Yapay zeka mayayı daha verimli hücre fabrikasına dönüştürüyor

Tallinn Teknoloji Üniversitesi'nde (TalTech) görevli araştırmacılar, yapay zeka yardımıyla hangi genlerin yağlı mayayı lipit ve pigment üretiminde daha verimli kılacağını öngördü. Geliştirilen yeni metabolik modelin, yeni gıdalar, kozmetik ürünler ve biyoyakıtlar için hammadde üretimini yüzlerce kat hızlandırabileceği belirtiliyor.

Ekmek mayası Saccharomyces cerevisiae, insanlığın binlerce yıldır şekeri alkole ve karbondioksit dönüştürmesine yardımcı oluyor. Ancak yeni nesil biyoteknolojide biyologlar, hücrelerinde büyük miktarda yağ benzeri madde depolama yeteneğiyle öne çıkan Yarrowia lipolytica gibi yağlı mayalara ilgi duyuyor. Estonyalı biyomühendislerin liderliğindeki uluslararası bir araştırma ekibi, mayanın yalnızca lipit değil, karotenoid adı verilen değerli pigmentleri de üretecek şekilde nasıl düzenlenebileceğini araştırdı.

Doğal halinde lipitler, mayanın kuru kütlesinin beşte biri ile yarısı arasında bir bölümünü oluşturuyor. Hedefe yönelik genetik değişikliklerle araştırmacılar, yağ benzeri maddelerin oranını yüzde 80'e yakın seviyeye çıkarabiliyor ve hücreleri doğada normalde üretmeyecekleri karotenoidleri üretmeye yönlendirebiliyor. Ancak bilim insanlarını zorlu bir görev bekliyor: Binlerce metabolik süreç tek bir ağ olarak işliyor, dolayısıyla tek bir genin değiştirilmesi tüm sistemi anında etkiliyor.

Bilim insanları en iyi gen varyantlarını tararken bilgisayarda çalıştırılan genom ölçekli metabolik modellere dayanıyor. Bu modeller hücre içindeki biyolojik reaksiyonları tanımlayarak biyologların laboratuvar deneylerini yalnızca en umut verici varyantlara indirgemesine yardımcı oluyor. Hücredeki her reaksiyon, enzim adı verilen özelleşmiş proteinler tarafından kontrol ediliyor ve bunların üretim talimatları doğrudan mayanın genlerinde kodlanıyor.

Önceki modellerde enzim özelliklerini tanımlayan verilerde önemli boşluklar vardı. Biyologlar bu sorunu yapay zeka tabanlı bir algoritma olan DLKcat ile çözdü. Mevcut bilgilerden yararlanan bilgisayar programı, neredeyse tüm Yarrowia lipolytica enzimlerinin farklı koşullar altında nasıl davranacağını öngörebiliyor.

Enzim analizi saatler içinde tamamlanıyor

Araştırmanın baş yazarı ve TalTech araştırmacısı Juliano Sabedotti de Biaggi, yapay zekanın enzim analizini birkaç yüz kat hızlandırdığını söyledi.

Sabedotti de Biaggi, önceki mekanik modellerde tek bir enzimin özelliklerini hesaplamanın birkaç gün sürdüğünü, DLKcat'in ise yüzlerce enzim için bir saatten kısa sürede yanıt verebildiğini belirtti.

Bu sayede araştırmacılar enzimleri çok daha geniş ölçekte inceleyip karşılaştırabildi ve daha önce hesaplama açısından uygulanması pratik olmayan analizler yapabildi.

Laboratuvar deneylerinde araştırmacılar ayrıca büyük miktarda proteomik veri toplayarak doğrudan yeni bilgisayar modeline aktardı. Veriler, mayanın yaşam döngüsünün farklı aşamalarında hangi proteinleri ve ne miktarda üretmeye başladığını doğru şekilde yansıtıyor. Bu da biyologları, mayanın bugüne kadarki en ayrıntılı metabolik modeli olan ecYali5-GEM'i geliştirmeye yönlendirdi.

Bir maya hücresinin ihtiyaçları yaşam döngüsü boyunca büyük ölçüde değişiyor. Erken büyüme evresinde lipit üretimini artıran bir gen, ilerleyen aşamalarda hiçbir etki göstermeyebiliyor. Yeni model, bilim insanlarının hücre içindeki belirli bir genin aktivitesinin tam olarak ne zaman artırılması veya azaltılması gerektiğini belirlemesine yardımcı oluyor.

Araştırmacılar bilgisayar modelinin sonuçlarını laboratuvar deneyleriyle karşılaştırdığında yeni yaklaşımın doğru olduğunu gördü. Algoritma yalnızca önceki deneysel sonuçları doğrulamakla kalmadı, tamamen yeni hedef genler de belirledi. Bilim insanları böylece önce hangi gene odaklanacaklarını bilgisayar modeliyle net biçimde tespit edebiliyor.

Karotenoidler ve lipitler mayada benzer iç yollarla üretiliyor. Araştırmacılar hücre kaynaklarını bir yola yönlendirdiğinde, kaçınılmaz olarak diğerine daha az kaynak kalıyor. Ayrıntılı bilgisayar modeli, mayanın her iki değerli maddeyi aynı anda üretebildiği en uygun dengeyi belirleyebiliyor.

Ancak yapay zeka ve matematik, biyologların tüm sorunlarını çözmüyor. Araştırmacılar, algoritmanın önerdiği bazı genlerin değiştirilmesinin laboratuvar deneylerinde beklenen sonucu vermediğini tespit etti. Bir maya hücresinin gerçek metabolizması, mevcut bilgisayar modellerinin tam olarak yakalayamayacağı kadar karmaşık olmaya devam ediyor.

Sabedotti de Biaggi, bunun maya hücresi metabolizmasının mevcut modellerin tanımlayabileceğinden daha karmaşık olduğunu gösterdiğini, ancak başarısız tahminlerin bile gelecekteki modellerin iyileştirilmesine yardımcı olabileceğini ekledi.

Araştırmacılar yeni yöntemin endüstriyel biyoteknolojide geniş bir potansiyele sahip olduğunu düşünüyor. Gelişmiş bilgisayar modelleri, biyologların endüstriyel atıkları tüketip saf bileşiklere dönüştürebilen hücreler tasarlamasına yardımcı olabilir. Yazarlar, araştırma makalesinde diğer mikroorganizmalar üzerinde çalışan araştırmacıların da gelecekte benzer hesaplama yöntemlerini uygulayabileceğini belirtti.

Verimli hücre fabrikaları, insanlığın petrole ve yoğun tarıma bağımlılığını azaltmasına yardımcı olabilir. Yapay zeka, biyologların mayaları kârlı biçimde çalıştırmasına yardımcı olarak sürdürülebilir biyoyakıtlar, yeni kozmetik ürünler ve gıda takviyelerinin laboratuvardan fabrikalara daha hızlı geçmesini sağlayabilir. Biyoloji ile matematiğin birleşik gücü, bizi günlük tüketim kalıplarını değiştirmeye bir adım daha yaklaştırıyor.

Çalışma, Applied Microbiology and Biotechnology dergisinde yayımlandı.