Diş tedavisi için yapay zeka

Yapay zekâ, bilim insanlarının karmaşık biyolojik bulmacaları çözmelerine yardımcı olabilir, ancak mevcut bilgiler eksik olduğunda gelişmiş sistemlerin bile sınırları vardır.

Yaprak biti proteinleri üzerine yapılan yakın tarihli bir çalışma, hesaplamalı tahminleri genetik kanıtlarla birleştirmenin zorlu bir araştırma probleminin üstesinden nasıl gelebileceğini göstermektedir.

Bilim insanları, hızla değişen binlerce proteinin ortak bir yapısal temele sahip olduğunu keşfetti ve bu da bu minik böceklerin bitki gelişimini nasıl etkilediğine dair yeni ipuçları sunuyor.

Gizli Bir Protein Ailesinin Ortaya Çıkarılması

Yaprak bitleri, dokularına özel proteinler sokarak bazı bitkilerin gelişimini etkileyebilir. Bazı durumlarda, bu süreç bitkilerin, böceklerin yaşayabileceği ve yavrularını besleyebileceği bir yer sağlayan ur adı verilen yapılar oluşturmasına neden olur.

Bilim insanları, BICYCLE proteinleri olarak bilinen bu molekül grubunu inceliyorlar. İsimleri, sistein amino asidini içeren tekrarlayan bir desene atıfta bulunuyor. Araştırmacılar proteinleri tanımlamış olsalar da, genetik dizilimleri bilimsel veri tabanlarında kayıtlı tanıdık proteinlerden önemli ölçüde farklı olduğu için rollerini anlamak zor olmaya devam etti.

Normalde, araştırmacılar bilinmeyen bir proteinin amino asit dizilimini daha önce incelenen örneklerle karşılaştırırlar. Benzerlikler, şekli ve biyolojik işlevi hakkında ipuçları sunabilir. Bununla birlikte, bu yaklaşım BICYCLE proteinleri için daha az etkiliydi çünkü evrimsel zaman içinde çok kapsamlı bir şekilde değişmişlerdi.

Yapay Zeka Tahmini Neden Başarısız Oldu

Araştırma ekibi, bu durumu incelemek için yapısal biyologlarla birlikte çalışarak X-ışını kristalografisi yoluyla iki BICYCLE proteininin fiziksel düzenlemelerini belirledi. Bu laboratuvar tekniği, bilim insanlarının atomların bir molekül içinde nasıl organize olduğunu belirlemelerine yardımcı olur. Elde edilen yapılar, amino asit dizilerinden protein şekillerini tahmin etmek için tasarlanmış bir yapay zeka sistemi olan AlphaFold2'yi test etmek için önemli bir referans sağladı.

Başlangıçta, AlphaFold2 deneysel olarak belirlenen yapıları yeniden üretmeyi başaramadı. Sorun sadece işlem gücü eksikliği değildi. Sistem ayrıca, tahminlerini iyileştirmek için ilgili proteinler tarafından paylaşılan kalıplar da dahil olmak üzere evrimsel bilgilere dayanıyordu. BICYCLE proteinleri çok sıra dışı olduğu için, mevcut veritabanları yeterince yararlı karşılaştırma sağlamadı. Bu nedenle yapay zeka, önemli bir biyolojik bağlam kaynağından yoksundu.

Evrim Eksik İpuçlarını Sağlıyor

Araştırmacılar, farklı yaprak biti türlerinden ek genetik bilgiler toplayarak sorunu ele aldılar. Çalışmaları, Amerika Birleşik Devletleri ve Japonya'da saha örneklemesi ve ardından proteinler arasındaki ilişkileri ortaya çıkarmak için genom dizilemeyi içeriyordu.

Bu karşılaştırmalar, orijinal analizde eksik olan evrimsel kanıtları sağladı. Mevcut ek bilgilerle, AlphaFold2, kristalografi yoluyla oluşturulan yapıyla eşleşen bir yapıyı başarıyla tahmin etti. Ekip daha sonra yaklaşımı yedi yaprak biti türüne genişleterek yaklaşık 2400 yüksek güvenilirlikte yapısal tahmin üretti.

Sonuçlardan tutarlı bir özellik ortaya çıktı: proteinler, saposin benzeri bir katlanma olarak bilinen yapısal bir düzenlemeyi paylaşıyordu. Basitçe söylemek gerekirse, bireysel dizileri önemli ölçüde değişmiş olsa bile, ortak bir üç boyutlu şablonu takip ediyor gibi görünüyorlardı. Bu bulgu, geleneksel dizi karşılaştırmalarının belirlemekte zorlandığı bir bağlantıyı ortaya çıkardı.

Tek Yapı, Birçok Olası İşlev

Yapısal bir temeli paylaşmak, proteinlerin mutlaka aynı görevleri yerine getirdiği anlamına gelmez. Araştırmacılar, proteinlerin dış yüzeylerinin kimyasal özelliklerinde önemli farklılıklar buldular. Bazı bölgeler elektriksel özellikleri ve su ile etkileşimleri bakımından farklılık gösteriyordu. Proteinleri bu özelliklere dayanarak açıkça tanımlanmış gruplara ayırma girişimleri başarısız oldu.

Bu çeşitlilik, BICYCLE proteinlerinin bitki molekülleriyle birçok farklı şekilde etkileşime girebileceğini düşündürmektedir. Proteinler, tek bir spesifik mekanizmaya bağlı kalmak yerine, bitki hücrelerinin içindeki çeşitli biyolojik süreçleri etkileyebilir. Araştırmacılar ayrıca, hızlı protein evriminin, yaprak bitlerinin bu etkileşimleri sürdürmesine yardımcı olurken, moleküllerinin bitkiler tarafından tanınmasını zorlaştırabileceğini öne sürdüler. Bununla birlikte, bireysel proteinlerin kesin işlevleri hala daha fazla araştırma gerektirmektedir.

Bu Keşfin Gelecek Araştırmalar İçin Anlamı

Eylül 2026'da Ulusal Bilimler Akademisi Bildirilerinde yayınlanan çalışma, geleneksel karşılaştırma yöntemlerinin kolayca tanıyamayacağı kadar çok değişmiş proteinleri incelemek için kullanışlı bir yaklaşım sunuyor. Önemi yaprak bitlerinin ötesine uzanıyor.

Diğer biyolojik sistemler de karakterize edilmesi zor olan hızla evrimleşen proteinler içeriyor. Laboratuvar ölçümlerini, genetik dizilemeyi, evrimsel analizi ve yapay zeka tahminlerini birleştirmek, araştırmacıların bu molekülleri daha etkili bir şekilde araştırmalarına yardımcı olabilir. Bununla birlikte, tahmin edilen yapılar deneysel kanıtların yerini tutmaz.

Araştırma, araştırmacılar doğru biyolojik bağlamı sağladığında yapay zekanın daha etkili hale gelebileceğini gösteriyor. Ekip, deneysel olarak belirlenmiş yapıları birden fazla yaprak biti türünden elde edilen genetik bilgilerle birleştirerek, kapsamlı protein varyasyonunun altında gizlenmiş ortak bir şablonu ortaya çıkardı.

Bir sonraki zorluk, bu moleküllerin bitki hücrelerini nasıl etkilediğini ve çeşitli yapılarının farklı biyolojik rollere karşılık gelip gelmediğini belirlemektir. Araştırma devam ettikçe, bu çalışma bilim insanlarının karmaşık bitki etkileşimlerini daha iyi anlamalarına yardımcı olabilir ve evrimsel bilginin yapay zeka destekli keşifleri nasıl güçlendirebileceğini gösterebilir.