Derin Öğrenme Algoritması İle İlaç Geliştirme
Yapay zeka algortimaları şaşırtıcı bir şekilde gizli bilgileri tanımlayabilir ve fotodaki kişileri birbirinden ayırt edebilir ya da bir doktor gibi tıbbi görüntüleri algılayabilir. Ancak, böylesi başarılar elde etmek binlerce hatta trilyonlarca data içeren bir çalışma gerektirir. Bu durum da yapay zekanın çok az veriyle o kadar iyi işlev göstermeyeceği anlamına gelir, örneğin; ilaç geliştirme.
Prof. Dr. Vijay Pande ve öğrencileri (Stanford Üniversitesi, Kimya Bölümü) düşük veri problemine çözüm olarak yalnızca az sayıda veri noktasına cevap verecek şekilde tasarlanan, derin öğrenmenin oldukça yeni bir türü olan tek adımda öğrenme (one-shot learning) sistemini geliştirdiler.
Bu metodu kullanarak ilaç tasarımının erken evresinde yol katetmeyi amaçladıklarını dile getiren Pande, ilaç tasarımında binlerce örneğe sahip olmanın büyük olasılıkla başarılı bir ilaç elde etmeye işaret ettiğini belirtti.
Pande ve çalışma grubu ACS Central Science dergisinde yayınladıkları makalede, sürpriz bir şekilde test sonuçlarıyla birlikte tek adımda öğrenme metodunun, ilaç geliştirme ve kimyanın diğer alanlarında yardımcı bir araç olma potansiyeli taşıdığını gösterdiler.
Görüntülerden Moleküllere Geçiş
Diğer araştırmacılar tek adımda öğrenme tekniğini görüntü tanımlama ve genomik çalışmalarda başarıyla uygulamışlardır, ancak ilaç geliştirme ile ilgili sorunlarda bu tekniğin uygulanması biraz daha farklıdır. Piksel ve altyapılar, algoritma oluşturmak için hayli doğal veri türleriyken küçük moleküllerin özelliği bu durumda değildir.
Araştırmacılar moleküler bilgiyi kullanılabilir hale getirmek için ilk olarak her molekülü atomlar arasındaki bağlantıları dikkate alarak ve matematiksel ifadeler yardımıyla grafiğe dönüştürerek tanımladı. Bu adımla beraber algoritmanın işlenebilir formundaki kimyasalın esas özelliklerinin vurgulanması sağlandı.
Grafiksel gösterimleri kullanarak çalışma ekibi iki farklı veri seti üzerinde bir algoritma oluşturdu; çeşitli kimyasalların toksisitelerini ve onaylanmış ilaçların ayrıntılı yan etkilerini içeren bilgiler. İlk veri setinden altı kimyasal üzerinde algoritma oluşturdular ve diğer üçünün toksisitesi hakkında tahminde bulundular. İkinci veri setini kullanarak da yan etkileriyle birlikte yirmi bir çalışmayla ilişkilendirdikleri ilaçların altısını daha test eden algoritma oluşturdular. Sonuçta, her iki durumda da algoritma tesadüfen ilaçların toksisite ve yan etkilerini mümkün olduğundan daha iyi tahmit etti.
Çeşitli prototipte algoritmalar üzerinde çalıştıklarını ve birkaç veri noktası elde ettiklerini söyleyen çalışmanın eş yazarı Bharath Ramsundar, doğruluk oranı yüksek tahminlerde bulunabildiklerini açıkladı. Ayrıca, bu tekniğin “sihirli” olmadığı, tek adımda öğrenme tekniği üzerine yapılan çalışmaların geliştirilerek bu aşamalara gelindiği ve tekniğin dolaylı olarak formülleriyle gösterilen çeşitli moleküllerin yakınlıklarına bağlı olarak çalıştığı yorumunda bulundu. Örneğin, araştırmacılar algoritmalarını toksisite verisi üzerine oluşturup yan etki verisine göre test ettiklerinde algoritmanın tamamen çöktüğünü gördüler.
Deney Yapana Yardımcı
İnsanlar yapay zekanın işlerini ellerinden alacaklarından endişe duyuyorlar ancak bu çalışmada korkacak bir durum söz konusu değil. Araştırmacılar, çalışmalarının başlarında ve ileriki dönemlerde umut vaat ettiklerine inandıkları moleküllerin seçimlerini yapmaya çalışan kimyacılar için bu çalışmanın, potansiyel bir araç olup zemin hazırladığı görüşünü paylaşıyorlar.
Şimdilik insanların bunu önsezi ile yaptıklarına dikkat çeken Ramsundar, hoş bir iltifat olsa da yaptıklarını “deney yapanın yardımcısı” olarak tanımlıyor.
İlaç tasarımına dair öngörmekten öte bu araç moleküler kimya alanında birçok uygulamada kullanılabilir. Pande lab güneş pillerinde farklı kimyasal bileşimlerinin oluşturulmasında hali hazırda farklı metotlar yardımıyla testlerini gerçekleştiriyor.
Tek adım tekniğinin bu alanda ilk kez yaptıkları çalışma ile uygulandığına dikkat çeken Pande, makine öğrenme algoritmalarının bu kadar hızlı ilerlemesinden oldukça heyecan duydukları ve yolun daha başında oldukları yorumunda bulundu.
Kaynak : stanford.edu
