Bilim için yap-boz çözün!

Teknolojik gelişmelerin hızına zar zor yetişebildiğimiz bir çağda yaşıyoruz. Bu teknolojik gelişmeler bilim alanına da yansıyor doğal olarak.  Gen dizileme teknolojilerinin geliştirilmesi, yaygınlaşması ve maliyetlerinin göreceli olarak azalması, pek çok farklı organizmanın genomlarının ortaya çıkarılmasına olanak sağladı. Genomu oluşturan gen dizileri belirlendikçe, bu genlerin ürettiği proteinlerin dizileri ve yapıları da daha hızlı bir şekilde belirlenmeye başladı. Proteinlerin üç boyutlu yapıları X-ışını kristallografisi ve nükleer manyetik resonans (NMR) adı verilen yöntemlerle deneysel olarak belirlenebilmekte. Organizmalarının gen dizilerinin depolandığı veri tabanlarındaki veri sayıları hızla artıyor. Benzer bir artış protein dizilerinin depolandığı veri tabanları için de geçerli. Ancak belirlenen protein üç boyutlu yapılarının depolandığı veri tabanlarına baktığımızda buradaki sayının oldukça az olduğu görülecektir.

Bunun en önemli nedenlerinden biri de proteinlerin üç boyutlu yapısının belirlenmesi için kullanılan yöntemlerin daha pahalı, daha emek yoğun, daha fazla zaman gerektiren yöntemler olmaları. Ayrıca halihazırda kullanılan yöntemler, her proteinin yapısının aynı derecede belirleyememekte. Hal böyle olunca, bu sorunun çözümünde bilgisayar algoritmalarına dayanan protein modellemesi yöntemlerinin, biyoenformatik yöntemlerinin kullanılması yaygınlaşmaya başladı. Ancak proteinin üretildiğindeki zincir halinden yola çıkarak, nasıl üç boyutlu bir yapı oluşturduğunu, bu yapının oluşumunun arka planında yatan biyofiziksel ve biyokimyasal kuralları, bu alandaki büyük bilgi birikimimize rağmen, bütünüyle anlayabilmiş değiliz. Protein dizisinden, protein üç boyutlu yapılarının bilgisayar algoritmaları aracılığı ile tahmin edilmesi yaklaşımı, bu alana önemli bir açılım getirdi. İşlemci hızı yüksek bilgisayarların, süper bilgisayarların ve paralel hesaplama yöntemlerinin hayatımıza girmesi ile bu alan da hızla gelişti. Bilim dünyası son yıllarda, kitle kaynaklı (crowdsourcing) yöntemleri de bu işin çözümüne dahil etti. Kitle kaynaklı çözüm, en basit haliyle, bir problemin halihazırda çözümü yoksa çözümün kitlelerden sağlanması anlamına gelmekte. 

Bir video oyunu olarak tasarlanan Fold-it de bunlardan biri. Sloganı “Bilim için Yap-Boz Çözün” olan bu oyunun dünya genelinde pek çok kullanıcısı bulunmakta. Bu oyun, iki büyük problemle uğraşmakta. Bunlardan birincisi yukarıda anlattığımız proteinlerin üç boyutlu yapısının tahmin edilmesi. Bunun için Foldit insanların yap-boz çözme becerilerini kullanıyor. İkinci problem ise, çeşitli hastalıklara çare olabilecek yeni proteinlerin tasarımı. Nature Communications dergisinde 16 Eylül 2016 tarihinde yayımlanan araştırma Fold-it programını ortaya çıkaran ekibin son bulgularını içermekte*. James Bardwell liderliğinde yürütülen çalışma ekibinin oluşturduğu bir yarışmayı anlatmakta. Bu yarışmada uzman kristallograflar (protein üç boyutlu yapılarını ortaya çıkaran uzman bilim insanları), üniversitede lisans eğitimi almakta olan öğrenciler, Fold-it oyunu oyuncuları ve modelleme algoritmaları yarıştırıldı.  Ekip, üç boyutlu yapısı daha önce yayımlanmamış ve veri tabanlarındaki diğer proteinlerle dizi benzerliği bulunmayan YPL067C isimli bir maya proteinini yarışmacılara verdi ve yapısını tahmin etmelerini istedi. Yarışmacılardan uzman bilim insanları ve lisans öğrencileri bir manuel modelleme programı kullanırken, Fold-it oyuncuları Fold-it oyunu ile yapıyı belirledi. Sonuç şaşırtıcı idi. Protein yapısını en doğru biçimde belirleyen yarışmacı Fold-it oyuncularındandı. Fold-it oyuncuları hem bilim insanlarından, hem de modelleme algoritmalarından daha iyi bir sonuç elde etti.
Garry Kasparov’un Deep Blue ve Deeper Blue bilgisayarları ile yaptığı satranç maçlarından bugüne, bilim hem bilgisayar algoritmalarını, hem de insan beyninin yap-boz çözme becerilerini bilim alanına taşımayı başardı. Kitle kaynaklı bilimin bugün sundukları ufkumuzu daha da genişletti. O halde, bilim için yap-boz çözün!

* James C. A. Bardwell et al. Determining crystal structures through crowdsourcing and coursework. Nature Communications, 2016; 7: 12549 DOI: 10.1038/ncomms12549