç tedavileri tasarlamalarına ve hastalıkların nedenlerini belirlemelerine olanak sağlayabilir.

Biyolojik moleküller sabit değildir, çevrelerinde meydana gelen olaylara tepki olarak sürekli hareket halindedirler. Çevresel baskılar molekülleri farklı şekillere geçmeye zorlayabilir ve bu geçiş thường çok hızlı gerçekleşir. Bir molekül突然pletely farklı bir yapıya dönüşebilir ve bu süreç, bir.springin açılmasına benzer. Molekülün farklı kısımları açılır ve kapanır ve araştırmacılar farklı moleküler şekiller arasındaki ara aşamaları incelediler.

Phys.org’a göre, Pratyush Tiwary çalışmanın baş yazarı ve Maryland’in Kimya ve Biyokimya Bölümü ile Fizik Bilimleri ve Teknoloji Enstitüsü’nde yardımcı doçent. Tiwary’ye göre, doğal dil işleme, moleküllerin nasıl dönüşüme uğradığını ve adapte olduğunu modellemek için kullanılabilir. Tiwary, moleküllerin bir “dil”i olduğunu ve moleküllerin yaptığı hareketlerin soyut bir dile tercüme edilebileceğini belirtiyor. Bu süreç, moleküler hareketleri dil kalıplarına eşleştirerek gerçekleştiriliyor ve doğal dil işleme teknikleri ve AI algoritmaları, “sonuçta oluşan soyut kelimelerden biyolojik olarak doğru hikayeler oluşturmak” için kullanılıyor.

Bir molekül bir şekilden başka bir şekle geçtiğinde, bu geçiş çok hızlı gerçekleşir. Bu geçiş, sadece bir trilyonuncu saniye kadar sürebilir. Bu geçişin hızı, bilim insanlarının spektroskopi veya güçlü mikroskoplardan daha hızlı olan yöntemlerle proteinlerin açılma sürecini etkileyen parametreleri belirlemesini zorlaştırır. Proteinlerin açılma sürecini etkileyen parametreleri belirlemek için Tiwary ve araştırma ekibi, proteinleri simüle eden fizik modelleri oluşturdular. Karmaşık istatistiksel modeller, protein simülasyonlarını oluşturmak için kullanıldı ve bu simülasyonlar, moleküllerin şekil, traijektöri ve hareketini taklit etti. Modeller daha sonra, doğal dil işleme yöntemlerine dayanan bir makine öğrenimi algoritmasına verildi.

Doğal dil işleme modelleri, Gmail’in kullandığı öngörülü metin sistemlerindeki algoritmalar gibi tasarlandı. Simüle edilen proteinler, moleküler hareketlerin “harflere” tercüme edildiği bir dil olarak ele alındı. Harfler daha sonra kelimeler ve cümleler oluşturmak için birleştirildi. Makine öğrenimi algoritmaları, protein yapılarının arkasındaki gramer ve sentaks kurallarını öğrenebildi ve hangi şekillerin diğer şekilleri takip ettiğini belirleyebildi. Algoritmalar daha sonra, belirli proteinlerin nasıl açılacağını ve hangi şekilleri alacağını öngörlemek için kullanılabildi.

Araştırmacılar, protein tabanlı cümleleri analiz etmek için uzun kısa süreli hafıza (LSTM) ağı kullandılar. Araştırma ekibi ayrıca, ağın dayandığı matematiği izledi ve ağ, moleküler dönüşüm dinamiklerini öğrendikçe parametreleri izledi. Çalışmanın sonuçlarına göre, ağ, bilinen bir istatistiksel fizik kavramı olan yol entropisine benzer bir mantık kullandı. Bu bulgu geçerli ise, LSTM ağlarının geliştirilmesine yol açabilir. Tiwary, bu keşfin, bir LSTM’nin siyah kutu doğasını ortadan kaldırdığını ve araştırmacıların optimal performans için hangi parametrelerin ayarlanabileceğini daha iyi anlamalarına olanak sağladığını açıkladı.

Araştırmacılar, algoritmanın test durumu olarak bir biyomolekül olan riboswitch’i analiz ettiler. Riboswitch daha önce spektroskopi ile analiz edilmişti ve makine öğrenimi sistemi ile analiz edildiğinde, öngörülen riboswitch formları, spektroskopi ile keşfedilen formlarla eşleşti.

Tiwary, bulgularının, araştırmacıların daha az yan etkisi olan hedefe yönelik ilaçlar geliştirmelerine olanak sağlayabileceğini umuyor. Tiwary, Phys.org’a göre şunları söyledi:

“Güçlü ilaçlar istiyorsunuz, ancak sadece istediğiniz şeye bağlanabilen ilaçlar. Bir biyomolekülün alabileceği farklı şekilleri anlarsak, belirli bir zamanda ve sadece istediğimiz kadar süreyle yalnızca bu şekillere bağlanan ilaçlar üretebiliriz.”