Protein Katlanması: 50 Yıllık Bilimsel Bulmacanın AI ile Çözümü

"1B'den 3B'ye"

Bir protein üretilirken: hücre DNA'yı okur → mRNA → amino asit dizisi. Bu dizi lineer (1 boyutlu, halatın boyu gibi).

Sonra mucize: amino asitler kendiliğinden 3 boyutlu bir şekle katlanır. Bu 3B şekil proteinin işlevini belirler:

• Antikor = saldırgan virüsleri yakalama şekli.
• Enzim = belirli kimyasal reaksiyonu hızlandıran cep.
• Reseptör = sinyal molekülünün uyduğu yer.

Şekil = işlev.

Levinthal paradoksu (1969)

Cyrus Levinthal: bir protein olası tüm şekilleri denerse kainat ömründen uzun zaman alır ($10^{300}$ olasılık).

Ama gerçekte protein milisaniyelerde katlanıyor. Nasıl?

Çünkü rastgele aramıyor — yönlü bir süreç. Ama o yön neye göre?

50 yıllık açık problem

Bir amino asit dizisi verildiğinde, 3B şekli tahmin et.

Klasik yöntemler:

• X-ray kristalografisi: yıllar sürer, milyonlarca dolar.
• NMR: küçük protein için, zor.
• Cryo-EM: 2010'larda gelişti.

Hesaplama:

• Molecular dynamics: petafloks-yıllar gerektirir.
• Homology modeling: benzer protein varsa.

Sonuç: çoğu protein için yapı bilinmiyor.

CASP yarışması (1994'ten beri)

Critical Assessment of protein Structure Prediction: 2 yılda bir.

Düzenleyiciler gizli yapılar verir. Takımlar tahmin yapar. Sonuçlar gerçek X-ray ile karşılaştırılır.

1994-2014: yavaş ilerleme.

AlphaFold 1 (2018)

DeepMind'in giriş denemesi. CASP13'te birinci oldu ama hâlâ klasik yöntemlerin yanında durdu.

AlphaFold 2 (2020) — bomba

CASP14'te (Kasım 2020): AlphaFold 2 ile inanılmaz sonuçlar. Median GDT skoru 92 — neredeyse deneysel doğruluk.

Resmi açıklama: "Protein katlanması çözüldü."

AlphaFold 2 nasıl çalışıyor?

1. MSA (Multiple Sequence Alignment)

Hedef proteinin evrimsel akrabaları ile karşılaştır. Evrim baskıları yapısal kısıtları ortaya çıkarır.

2. Evoformer (transformer mimarisi)

48 katmanlı transformer ağı: MSA + pairwise representation → güncelleme.

Attention mekanizması: hangi amino asitler yapıda yakın?

3. Structure module

Atom seviyesinde 3B koordinatlar.

4. Iterative refinement

Çıktı tekrar girdiye verilir, geliştirilir.

Modern uygulamalar

1. Genel insanlık veritabanı

AlphaFold DB (2021): bilinen tüm proteinler + 200 milyon yapı açık.

2. İlaç keşfi

Yeni hedefler. Hızlı tarama.

3. Hastalık anlama

Alzheimer'da prion proteinleri.

4. Synthetic biology

Yeni enzimler tasarlama.

5. Tarım

Bitki proteinleri.

6. Mikrobiyoloji

Bakteri/virüs etkileşimleri.

AlphaFold 3 (2024)

Sadece protein değil:

• Protein + DNA.
• Protein + RNA.
• Protein + ligand (küçük molekül).
• Glycosylation, fosforilasyon.

İlaç keşfi için devrim.

Diğer modeller

ESMFold (Meta)

Dil modeli tabanlı, MSA gerektirmiyor. Daha hızlı.

RoseTTAFold (Baker lab)

Açık kaynak alternative.

AlphaFold 3 rakibi: Chai-1

Chai Discovery, 2024.

Levinthal'in cevabı

Niçin protein hızla katlanır?

Modern teori: enerji manzarası. Protein çok boyutlu enerji yüzeyinde bir top gibi düşer — minimum yere ulaşır.

Şekil rastgele aranmıyor; kestirme yolları evrim seçti.

Levinthal mı, Anfinsen mi?

Christian Anfinsen (1972 Nobel Kimya): "1B dizi → 3B yapı" tek bir fonksiyonel ilişki. Yani dizi, yapıyı tamamen belirler.

50 yıl sonra: AlphaFold doğruladı. Anfinsen prensibi geçerli.

Sonuç

Protein katlanması:

• 1B → 3B mucizesi.
• 50 yıl açık problem (Levinthal 1969).
• AlphaFold 2 (2020) ile çözüm.
• AlphaFold 3 (2024) ile genişleme.
• Nobel Kimya 2024.

Modern biyoloji-tıp'ın paradigma değişikliği. Bilinmeyenden bilinene 50 milyon protein. İlaç keşfi, hastalık anlama, sentetik biyoloji — hepsi yeniden yazıldı.

Bir tek mucize: AI bilimsel sıçramayı katalize etti. Modern bilim tarihinin en önemli AI başarısı.

"Dizi yapıyı belirler. AI bunu çözebilir." Modern biyolojinin paradigma cümlesi.