Apple araştırmacıları, protein tasarımına yönelik SimpleDesign adlı bir yapay zeka modeli yayımladı. Modelin ayırt edici yanı, bir proteinin amino asit dizisini ve üç boyutlu yapısını aynı anda üretebilmesi.
Çalışma Apple Machine Learning Research sayfasında yayımlandı ve alanda yerleşik bir alışkanlığı sorguluyor. Haberi Türkiye'de iki ayrı yayın aktardı.
Neden iki şeyi birlikte üretmek gerekiyor
Bir proteinin işlevi yalnızca amino asitlerin sırasına bağlı değil. Zincirin uzayda aldığı şekil de en az sıra kadar belirleyici.
Bu yüzden yeni bir protein tasarlarken dizi ile yapı arasındaki ilişkiyi birlikte ele almak gerekiyor. İkisini ayrı ayrı iyi üretmek, uyumlu bir bütün ürettiğiniz anlamına gelmiyor.
Kaldırılan adım
Mevcut üretken yöntemlerin bir bölümü iki aşamalı çalışıyor. Önce bir otomatik kodlayıcı protein yapısını ve dizisini gizli simgelere dönüştürüyor, sonra üretken model bu sıkıştırılmış uzayda öğreniyor.
Apple ekibi bu çok aşamalı sürecin zorunlu olmadığını öne sürüyor. SimpleDesign veriyi önce ayrı bir kodlayıcıyla sıkıştırmak yerine, diziler ve yapılar üzerinde doğrudan uçtan uca eğitiliyor.
| Yaklaşım | Akış |
|---|---|
| Yerleşik yöntem | Otomatik kodlayıcı ile gizli temsil, sonra üretim |
| SimpleDesign | Dizi ve yapı üzerinde doğrudan uçtan uca eğitim |
| Sonuç | Bir aşama ve onun getirdiği bilgi kaybı ortadan kalkıyor |
İki aşamalı kurulumun bir bedeli var: sıkıştırma sırasında bilgi kayboluyor ve üretken model artık ham veriyi değil, o sıkıştırılmış hâlini görüyor. Aradaki katmanı kaldırmak bu kaybı ortadan kaldırıyor.
Model içeride nasıl çalışıyor
SimpleDesign iki veri türünü aynı model içinde işliyor ama her biri için farklı hesaplama yolları kullanıyor. Diziler için ayrık çapraz entropi, yapılar için regresyon hedefi devreye giriyor.
Ardından küresel öz dikkat katmanı dizi ile yapı arasındaki bağlantıları ortak bir bağlamda kuruyor. Yani ayrı işlenen iki temsil, tek bir dikkat katmanında buluşuyor. Tasarımın inceliği de burada: veri türleri ayrı kalıyor ama model ikisini aynı bağlamda görüyor.
Sonuçlar ve sınırlar
Araştırmacılar modeli 2 milyondan fazla dizi-yapı çiftiyle eğitti. Ortak tasarım ve koşulsuz üretim testlerinde rekabetçi sonuçlar alındığı bildiriliyor.
Burada dikkatli olmak gerekiyor: çalışma bir araştırma modeli. Yeni bir ilaç ya da laboratuvarda doğrulanmış bir protein ürünü anlamına gelmiyor. Hesaplamada iyi sonuç veren bir tasarımın gerçekten katlanıp işlev görmesi ayrı bir doğrulama süreci.
Apple'ın bu işte ne işi var
Apple'ın biyoloji tarafında görünmesi ilk bakışta şaşırtıcı duruyor. Şirketin makine öğrenmesi araştırma kolu bir süredir ürün hattından bağımsız çalışmalar yayımlıyor ve bunların çoğu açık makale olarak çıkıyor.
Buradaki katkı da bir ürün değil, bir sadeleştirme iddiası: yerleşik iki aşamalı kurulumun gerekli olmadığını göstermek. İddia doğruysa kazanç yalnızca hızda değil, ara aşamada kaybolan bilgide. Bu tür sadeleştirmeler alanda genelde birkaç grup tarafından bağımsız olarak tekrarlanana kadar kabul görmüyor.