Google DeepMind, yapay zekâ ile tasarlanan proteinlere görünmez kimlik parçaları eklemeyi başardı

Google DeepMind araştırmacıları, yapay zekâ tarafından tasarlanan ve modellenen proteinlerin içine işlevlerini bozmadan gizli kimlik işaretleri yerleştirebilen SynthIDBio adlı yeni bir yöntem geliştirdi. Bu teknolojiyle, protein dizilerinin harfleri ya da üç boyutlu yapılarının atom koordinatları görünmez kodlarla imzalanabiliyor. Amaç, biyolojik moleküllerin özgünlüğünü kanıtlamak ve kökenini izlenebilir kılmak. Çalışma, yapay zekânın protein tasarımında yaygınlaşmasıyla birlikte yükselen biyogüvenlik riskleri ve sahte bilimsel veri yayılması endişelerine yanıt niteliği taşıyor.

Su anları banknotlardan sanat eserlerine, dijital fotoğraflardan yazılıma kadar çok çeşitli alanı koruyan izlenebilirlik özelliği, yapay biyolojide de artık kritik bir ihtiyaç haline geldi. Yapay zekâ bugün yeni işlevsel proteinleri tasarlıyor ve bunların üç boyutlu şekillerini öngörüyor; ancak bu ilerlemenin yanı sıra biyogüvenlik riski gibi ciddi sorunlar da geliyor. Özellikle yapay zekâ ile üretilen biyolojik moleküllerin kötüye kullanım potansiyeli ve yanlış veya aldatıcı bilimsel verilerin yayılması, konunun takip edilmesini zorunlu kılıyor.

Proteinlere nasıl kimlik parçası ekleniyor?

Sentetik biyolojide izlenebilirliğin sağlanması için DeepMind ekibi, protein tasarım verilerinin içine doğrudan gömülen dijital desenler geliştirdi. Hangi yöntemin kullanılacağı, yapay zekânın ne üretmesine bağlı olarak değişiyor. Model bir protein dizisi yazıyorsa, kimlik parçası amino asitlerin sıralamasının içine gizli bir kod biçiminde yerleştiriliyor. Model ise üç boyutlu bir biyomoleküler yapı öngörüyorsa, izleme deseni atomların koordinatlarının içine gömülüyor.

Kod modellerinden gerçek dünyaya geçiş ise deneylerle pekiştirildi. Araştırmacılar laboratuvarında üç farklı molekülü hedefleyen kimlik parçalı protein bağlayıcıları üretti. Bu hedefler arasında koronavirüsün spike (uç) proteininin bir bölümü, kan damarı oluşumuna katılan insan proteini ve bağışıklık tepkilerini düzenleyen insan proteini yer aldı.

Bu çalışmalarımız, işlevi ve kaliteyi koruyan biyolojik kimlik parçalamanının mümkün olduğunu gösteren teknik bir kavram kanıtı sunuyor.

DeepMind araştırmacıları

Sonuçlar umut verici oldu. Kimlik parçalı proteinler, üç hedefin de her biriyle normal (kimlik parçasız) sürümlerle karşılaştırılabilir güçlü bağlanma yeteneği gösterdi. Algılama aracı ise kimlation parçal tüm protein dizilerini ve üç boyutlu yapıların yüzde 99,8’inden fazlasını doğru biçimde saptadı. Kimlik parçalarının eklenmesi, proteinlerin işlevselliğinde ya da tahmin edilen üç boyutlu yapıların doğruluğunda önemli bir düşüş yaratmadı.

Karşılaşılan engeller ve önündeki yol

Başarılı olsa da üç boyutlu yapı için üretilen kimlik parçasının sınırları bulunuyor. Tasarım üzerinde standart yapısal düzenlemeler yapılırken, araştırmacıların “gevşeme” olarak adlandırdığı bir süreç sırasında dijital desen yok olabiliyor. Araştırmacılar, bu konuda şunu belirtti: Gevşemeye karşı dayanıklılığın eksik olduğu ancak SynthIDBio-structure’ın eğitilmesinde gevşemenin açıkça dikkate alınmasıyla bunun aşılabileceği bekleniyor.

Bu zorluklara rağmen geliştirilen yöntem, biyogüvenlik ve bilimsel dürüstlük alanlarında önemli uygulamalar vaat ediyor. Teknolojiyi deneyimlemek isteyen araştırmacılar, SynthIDBio-sequence adlı aracın açık kaynak kodlarına GitHub üzerinden ulaşabiliyor.

Araştırma, Nature dergisinde yayımlanan “Function-preserving watermarking of AI-generated proteins” başlıklı çalışmada detaylandırıldı. Çalışmanın bilimsel atfı DOI: 10.1038/s41586-026-10965-y olarak kaydedildi.