Nörodejeneratif hastalıkların moleküler mekanizmalarının anlaşılması, yeni tedavi hedeflerinin belirlenmesi açısından önemli bir araştırma alanıdır. Bu hastalıkların biyolojik temellerini inceleyen deneyler, farklı beyin hücrelerinde binlerce genin etkisini ve milyonlarca hücresel yanıtı ortaya koyabilmektedir. Ancak bu verilerin anlamlandırılması, deneysel bulguların farklı araştırmalarda yayımlanmış bilgilerle ilişkilendirilmesini gerektirmektedir. OpenAI, PerturbAI ve Scripps Research araştırmacılarının kullandığı yapay zekâ destekli yaklaşım, geniş ölçekli biyolojik verilerin eş zamanlı analizini sağlayarak hastalık mekanizmalarının araştırılması ve yeni tedavi araştırmalarına yön verebilecek biyolojik bağlantıların belirlenmesi için alternatif bir yöntem sunmaktadır.
Çalışmanın temel amacı, genetik müdahalelerin beyin hücrelerinde oluşturduğu değişiklikleri mevcut bilimsel literatürle ilişkilendirerek araştırılmaya değer biyolojik bağlantıları belirlemektir.Araştırmacılar, fare beynindeki farklı hücre tiplerinde gen işlevlerinin bozulmasının etkilerini gösteren, tüm beyni kapsayan bir CRISPR atlasını (gen işlevlerinin bozulmasının farklı hücre türleri üzerindeki etkilerini gösteren veri kümesi) incelemiştir. GPT-Rosalind tarafından desteklenen binlerce yapay zekâ ajanı, farklı genetik müdahaleleri paralel olarak değerlendirmiş, hücresel yanıtları analiz etmiş ve ilgili bilimsel yayınları inceleyerek olası mekanizmalar önermiştir.Bu yaklaşım, karmaşık hastalıkların araştırılmasında farklı biyolojik süreçler arasında gözden kaçabilecek bağlantıların belirlenmesine yönelik bir araştırma çerçevesi oluşturmaktadır.
Çalışmada dikkat çeken bir diğer bulgu, hücre büyümesi, metabolizma ve yaşlanmanın önemli düzenleyicilerinden mTOR’u kontrol eden Tsc1 ve Tsc2 genleri arasındaki farklılıklarla ilgilidir. Her iki genin işlevinin bozulması bazı nöron gruplarında benzer etkiler oluştururken, beyincikte Tsc2 geninin bozulması nöronal iletişimle ilişkili onlarca genin aktivitesini değiştirmiş, Tsc1 geninin bozulması ise çok az değişikliğe yol açmıştır. Bu bulgu, belirli beyin bölgelerindeki genetik etkilerin farklılaşabileceğini ve daha ayrıntılı araştırılması gereken hücresel değişiklikler bulunduğunu göstermektedir. Kaynakta, beyincikteki anormalliklerin tüberosklerozlu kişilerde TSC2 mutasyonlarıyla güçlü biçimde ilişkili olduğu belirtilmektedir. mTOR aktivitesini azaltan ilaçlar bazı beyin tümörleri ve nöbetlerin tedavisinde kullanılabilse de hastalıkla ilişkili öğrenme ve davranış güçlüklerinin ele alınması hâlâ zorluk oluşturmaktadır. Araştırmacıların belirlediği hücresel değişiklikler, mevcut ilaçların hangi etkileri düzeltebileceğinin ve hangi değişikliklerin yeni tedavi yaklaşımlarına işaret edebileceğinin araştırılması için sorular ortaya koymaktadır.
Araştırmacılar, yapay zekâ ajanlarının analizlerini birleştirerek genleri, hücresel etkileri, bilimsel yayınları ve olası biyolojik mekanizmaları ilişkilendiren bir akıl yürütme atlası oluşturmuştur. Analiz, milyonlarca fare beyin hücresine ait mevcut deneysel veriler üzerinde 32 dakika içerisinde tamamlanmıştır. OpenAI’ın karşılaştırmasına göre, benzer kapsamda ve genetik müdahaleler tek tek ele alınarak yürütülecek insan analizinin aylar ile bir yıl arasında sürebileceği tahmin edilmiştir. En geniş iş yükünde paralel çalışan ajanlar 700’den fazla bilimsel kaynağa atıfta bulunurken, aynı koşullarda değerlendirilen tek bir ajan yalnızca 11 kaynak kullanmıştır. Kör karşılaştırmalarda uzman araştırmacılar, dağıtık ajanların hazırladığı raporları tek bir ajan tarafından hazırlanan raporlara kıyasla yüzde 75 oranında tercih etmiştir.Bu sonuçlar, yaklaşımın büyük biyolojik veri kümelerindeki ilişkileri inceleme ve araştırma hipotezlerini önceliklendirme kapasitesini desteklemektedir.
Çalışmanın dikkat çekici bulgularından biri, Parkinson benzeri belirtilerle seyreden Perry sendromuyla ilişkili DCTN1 geninin incelenmesi sırasında ortaya çıkmıştır. Fare beyni verilerinde DCTN1 geninin işlevinin bozulması, kolesterol sentezinde görev alan genlerin ifadesinde artışla ilişkilendirilmiştir. Yapay zekâ ajanları, bu bulguyu hücre içindeki kolesterol taşınmasının aksamasının kolesterol üretimini artırabileceğini öne süren bilimsel bilgilerle birleştirmiştir. Böylece DCTN1 işlevindeki bozulmanın nöronlarda kolesterol dağılımını değiştirip değiştirmediği ve bu değişikliklerin nörodejenerasyona katkıda bulunup bulunmadığı araştırılmaya değer bir hipotez olarak ortaya konmuştur. Bu bağlantı, hastalıklarla ilişkili biyolojik süreçlerin daha geniş bir çerçevede incelenmesine ve yeni deneysel soruların belirlenmesine yardımcı olabilecek bir örnek sunmaktadır. Bununla birlikte, söz konusu kolesterol bağlantısı henüz doğrulanmış bir hastalık mekanizması veya tedavi hedefi değildir; deneysel olarak sınanması gerekmektedir.
Bu çalışma, yapay zekânın nörodejeneratif hastalıkların tedavisinde doğrudan sonuç üreten bir araçtan ziyade, ilaç keşfinin erken aşamalarını destekleyebilen bir araştırma sistemi olarak değerlendirilebileceğini göstermektedir. Büyük ölçekli biyolojik verilerin bilimsel literatürle birlikte analiz edilmesi, araştırmacıların yeni mekanizmalar önermesine, mevcut hipotezleri karşılaştırmasına ve laboratuvarda test edilecek adayları önceliklendirmesine yardımcı olabilir. Alzheimer ve Parkinson gibi hastalıklar açısından bu yaklaşım, hastalıklarla ilişkili biyolojik bağlantıların belirlenmesine ve gelecekteki tedavi araştırmalarına yön verebilecek hipotezlerin geliştirilmesine yardımcı olabilir. Mevcut bulgular, fare beyin hücrelerinden elde edilen verilerin analizine dayanmaktadır ve önerilen biyolojik mekanizmaların laboratuvar deneyleriyle sınanması gerekmektedir.Dolayısıyla çalışma, bu hastalıklar için yeni bir tedavi geliştirdiğini değil, gelecekteki tedavi araştırmalarına yön verebilecek biyolojik bağlantıların daha hızlı belirlenmesine olanak sağlayan bir yöntemin uygulanabilirliğini ortaya koymaktadır.
Yazar: Özsu Deniz Balkaya
Editör: Hazel Birgül
Referans: OpenAI. Using thousands of AI agents to uncover new leads in biological data. 21 Ekim 2026. https://openai.com/index/scaling-ai-research-for-complex-biological-data/
