Microsoft, İlaç Keşfini Hızlandıran Yapay Zekâ Sistemi Project Quine’ı Tanıttı

Microsoft Research, ilaç keşfi çalışmalarında bilgisayar ortamındaki biyolojik modellemeler ile laboratuvar deneyleri arasındaki süreci hızlandırmayı amaçlayan deneysel yapay zekâ sistemi Project Quine’ı tanıttı. Harvard Üniversitesi ile MIT’ye bağlı Broad Institute iş birliğiyle geliştirilen sistem; genom, protein, kimya, hücre durumu ve biyogörüntüleme verilerini birlikte değerlendirerek araştırmacıların laboratuvar kaynaklarını hangi adaylara yönlendireceğini belirlemeye çalışıyor. Microsoft’un testlerinde Quine, pankreas kanserinin agresif bir türü üzerinde tek bir hafta sonu içinde umut vadeden bileşiklerin önceliklendirilmesini sağlarken araştırmacılara beklenmedik hücresel tepkiler de gösterdi.

Project Quine Biyolojik Verileri Tek Bir Modelde Birleştiriyor

Microsoft Research ekipleri, Project Quine’ı farklı biyolojik disiplinlerden gelen verileri aynı çalışma çerçevesinde değerlendirebilen çok modlu bir yapay zekâ sistemi olarak geliştirdi. Sistem, genomik bilgilerden protein yapılarına, kimyasal bileşiklerden hücresel durumlara ve biyogörüntüleme sonuçlarına kadar farklı veri türlerini ortak bir temsil alanında ilişkilendiriyor.

Broad Institute araştırmacılarıyla yürütülen çalışma, geleneksel biyolojik araştırmalarda ayrı ayrı incelenen veri katmanlarının birlikte değerlendirilmesine dayanıyor. Quine’ın dünya modeli yaklaşımı, biyolojik sistemlerin yalnızca tek bir özelliğini tahmin etmek yerine farklı moleküler ve hücresel değişkenler arasındaki ilişkileri aynı analiz içinde ele alıyor.

Project Quine’ın temel amacı, laboratuvara gönderilecek adayların önceden daraltılmasını sağlamak olarak öne çıkıyor. Araştırmacılar milyonlarca olası bileşiği fiziksel deneylerle tek tek incelemek yerine yapay zekânın hesaplamalı analizinden yararlanarak daha küçük bir aday grubuna odaklanabiliyor.

İlaç keşfi sürecinde araştırmacılar, bilgisayar modellerinden elde edilen sonuçları laboratuvar deneyleriyle doğrulamak zorunda kalıyor. Fiziksel deneyler zaman, personel, biyolojik numune ve laboratuvar ekipmanı gerektirdiği için her adayın test edilmesi araştırma sürecini uzatabiliyor.

Quine’ın hesaplamalı ön eleme yaklaşımı, araştırmacıların sınırlı laboratuvar kapasitesini daha yüksek önceliğe sahip adaylara ayırmasına yardımcı olmayı hedefliyor. Sistem bir bileşiğin belirli bir biyolojik hedef üzerindeki etkisini değerlendirirken genomik, kimyasal ve hücresel verilerden gelen sinyalleri aynı analiz içerisinde kullanabiliyor.

Doğrudan cevap olarak Project Quine, ilaç adaylarını laboratuvar testinden önce önceliklendirmek için geliştirilen deneysel bir yapay zekâ araştırma sistemi olarak tanımlanıyor. Microsoft, bu yaklaşımın ilaç geliştirme sürecindeki hesaplama ile deney arasındaki geçişleri hızlandırabileceğini değerlendiriyor.

Microsoft ile Broad Institute araştırmacıları, Project Quine’ın yeteneklerini pankreas duktal adenokarsinomu (PDAC) hücre hatları üzerinde test etti. PDAC, pankreas kanserinin en yaygın alt tiplerinden biri olarak bilinirken araştırmacılar çalışmada hücrelerin klasik durumdan bazal hücresel duruma geçişini hedefleyen bileşiklere odaklandı.

Quine, test sırasında belirli hücresel durum değişimlerini tetikleme potansiyeline sahip bileşikleri önceliklendirdi. Sistem araştırmacılara yalnızca hangi adayların incelenmesi gerektiğine ilişkin sonuçlar sunmakla kalmadı, deneylerde ortaya çıkan beklenmedik fenotipik tepkilerin de belirlenmesine yardımcı oldu.

Testlerin tek bir hafta sonu içinde yürütülmesi, yapay zekâ destekli önceliklendirme yaklaşımının araştırma döngüsünü ne ölçüde kısaltabileceğini gösteren örneklerden birini oluşturdu. Araştırmacıların fiziksel deneylere ayırdığı zamanı azaltan her hesaplamalı ön eleme aşaması, daha fazla hipotezin aynı araştırma döneminde incelenmesine katkı sağlayabiliyor.

Microsoft, Project Quine’ın mevcut aşamada yalnızca bilimsel araştırma amacıyla kullanılması gerektiğini açıkça belirtiyor. Sistem yapay zekâ tarafından üretildiği için hatalı sonuç verebildiğinden araştırmacıların elde edilen bulguları bağımsız deneylerle doğrulaması gerekiyor.

Bir yapay zekâ modelinin potansiyel ilaç adaylarını önceliklendirmesi, tek başına bir tedavinin güvenli veya etkili olduğunu göstermiyor. Bir adayın gerçek bir tedaviye dönüşmesi için toksisite, farmakokinetik, etki mekanizması, doz güvenliği ve klinik etkinlik gibi çok sayıda aşamanın ayrı ayrı değerlendirilmesi gerekiyor.

Quine’ın araştırma aşamasındaki konumu, yapay zekânın ilaç geliştirmedeki rolünün laboratuvar uzmanlığının yerine geçmekten çok araştırmacıların karar verebileceği aday alanını daraltmaya odaklandığını gösteriyor. Microsoft da sistemden elde edilen sonuçların deneysel doğrulamadan geçirilmesi gerektiğini vurguluyor.

Microsoft, Project Quine’ın erken aşamadaki kullanımını genişletmek için Quine Fellows programını başlattı. Araştırmacılar programa başvurarak sistemi erken erişim kapsamında biyolojik araştırmalarda test edebilecek.

Microsoft, Quine’ın mevcut araştırma aşamasından çıkmasıyla birlikte ticari erişimi Microsoft Discovery üzerinden genişletmeyi planlıyor. Microsoft Discovery, araştırmacıların bilimsel keşif süreçlerinde yapay zekâ destekli araçlardan yararlanmasını hedefleyen şirket platformları arasında yer alıyor.

Project Quine’ın sonraki gelişimi, hesaplamalı biyoloji ile fiziksel laboratuvar çalışmalarının ne kadar sıkı biçimde birbirine bağlanabileceğini gösterecek. Sistem farklı biyolojik veri türleri arasında yeni ilişkiler ortaya çıkarabildiği ölçüde araştırmacıların daha az sayıda aday üzerinde daha isabetli deneyler gerçekleştirmesine yardımcı olabilir; ancak klinik sonuçlara ulaşılması yine uzun süreli laboratuvar ve insan çalışmaları gerektirecek.