Yapay Zekasız Saf Fizik: İlaç Tasarımını 2000 Kat Hızlandıran Yeni Simülasyon Metodu Geliştirildi

Hızlı Erişim / İçindekiler

• İlaç Keşfinde Mutlak Bağlanma Enerjisinin Önemi
• Yüksek Sıcaklık Örneklemesi ve ModBinddG Algoritması
• Ulaşılamaz Hedeflere Karşı Sanal Tarama Başarısı
• Sentez Öncesi Doğrulama ve Endüstride Verimlilik Artışı

Bir molekülün insan vücudundaki hedef proteine ne kadar güçlü bağlandığı, o molekülün ilaç olarak etkinliğini belirleyen en temel kriterdir. Termodinamikte mutlak bağlanma serbest enerjisi olarak adlandırılan bu değerin bilgisayar ortamında hesaplanması, uzun yıllardır ciddi bir hesaplama bariyerine takılıyordu. Mevcut simülasyon yazılımları, fizyolojik sıcaklıklarda çok nadir gerçekleşen moleküler ayrışma olaylarını gözlemleyebilmek için haftalarca işlemci gücü tüketmek zorundaydı. PNAS bünyesinde yayımlanan yeni bir çalışma, istatistiksel mekanik ilkelerine dayanan "ModBinddG" adlı yeni algoritma sayesinde bu süreci tam 2000 kat hızlandırmayı başardı.

Geleneksel ilaç geliştirme süreçlerinde, milyonlarca kimyasal bileşiğin laboratuvarda tek tek sentezlenip test edilmesi hem mali açıdan devasa bir yük oluşturur hem de yıllar süren zaman kayıplarına yol açar. Bilgisayar destekli bilimsel haberler son dönemde yapay zeka temelli tahmin modellerine odaklansa da bu modellerin fiziksel doğruluk payı her zaman laboratuvar gerçeğiyle örtüşmeyebilir. Fizik tabanlı simülasyonlar ise kesin sonuçlar sunmasına rağmen aşırı yavaş işliyordu. Sektör lideri simülasyon yöntemlerinin doğruluğuna sadık kalan yeni fizik motoru, ilaç moleküllerinin daha laboratuvarda üretilmeden önce dijital ikizleri üzerinde milyarlarca kez test edilmesini pratik hale getiriyor.

Yüksek Sıcaklık Örneklemesi ve ModBinddG Algoritması

ModBinddG yönteminin temel başarısı, kuantum mekaniği ve istatistiksel fizik kurallarını akıllıca bir kombinasyonla harmanlamasından ileri geliyor. Klasik yöntemler, bir bağın kopmasını izlemek için atomların milyarlarca kez titreşmesini gerçek zamanlı beklerken, yeni sistem "yoldan bağımsız yüksek sıcaklık örneklemesi" metodunu kullanıyor. Algoritma, simülasyon ortamındaki sıcaklığı teorik olarak yükselterek nadir gerçekleşen kopma ve bağlanma olaylarını yapay şekilde hızlandırıyor.

Sıcaklığın artmasıyla tetiklenen bu hızlı moleküler geçişler, popülasyon tabanlı yeniden ağırlıklandırma (reweighting) denilen matematiksel formüllerle analiz ediliyor. Sistem, yüksek sıcaklıkta elde ettiği verileri tersine mühendislikle normal insan vücudu sıcaklığına (37 dereceye) uyarlayarak mutlak serbest enerji değerini hatasız hesaplıyor. Yüzlerce ligand-protein kompleksi üzerinde yapılan doğrulama testleri, bu iki aşamalı modelin endüstri standardı olan en hassas alşimi (alchemical) dönüşüm metotlarıyla tamamen aynı doğruluğu yakaladığını ortaya koydu.

Ulaşılamaz Hedeflere Karşı Sanal Tarama Başarısı

Yeni metodun pratik gücü, sadece teorik doğruluk testleriyle sınırlı kalmadı. Araştırmayı yürüten bilim ekibi, ModBinddG yazılımını tıp dünyasında "undruggable" yani mevcut yöntemlerle üzerinde ilaç geliştirilmesi imkansız olarak kabul edilen inatçı bir hedef protein üzerinde denedi. Bilgisayar kümesinde başlatılan sanal tarama (virtual screening) operasyonunda binlerce molekül adayı birkaç gün içinde elendi.

Simülasyon sonuçları, daha önce hiç keşfedilmemiş birden fazla yeni kemotipin (ilaç öncülü kimyasal iskelet yapısı) hedef proteine başarıyla kilitlenebileceğini gösterdi. Bu sanal keşiflerin laboratuvardaki gerçek sentez aşamasında da birebir doğrulanması, algoritmanın pratik güvenilirliğini sarsılmaz bir noktaya taşıdı. Fizik kurallarını temel alan bu ölçeklenebilir tarama gücü, biyoteknoloji şirketlerinin milyarlarca dolarlık bütçelerini koruyan dijital bir filtre vazifesi görüyor.

Sentez Öncesi Doğrulama ve Endüstride Verimlilik Artışı

Günde yalnızca birkaç düzine bileşiği analiz edebilen eski nesil sistemlerin aksine, ModBinddG günde yüz binlerce hatta milyonlarca molekülü tarayabilecek kapasiteye sahip. Bu kapasite artışı, büyük ilaç şirketlerinin ve akademik araştırma merkezlerinin yeni tedavi formüllerine ulaşma süresini yıllardan haftalara indiriyor. Laboratuvar ortamında kimyasal sentez aşamasına geçilmeden önce, hangi adayların kesin olarak eleneceği bilgisayarda netleşmiş oluyor.

Önümüzdeki dönemde kanser mutasyonlarından nadir görülen genetik hastalıklara kadar geniş bir yelpazede bu hızlı simülasyon motorunun kullanılması bekleniyor. Moleküler biyolojinin en katı fiziksel kurallarını saf matematiksel dönüşümlerle hızlandıran bu algoritma, ilaç endüstrisinin dijital dönüşümündeki en sağlam basamaklardan biri olmaya aday görünüyor.

Referans: DOI: https://doi.org/10.1073/pnas.2513285123

BilimBox Yorumu: İlaç geliştirme süreçlerinde son yıllarda yapay zeka modellerinin veri tahmin gücüne çok fazla bel bağlanmıştı. Ancak yapay zeka, elindeki veriyi yorumlayan bir istatistik harikasıdır; oysa biyoloji ve kimya doğrudan evrenin katı fizik kurallarına tabidir. ModBinddG metodunun veri ezberlemek yerine, doğrudan kuantum ve istatistiksel mekaniği arkasına alarak 2000 kat hız sunması, dijital tıp için çok daha rasyonel bir zafer anlamı taşıyor. Bugüne kadar bilgisayarların gücü yetmediği için laboratuvarda el yordamıyla aranan "ulaşılamaz" hedef proteinlerin, bu yüksek hızlı simülasyon motoruyla tek tek dize getirildiğini görmek heyecan verici. Bu tarz saf fizik tabanlı yazılımlar, gelecekte kişiye özel ilaçların bilgisayar başında saatler içinde tasarlanıp akşama laboratuvarda basılacağı bir sağlık devriminin gerçek motoru olacaktır.