Yapay zeka (AI) uygulamalarının muazzam potansiyeli ve olası etkileri, “ChatGPT”nin yayınlanmasından bu yana kamuoyu tarafından kabul görmektedir. AlphaGo’nun Güney Koreli profesyonel Go oyuncusu Lee Sedol’a karşı kazandığı zaferden[1] hemen sonra “Deepmind” isimli şirket protein dizileri ve yapıları hakkında yapay zeka çalışmalarını artırmış ve “AlphaFold” ile bu soruna çözüm getirmiştir. Artık bir proteinin şekli neredeyse anında, büyük oranda doğrulukla tahmin edilebiliyor.[2] Bu, yapay zekanın biyolojideki potansiyelinin büyük bir doğrulamasıdır.
AlphaFold, araştırmacıların gerçek deneysel verilere karşı tahminlerindeki ilerlemeyi paylaştıkları bir topluluk olan CASP tarafından, protein katlanması konusunda bir çözüm olarak kabul edildi. CASP, araştırma gruplarının gerçek deneysel verilere karşı tahminlerinin doğruluğunu test etmeleri için iki yılda bir yarışma düzenlemektedir. Takımlara, 3D görünümleri haritalandırılmış ancak henüz kamuya açıklanmamış proteinler için bir dizi amino asit dizisi verilir. Ekipler, daha sonra ortaya çıkan yapılara ne kadar yakın olduklarını görmek için en iyi tahminlerini sunarlar. CASP13’te (2018’de) AlphaFold birinci oldu.
CASP14’te (2020’de), AlphaFold’un en son sürümü o kadar yüksek bir doğruluk seviyesi gösterdi ki, topluluk protein katlama probleminin çözüldüğünü düşündü. O zamandan beri, AlphaFold yöntemleri makalesi 10.000’den fazla atıf aldı. Bu da onu son on yılın en çok atıf alan ilk 100 makalesi arasına ve tüm zamanların en çok atıf alan 900 makalesi arasına soktu.[3] Bu metodolojik keşif, düzinelerce başka bilim insanının bu yöntemi kullanarak diğer önemli proteinlerin şekillerini belirlemelerine yol açtı.[4]
Proteinler, amino asitlerin bir araya gelmesiyle oluşurlar. Amino asitlerin farklı sayılarda bir araya gelip kimyasal bağlarla birbirine bağlanması, proteinlerin primer yapısını belirler. Bu primer yapıdaki amino asit dizilimi, ilgili proteini şifreleyen gen tarafından belirlenir. Genler, proteinlerin yapısındaki bilgiyi içerir ve evrimsel olarak statik değil, dinamiktir; yani mutasyona uğrayabilirler. Tüm genler mutasyon geçirme potansiyeline sahiptir. Bu mutasyonlar, şifreledikleri proteinlerin birincil yapısını etkileyebilir ve buna bağlı olarak ikincil ve üçüncül yapıları değiştirebilir. Bu değişiklikler, bazı proteinlerin görevini yerine getirememesine neden olabilir. Ayrıca, hücrede temel fonksiyonlara katkıda bulunan bazı proteinler, bu tür değişimlerden etkilenebilirler. Diğer bir grup protein ise değişimlere rağmen görevlerini sürdürebilir. Ancak mutasyonlar veya gen değişimleri sonucunda oluşan amino asit değişimleri, proteinlerin işlevini olumlu veya olumsuz etkileyebilir. Örneğin, hastalıklara karşı duyarlılık veya direnç geliştirebilirler.
İlaç ve aşı geliştirme çalışmalarında protein yapılarının doğru bir şekilde tahmin edilmesi önemlidir. Hastalık yapıcı virüslere karşı aşı adayı proteinlerde meydana gelen değişiklikler, insan bağışıklık sisteminin bu proteinlere etkili bir şekilde tepki vermesini engelleyebilir. Proteinler arasındaki etkileşim, belirli amino asit motifleri aracılığıyla gerçekleşir. Bu motiflerin bozulması veya üç boyutlu yapının değişmesi, protein içindeki etkileşimi ortadan kaldırabilir. Dolayısıyla, protein yapılarını önceden tahmin edebilirsek, protein-protein etkileşimlerini güçlü bir şekilde öngörebiliriz. Bu da daha etkili ilaç ve aşı adayları geliştirmemize olanak tanır. [5]
Sanal yöntemlerle protein yapısının belirlenmesi, en zor moleküler biyolojik sorulara yanıt bulmanın yanı sıra ilaç geliştirme sürecinin iyileştirilmesine ve hızlandırılmasına önemli katkılarda bulunabilir.
Yapay zeka, bir hedefin genel uygunluğunu tahmin etmenin yanı sıra, yapıya dayalı ilaç tasarımı çerçevesinde, kendi uzamsal yapıları nedeniyle hedefe özellikle yüksek bir bağlanma eğilimi göstermesi gereken ve böylece optimal bir etki beklentisi sunan ilaç seçeneklerinin belirlenmesine yardımcı olabilir. Böylece, başarısızlıklarla sonuçlanan uzun ilaç geliştirme süreci, zaman ve maliyet açısından daha verimli hale getirilebilir.
Gelecekte, ilaç araştırmalarında yapay zeka uygulamaları için daha da geniş kapsamlı potansiyel kullanımlar ortaya çıkacaktır. Meta AI tarafından geliştirilen “RoseTTAFold” ve yakın zamanda piyasaya sürülen “ESMFold”, yapı tahmini için kendine özgü güçlü ve zayıf yönleri olan alternatifler sunmaktadır. “ProteinMPNN” veya “ProtGPT” ise ilgili amino asit dizilerini oluşturarak sıfırdan özelleştirilmiş ve amaca göre optimize edilmiş proteinler tasarlamak için geliştirilmiştir.[6]
Doç. Dr. Tunca Doğan ve arkadaşlarının yaptığı çalışmada, gelecekte, sağlık alanında yeni kişiselleştirilmiş tedavi seçenekleri geliştirme çalışmaları kapsamında, bu tip yapay zeka modellerinin genetik kaynaklı hastalıkların moleküler analizinde ve bunları spesifik olarak hedefleyecek yeni ilaçların keşfinde kullanılmasının amaçlandığı aktarıldı.[7]
Bu tür yapay zeka uygulamaları, bağışıklık hastalıkları, metabolik bozukluklar, sinirsel bozukluklar ve diğer patolojilerden sorumlu olan protein işlev bozukluklarını ve düzenlemelerini araştırmak için kullanılabilir. Bu uygulamalar, virüs kabuğu proteinlerinin üç boyutlu yapısını aydınlatmak ve Ebola, çiçek hastalığı veya SARS gibi hastalıkları başarıyla etkisiz hale getirebilecek spesifik antikorlar tasarlamak için kullanılabilir.
Yenilikçi, yüksek verimli ve hızlandırılmış ilaç geliştirmenin önemi, koronavirüs pandemisi sırasında benzeri görülmemiş bir şekilde ortaya çıkmıştır. Yapay zeka uygulamalarının aşamalı kullanımı, gelecekte pandemi olaylarına daha hızlı ve daha etkili yanıt vermeyi, çok dirençli bazı hastalıkların yarattığı artan sağlık tehdidine karşı koymayı ve elbette daha önce tedavi edilemeyen hastalıklar için tedavi yaklaşımlarının geliştirilmesini mümkün kılabilir.[8]
Konuyu askeri tıp açısından ele alırsak, özellikle farklı iklim ve çevre koşullarının hakim olduğu bölgelerdeki enfeksiyon riskini göz önüne alarak, benzer yapay zeka uygulamalarının kullanımı sağlık şartlarının korunmasına ve operasyonel hazırlığın sürdürülmesine yardımcı olacaktır.
Gelecekte bu tür sistemler, hastalıklarla mücadelede devrim niteliğinde ilerlemelere yol açabilir; ancak yanlış kullanılmaları halinde, toksik etkiye sahip benzeri görülmemiş toksinlerin geliştirilmesine de neden olabilirler.
Kötüye Kullanım Riskleri
Bununla birlikte, AI önemli bir kötüye kullanım riski taşımaktadır: 2022’de araştırmacılar, yeni aktif maddeleri tanımlamaya yönelik bir AI uygulamasının mümkün olduğunca zararlı bileşikler bulmak ve bunları zehirlilik açısından nispeten kolay bir şekilde optimize etmek için kullanılabileceğini göstermiştir. Araştırmacılara göre, saptırılmış AI altı saat içinde daha önce bilinmeyen birçok bileşik de dahil olmak üzere yaklaşık 40.000 zehirli molekül oluşturmuştur.[9]
Bu tür potansiyel kötüye kullanım risklerinin önüne geçmek amacıyla alınan önlemler, milli veya ulusal güvenlik açısından da kritik bir öneme sahiptir. Yapay zeka temelli teknolojilerin gelişimi, sadece bilim ve sağlık alanlarında değil, aynı zamanda ulusal güvenliği etkileyen birçok yönüyle ilgilidir. Özellikle, bu teknolojilerin kötüye kullanılması, ülkelerin stratejik önem taşıyan bilgilerini ele geçirmek veya manipüle etmek veya siber saldırılara maruz kalmak gibi potansiyel tehditlere yol açabilir.
Bu nedenle, yapay zeka temelli teknolojilerin milli güvenlik açısından etkili bir şekilde kullanılabilmesi için, etik standartların belirlenmesi ve düzenleyici gerekliliklerin oluşturulması önemlidir. Ulusal savunma stratejileri, yapay zeka uygulamalarının kullanım alanlarını belirleyerek, potansiyel riskleri en aza indirmek ve bu teknolojilerin olası avantajlarını güçlendirmek için entegre edilmelidir. Ayrıca, bu teknolojilerin gelişiminde yer alan araştırmacılar ve ilaç geliştiriciler, ulusal güvenlik politikaları ve hedefleri doğrultusunda rehberlik eden kılavuzlara sahip olmalıdır.
Sonuç olarak, yapay zeka temelli teknolojilerin milli güvenlik açısından potansiyel risklerini ve fırsatlarını anlamak, bu teknolojilerin gelişimine yönlendiren bir perspektif sunmak için kritik bir adımdır. Bu bilinçli yaklaşım, ulusal güvenliğin korunmasını sağlamak ve aynı zamanda yapay zeka alanındaki ilerlemelerden en iyi şekilde yararlanmak için gereklidir.
[1] AlphaGo versus Lee Sedol – Wikipedia
[2] AlphaFold – Google DeepMind
[3] AlphaFold – Google DeepMind
[4] AlphaFold – Google DeepMind
[5] AlphaFold biyoinformatik alanında yeni bir kapı açtı | bilim ve aydınlanma akademisi (bilimveaydinlanma.org)
[6] Dr. Carsten Heuer. “ KI-geleitetes Wirkstoffdesign.” In: Europäische Sicherheit · Strategie & Technik, 2023, 1/2024, Sayfa 72.
[7] Gazete Hacettepe – Haberler – proje, eğitim, bilgi sirki, circus of knowledge, selay arkün kocadere
[8] Dr. Carsten Heuer. “ KI-geleitetes Wirkstoffdesign.” In: Europäische Sicherheit · Strategie & Technik, 2023, 1/2024, Sayfa 72.
[9] AI suggested 40,000 new possible chemical weapons in just six hours – The Verge
