Vücudunuzdaki her bir hücre aynı genetik dizilimi içerir, ancak her hücre yalnızca bu genlerin bir alt kümesini ifade eder. Bu hücreye özgü gen ifade kalıpları, bir beyin hücresinin cilt hücresinden farklı olmasını sağlayan önemli bir unsurdur ve bunlar, genetik materyalin üç boyutlu yapısı tarafından kısmen belirlenir. Bu yapı, her bir genin erişilebilirliğini kontrol eder.
MIT’deki kimyagerler, şimdi bu üç boyutlu genomic yapıları belirlemenin yeni bir yolunu, üretken yapay zeka kullanarak geliştirdi. Bu teknik, mevcut deneysel yöntemlere göre çok daha hızlı bir şekilde, sadece dakikalar içinde binlerce yapıyı tahmin edebiliyor.
Bu teknik sayesinde araştırmacılar, genomun 3D organizasyonunun bireysel hücrelerin gen ifade kalıplarını ve işlevlerini nasıl etkilediğini daha kolay bir şekilde inceleyebilirler.
Yapıdan Dizilere Geçiş
Hücre çekirdeği içinde, DNA ve proteinler bir araya gelerek kromatin adı verilen karmaşık bir yapı oluşturur. Bu yapı, hücrelerin 2 metre uzunluğundaki DNA’yı yalnızca bir yüz binde bir milimetre çapındaki çekirdeklerine sığdırabilmelerini sağlamak için birçok organizasyon seviyesi içerir. Uzun DNA iplikleri, histon adı verilen protein etrafında sarılır ve bu, bir tür boncuk dizisine benzer bir yapı oluşturur.
Daha sonra, DNA’nın belirli bölgelerine kimyasal etiketler diken epigenetik modifikasyonlar, bu etiketlerin hücre tipine göre değişmesi, kromatini katlamada ve yakınlardaki genlerin erişilebilirliğinde etkili olur. Kromatin konumlarındaki bu farklılıklar, farklı hücre türlerinde hangi genlerin ifade edileceğini ya da belirli bir hücre içinde farklı zamanlarda hangi genlerin aktif olacağını belirlemeye yardımcı olur.
Hızlı ve Etkili Analiz
Son 20 yılda bilim insanları, kromatin yapılarını belirlemek için deneysel yöntemler geliştirmişlerdir. Yaygın olarak kullanılan bir teknik olan Hi-C, hücre çekirdeğindeki komşu DNA ipliklerini birbirine bağlayarak çalışır. Araştırmacılar, DNA’yı birçok küçük parçaya parçalayarak, hangi segmentlerin birbirine yakın olduğunu belirleyebilirler.
Bu yöntem, büyük hücre popülasyonlarında bir kromatin bölümünün ortalama yapısını hesaplamak veya tek hücrelerde belirli bir hücrenin yapılarını belirlemek için kullanılabilir. Ancak, Hi-C ve benzeri teknikler yoğun iş gücü gerektirir ve bir hücreden veri üretmek yaklaşık bir hafta alır.
Yapay Zeka ile Yenilikçi Yaklaşım
Zhang ve öğrencileri, bu kısıtlamaları aşmak için üretken yapay zekadan faydalanarak tek hücrelerde kromatin yapısını tahmin etmenin hızlı ve doğru bir yolunu geliştirdi. Tasarladıkları yapay zeka modeli, DNA dizilerini hızla analiz edebilir ve bu dizilerin bir hücrede hangi kromatin yapılarını üretebileceğini tahmin edebilir.
“Derin öğrenme, desen tanıma konusunda gerçekten iyi bir araçtır,” diyor Zhang. “Uzun DNA segmentlerini analiz etmemizi sağlıyor ve bu segmentlerdeki önemli bilgileri çözümlememizi sağlıyor.”
“ChromoGen” adını verdikleri modelin iki bileşeni vardır. İlk bileşen, genomi “okuyabilen” ve hücre türüne özel kromatin erişilebilirlik verilerini analiz eden bir derin öğrenme modelidir. İkinci bileşen ise, 16 insan B lenfosit hücresinde yapılan deneylerden elde edilen 11 milyon kromatin konformasyonuna göre eğitilen bir üretken yapay zeka modelidir.
Model, eğitildiğinde, çok daha hızlı bir zaman diliminde kromatin yapısı tahminleri oluşturabilir. “Altı ay boyunca deneyler yapıp birkaç düzine yapısı elde etmek yerine, modelimizle bir bölgedeki binlerce yapıyı 20 dakikada, sadece bir GPU ile üretebilirsiniz,” diyor Schuette.
