Yapay zeka maya hücrelerini daha verimli hale getiriyor

Tallinn Teknoloji Üniversitesi'ndeki bilim insanları, yapay zeka kullanarak hangi genlerin yağ mayasını (Yarrowia lipolytica) daha verimli lipit ve pigment üreticisi haline getirebileceğini tahmin etmeyi başardı. Yeni geliştirilen metabolizma modeli, gıda, kozmetik ve biyoyakıt hammaddelerinin yüzlerce kat daha hızlı üretilmesine yardımcı olacak.

Ekmek mayası Saccharomyces cerevisiae, binlerce yıldır şekerleri alkole ve karbondioksite dönüştürmede insanlığa hizmet ediyor. Ancak yeni nesil biyoteknolojide biyologların ilgisi, hücrelerinde bol miktarda yağ benzeri madde depolayan yağ mayalarına yönelmiş durumda. Estonyalı biyomühendislerin öncülüğündeki uluslararası bir araştırma ekibi, bu mayanın lipitlerin yanı sıra değerli pigmentler yani karotenoidler üretmesinin nasıl sağlanacağı sorusuna yanıt aradı.

Doğal haldeyken lipitler, bu mayanın kuru kütlesinin beşte biri ile yarısı arasında bir kısmını oluşturuyor. Genler hedefli olarak değiştirildiğinde yağ benzeri maddelerin oranı yaklaşık yüzde 80'e çıkıyor ve hücre, doğada normalde bulunmayan karotenoidleri de üretmeye başlıyor. Ancak bilim insanları, binlerce metabolik sürecin tek bir ağ olarak çalışması ve tek bir genin değişmesiyle tüm sistemin anında dönüşmesi gibi bir sorunla karşı karşıya.

Bilgisayar modelleri laboratuvar deneylerini hızlandırıyor

Araştırmacılar en iyi gen varyantlarını belirlerken bilgisayarlarda çalışan genom çapında metabolizma modellerine dayanıyor. Bu modeller, hücre içindeki biyolojik reaksiyonları tanımlayarak biyologların laboratuvarda yalnızca en başarılı varyantları test etmesini sağlıyor. Her reaksiyonu hücrede özel proteinler yani enzimler yönetiyor ve bu enzimlerin yapım talimatları doğrudan mayanın genlerinde bulunuyor.

Önceki modellerde enzim özelliklerini tanımlayan verilerde boşluklar vardı. Biyologlar bu durumu, yapay zeka tabanlı DLKcat algoritmasıyla çözdü. Akıllı bilgisayar programı, önceki bilgilere dayanarak neredeyse tüm Yarrowia lipolytica enzimlerinin farklı koşullarda nasıl davrandığını öngörebiliyor.

Araştırmanın başyazarı, Tallinn Teknoloji Üniversitesi araştırmacısı Juliano Sabedotti de Biaggi, yapay zekanın enzim analizini birkaç yüz kat hızlandırdığını açıkladı. "Daha önceki mekanistik modellerle bir enzimin özelliklerini hesaplamamız birkaç gün sürerken, DLKcat yüzlerce enzim için sonuçları bir saatten kısa sürede verebildi" dedi. Bu sayede enzimler çok daha geniş ölçekte incelenip karşılaştılabildi ve daha önce hesaplama açısından pratik olmayan analizler yapılabildi.

Laboratuvar deneylerinde araştırmacılar ayrıca çok sayıda proteomik veri toplayıp bunları doğrudan yeni bilgisayar modeline aktardı. Bu veriler, mayanın farklı yaşam evrelerinde hangi proteinleri ne miktarda ürettiğini gösteriyor. Böylece biyologların bilgisayarlarında bugüne kadarki en ayrıntılı metabolizma modeli olan ecYali5-GEM ortaya çıktı.

Maya hücresinin ihtiyaçları yaşam döngüsü boyunca büyük ölçüde değişiyor. Erken büyüme evresinde lipit sentezini tetikleyen bir gen, sonraki aşamalarda artık hiçbir etki göstermeyebiliyor. Yeni model, araştırmacıların belirli bir genin aktivitesini hücre içinde tam olarak ne zaman artırıp azaltmaları gerektiğini yakalamasına yardımcı oluyor.

Araştırmacılar bilgisayar modeli verilerini laboratuvar deneyleriyle karşılaştırdığında, yeni çözümün tutarlı olduğu ortaya çıktı. Algoritma yalnızca önceki deney sonuçlarını doğrulamakla kalmadı, aynı zamanda tamamen yeni hedef genleri de işaret etti. Böylece bilim insanları ekrandan hangi geni önce hedefleyeceklerini net biçimde görebiliyor.

Karotenoidler ve lipitler mayada benzer iç yollardan üretiliyor. Laboratuvarcılar hücre kaynaklarını bir kanala yönlendirdiğinde, diğerinde kaçınılmaz olarak daha az madde kalıyor. Ayrıntılı bilgisayar modeli, mayanın her iki değerli maddeyi aynı anda üretebileceği ideal denge noktasını buluyor.

Ancak yapay zeka ve matematik, biyologların tüm sorunlarını çözmüyor. Araştırmacılar, algoritmanın değiştirilmesini önerdiği bazı genlerin laboratuvar deneylerinde beklenen sonucu vermediğini fark etti. Mayanın gerçek metabolizması, mevcut bilgisayar modelleri için hâlâ fazla karmaşık çıktı.

"Bu, maya hücresinin metabolizmasının mevcut modellerin tanımlayabileceğinden daha karmaşık olduğunu gösteriyor. Ancak başarısız tahminler bile gelecekteki modellerin geliştirilmesine yardımcı olabilir" diye ekledi Sabedotti de Biaggi.

Bilim insanları yeni yöntemin tüm endüstriyel biyoteknoloji alanında geniş bir potansiyel taşıdığını düşünüyor. Akıllı bilgisayar modelleri, biyologların endüstriyel atık maddeleri tüketip bunlardan saf bileşikler üretebilen hücreler tasarlamasına yardımcı olacak. Yazarlar bilimsel makalede, benzer hesaplama mantığının ileride diğer mikroorganizmaları inceleyen araştırmacılar tarafından da benimsenebileceğini belirtti.

Verimli çalışan hücre fabrikaları, insanlığın petrole ve yoğun tarıma bağımlılığını azaltmaya yardımcı olacak. Yapay zeka, biyologların mayaları kazançlı biçimde çalıştırmasına yardım ediyor; böylece sürdürülebilir biyoyakıtlar, yeni kozmetik ürünler ve gıda takviyeleri laboratuvardan fabrikalara daha erken ulaşabilecek. Biyoloji ile matematiğin birleşik gücü, günlük tüketim kültüründeki değişimi bize bir adım daha yaklaştırıyor.

Makale, Applied Microbiology and Biotechnology dergisinde yayımlandı.