- Yeni bir antibiyotik, IBD’yi (inflamatuvar bağırsak hastalığı) tedavi hedefiyle geliştiriliyor
- Yapay zeka teknolojisi, antibiyotiğin nasıl çalıştığını öngörerek katkı sağladı
- Mevcut tedavilere kıyasla yeni bir mekanizma kullanarak direncin aşılabileceğine işaret ediyor
- Deneysel başarıya dayanarak sonraki klinik uygulamalar için beklenti oluştu
- İlaç tasarımı ve doğrulama süreçlerinde yapay zeka kullanımının önem kazandığı bir eğilim görülüyor
Genel Bakış
- Son dönemde yeni bir antibiyotik, inflamatuvar bağırsak hastalığını (IBD) tedavi etmek için araştırılıyor ve dikkat çekiyor
- Bu antibiyotiğin etki mekanizmasının, yapay zeka (AI) tarafından öngörülmesi geleneksel ilaç geliştirme sürecini dönüştürüyor
- Mevcut tedavilerin sahip olduğu direnç ve sınırlılıkları belirleyerek, yeni bir mekanizma aracılığıyla bunların aşılabileceğine işaret ediyor
- Araştırma ekibi, hayvan deneyleri gibi erken aşamalarda anlamlı etkiler gözlemledi ve gelecekte klinik uygulamayı hedefliyor
- Yapay zeka tabanlı ilaç geliştirme, etki mekanizmasını öngörme gücü, verimlilik ve maliyet azaltma gibi avantajları nedeniyle ilaç sektöründe giderek daha önemli hale geliyor
1 yorum
Hacker News görüşü
Burada Nature Microbiology’deki orijinal çalışma var bağlantı. İlginç bulduğum kısmı paylaşmak istiyorum. Üniversitenin basın bültenine göre, şimdiye kadar yapay zeka terapötik potansiyeli olan molekülleri tahmin etmek için bir araç olarak kullanılıyordu, ancak bu çalışmada yapay zeka, ilacın hastalığa nasıl saldırdığını açıklayan “etki mekanizmasını (MOA)” ortaya çıkarmak için kullanıldı. MOA araştırması ilaç geliştirme için kritik öneme sahip. Bilim insanlarının güvenliği doğrulamasına, dozu optimize etmesine, etkinliği iyileştirmesine ve bazen yeni tedavi hedefleri keşfetmesine yardımcı oluyor. Düzenleyici kurumlar da bu araştırmaya dayanarak yeni ilacın insanlarda kullanıma uygun olup olmadığına karar verebiliyor. Normalde MOA araştırması yaklaşık 2 yıl ve 2 milyon dolara mal olurken, bu kez yapay zeka kullanılarak 6 ayda ve 60 bin dolara tamamlandı. Yeni antibiyotik keşfedildikten sonra Stokes, MIT CSAIL’deki meslektaşlarıyla iş birliği yaparak modern makine öğrenimi platformlarının MOA araştırmasını hızlandırıp hızlandıramayacağını inceledi. Tahmin yalnızca 100 saniyede geldi ve yeni ilacın bakterilerin hayatta kalması için gerekli olan mikroskobik bir protein kompleksi olan LolCDE’yi hedef aldığı doğrulandı. MIT’den Prof. Regina Barzilay (DiffDock geliştiricisi), “Bu örnekte yapay zekanın yalnızca molekül keşfinin ötesine geçip, geliştirme sürecinin tamamı için kritik olan mekanizma açıklamalarını da sağlayabildiğini gösteriyoruz” diye açıklıyor.
Laboratuvarda yeni antibiyotik keşfedildikten sonra Stokes’un MIT CSAIL’deki meslektaşlarıyla birlikte çalışması gerçekten çok etkileyici geliyor. Üniversitede olunca kampüs içinde farklı uzmanlarla kolayca tanışabiliyor ve ilgini çeken sorunları en ileri alanların gücünü kullanarak çözebileceğin harika bir ortam oluşuyor.
DiffDock’un büyük dil modeli (LLM) olup olmadığını merak ediyorum. Genel kamuoyu “AI” dendiğinde hemen ChatGPT gibi LLM’leri düşünüyor; OpenAI de kendilerinin “düşünen makineler” yaptığı izlenimini veriyor, bir de haber başlığında “tahmin etti” denince kafa daha da karışıyor.
Acaba bir pre-print var mı? Artık üniversiteye bağlı değilim, o yüzden eskiden olduğu gibi birinin makaleyi geceden yüklemesini bekleyememek üzücü.
Bir tuhaflık var gibi geliyor. LolCDE’nin E. coli için bir zayıf nokta olduğu 2016’dan önce de biliniyordu ve bunu baskılayabilen globomycin gibi şeyler de 1978’den beri biliniyordu kaynak1 kaynak2. O zaman enterololin sadece globomycin’in yeni bir türevi mi diye merak ediyorum. Yapay zeka mı akıllı, yoksa bilim insanları mı giderek daha aptal hale geliyor, emin değilim.
MOA araştırmasının eskiden 2 yıl ve 2 milyon dolar gerektirip, bu kez yapay zekayla 6 ay ve 60 bin dolarda bitmesi gerçekten çok güzel. Artık mesele kod tamamlama ya da görsel üretimi değil; sanki yapay zeka/makine öğreniminin gerçek değerlerinden biri burada ortaya çıkıyor. Önümüzdeki 10 yılda bu alanın nasıl evrileceğini gerçekten merak ediyorum. Protein folding için AlphaFold’u ve bu tür mekanizma tahmini sayesinde maliyetlerin düşmesini ve klinik deneylerin hızlanmasını düzenli olarak takip etmek isterim.
Bu haber, “yapay zeka araştırmacıların işini elinden alıyor” bakışını güçlendiriyor gibi görünse de, aslında benim işte AI araçlarını kullanma deneyimime çok benziyor. Stokes, tahmin sonucunun ilginç olduğunu ama sonuçta bunun sadece bir tahmin olduğunu ve (geleneksel) deneysel MOA araştırmasının mutlaka yapılması gerektiğini özellikle vurguluyor. Yapay zekanın “doğru olabilir” olması, sonraki adımı düşünürken zaman kazandırıyor. Bu yüzden MIT’nin tahminine dayanarak deneylere başladılar ve birkaç ay sonra AI tahmininin doğru olduğu ortaya çıktı. Sonuçta standart MOA deneyleriyle tahminin doğru olduğu doğrulandı ve bu süreçle normalden 1,5 yıl tasarruf etmiş oldular.
Bence “AI” terimi bugünlerde anlaşılması zor bir kavrama dönüştü. Kamuoyu AI=ChatGPT diye düşünüyor ve “ChatGPT yeni ilaç keşfetti” diye hayal ediyor. Oysa gerçek araştırmalarda transformer’lar (LLM’ler) dışında da çok çeşitli ML araçları kullanılıyor ve bunların büyük kısmının LLM ya da ChatGPT ile hiçbir ilgisi yok.
Ben de katılıyorum. Sen doğrudan LLM mi kullanıyorsun yoksa alanına uygun ML/deep learning araçları mı kullanıyorsun bilmiyorum. Son 1 yıldaki LLM başarı hikâyelerinin çoğu, bu araçların “cephede” çalışan uzmanlara, yani zaten kendi alanlarındaki en ileri makaleleri okumuş kişilere çok daha fazla fayda sağlamasıyla ilgili gibi geliyor. “Halüsinasyon” şikâyetlerinin, işin gerçekten en ön safında olanlardan değil de başka yere dayanacak ya da ek bilgi arayacak imkânı olmayan uzman olmayan kişilerden geldiğini düşünüyorum. Hatta LLM’lerin benim ilgi alanımla hiç bilmediğim komşu alanlar arasında bağlantılar kurup hipotezler ya da ipuçları önermede muazzam etkili olduğunu düşünüyorum. Sonuçta deney ya da doğrulamayı araştırmacının kendisi yapmak zorunda ve bazen kendi vardığım sonuçtan emin değilsem, aynı sonuca ulaşıp ulaşmadığını görmek için verilerimi LLM’e veriyorum. Halüsinasyonlardan hiç endişe etmiyorum. Hatanın sorumluluğu eninde sonunda bana ait. Ayrıca bilginin en ileri sınırında, saçma görünen tavsiyeler bile taze fikirlere yol açabilir. Artık hangi bilgiyi nerede arayacağım diye günlerce, haftalarca, aylarca tıkanıp kaldığım durumlar neredeyse kalmadı. Eskiden Palantir’in insan/bilgisayar iş birliğinde “workflow”un önemini anlattığı satranç turnuvası yazısında, sonunda amatör+en iyi workflow kombinasyonunun kazandığını söylemişti; şimdi ise yeni araçların uzmanları daha da güçlendirdiği bir toplum haline geldiğimizi düşünüyorum bağlantı.
Bu çalışmada yapay zeka ve araştırma ekibinin keşfettiği şey IBD’nin (iltihaplı bağırsak hastalığı) kendisi için bir tedavi değil. Daha ziyade, IBD hastalarında ya da geniş spektrumlu antibiyotik tedavisi almış kişilerde bağırsakta enterobacter türleri (bazı E. coli’ler dahil) sıklıkla aşırı çoğalıyor. Bunlar mevcut antibiyotiklere dirençli ve bağırsak sağlığı için olumsuz bir durum oluşturuyor. Araştırmacılar, yalnızca bu enterobacter grubunu seçici olarak baskılayan ve mikrobiyomun geri kalanını koruyan yeni bir molekül buldu. Bu, bağırsaktaki bakteri dengesizliği nedeniyle zorlanan insanların, özellikle de IBD hastalarının, daha sağlıklı bir bağırsak ortamına kavuşmasına yardımcı olabilir. Yine de şimdilik fare deneyleri aşamasında.
IBD hastalarında mikrobiyom dengesini tamamen düzeltmenin hastalık döngüsünü kırıp remisyona yol açabileceği yönünde uzun süredir bir hipotez var (ama bu henüz resmen kanıtlanmış değil).
Habere göre “Bu ilaç milyonlarca IBD hastası için çok umut verici bir tedavi olabilir. Şu anda bir tedavi yöntemi olmadığı için, semptomları anlamlı ölçüde hafifletip yaşam kalitesini artırabilir.”
IBD’nin E. coli yüzünden ortaya çıktığının iyi kanıtlanmış bir gerçek olup olmadığını merak ediyorum. Yoksa mesele E. coli’ye karşı hassas tepki verme durumu mu, emin olamadım.
Henüz kesin değil. Genetik faktörler ve mikropların birlikte rol oynadığı görülüyor. Durum oldukça karmaşık. Çünkü iltihaplı derinin kültürlenmiş dokusuna (veya biyopsisine) bakıp “Aha, mesele bu!” diyemiyorsun. En etkili tedaviler bile sonuçta bağışıklık sisteminin bir kısmını baskılama stratejisine dayanıyor ve pratikte bazı hastalarda çeşitli immünsüpresanların denenip kombinasyonlarla idare edilmesi söz konusu.
Hepimizde E. coli bulunduğu için bu doğrudan neden değil. Haber biraz kafa karıştırıyor; bu keşif, mevcutlara göre daha dar spektrumlu (hedef bakteri aralığı daha dar) olduğu için insanın doğal bakteri tabakasına daha az zarar veriyor. Buna karşılık dirençli enterobacter türleri (başlıca tür E. coli ama hepsi değil) daha kolay aşırı çoğalabiliyor. IBD ile E. coli’nin aşırı çoğaldığı mikrobiyomlar arasında bir korelasyon var. İlgili E. coli alt tipleri de tanımlanıyor kaynak.
IBD’ye doğrudan E. coli neden olmuyor ama E. coli ve diğer Enterobacteriaceae gerçekten de iltihabı fırsata çevirerek çoğalabiliyor. İltihap nitrat salgılanmasına yol açıyor ve Enterobacteriaceae bunu son elektron alıcısı olarak kullanıp çoğalıyor. Ayrıca koruyucu mukus tabakası inceldiğinde veya deliklerle dolu hale geldiğinde (bu da genellikle mikrobiyom bozulunca oluyor), bunlar daha kolay içeri girip çoğalabiliyor. Bu tür bakteri artışı da tersine iltihabı körüklüyor ve remisyonu zorlaştırıyor. Son dönemde, E. coli’nin mukozaya tutunurken kullandığı faktörleri engelleyerek iltihabı azaltmaya yönelik bazı klinik sonuçlar da var.
Araştırmacılara neden doğrudan GPU kredisi verilmediğini pek anlamıyorum. Zahmetli hukuki süreçler yerine, e-posta adresiyle runpod/prime-intelect veya x-gpu sağlayıcısında bir hesap açıp içine 5 bin dolar yüklemek yeterli olurdu. Gerçekten bunu hak eden kişileri de Github ve Huggingface geçmişine bakarak ayırt etmek gayet mümkün.
“AI modelinin her zaman doğru olduğunu varsayamayız” noktasında, neden böyle bir önkabulle hareket etmemiz gerektiğini sorguluyorum. Ve görünüşe göre “doğru olabilir” ihtimali, sonraki adımlardaki deneme-yanılmayı azaltmış. Ama bunun sadece bir confirmation bias (doğrulama yanlılığı) olup olmadığını merak ediyorum. Örneğin 100 vakada AI’a “Bu nasıl çalışıyor?” diye sorup, 99’unda saçma ya da kulağa mantıklı ama yanlış yanıtlar aldıysanız ve haberde sadece 1 doğru örneği görüyorsak ne olacak? Laboratuvarda doğru çıkmış olması, gerçekten zaman kazandırdığı anlamına gelir mi? Bozuk saat de günde iki kez doğruyu gösterir. “Bozuk saat ama tuttuğunda büyük iş yapıyor!” diyemeyeceğimiz gibi, belki de “üretken AI” değil sadece şanslı örnekler görüyoruz. Bu alanın gerçekten ilerlediğini söylemek için başarısız örneklerin de veri olarak yayımlanması ya da kabul edilmesi gerektiğini düşünüyorum. Aksi halde sadece hype büyütülmüş oluyor.
Araştırmacılar aslında hâlâ bilimsel yöntemi kullanıyor. AI’ın sağladığı şey, test edilecek hipotezler sunmak. Bu yüzden AI, “ikna edici hipotez beyin fırtınası” konusunda son derece güçlü.
İnsan uzmanlar da ileri düzey araştırmalarda sık sık yanılır. Hipotezlerin ve deneylerin çoğu başarısız olur. Ama bir araştırmacıyı atılım yaptığında övmemizin nedeni %100 başarılı olması değil, başkalarından daha hızlı ve rastgele denemeden daha yüksek olasılıkla doğruyu bulmasıdır. Eğer AI sayesinde 100 vakada 1/99 başarı 2/99 ya da 3/99’a çıkıyorsa, verimlilik iki-üç kat artmış demektir. Ve eğer AI bu sezgilerin hepsini 100 saniye içinde test edebiliyorsa, insanlarinkinden çok daha hızlı bir ilerleme sağlanabilir.
Benim anladığım kadarıyla bu çalışma bir IBD tedavisi değil, IBD hastaları için daha güvenli bir antibiyotik gibi görünüyor.
McMaster University adı kulağa şaka gibi gelebilir ama aslında 1887’de kurulmuş gerçek bir üniversitedir [Wiki’ye bakın].
Kanada’daki en üst düzey üniversitelerden biri. Bence özellikle tıp araştırmalarında Kanada’nın en iyisi kaynak.
Londra’da da 1930’dan beri faaliyet gösteren Goodenough College diye bir yer var; isminin çağrıştırdığının aksine gerçekten gayet iyi işliyor.
Makine öğrenimi bilimsel araştırmalarda 10 yıldan uzun süredir kullanılıyor. O zaman burada farklı olan ne, merak ediyorum. Genel medyanın terimleri hoyratça kullanmasına alışığım ama NATURE’un neden “yapay zeka” ifadesini kullandığını anlamıyorum.