Yazar: Rümeysa Erdem
Editör: Meliha Eraslan, Tuğçe Gül Yeşilyayla
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 adlandırılması, 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 (deoksirübo 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. okunuşu emar/ / manyetik rezonans görüntülemesi), CT (computer tomography, bilgisayar tomografisi) 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 (BCI, brain-computer interface) 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 (bir radyoterapi çeşidi) kısırlık tedavisi ve hastalıkların teşhisi gibi birçok alanda kullanılabilir. [12]
- Beynimizin en üst-ön bölümünde, beden hareketlerimizin kontrolü ve planlanması açısından temel öneme sahip bir bölgedir. ↩︎
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. Wı̇kı̇pedı̇a
i. https://tr.m.wikipedia.org/wiki/Biyoenformatik
[3] Brı̇ggs, H. (2020, Aralık). Biyolojinin en büyük gizemlerinden biri yapay zekâ 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 https://turk- internet.com/ilac-yapiminda-yapay-zekâ-kullanimi/#google_vignette.
[11] Nevermore, (2022, Ocak). İnsanlığın geleceği bcı: beyin-bilgisayar arayüzü. Mechtekno. https://mechtekno.com/bci-beyin-bilgisayar-arayuzu/?amp#
[12] Cı̇cı̇oğlu, M. (2019, Ekı̇m). Bilgi mikro-biyorobot nedir? kullanım alanları nelerdir? Techworm. https://www.tech-worm.com/mikro-biyorobot-nedir-kullanim-alanlari-nelerdir/
