Page 13 - Mühendislik Fakültesi Bülteni Mart-2025

NobelPr ze.org. (n.d.). Retr eved March 5, 2025, from
https://www.nobelpr ze.org/pr zes/chem stry/

B İ Y O E N F O R M A T İ K V E Y A P A Y Z E K Â

Biyoenformatikte ele alınan problemler, genel hesaplamalı yöntemlerle yıllar içerisinde tanımlanarak bilişim teknolojilerindeki gelişimlerle
uygulama alanları bulmuş süreçlerdir. Bu süreçler, karmaşıklıkları ve hesaplama maliyetleri ile çoğunlukla çözümünde ciddi sıkıntılar ve
başarısızlıkları yanında getirmektedir. Yapay zekâ, makinelerin insan ve zeki davranışlar gösteren farklı canlı, topluluk ve sürüleri modelleyerek
çözülmesi zor ve karmaşık problemlere daha etkin çözümler üretmesiyle temellenmektedir. Özellikle son yıllarda etkisini artıran derin öğrenme
modelleri, yapay dil işleme algoritmaları ve veri madenciliği yaklaşımlarıyla elde edilen verilerden doğrudan sonuca yönlenmemizi sağlayan ve
bilgi keşfinde insan etkisini azaltan veri temelli yaklaşımlar ön plana çıkmaktadır. Özellikle makromoleküllerle oldukça detaylı ilgilenen
biyoenformatiğin, bu veri yoğun çalışma alanlarında yapay zekâ ve derin öğrenme konularından uzak kalması düşünülemez. Yapay zekâ ile
karmaşık biyolojik verileri analiz etme ve yorumlama konusunda en başarılı çalışma alanlarından birisi biyoenformatiktir. Ayrıca sadece analiz
uygulamalarında değil, kullanım sırasında hesaplamalı biyolojideki geleneksel paradigmaları yeniden şekillendirmesiyle genomik, proteomik ve
ilaç keşfi gibi çeşitli alanlarda önemli sıçramaların biyoenformatik alanında gerçekleştiği değerlendirilebilir.

Biyoenformatiğin son yıllarda önemli yapay zekâ uygulama alanlarından biri, protein yapı tahmini uygulamalarıdır. Proteinler, yaşamın
evrelerinde ve her türlü biyolojik süreçte kritik görevler üstlenen önemli makromoleküllerdir. Proteinlerin gerçekleştirdiği faaliyetlerle ilgili bilgiler,
proteinlerin katlanması sonucu oluşan üç boyutlu yapıları ile tanımlanmaktadır. Bu yapıların tespitinde, X-ışını kristalografisi ve NMR
spektroskopisi gibi geleneksel yöntemlerin yüksek maliyetler ve zaman gereksinimleri nedeniyle uygulanması oldukça zordur. Buna karşılık,
yapay zekâ odaklı derin öğrenme teknikleri, amino asit dizilerinden doğru protein yapı modelleri üretmede dikkate değer bir başarı göstermiştir.
Örneğin, AlphaFold2 ve RoseTTAFold gibi bilim camiasında yapay zekânın prestijini artıran modeller, bu alanda yeni ölçütler belirlemiş ve güncel
birçok çalışmada vurgulandığı gibi protein yapılarını benzeri görülmemiş bir doğrulukla tahmin etme yeteneklerini göstermiştir (Chen ve ark.,
2024). Bu gelişmeler ışığında, daha önce karakterize edilmemiş proteinlerin keşfinin kolaylaştığı ve adeta proteomun "karanlık maddesi"nin
anlaşılmış olduğu ifade edilebilir (Song, 2024). İlgili modellerin geliştirilmesinin 2024 yılı Nobel Kimya Ödülü’nü kazanarak bu alanda yapay zekâ
kaynaklı ilk ödüllerden birini aldığını da belirtmek isterim.

M Ü H E N D İ S L İ K B Ü L T E N İ | 1 3