Hücrelerimizin içinde yaşamı mümkün kılan proteinleri çoğumuz sabit şekilli moleküller olarak düşünürüz; ancak gerçekte onlar saniyede binlerce kez biçim değiştiren, kıvrılan ve işlevine göre farklı hallere bürünen dinamik nano makinelerdir. Bir enzimin çalışabilmesi veya bir hormonun alıcısına tutunabilmesi, proteinin doğru anda doğru şekli almasına bağlıdır.
Google DeepMind tarafından geliştirilen AlphaFold 3, proteinlerin üç boyutlu katlanma biçimlerini tahmin ederek biyolojide tarihi bir eşiği aştı. Ne var ki algoritmanın çalışma mantığında ciddi bir eksiklik bulunuyordu: Model, yapısı gereği daima en düşük enerjili tek bir durağan hali yakalamaya programlanmıştı. Bu da proteinlerin biyolojik süreçler sırasında büründüğü ara biçimleri ve alternatif formları ıskalamamıza yol açıyordu.
Japonya'daki Moleküler Bilimler Enstitüsü ve SOKENDAI araştırmacıları, bu problemi çözmek için AF3-ReD adını verdikleri zarif bir yöntem geliştirdi. Yapay zeka sistemine sanal bir itici kuvvet ekleyen bilim insanları, modelin önceden tahmin ettiği bir şekle her yaklaştığında enerji cezası alarak oradan uzaklaşmasını sağladı. Böylece algoritma, aynı konformasyonel çukura tekrar tekrar düşmek yerine proteinin henüz keşfedilmemiş diğer yapısal hallerine doğru yönelmek zorunda kaldı.
Bu yöntemle hücrelerimizin enerji santrali sayılan ATP sentaz gibi karmaşık enzimlerin açık, kapalı ve aradaki geçiş biçimleri eksiksiz biçimde modellendi. Proteinleri tek bir donmuş kare olarak değil, adım adım işleyen bir film gibi izleyebilmek, hedefi tam on ikiden vuran yeni ilaçların geliştirilmesinde yepyeni ufuklar açıyor.
Hücresel makinelerimizin dinamik doğasını çözdükçe yaşamın mekanizmalarını çok daha berrak görebiliyoruz.
0 görüntülenme