Page 14 - Mühendislik Fakültesi Bülteni Mart-2025

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

Genomik veri analizi, tıpkı proteinler gibi oldukça karmaşık ve işlem yoğun bir alan olarak ön plana çıkmaktadır. Yapay zekânın farklı alanlardan
gen ifadelerini ele alması, popüler çalışma alanlarından biridir ve geleceği ele aldığımızda, çalışmaların en çok yoğunlaşacağı düşünülen
alanlardandır. Son dönemde yapılan önemli bir uygulama olarak, yeni nesil dizileme verileri için süreçlere yapay zekânın eklenmesi çalışmaları
yürütülmektedir. Böylece, virüs tespiti, genetik yatkınlıklar ve kişiselleştirilmiş tıp konusunda etkin bir yaklaşım olan Tek Nükleotit Polimorfizmi
gibi durumların keşfi ve doğrulama süreçlerinde ilerlemeler sağlanmaktadır (Ghorbani ve ark., 2024). Süreç takibinin etkin yapılması ile patojen
evrimini ve hastalık ilerlemesini anlamamızı sağlayan genetik varyasyonları tanımlamanın hem hızı hem de doğruluğu ciddi oranda
artmaktadır. Ayrıca, verilerin büyüklüğü düşünüldüğünde, otomatik ve hızlı analizler, insan eliyle yapılması mümkün olmayan çalışmaları
gerçekleştirilebilir hale getirmektedir (Liu ve Li, 2024).

İlaç keşfi, biyoenformatik temelindeki yapay zekâ uygulamaları için bir başka önemli alandır. Araştırmacıların biyoenformatik alanına ilgisini en
çok cezbeden alanlardan biri olan ilaç keşfi, yapay zekânın kapsamlı ve hızlı eleme yeteneklerinin önde gelen uygulama alanlarından biri haline
gelmektedir. Önceden farklı hastalıklarda kullanılmış ilaçlar için hastalık etkenlerinde genetik ve protein temelli bilgileri kullanarak eşleştirme,
hedef proteinlere karşı olası ilaç etkileşimlerini ve etkinliğini tahmin etme, en önemli iki yön olarak ortaya çıkmaktadır (Kulkarni ve ark., 2023).
Farmakolojik veri ve etkileşim konusunda sağlanan bu avantajlar, ilaç keşfi sürecinin çok büyük oranda kısaltılmasını sağlayabilmektedir (Li ve
ark., 2022). Bu yaklaşım ayrıca mevcut farmakolojik kütüphanelerin kullanımını da optimize eder ve böylece üretim ve piyasaya sürme gibi işin
gerçekçi kısıtlarla gerçekleştirilmesi, ekonomik etkisi, yan etki takibi gibi alanlarda da fayda sağlamaktadır.

Kişiselleştirilmiş tıp, son yılların en popüler araştırma alanlarından biridir. Genetik varyasyonlar kaynaklı hastalıkların gen tedavileri ile
planlanmasının yanı sıra, artık her hastalığın ve belirlenen tedavinin kişiye özel etkileri ve süreçleri belirlenmeye çalışılmaktadır. Özellikle tedavide
genel bir başarım sağlanamayan durumlarda, buna sebep olan varyasyonlar ve etkileşimler araştırılmaktadır. İşlem yoğun süreçler ve büyük veri
kümelerinin benzerlik açısından araştırılması ile süreçlerin ilerleyişinin kavranarak simüle edilmesi, yapay zekâ için oldukça elverişli bir alan
oluşturmaktadır. Bireysel genetik profillere dayalı teşhisler ve özel terapötik stratejiler günümüzde özel kliniklere kadar inmiş durumdadır.
Genomik varyasyonları ve bunların ilaç etkileşimleri üzerine analizler yaparak, daha etkili olan ve yan etkileri azaltan kişiselleştirilmiş tedavi
protokollerinin geliştirilmesi, tüm hastalıklar için gelecek olarak ele alınmaktadır. Yapay zekâ tabanlı çalışmalarda literatürde kendine yer
bulmaya başlamıştır (Facchiano ve ark., 2024). Genetik unsurları ve antibiyotik direncini anlamada biyoenformatik ve yapay zekâ kullanımı, halk
sağlığı zorluklarının ele alınmasına da önemli ölçüde katkıda bulunacaktır. Güncel çalışmalarda yapay zekâ tabanlı olarak antibiyotik direnç
genlerinin tanımlanması sağlanarak, dirençli patojenlerin yayılmasını kontrol etmeyi amaçlayan tedavi stratejileri ve halk sağlığı girişimleri
üzerinde durulmaktadır (Rojas-Villalta ve ark., 2023; Giassa ve Alexiou, 2021).

Doğal dil işleme alanında gelişmeler, sağlık alanında karmaşık araçların kullanımını kolaylaştırmıştır. Biyoenformatikte konuşma tabanlı yapay
zeka uygulamaları ile biyoenformatiğe erişilebilirlik artmış ve analizlerin basit komutlarla yapılması için geliştirmeler yapılmıştır (Pires, 2024).
Kullanıcı dostu bu yaklaşımlarla tıp uzmanlarının ve araştırmacıların, doğal dil aracılığıyla biyoenformatik çözümleriyle etkileşime girmesi
sağlanmış ve çok çeşitlilik gösteren biyoenformatik araçların geniş kullanıma açılması sağlanacaktır. Bunun yanında, biyoenformatik eğitimde
yapay zekâ, özellikle farklı disiplinlerin biyoenformatik eğitimi almasında fayda sağlayacak ve dolaylı olarak biyoenformatiğin geleceğine yön
verecektir (Johnston ve ark., 2022).

Sonuç olarak, biyoenformatiğe yapay zekâ ve derin öğrenmenin entegrasyonu, protein yapısı tahmini, genomik veri analizi, kişiselleştirilmiş tıp ve
ilaç keşfi dahil olmak üzere birden fazla alanda belirgin ilerlemelere yol açmış ve gelecekte de en ciddi atılımların biyoenformatik alanında olması
yönünde beklentiyi artırmaktadır. Geleceğin dünyasında kendine yer bulmak isteyenler için biyoenformatik ve yapay zekâ uygulamaları önemli
bir gelişim sahası oluşturmaktadır.

M Ü H E N D İ S L İ K B Ü L T E N İ | 1 4