Apple, protein tasarımını yeniden tanımlayan SimpleDesign yapay zeka modelini tanıttı

Apple araştırmacıları, biyomoleküler tasarımın karmaşık aşamalarını tek bir adımda çözebilecek yeni bir yapay zeka modeli SimpleDesign'ı duyurdu. SimpleDesign, protein dizilerini ve bu dizilere karşılık gelen üç boyutlu yapıları aynı eğitim sürecinde öğrenerek, geleneksel çok aşamalı yaklaşımların yerine uçtan uca bir çözüm sunmayı amaçlıyor. Bu yenilik, protein tasarımında uzun süredir kullanılan ayrı ayrı modelleme adımlarını ortadan kaldırarak, daha verimli ve esnek bir tasarım platformu oluşturma potansiyeli taşıyor.

Modelin temeli, Apple'ın geçen Eylül ayında yayımladığı SimpleFold çalışmasında kullanılan akış eşleştirme tabanlı yöntemin bir uzantısıdır. SimpleFold, bir proteinin amino asit dizisinden üç boyutlu yapısını tahmin etmek için rastgele ve gürültülü bir başlangıçtan hedef yapıya doğru doğrudan bir dönüşüm öğreniyordu. SimpleDesign ise bu yaklaşımı genişleterek, hem diziyi hem de yapıyı aynı anda işleyen bir Transformer mimarisi kullanıyor. Transformer blokları, metin ve kod üretiminde yaygın olarak kullanılmasına rağmen, Apple araştırmacıları bu mimarinin protein dizileri ve geometrik yapılar gibi farklı veri türlerini birlikte işleyebileceğini gösterdi.

SimpleDesign'ın en belirgin farkı, protein yapılarının önceden ayrı ve ayrık temsil biçimlerine dönüştürülmesini gerektirmemesidir. Geleneksel sistemlerde önce protein yapısı token adı verilen ayrık temsillere dönüştürülür, ardından bu temsiller üzerinde üretken bir model çalıştırılır. SimpleDesign ise amino asit dizileri ile sürekli üç boyutlu koordinatları doğrudan birlikte ele alıyor. Bu sayede kodlama ve yeniden yapılandırma aşamaları ortadan kalkıyor ve tek bir eğitim süreci yeterli olabiliyor. Modelin eğitimi için, AlphaFold Veritabanı'ndan tahmin edilen yapılar ve ek örnekleri bir araya getiren AFESM veri kümesinden 2 milyondan fazla protein dizisi‑yapı çifti kullanıldı.

Eğitim sırasında hem amino asit dizileri rastgele maskelendi hem de üç boyutlu koordinatlara farklı seviyelerde gürültü eklendi. Bu bozulma stratejisi, modelin sadece tek bir göreve değil, diziden yapıya, yapıdan diziye uzanan çeşitli problemlere aynı çerçevede uyum sağlamasını hedefledi. Bozulma seviyelerinin değişmesi, modelin farklı protein tasarım görevlerini öğrenmesine olanak tanıdı: dizinin büyük ölçüde korunup yapının ciddi biçimde bozulduğu senaryoda protein katlanması problemi, yapının korunup dizinin maskelendiği senaryoda ise ters katlanma problemi ortaya çıktı. Her iki veri türünün de kısmen bozulduğu durumlarda model, belirli bir protein dizisiyle uyumlu yapıyı ve yapıya karşılık gelebilecek diziyi birlikte öğrenebildi.

Araştırmacıların değerlendirmelerine göre SimpleDesign, daha sade bir eğitim sürecine rağmen protein ortak tasarımı, yapı üretimi ve dizi üretimi kıyaslamalarında rekabetçi sonuçlar verdi. Model tarafından oluşturulan yapılar, protein açısından makul geometrilere sahip olabiliyor; üretilen amino asit dizileri ise birçok çok modlu rakip modelle benzer ya da bazı ölçümlerde daha iyi performans sergiliyor. Ancak bu sonuçlar hâlâ bilgisayar tabanlı değerlendirmelerle sınırlı. Üretilen proteinlerin gerçek biyolojik sistemlerde doğru biçimde katlanıp katlanmadığı, beklenen işlevi yerine getirip getirmediği ve güvenli davranıp davranmadığı henüz deneysel olarak doğrulanmadı.

SimpleDesign, Apple'ın yapay zeka destekli biyomoleküler tasarım alanındaki vizyonunun bir parçası olarak görülüyor. SimpleFold'un devamı niteliğinde geliştirilen bu model, AlphaFold gibi mevcut sistemlerin karmaşık ve yüksek maliyetli yapılarına alternatif sunarak, daha genel bir modelleme çerçevesi oluşturma hedefi taşıyor. Gelecek çalışmaların, SimpleDesign'ın laboratuvar ortamında deneysel doğrulamalarla desteklenmesi ve potansiyel biyoteknoloji uygulamalarına entegrasyonu üzerine odaklanması bekleniyor.