Aşı Teknolojilerinde Yapay Zeka Devrimi: Sistem Biyolojisi Ezberleri Bozuyor

2000’li yılların başında immünolog Bali Pulendran, Emory Üniversitesi’nde kendi laboratuvarını kurduğunda aklında tek bir soru vardı: Aşı aracılı bağışıklığın altında yatan temel mekanizmalar tam olarak nasıl çalışıyor? Onlarca yıl, hatta bazen ömür boyu süren uzun vadeli bir bağışıklık sağladığı için araştırmalarına sarı humma (yellow fever) aşısı ile başladı. Pulendran, koruyucu mekanizmalar hakkında literatürde bilinenleri eşelediğinde oldukça çarpıcı bir gerçekle yüzleşti: Ortada dişe dokunur hiçbir bilimsel veri yoktu.

Pulendran ve ekibi, sarı humma aşısının koruyucu yanıtlarının ardındaki immün mekanizmayı çözmek için kolları sıvadı. İşe, doğuştan gelen ve sonradan kazanılan (adaptif) bağışıklık yanıtları arasında hayati bir köprü görevi gören dendritik hücrelerin aşı tarafından nasıl aktive edildiğini araştırarak başladılar. İlk bulgular heyecan vericiydi: Sarı humma aşısı, dendritik hücrelerdeki birkaç önemli reseptörü aktive ederek proinflamatuar moleküllerin üretimini tetikliyor ve bu da güçlü bir bağışıklık yanıtına yol açıyordu.

Sistem Biyolojisi Aşı Bilimine Entegre Oluyor

Ancak Pulendran, klasik laboratuvar yaklaşımlarının ötesine geçmek istiyordu. Bu vizyonla, insanlarda gerçekleştirilen bir aşı deneyi tasarladılar ve ardından bağışıklık yanıtını analiz etmek için çoklu omik (multiomics) ve sistem biyolojisi araçlarını devreye soktular. Aşılanan 15 bireyden aşı öncesi ve sonrasındaki dört farklı noktada kan örnekleri toplandı. T ve B hücresi yanıtlarını ortaya çıkaran genleri, moleküler belirteçleri ve hücre tiplerini incelemek için yüksek verimli (high-throughput) teknolojiler kullanıldı.

Sonuç, devasa bir veri yığınıydı. Biyolog Sydney Brenner’in

Bizler veri denizinde boğuluyor, ancak bilgiye susuzluk çekiyoruz

sözünün tam da karşılık bulduğu bir andı. Veri karmaşıklığı nedeniyle bu çok yönlü bilgiden spesifik imzalar (signatures) çıkarmak imkansız gibi görünse de, o dönemde biyoinformatik ve hesaplamalı modeller kemoterapi yanıtlarını tahmin etmede başarı göstermeye başlamıştı. Pulendran’ın ekibi bu algoritmaları kendi immünoloji verilerini ayrıştırmak için kullandı. 2008 yılına gelindiğinde, aşılamadan sonra korumayı gösterecek hücresel imzalar sistem biyolojisi ile tanımlanmış, sistemik aşı bilimi (systems vaccinology) resmen doğmuştu.

Yapay Zeka Büyük Veriyi Aşılara Dönüştürüyor

Bugün Pulendran ve ekibi, makine öğrenimi (machine learning) modellerini farklı aşılar arasındaki bağışıklık yanıtlarını tahmin etmek için kullanıyor. Mevsimsel influenza ve pandemi öncesi kuş gribi formülasyonlarına odaklanan güncel çalışmalar, insan bağışıklık sisteminin çalışma prensiplerine dair yepyeni içgörüler sunuyor.

Yapay zeka araçlarının aşı geliştirmedeki rolü sadece akademi ile sınırlı değil. 2008 yılında biyoinformatikçi Andreas Holm Mattsson ve Niels Iverson Møller tarafından kurulan biyoteknoloji şirketi Evaxion, iş planının merkezine tamamen yapay zeka destekli immünolojiyi yerleştirdi. Hedef basitti: Aşı geliştirme sürelerini ve dolayısıyla maliyetleri düşürmek için etkili bağışıklık yanıtları verme olasılığı en yüksek antijenleri öngörecek yapay zeka modelleri eğitmek.

“Bağışıklık Sistemini Bilgisayara Koymak”

Evaxion’un Baş Bilim Sorumlusu (CSO) Birgitte Rønø, geleneksel Ar-Ge yöntemlerinin aşırı yavaşlığından şikayetçi. Rønø, kendi geliştirdikleri AI-Immunology platformu sayesinde “bağışıklık sistemini bir bilgisayara yerleştirip, nihayetinde hastaları koruyacak olan hedefleri sanal ortamda bulabildiklerini” ifade ediyor. 18 yıllık süreçte Evaxion, platformunu T ve B hücresi antijenlerini ayrı ayrı tanımlayan modüllerle (adeta Lego blokları gibi birleştirilebilir yapılarla) genişletti.

Sistemin en büyük gücü, daha önce hiçbir insanın ya da geleneksel laboratuvarın aklına gelmeyecek hedefleri bulabilmesi. Rønø bu durumu,

Dışarıdan gelen araştırmacıların şüpheyle yaklaştığı antijenleri test ettiğimizde, hayvan modellerinde kesin koruma sağladıklarını görüyoruz. Yenilik, bizim sistemimizin temel taşıdır: Kimsenin bulamadığını bulmak.

sözleriyle özetliyor. Evaxion’un günümüzde faz 2 klinik denemelerinde olan kişiselleştirilmiş peptid bazlı kanser aşısı, iki yılın sonunda yüzde 92 oranında koruyucu yanıt göstererek yapay zekanın gücünü sahada da kanıtlamış durumda.

Aylar Süren Analizler Saniyelere İniyor

Kanser aşıları üretmek için geleneksel yöntemlerle hastanın tümöründen elde edilen dizilimleri (tüm genom veya RNA) inceleyip hangi mutasyonların işe yarayacağını bulmak aylar sürüyor. İleri evre kanser hastalarının bekleyecek bu kadar vakti yok. Notre Dame Üniversitesi’nden hesaplamalı biyolog Guangyuan Li, tam da bu dar boğazı aşmak için DeepImmuno adlı yapay zeka aracını geliştirdi.

Antijenleri immünojenisiteye göre sıralayan bu araç, aylar sürecek yüzlerce peptid taramasını kelimenin tam anlamıyla saniyeler içinde tamamlıyor. Li ayrıca yanlış pozitif (false positive) sonuçları engellemek ve kanserler genelinde tümöre özgü mutasyonları taramak üzere ImmunoVerse adlı ikinci bir modeli de kullanıma sundu.

“Veri Tekelleri” ve Küresel Eşitsizlik Riski

Büyük dil modellerinin (LLM) ve AI sistemlerinin başarısı, eğitildikleri verilerin kalitesine dayanıyor. Li, dev şirketlerin yüksek kaliteli genomik verilerin kapılarını kapatmaya başladığına dikkat çekerek gelecekteki olası “veri tekelleşmesi” riskine vurgu yapıyor.

Öte yandan, yapay zekanın aşı geliştirmeye entegrasyonu klinik düzeyde eşitsizlikleri de beraberinde getirebilir. Johannesburg Witwatersrand Üniversitesi’nden Dr. Shabir Madhi, algoritmaların yüksek gelirli ülkelerin hastalıklarına (Batı merkezli patolojilere) odaklanırken, Afrika gibi bölgelerdeki Klebsiella pneumonia veya solunum sinsityal virüsü (RSV) gibi sorunları görmezden gelebileceği konusunda uyarıyor.

• Veri Yanlılığı (Bias): Eğitim verilerinde düşük ve orta gelirli ülkelerdeki hastalık profillerinin eksik olması, aşı etkinlik ve güvenlik modellerini yanlış yönlendirebilir.
• Dijital Altyapı Sorunu: Elektronik sağlık kayıtlarının (EHR) bulunmadığı bölgelerde yapay zeka destekli klinik denemeler, hasta takibi veya salgın gözetimi (surveillance) yapmak imkansızlaşıyor.

Tüm bu zorluklara rağmen, Bali Pulendran yapay zekanın bilim insanları için bir asistan değil, “en iyi entelektüel ve bilişsel yol arkadaşı” olacağına inanıyor. Aşı pazarında dengeleri baştan çizen bu algoritmik devrim, veri şeffaflığı ve küresel işbirliği ile yönetilebilirse, bulaşıcı hastalıklardan kansere kadar insanlığın en zorlu biyolojik savaşlarında oyunun kurallarını değiştirecek.