Mark Zuckerberg: Yapay zeka hücreleri anlamamıza ve hastalıkları tedavi etmemize nasıl yardımcı oluyor?
Meta CEO’su Mark Zuckerberg, Chan Zuckerberg Initiative’in (CZI) kurucu ortağı ve eş başkanıdır. 2004 yılında Facebook’u kurmak için Palo Alto, Kaliforniya’ya taşınmadan önce Harvard Üniversitesi’nde bilgisayar bilimi okudu. Zuckerberg’in eşi Priscilla Chan, CZI’nin kurucu ortağı ve eş başkanıdır. Körfez Bölgesi’nde çocuk doktoru olarak çalışıyor ve Harvard Üniversitesi’nden biyoloji alanında lisans derecesini ve UC San Francisco’dan (UCSF) tıp doktorasını aldı. Aşağıdaki metinde Zuckerberg ve Chan, tıpta yeni bir dönüm noktası sağlayacağını umdukları yeni bir CZI yapay zeka projesini anlatıyor.
Duyuru
En küçük canlı birimler olan hücreler, hastalıkları anlamanın anahtarıdır, ancak onlar hakkında hala pek çok şey bilinmemektedir. Örneğin DNA, protein, lipid gibi milyarlarca biyomolekülün nasıl bir araya gelip birlikte çalıştığını bilmiyoruz. Vücudumuzdaki farklı hücre türlerinin nasıl işbirliği yaptığını da bilmiyoruz. Bu nedenle hücrelerin, dokuların ve organların neden ve nasıl hastalandığı ve iyileşmeleri için neyin gerekli olduğu konusunda sınırlı bir anlayışa sahibiz.
Gelecekte yapay zeka, tüm bu soruları yanıtlamamıza ve elde edilen bilgileri dünya çapındaki insanların sağlık ve refahını iyileştirmek için uygulamamıza yardımcı olabilir. Ancak yalnızca araştırmacılar bu güçlü yeni teknolojilere erişebilir ve bunları kullanabilirlerse.
Yapay zeka modellerini kullanarak her hücresel durumu ve her hücre tipini temsil etme yeteneğine sahip olduğunuzu hayal edin. Bir “sanal hücre”, vücudumuzdaki her hücre tipinin bilinen görünümünü ve özelliklerini simüle edebilir: retinamızdaki ışığı algılayan çubuklardan ve konilerden, kalbimizin atmasını sağlayan kardiyomiyositlere kadar.
Bilim adamları böyle bir simülatörü hücrelerin belirli çevresel koşullara ve uyaranlara nasıl tepki vereceğini tahmin etmek için kullanabilirler: bir bağışıklık hücresinin bir enfeksiyona nasıl tepki verdiği, bir bebek nadir bir hastalıkla doğduğunda hücresel düzeyde ne olduğu ve hatta hastanın durumuna nasıl tepki vereceği. vücut. yeni bir ilaç tepki verebilir. Bu, tıpta bilimsel ilerlemeyi, hasta teşhisi ve tedavi kararlarını daha hızlı, daha güvenli ve daha verimli hale getirecektir.
İyileştirilecek verileri alın
Chan Zuckerberg Girişiminin bir parçası olarak şu anda bu tıbbi verilerin oluşturulmasına ve gerekli bilgi işlem altyapısının oluşturulmasına yardımcı oluyoruz. Amaç bunu gerçekleştirmek ve bilim insanlarına yapay zekadaki en son gelişmelerden faydalanmak ve hastalıklarla daha iyi mücadele etmek için ihtiyaç duydukları araçları sağlamaktır.
Yapay zekadaki ilerlemeler, çok miktarda bilimsel veriyle birleştiğinde, bilinen hemen hemen her proteinin yapısı zaten tahmin edilmiştir. DeepMind, AlphaFold’u 50 yıllık dikkatle toplanan verilere dayanarak eğitti ve protein yapılarının gizemini yalnızca beş yıl içinde çözdü. Meta tarafından geliştirilen bir başka yapay zeka sistemi olan ESM, metin üzerinde değil, 60 milyondan fazla protein dizisi üzerinde eğitilmiş bir protein dili modeli olarak işlev görüyor. Protein yapılarını tahmin etmek ve tek dizilerden mutasyonların etkilerini tahmin etmek gibi çok çeşitli uygulamalar için kullanılır.
Sanal bir hücre modeli (daha doğrusu hücre modelleme sistemi) için bile büyük miktarlarda veriye ihtiyaç vardır. CZI, 2016’dan beri dünya çapındaki araştırmacıları hücreler ve bileşenleri hakkında veri üretme ve bunları yapay zeka için açıklama adı verilen bir yöntemle tanımlama konusunda destekliyor. Bu büyük veri kümelerini entegre etmek ve bunları araştırmacıların öğrenmesi ve geliştirmesi için geniş çapta erişilebilir hale getirmek için araçlar geliştirilmektedir.
Araştırmacılardan oluşan küresel bir konsorsiyum, vücuttaki tüm hücre türlerinin referans haritasını oluşturdu ve San Francisco Biohub’ımız tüm organizma için hücre atlasları oluşturuyor. Bu veri kümeleri birlikte, vücuttaki hücre türlerini gelişimden yetişkinliğe kadar haritalandıracak açık kaynaklı İnsan Hücresi Atlası’nın ilk taslağını oluşturuyor. SF Biohub’ımız ve Chan Zuckerberg Görüntüleme Enstitüsü, hücrelerimizdeki farklı proteinlerin konumlarını haritalandıran OpenCell üzerinde birlikte çalışıyor.
Otomatik AI açıklaması
Araştırmacılar ayrıca mevcut büyük genetik ve hücresel veri kümelerini incelemek için Geneformer ve scGPT gibi makine öğrenimi modellerini kullanıyor. Bu aynı zamanda CZI’nin bilim ve teknoloji ekipleri tarafından geliştirilen açık kaynaklı bir yazılım platformu olan CELLxGENE tarafından oluşturulan bilgileri de içerir. Bu, her bir hücre tipi üzerindeki araştırmayı hızlandırır. Kriyo-elektron tomografisine yönelik yeni bir veri portalı prototipiyle, CZI Görüntüleme Enstitüsü, makine öğrenimi uzmanlarıyla işbirliği içinde, mikroskobik verilere otomatik açıklama eklemeyi başarmaya çalışıyor. Bu, aylar hatta yıllar süren işlem sürelerini yalnızca birkaç haftaya indirecektir.
Bilimsel keşiflerin herkese fayda sağlamasını sağlamak için verileri mümkün olduğunca temsili tutmak istiyoruz. Bu, çocukluk döneminde ortaya çıkan hastalıkların hücresel mekanizmaları hakkındaki bilgilerimizdeki boşlukları doldurmak için pediatrik verileri mevcut İnsan Hücre Atlası’na entegre etmeyi de içermektedir. Ayrıca Ancestry Networks finansmanımızı, Afrika kökenli insanlardan, Latinlerden, Güneydoğu Asyalılardan ve yerli halklardan alınan doku örneklerinden hücre bazlı temel veriler toplayan araştırmacıları desteklemek için de kullanıyoruz. Amaç, daha önce yeterince çalışılmamış etnik gruplar ve soy çeşitleri hakkında veri oluşturmaktır.
Araştırma ekipleri, bu iyi seçilmiş veri kümelerini kullanarak ilk keşifleri zaten yaptı. Bir ekip, kistik fibrozla ilişkili hatalı genin, bilim adamlarının daha önce hiç karşılaşmadığı bir hücre tipi tarafından ifade edildiğini keşfetti. Başka bir grup, SARS-CoV-2’ye en duyarlı solunum hücrelerini belirledi. Diğer araştırmacılar, belirli hücrelerde hastalığa neden olan mutasyonları düzeltmek için genleri birbirine eklemenin yeni yollarını bulmak için verileri kullanıyor.
Tüm bu keşifler, hastalıklara yönelik yeni tedavilerin geliştirilmesinde yalnızca bir ilk adımdır ve yapay zekanın gelecekte araştırmalarda olası yeni keşiflerin oranını önemli ölçüde hızlandırabileceğine inanıyoruz.
Mükemmel bilgi işlem gücü
Sanal hücre modelini oluşturmak için binden fazla H100 GPU’ya sahip yüksek performanslı bir bilgi işlem kümesi oluşturuyoruz; bu, hücreler ve biyomoleküller hakkındaki çeşitli büyük veri kümeleri üzerinde eğitilmiş yeni yapay zeka modelleri geliştirmemize olanak sağlayacak. Buna araştırmacılarımız tarafından üretilenler de dahildir. Bunun zamanla bilimin her hücre tipini hem sağlıklı hem de hastalıklı durumlarda simüle etmesine olanak sağlayacağını umuyoruz. Bu simülasyonlar daha sonra hücrelerin gerçekte nasıl oluştuğu, vücutta nasıl etkileşime girdikleri ve hastalığa neden olan değişikliklerin onları tam olarak nasıl etkilediği de dahil olmak üzere, anlaşılması zor biyolojik olayların nasıl ortaya çıkacağını keşfetmek için sorgulanabilir.
Bilgi işlem kümemiz özel sektörde ticari ürünler için kullanılanlar kadar büyük olmayacak. Ancak faaliyete geçtiğinde kar amacı gütmeyen bilimsel araştırmalara yönelik dünyanın en büyük yapay zeka kümelerinden biri olacak. Bu, veri kümelerini yeni yöntemlerle kullanmak isteyen araştırma ekipleri için önemli bir kaynak olacak, ancak en son yapay zekaya erişmenin daha önce engelleyici maliyetleri nedeniyle engel teşkil edecek. Diğer araçlarımız gibi, bu dijital hücre modelleri ve bunlarla ilişkili veriler ve uygulamalar da dünyanın her yerindeki araştırmacıların erişimine ücretsiz olarak sunulacak.
Araştırmanın arkasındaki insanlar
Bu veri kümelerini oluşturmak, yapay zeka kümesini oluşturmak ve biyoloji için yapay zekadan yararlanmak, çalışmalarımızı tanımlamayı amaçlayan çok disiplinli, işbirlikçi çabalardır.
Biohub ağımız, bilimin geleneksel üniversite ortamlarında çözülemeyen en büyük ve en riskli zorluklarından bazılarının üstesinden gelmek için farklı disiplinlerden ve kurumlardan uzmanları bir araya getirdi. Dünyanın dört bir yanından araştırmacılar, CELLxGENE gibi projeler aracılığıyla, tek hücreli verilerden oluşan bir külliyat oluşturmaya yardımcı oldu; bu, daha fazla kişinin kaynak ve uzmanlıkla katkıda bulunması halinde, açık bilim için paylaşılan bir kaynağın ne kadar etkili olabileceğinin kanıtıdır.
CZI 2016 yılında bilimsel çalışmalarına başladığında kendimize büyük bir hedef belirledik: bilim camiasının bu yüzyılın sonuna kadar tüm hastalıkları tedavi etmesine, önlemesine veya en azından iyileştirmesine yardımcı olmak istedik. Bilim adamlarının ve teknoloji uzmanlarının yapay zekanın yeteneklerinden en iyi şekilde yararlanmak için birlikte çalışması durumunda bu hedefin ulaşılabilir olduğuna ve önemli ölçüde ilerleyebileceğine inanıyoruz. Hücrelerimizin sırlarını açığa çıkararak başlamalıyız. Bu, bugün bildiğimiz hastalıkların çoğunu ortadan kaldırmamıza yardımcı olacak araştırmalara yol açabilir.
(bsc)
Haberin Sonu