Apple, protein tasarımı için SimpleDesign modelini tanıttı

Apple araştırmacıları, proteinlerin amino asit dizilerini ve üç boyutlu yapılarını birlikte tasarlayabilen SimpleDesign adlı yeni bir yapay zekâ modelini tanıttı. Yeni bir çalışmada ayrıntıları paylaşılan model, protein tasarımında yaygın olarak kullanılan çok aşamalı eğitim yaklaşımı yerine doğrudan veri üzerinden çalışan tek aşamalı bir yöntem öneriyor.

Proteinler, canlı organizmalarda çok sayıda biyolojik işlevi yerine getiren moleküller. Bir proteinin görevini anlamak veya yeni bir protein tasarlamak için yalnızca amino asit dizisini bilmek yeterli olmayabiliyor; dizinin uzayda nasıl katlandığı ve hangi üç boyutlu yapıyı oluşturduğu da büyük önem taşıyor. SimpleDesign, bu iki unsuru birbirinden koparmadan aynı model içinde ele almayı amaçlıyor.

SimpleDesign hangi yaklaşımı kullanıyor?

Geleneksel protein tasarım modellerinin bir bölümünde eğitim süreci iki aşamaya ayrılıyor. İlk aşamada protein yapıları, doğrudan kullanılmak yerine daha küçük ve ayrık temsillere, yani bir tür “token” dizisine dönüştürülüyor. Bunun için genellikle bir otomatik kodlayıcı eğitiliyor. İkinci aşamada ise üretici model, bu sıkıştırılmış temsiller üzerinden yeni protein dizileri ve yapıları oluşturmaya çalışıyor.

Apple ekibinin yaklaşımı, bu ara tokenleştirme basamağını kaldırıyor. SimpleDesign, amino asit dizileri ile proteinlere ait sürekli üç boyutlu koordinatları doğrudan kullanarak eğitiliyor. Böylece model, önce yapıyı başka bir temsile çevirmek ve ardından bu temsilden geri üretim yapmak yerine, eşleştirilmiş dizi-yapı verisini uçtan uca öğreniyor.

Çalışmada araştırmacılar, ayrı bir otomatik kodlayıcıya ve bunun ardından gelen gizli uzay üretimine ihtiyaç duyulmayabileceğini savunuyor. Modelin temel fikri de buradan geliyor: Protein dizisi ve yapısı arasındaki ilişki, araya ek bir temsil katmanı koymadan aynı eğitim sürecinde öğrenilebilir.

Model nasıl eğitildi?

SimpleDesign’ın eğitiminde 2 milyondan fazla protein dizi ve yapı çifti kullanıldı. Verilerin büyük bölümü, AlphaFold veri tabanından alınan tahmin edilmiş yapıları ve ek örnekleri bir araya getiren AFESM veri kümesinden geliyor.

Eğitim sırasında araştırmacılar, her bir çiftin hem dizi hem de yapı tarafını bilinçli olarak bozdu. Amino asitlerin bir bölümü maske token’larıyla gizlenirken, aynı proteine ait üç boyutlu yapıya da gürültü eklendi. Modelin karşılaştığı bozulma seviyesi de örnekten örneğe değiştirildi. Bu yöntem, SimpleDesign’ın eksik veya gürültülü bilgilerden hareketle diziyi ve yapıyı birlikte öğrenmesini sağlamak üzere kullanıldı.

Bu tasarımda dizi ve yapı, birbirinden bağımsız iki çıktı olarak ele alınmıyor. Bir taraftaki bilgi, diğer tarafın yeniden oluşturulmasına yardımcı olabiliyor. Örneğin dizinin bazı bölümleri gizlendiğinde üç boyutlu yapıdan yararlanılabilir; yapı gürültülendiğinde ise amino asit dizisi model için ek bir bağlam sağlayabilir. Kaynak çalışmanın paylaşılan bölümünde, modelin bu süreç sonunda elde ettiği performansa ilişkin ayrıntılı ölçümler yer almıyor.

SimpleFold ile bağlantısı

SimpleDesign, Apple araştırmacılarının daha önce üzerinde çalıştığı SimpleFold yaklaşımının protein tasarımına genişletilmiş hâli olarak konumlanıyor. SimpleFold, bir amino asit dizisinden proteinin üç boyutlu yapısını doğrudan tahmin etmeye odaklanıyordu.

SimpleFold, bu amaçla akış eşleştirme adı verilen bir üretim tekniğini genel amaçlı Transformer bloklarıyla bir araya getiriyordu. Akış eşleştirme, gürültülü ve rastgele bir başlangıçtan hedef çıktıya doğru daha doğrudan bir yol öğrenmeye dayanıyor. Bu yönüyle, çıktıya ulaşmak için gürültüyü adım adım azaltan difüzyon tabanlı yöntemlerden ayrılıyor.

Apple’ın yeni çalışması, aynı sadeleştirme fikrini yalnızca protein yapısını tahmin etme probleminde bırakmıyor. SimpleDesign, hem amino asit dizisini hem de sürekli üç boyutlu yapıyı ortak bir model içinde üretmeyi hedefliyor. Bu yaklaşım, protein tasarımındaki model mimarilerini daha az ara bileşenle kurma arayışının bir örneği olarak öne çıkıyor.