Proteinlerin evrimsel tarihçesini anlamak, modern biyolojinin en karmaşık problemlerinden biri. Araştırmacılar, bu zorlu görevde yapay zeka ve ileri matematiksel yöntemleri birleştiren yenilikçi bir yaklaşım geliştirdi.
Çalışma, Boltzmann makinesi öğrenmesi adı verilen bir yapay zeka tekniğini kullanarak, aynı aileden gelen proteinlerin amino asit dizilerindeki gizli kalıpları ortaya çıkarıyor. Bu yöntem, proteinlerdeki her bir konumun evrimsel alanlarını ve farklı konumlar arasındaki çiftli bağlantıları tahmin etmeye odaklanıyor.
Araştırmacılar, hesaplama süresini dramatik şekilde azaltmak için paralel işleme teknikleri kullanıyor. Markov zinciri Monte Carlo simülasyonları ile stokastik gradyan inişi yöntemlerini birleştirerek, normalde günler süren analizleri saatlere indirmeyi başarıyor.
Bu yaklaşımın en önemli avantajı, sonuçların tekrarlanabilirliği. Protein yapısı ve evrim araştırmalarında güvenilir veriler elde etmek kritik öneme sahip, çünkü bu bilgiler ilaç geliştirmeden hastalık tedavilerine kadar geniş bir yelpazede kullanılıyor.
Yöntem, protein ailelerinin çoklu dizi hizalamalarından tek nokta ve ikili amino asit frekanslarını analiz ederek, evrimsel süreçlerin matematiksel modellerini oluşturuyor. Bu sayede proteinlerin işlevsel özelliklerinin arkasındaki temel mekanizmalar daha iyi anlaşılabiliyor.