Yapay Zekâ ile Üretilen Bileşikler, Belirli Hücre Türlerini Hedefleyerek Geleneksel Tarama Yöntemlerini Geride Bırakıyor!

Klasik ilaç keşfi yaklaşımı, bilinen bir moleküler hedef üzerinden ilerler: Bu hedef, genellikle müdahale edildiğinde hastalığın seyrini tersine çevirmesi beklenen bir proteindir. Ancak birçok hastalıkta böyle bir hedef her zaman bulunmaz veya yeterince iyi tanımlanamamıştır.

IRB Barcelona bünyesinde çalışmalarını sürdüren ve Dr. Patrick Aloy tarafından yönetilen Yapısal Biyoinformatik ve Ağ Biyolojisi Laboratuvarı, artık molekülleri belirli bir proteine göre değil, hücrelerde oluşturmaları istenen etkiye göre tasarlayan yeni bir strateji öneriyor.

Fenotipik Keşif ve Hücre Modelleri

Fenotipik keşif (İng: "phenotypic discovery") olarak bilinen bu yaklaşımda başlangıç noktası belirli bir moleküler hedef değil, hücrede gözlemlenebilir bir yanıttır. Örneğin, yalnızca belirli bir hücre türünde etki gösteren ve diğer hücrelere dokunmayan moleküllerin hedeflenmesi gibi.

Geliştirdikleri yöntemi test etmek için araştırma ekibi, pankreas kanserinden elde edilen hücre hatlarını ve kontrol hücrelerini barındıran çeşitli hücre modelleri kullandı. IRB Barcelona'da görev yapan ICREA araştırmacısı Dr. Patrick Aloy, elde ettikleri bulguları şu sözlerle açıkladı:

İlk kez elde etmek istediğimiz biyolojik etkiye dayanarak yapay zekâ kullanarak yeni kimyasal varlıklar tasarladık ve bunların belirli hücreler üzerinde çalıştığını deneysel olarak kanıtladık.

Tarama Yöntemlerinde Sınırları Zorlamak

Araştırmacılar sistemi eğitmek amacıyla öncelikle altısı pankreas kanseri hattı, ikisi ise kontrol grubu olmak üzere sekiz farklı hücre modeli üzerinde 11.000'den fazla kimyasal bileşiği test ederek kendi veri tabanlarını oluşturdu. Bu verileri kullanarak, hücrelerdeki her bir molekülün biyoaktivite bilgilerine dayanan öngörücü modeller yarattılar. Bu yeni modellerin, yalnızca bileşikler arasındaki kimyasal benzerliğe dayanan yöntemlerden çok daha doğru sonuçlar verdiği görüldü.

Daha sonra bu modeller, yeni aday moleküller önerebilen üretken yapay zekâ ve makine öğrenimi sistemlerine entegre edildi. Buradaki temel amaç, ikili bir kritere uyan yeni moleküller tasarlamaktı: Söz konusu moleküller belirli bir hücre türüne karşı aktif olacak, ancak kontrol hücreleri veya diğer hücresel profiller üzerinde çok daha az etkiye sahip olacaktı.

Bilgisayardan Laboratuvara Deneysel Doğrulama

Araştırma ekibi, yapay zekânın tasarladığı moleküllerin büyük bir kısmını deneysel olarak değerlendirdi ve bu moleküllerden bazılarının tam da tasarlandıkları işlevi yerine getirdiğini gözlemledi. Bu moleküller, belirli hücre modelleri üzerinde seçici olarak etki gösterirken diğerlerinde belirgin bir şekilde daha az etkiye sahipti.

Yapay zekâ tarafından tasarlanan bu moleküller, yalnızca geleneksel tarama stratejileri yoluyla elde edilenlere kıyasla daha üstün bir etkinlik göstermekle kalmadı; aynı zamanda birçoğunun yapısal olarak yenilikçi olduğu ve bilinen kimyasal bileşiklerden ayrıştığı da ortaya çıktı.

Bileşik keşfinin henüz erken bir aşamasında olunsa da bu metodoloji, özellikle net bir tedavi edici hedefin bulunmadığı durumlarda aday moleküllerin çok daha hızlı ve odaklı bir şekilde belirlenmesi için yeni ufuklar açıyor.