Yapay Zekânın Biyoloji ile Buluştuğu Altı Farklı Nokta

𝗬𝗮𝘇𝗮𝗿: 𝗥𝘂̈𝗺𝗲𝘆𝘀𝗮 𝗘𝗿𝗱𝗲𝗺
𝗘𝗱𝗶𝘁𝗼̈𝗿: 𝗠𝗲𝗹𝗶𝗵𝗮 𝗘𝗿𝗮𝘀𝗹𝗮𝗻

Biyoloji ve yapay zekâ disiplinlerinin birleşimi, canlı organizmaların biyolojik süreçlerinden elde edilen verilerin yapay zekâ algoritmalarıyla etkili bir şekilde analiz edilmesini sağlar. Bu disiplinler arası yaklaşım, yaşamın temel prensiplerini anlamayı amaçlayan biyoloji ile büyük veri dizilerinde öğrenme ve çıkarım yapabilme yeteneğine sahip yapay zekâ arasında güçlü bir birlikteliği ifade eder. Bu birleşim, geniş bir uygulama yelpazesi sunarak bilimsel keşiflere ışık tutar ve gelecekteki zorluklara etkili çözümler üretme potansiyeli taşır. [1]

Yapay zekâ ve biyolojinin beraber farklı alanda kullanılabilmektedir. Şimdi size bunlardan sadece altı tanesini anlatacağım.

𝟭-𝗕𝗶𝘆𝗼𝗶𝗻𝗳𝗼𝗿𝗺𝗮𝘁𝗶𝗸 𝘃𝗲 𝗕𝘂̈𝘆𝘂̈𝗸 𝗩𝗲𝗿𝗶:

Biyolojin alt birimi olan biyoinformatik akla ilk gelen başlık olabilir. Biyoinformatik, biyoloji ve bilgi teknolojilerini birleştiren multidisipliner bir alandır. Bu alanda; genetik mekanizmalarının anlamlandırılması, protein yapılarını üç boyutlu hâle getirilmesi biyokimyasal olaylar gibi biyolojik süreçlere ait büyük veri dizileri toplanması, depolanması, işlenmesi, analiz edilmesi ve yorumlanması gibi konular üzerinde çalışılır. Bu analizler, genetik bilgi odaklı DNA (Deoksiribo nükleik asit) dizilerinin incelenmesi, genomik verilerin karşılaştırılması ve protein yapı tahminlerini biçimlendirmelerini içerir. Bu çalışmalar, hastalıkların genetik temellerinin anlaşılması, tıbbi teşhis ve tedavi yöntemlerinin geliştirilmesi gibi birçok biyolojik konuda önemli bilgiler sunar. Biyoinformatik bilimcileri, bilgisayar bilimleri ve istatistik gibi disiplinlerin yöntemlerini kullanarak bu büyük veri dizilerini anlamlandırmaya ve biyoloji alanındaki muhtemel sorunlara çözümler üretmeye odaklanır. Bu disiplin, yüksek veri hacmi ile ifade edilen biyolojik bilgilerin etkili bir şekilde kullanılmasını sağlayarak biyolojik bilimlerdeki keşiflere önemli katkılar sunar. [2]

𝟮-𝗣𝗿𝗼𝘁𝗲𝗶𝗻 𝗠𝗼𝗱𝗲𝗹𝗹𝗲𝗺𝗲𝘀𝗶 𝘃𝗲 𝗬𝗮𝗽𝗮𝘆 𝗭𝗲𝗸𝗮̂:

Bilim dünyasında artık yapay zekâ sayesinde biyolojinin en büyük gizemlerinden biri olarak kabul edilen protein katlanma açıklığa kavuşmaya başladı. Proteinler, canlı organizmalardaki temel kimyasal süreçlerde önemli bir göreve sahip olan hayati moleküllerdir. Yapılarını oluşturan amino asit zincirleri, çeşitli şekillerde katlanarak sonsuz sayıda farklı yapıyı alabilirler. Bu çeşitlilik, proteinlerin özgün işlevlerini yerine getirmelerine olanak tanırken proteinlerin yapısı ve işlevini anlamayı oldukça zorlaştırmaktadır. Londra merkezli yapay zekâ laboratuvarı 𝘋𝘦𝘦𝘱𝘔𝘪𝘯𝘥, düzenlediği bilimsel bir yarışma ile protein katlanma sürecindeki çözümlemeleri başarıyla gerçekleştirdi. Bu proteinlerin üç boyutlu katlanma şeklinin anlaşılması açısından kritik öneme sahip. 𝘋𝘦𝘦𝘱𝘔𝘪𝘯𝘥'ın bu buluşu, çeşitli hastalıklara yönelik araştırmalarda önemli bir ivme kazandırarak bilim dünyasında yeni kapılar aralıyor. [3]

Proteinlerin karmaşık yapısı, biyolojik sistemlerde önemli roller üstlenmelerini sağlar. Ancak moleküllerin bir araya gelme süreçleri ve diğer biyomoleküllerle etkileşimleri hakkında daha derin bir anlayışa ihtiyaç vardır. Bu konudaki belirsizlikler hâlâ giderilmemiş ve bunun için çok fazla çalışmalar vardır. Proteinlerin doğru katlanması, hücresel süreçlerin sağlıklı bir şekilde işlemesini sağlar. Yanlış katlanmalar ise proteinin işlevini yerine getirememesine veya hücre içinde toksik (zehirli) etkiler oluşturmasına neden olabilir. Bu, özellikle nörodejeneratif hastalıklar gibi ciddi sağlık sorunlarına yol açabilir. Proteinlerin üç boyutlu yapılarını çözmek yaşamın temel işlevlerini anlamada önemli bir araç sunar. Bu anlayış; gelecekteki tıbbi ve biyoteknolojik gelişmeleri şekillendirebilecek kritik bir adımdır. Alzheimer ve Parkinson gibi hastalıklar, çoğunlukla yanlış katlanmış proteinlerle ilişkilidir.
[3] [4]

𝟯-𝗛𝗮𝘀𝘁𝗮𝗹ı𝗸 𝗧𝗲𝘀̧𝗵𝗶𝘀𝗶:

Yapay zekâ destekli tıbbi görüntüleme, röntgen, MR (𝘐𝘯𝘨. 𝘔𝘢𝘨𝘯𝘦𝘵𝘪𝘤 𝘙𝘦𝘴𝘰𝘯𝘢𝘯𝘤𝘦), CT (𝘐𝘯𝘨. 𝘊𝘰𝘮𝘱𝘶𝘵𝘦𝘳 𝘛𝘰𝘮𝘰𝘨𝘳𝘢𝘱𝘩𝘺) gibi verileri analiz ederek hızlı ve doğruluk oranı yüksek teşhisler sağlar. Büyük veri analiziyle hastalıkları yüksek doğrulukla tanımlar, erken teşhis ve tedavi planlamalarında önemli rol oynar. Deri hastalıklarında lezyon (vücutta herhangi bir dokuda meydana gelen hasar veya anormallikler) tanımlama ve teşhis süreçlerini hızlandırır. Kardiyolojide, EKG (Elektrokardiyografi) verilerini analiz ederek kalp ritmi bozukluklarını erken tespit eder ve risk tahmin modelleri oluşturur. Yapay zekâ, tıpta kişiselleştirilmiş, erişilebilir sağlık hizmetlerine doğru yeni bir evreye doğru gelişmektedir. [5]

Genetik temelli nadir hastalıkların tanı ve tedavi süreçlerinde uzun süreli gecikmelerle karşılaşma sorunu, hızla gelişen yapay zekâ teknolojisinde yardım alarak çözülmeye çalışılmaktadır. Yapılan son çalışmalar, yapay zekâ uygulamalarının nadir hastalıkların araştırılmasında, tedavi bulma süreçlerinde hızlandırıcı ve faydalı bir rol üstlenebileceği konusunda olumlu gelişmeleri ortaya koymaktadır. Bu teknolojilerin kullanımı, genetik temelli nadir hastalıkların daha etkili bir şekilde tanımlanması ve tedavi süreçleri için olumlu yönde etki sağlayabilir. [5]

𝟰-𝗜̇𝗹𝗮𝗰̧ 𝗞𝗲𝘀̧𝗳𝗶 𝘃𝗲 𝗧𝗮𝘀𝗮𝗿ı𝗺ı:

Yapay zekâ, ilaç keşfinde önemli bir rol oynayarak sürecin verimliliğini artırabilir. Yüksek maliyet ve zamanın zorluğuyla başa çıkmak için entegre edilen yapay zekâ, en etkili deneylerin seçilmesinde kilit bir faktör olarak öne çıkabilir. Bu yaklaşım, verim artırarak deney sürecinin riskini azaltabilir. [5] [6]

Yapay zekâ ilaç geliştirme sürecinde önemli bir rol oynar. Bilimsel keşif, araştırma, preklinik çalışmalar, klinik denemeler ve tedavi onay süreçlerinde her aşamada katkı sağlar. Özellikle ilaç deneme sürecindeki zorlukları aşmak için kullanılabilir. [6]

Klinik deneyler genellikle zamanında tamamlanamaz ve uygun denek bulmak zor olabilir. Yapay zekâ araçları, denek veri tabanlarını kullanarak doğru denekleri seçmek ve görüntülü tanı verilerini değerlendirmek için çeşitli kıstaslar uygulayabilir. İlaçta yapay zekadan yardım almanın faydaları arasında eksiksiz ve doğru bilgilerin kaydedilmesi, hızlı erişim, gizlilik ve veri güvenliği, karar verme desteği bulunur. Yapay zekâ bu verileri analiz ederek hastaların özelliklerine göre özelleştirilmiş tedavi seçenekleri sunabilir. [7]

Örneğin, göğüs kanseri araştırmalarında yapay zekâ deneklerin ilaç kullanımı ve tedavi sonuçlarıyla ilgili verileri analiz ederek daha anlamlı sonuçlar elde edebilir. Bu sayede tedavisinde kullanılacak ilaç, hastanın ihtiyaçlarına uygun olarak özelleştirilebilir. Yapay zekâ ilaç geliştirme sürecinde veri analizi ve karar verme süreçlerini optimize ederek daha etkili ve kişiselleştirilmiş tedavilere katkı sağlıyor. Ancak ilaç endüstrisinin yapay zekâ kullanımı hızlı buna karşı zaman zaman güvenilmez tahminlere neden olabilir. Günümüzde büyük ilaç şirketleri, riski azaltmak amacıyla küçük biyoteknoloji firmalarından farklı bileşiklerin lisansını alarak yeni bir strateji benimsemiş durumda. Bu sayede farklı kaynaklardan gelen veriler birleştirilerek daha güvenilir ve etkili tedavilerin geliştirilmesine yönelik ilerleme kaydedilmeye çalışılıyor. [8] [9] [10]

𝟱-𝗕𝗲𝘆𝗶𝗻-𝗕𝗶𝗹𝗴𝗶𝘀𝗮𝘆𝗮𝗿 𝗔𝗿𝗮𝘆𝘂̈𝘇𝗹𝗲𝗿𝗶 (𝗕𝗖𝗜)

Stanford Üniversitesindeki araştırmacılar, beyin-bilgisayar arayüzü (𝘐𝘯𝘨. 𝘉𝘳𝘢𝘪𝘯-𝘊𝘰𝘮𝘱𝘶𝘵𝘦𝘳 𝘐𝘯𝘵𝘦𝘳𝘧𝘢𝘤𝘦 (BCI)] üzerine yaptıkları çalışmada, felç geçiren bir katılımcının beynine yerleştirilen BCI çipleri sayesinde elde ettikleri verileri özel bir yazılım aracılığıyla elle yazma düşüncesini bilgisayar ekranındaki harflere dönüştürmeyi başardı. Motor korteksteki¹ aktifleşen nöronlardan gelen sinyalleri toplayan çipler, yapay zekâ algoritmaları sayesinde katılımcının düşündüğü el ve parmak hareketlerini çözerek bilgisayar ekranına iletti. 65 yaşındaki felçli katılımcı, dakikada 18 kelime hızında metin üretmeyi başardı. Bu gelişme, BCI teknolojisinin engelliler için yeni ışıklar tutan önemli ve umut verici bir çözüm olduğunu gösteriyor. [11]

Yapılan araştırmaları BCI teknolojisi birçok alanda olumlu yönde kullanılması beklenmektedir. Ancak çiplerin cerrahi müdahale gerektirmesi, kişiye özel geliştirilme ihtiyacı ve uzman teknisyen gerekliliği gibi sınırlamalar bulunuyor. Kablosuz ve kendi kendini kalibre edebilen bir teknolojiye ulaşmak için ciddi ekonomik yatırımlar şart. Beynin hareketleri ve konuşmayı koordine etme konusundaki çalışmalar devam etse de geniş çapta kullanılabilmesi için daha fazla araştırma ve destek gerekiyor. [11]

𝟲-𝗕𝗶𝘆𝗼-𝗿𝗼𝗯𝗼𝘁𝗶𝗸 𝘃𝗲 𝗬𝗮𝗽𝗮𝘆 𝗭𝗲𝗸𝗮̂

Robotik (𝘳𝘰𝘣𝘰𝘵𝘪𝘤𝘴), makinelerin tasarlanmasıyla ilgili bir bilim dalıdır ve temel olarak insan çabasını azaltmayı ve çevreye adaptasyonu hedefler. Endüstriyel robotlar genellikle programlanmış tekrarlayan görevleri yerine getirmek için kullanılır. Yapay zekâ ve robotik birleşimi, otonom görevlerin başarılı bir şekilde gerçekleştirilmesinde güçlü bir kombinasyon sunar. MEMS (𝘮𝘪𝘬𝘳𝘰𝘦𝘭𝘦𝘬𝘵𝘳𝘰-𝘮𝘦𝘬𝘢𝘯𝘪𝘬 𝘴𝘪𝘴𝘵𝘦𝘮𝘭𝘦𝘳) teknolojisinin ilerlemesiyle mikrobiyorobotlar; medikal, endüstriyel ve biyoteknolojik alanlarda önemli bir rol oynamaktadır. Mikro ölçekli cihazlar, küçük boyutları ve etkili çalışabilme yetenekleri ile önemli bir yere sahiptir. Mikrobiyorobotlar, avantajlı özelliklere sahip olarak kontrollü ilaç salımı, brakiterapi (radyoterapi çeşidi) kısırlık tedavisi ve hastalıkların teşhisi gibi birçok alanda kullanılabilir. [12]

𝗗𝗶𝗽𝗻𝗼𝘁
¹Beynimizin en üst-ön bölümünde, beden hareketlerimizin kontrolü ve planlanması açısından temel öneme sahip bir bölgedir [1].

𝗥𝗲𝗳𝗲𝗿𝗮𝗻𝘀𝗹𝗮𝗿
[1]Sparkes, M. (2022, Temmuz). 𝘠𝘢𝘱𝘢𝘺 𝘻𝘦𝘬𝘢̂ 𝘣𝘪𝘺𝘰𝘭𝘰𝘫𝘪𝘯𝘪𝘯 𝘦𝘯 𝘣𝘶̈𝘺𝘶̈𝘬 𝘱𝘳𝘰𝘣𝘭𝘦𝘮𝘪𝘯𝘪 𝘤̧𝘰̈𝘻𝘶̈𝘺𝘰𝘳. Gelecek Bı̇lı̇mde. https://gelecekbilimde.net/yapay-zeka-biyolojinin-en-buyuk-problemini-cozuyor/
[2] Lulı̇, B. S. Y. (2000, Temmuz). 𝘉𝘪𝘺𝘰𝘦𝘯𝘧𝘰𝘳𝘮𝘢𝘵𝘪𝘬. 𝘞𝘪𝘬𝘪𝘱𝘦𝘥𝘪𝘢. https://tr.m.wikipedia.org/wiki/Biyoenformatik
[3] Brı̇ggs, H. (2020, Aralık). Biyolojinin en büyük gizemlerinden biri yapay zeka sayesinde ‘büyük oranda çözüldü. 𝘉𝘉𝘊 𝘕𝘦𝘸𝘴 𝘛𝘶̈𝘳𝘬𝘤̧𝘦. https://www.bbc.com/turkce/haberler-dunya-55166502
[4] Heber, S. (2021, Mart). Oyundan son teknoloji biyolojiye: yapay zekâ ve protein katlanma sorunu 𝘚𝘤ı̇𝘦𝘯𝘤𝘦ı̇𝘯𝘴𝘤𝘩𝘰𝘰𝘭.
[5]Gülşen, M. Turan, B. Yılmaz, AE. (2022). Nadir Hastalıklarda Yapay Zekâ Uygulamaları. 𝘈𝘯𝘬𝘢𝘳𝘢 𝘜̈𝘯𝘪𝘷𝘦𝘳𝘴𝘪𝘵𝘦𝘴𝘪 𝘛ı𝘱 𝘍𝘢𝘬𝘶̈𝘭𝘵𝘦𝘴𝘪 𝘔𝘦𝘤𝘮𝘶𝘢𝘴ı. 𝟩𝟧 (𝘌𝘬 𝟣). 63-69. https://doi.org/10.4274/atfm.galenos.2022.35002
[6] Varadi, M., Anyango, S., Deshpande, M., Nair, S., Natassia, C., Yordanova, G., Yuan, D., Stroe, O., Wood, G., Laydon, A., Žídek, A., Green, T., Tunyasuvunakool, K., Petersen, S., Jumper, J., Clancy, E., Green, R., Vora, A., Lutfi, M., Figurnov, M., … Velankar, S. (2022). AlphaFold Protein Structure Database: massively expanding the structural coverage of protein-sequence space with high-accuracy models. 𝘕𝘶𝘤𝘭𝘦𝘪𝘤 𝘢𝘤𝘪𝘥𝘴 𝘳𝘦𝘴𝘦𝘢𝘳𝘤𝘩, 𝟧𝟢(D1), D439–D444. https://doi.org/10.1093/nar/gkab1061
[7] Aşan, A. ve Terzı̇, D. S. (2021). Klinik araştırmalarda geliştirilen yapay zekâ modelleri için yol haritası roadmap for artificial ıntelligence models developed in clinical research. 𝘋𝘦𝘳𝘨ı̇ 𝘗𝘢𝘳𝘬, 𝟣𝟣(22).
[8] Ulu, H. (2022, Kasım). İlaçların yenı̇den konumlandırılmasında yapay zekâ.
Pharmaı̇no. https://pharmaino.com/ilaclarin-yeniden-konumlandirilmasinda-yapay-zeka/
[9] Uysal, İ̇ . (2023, Temmuz). İlaç keşfinde dönüşüm ve yapay zekânın gücü.
𝘎𝘢𝘻𝘦𝘵𝘦𝘣ı̇𝘭ı̇𝘮. https://gazetebilim.com.tr/ilac-kesfinde-donusum-ve-yapay-zekanin-gucu/
[10] Beykoz, M. (2018, Ağustos). 𝘐̇𝘭𝘢𝘤̧ 𝘺𝘢𝘱ı𝘮ı𝘯𝘥𝘢 𝘺𝘢𝘱𝘢𝘺 𝘻𝘦𝘬𝘢̂ 𝘬𝘶𝘭𝘭𝘢𝘯ı𝘮ı 𝘬𝘢𝘺𝘯𝘢𝘬: 𝘩𝘵𝘵𝘱𝘴://𝘵𝘶𝘳𝘬- 𝘪𝘯𝘵𝘦𝘳𝘯𝘦𝘵.𝘤𝘰𝘮/𝘪𝘭𝘢𝘤-𝘺𝘢𝘱𝘪𝘮𝘪𝘯𝘥𝘢-𝘺𝘢𝘱𝘢𝘺-𝘻𝘦𝘬𝘢̂-𝘬𝘶𝘭𝘭𝘢𝘯𝘪𝘮𝘪/#𝘨𝘰𝘰𝘨𝘭𝘦_𝘷𝘪𝘨𝘯𝘦𝘵𝘵𝘦.
[11] Nevermore, (2022, Ocak). İnsanlığın geleceği bcı: beyin-bilgisayar arayüzü. 𝘔𝘦𝘤𝘩𝘵𝘦𝘬𝘯𝘰. https://turk-internet.com/ilac-yapiminda-yapay-zeka-kullanimi/#google_vignette
[12] Cı̇cı̇oğlu, M. (2019, Ekı̇m). Bilgi mikro-biyorobot nedir? kullanım alanları nelerdir? 𝘛𝘦𝘤𝘩𝘸𝘰𝘳𝘮. https://www.tech-worm.com/mikro-biyorobot-nedir-kullanim-alanlari-nelerdir