Yapay Zeka Kanser İlaçlarını Aramaya Nasıl Yardımcı Oluyor: BIOPTIC'in Moleküler Keşif Motorunun İçinde

Yeni bir ilaç bulmak genellikle bir iğne aramak olarak tanımlanır. Gerçekte, sorun çok daha büyüktür: "samanlık" milyarlarca - hatta trilyonlarca - potansiyel molekül içerebilir.

Bu noktada yapay zeka laboratuvara giriyor.

Girişimci ve eski Google yöneticisi Andrey Doronichev ile bağlantılı olan yapay zeka odaklı biyoteknoloji şirketi BIOPTIC, makine öğrenimi kullanarak yeni ilaç olabilecek molekülleri bulmak için devasa kimyasal kütüphaneleri tarayan bir teknoloji geliştiriyor. Şirketin en ilginç programlarından biri kanser üzerine odaklanıyor; burada AI sistemi, tümör anjiyogenezi ile ilgili biyolojik bir hedef olan VEGFR-3'ün seçici inhibitörlerini tanımlamak için kullanıldı.

Buradaki önemli kelime ise “nihayetinde”dir. Yapay zeka bir düğmeye basıp bitmiş bir kanser ilacı üretmez. Bunun yerine, bilim insanlarının hangi moleküllerin sentezlenmeye ve gerçek dünyada test edilmeye değer olduğunu belirlemesine yardımcı olur.

BIOPTIC Nedir ve AI'si Gerçekte Ne Yapar?

BIOPTIC, yapay zeka, hesaplamalı kimya ve ilaç keşfi kesişiminde faaliyet göstermektedir. Temel fikir, kimyasal keşfi kısmen bir arama problemi olarak ele almaktır.

Klasik bir ilaç keşif programı, bir biyolojik hedef - hastalıkla ilişkili bir protein - ile başlayabilir ve sonra o hedefle hedeflenen şekilde etkileşime girebilecek bir molekül arayabilir. Zorluk, teorik olarak mümkün olan ilaç benzeri moleküllerin sayısının olağanüstü fazla olmasıdır.

BIOPTIC'in B1 sistemi, bu aramayı yönetilebilir hale getirmeyi hedefler.

Sistem, molekülleri matematiksel olarak temsil eder, kimyasal yapıların yüksek hızda karşılaştırılmasına olanak tanıyan kompakt sayısal gömme oluşturur. Şirketin hakemli araştırmalarına göre, B1, on milyarlarca bileşen içeren kütüphaneleri tarayabilir ve kimyasal yapıları önemli ölçüde farklı olsa bile benzer biyolojik özelliklere sahip olabilecek molekülleri geri alabilir.

Bu nedenle, AI laboratuvarın yerini almıyor. Laboratuvar çalışmaları başlamadan önce son derece hızlı bir filtre görevi görüyor.

BIOPTIC B1 Milyarlarca Molekülü Nasıl Arıyor?

B1'in teknik temeli, ligand tabanlı sanal tarama sistemidir.

Ligand, bir biyolojik hedefe, örneğin bir proteine, bağlanabilen bir moleküldür. Bilim insanları, zaten bazı yararlı aktiviteye sahip molekülleri biliyorsa, bu moleküller yeni bir arama için başlangıç noktası olabilir.

B1, moleküler bilgiyi kompakt bir vektör temsiline dönüştürür. Yayınlanan sistemde, her molekül, float16 hassasiyeti kullanılarak saklanan 60 boyutlu bir gömme ile temsil edilir. Model, bir sorgu molekülünü önceden indekslenmiş moleküler temsillerle karşılaştırabilir ve büyük ölçekte benzerlik hesaplayabilir.

Sistem, yaklaşık 40 milyar sayımlı molekül içeren Enamine REAL Space üzerinde test edildi.

Bu ölçek, hem mühendislik hem de bilimsel bir sorun oluşturuyor. BIOPTIC'in araştırmacıları süreci iki aşamaya ayırdılar:

• Tarama: sinir ağları molekülleri işler ve gömme oluşturur.

• Arama: önceden hesaplanmış gömmeler karşılaştırılarak en uygun adaylar geri alınır.

Yayımlanan karşılaştırmalarda, 40 milyar bileşenli kütüphanede bir arama, makalenin açıkladığı SSD tabanlı arama kurulumu kullanılarak yaklaşık iki dakika on beş saniyede gerçekleştirilebilmiştir. RAM tabanlı bir yapılandırma oldukça daha hızlıydı.

Bu, AI'nın biyolojiyi bir bilim insanının anladığı şekilde anladığı anlamına gelmez. Bu, sistemin kimyasal alanın matematiksel haritasında hızlıca gezinip daha dikkatli incelenmeyi gerektiren adayları belirleyebileceği anlamına gelir.

Kanser Projesi: Seçici VEGFR-3 İnhibitörlerini Aramak

BIOPTIC'in kanser programı, bu yaklaşımın nasıl çalışabileceğine dair somut bir örnek sunmaktadır.

Hedef VEGFR-3, diğer adıyla FLT4, anjiyogenezi - yeni kan damarlarının oluşumu - ile bağlantılı sinyal yollarında yer alan bir reseptördür. Tümörler, büyümelerini desteklemek için anjiyogenezi kullanabilir, bu nedenle bu yol kanser araştırmalarında önemli bir alan olarak görülmektedir.

Zorluk ise seçiciliktir.

Çok sayıda VEGF reseptörünü genel olarak etkileyen ilaçlar, diğer biyolojik sistemlerle de etkileşime girebilir ve toksisiteyi artırabilir. BIOPTIC'in projesi, VEGFR-3 için daha güçlü seçiciliğe sahip küçük moleküller tanımlamayı amaçlıyordu.

Şirket, iki modelden oluşan bir hizmet kullandı:

SMILES, moleküler yapıları tanımlamak için kullanılan metin tabanlı bir notasyondur. Bu, kimyayı dil modeli teknikleriyle oldukça uyumlu hale getirir: bir molekül, sembollerin bir sırası olarak temsil edilebilir, bu da AI sistemlerinin kimyasal verideki kalıpları öğrenmesini sağlar.

İlk model, 40 milyar bileşenli ultra büyük bir kütüphaneyi taradıktan sonra, bir Grafik Sinir Ağı ikinci bir filtre olarak kullanıldı. Bir metin dizisinin aksine, bir grafik atomları düğümler olarak ve kimyasal bağları bağlantılar olarak temsil eder, bu da GNN'leri moleküler yapı ve ilişkileri modellemek için yararlı kılar.

Dijital Bir Tahminden Gerçek Bir Moleküle

Burada AI hikayesinin gerçek bilime dönüştüğü noktadır.

Bilgisayar, bir molekülün umut verici göründüğünü tahmin edebilir, ancak molekül hala sentezlenip deneysel olarak test edilmelidir.

VEGFR-3 projesinde, BIOPTIC 110 bileşiği bir kinaz profilleme analizi kullanarak test etti. Birkaç molekül VEGFR-3'e karşı aktivite gösterdi ve üçünün tek bir VEGFR hedefine seçici olduğu bildirildi. Bir aday, bildirilen deneylerde VEGFR-1 ve VEGFR-2'ye karşı 45 kat daha fazla seçicilik gösterdi. Bulgular, 2025 ASCO Yıllık Toplantısı için bir özet halinde sunuldu ve Journal of Clinical Oncology'de bir toplantı özeti olarak yayımlandı.

Araştırmacılar daha sonra moleküler keşfi RNA dizilimi analizleriyle birleştirdiler. Oncobox algoritması kullanarak, seçici VEGFR-3 inhibisyonuna yanıt verebilecek kanser türlerini tahmin etmek için binlerce tümör ifade profilini analiz ettiler. Daha fazla araştırma için önerilen adaylar arasında papillare tiroid kanseri, klar hücreli böbrek kanseri, pankreas kanseri,over kanseri ve sarkomlar yer aldı.

Bunlar araştırma bulgularıdır - bitmiş bir kanser ilacının hastalar için hazır olduğuna dair bir kanıt değildir.

BIOPTIC B1'in Arkasındaki Bilimsel Kanıt

BIOPTIC'in teknolojisi, hakemli bilimsel literatürde de tanımlanmıştır.

2025 yılında, araştırmacılar, Parkinson hastalığı ile ilişkili bir protein olan LRRK2'yi hedef alan bir prospektif ilaç keşif deneyinde BIOPTIC B1'in kullanımını tanımlayan bir çalışma yayınladılar.

Sistem, aynı 40 milyar molekül kimyasal alanını arayarak hem normal hem de mutasyona uğramış LRRK2 formları için yeni ligandlar tanımladı. En iyi deneysel olarak doğrulanan bileşiklerin ayrılma sabitleri 110 nanomolar kadar düşük seviyelerde gerçekleşti.

Bir sonraki aşama, AI destekli ilaç keşfini anlamak için özellikle önemlidir. İlk bulgular nihai yanıtlar olarak kabul edilmedi. Bilim insanları, en iyi bileşikleri bir analog arama için başlangıç noktası olarak kullandılar, yapısal olarak ilişkili molekülleri geri aldılar, pratik özellikleri açısından filtrelediler ve gerçekçi bir şekilde sentezlenebilecek adaylar seçtiler.

Seçilen 48 analogdan 47'si başarılı bir şekilde sentezlenmiştir. Ortaya çıkan bileşikler daha sonra tekrar test edilerek hesaplama, kimya ve biyoloji arasında bir geri bildirim döngüsü oluşturmuştur.

Neden AI İlaç Bilim İnsanlarının Yerini Alamaz

"AI ilaç keşfeder" ifadesi dikkat çekici, ancak eksik.

AI, verilerden öğrendiği kalıplara dayalı olarak molekülleri sıralayabilir. Sanal taramayı hızlandırabilir ve manuel olarak keşfedilmesi zor olan kimyasal ilişkileri tanımlayabilir. Ancak bir tahmin, deneysel çalışmalar bunu doğrulamadan tahmin olarak kalır.

Bilim insanlarının hala temel soruları yanıtlaması gerekiyor:

• Molekül hedefe gerçekten bağlanıyor mu?
• Hedeflediği biyolojik yolu etkiliyor mu?
• Yeterince seçici mi?
• Toksik mi?
• Uygun dokuya ulaşabiliyor mu?
• Güvenli bir şekilde metabolize ediliyor mu?
• Hayvanlarda çalışıyor mu?
• İnsan hastalarına yardımcı oluyor mu?

Umut verici bir molekül herhangi bir noktada başarısız olabilir.

Bu nedenle, BIOPTIC B1 gibi sistemlerin gerçek değeri, sihirden ziyade hızda yatıyor olabilir. Eğer AI, milyarlarca teorik olasılığı test edilmeye değecek birkaç düzine moleküle dönüştürebiliyorsa, ilaç keşfinin en erken aşamalarını daha verimli hale getirebilir.

Yapay Zeka Destekli Tıbbın Geleceği

BIOPTIC'in çalışmaları, biyoteknolojide daha geniş bir dönüşümü göstermektedir. AI, giderek daha fazla araştırma altyapısının bir parçası haline geliyor - kimyasal alanı aramak, deneyleri önceliklendirmek ve moleküler verileri biyolojik bilgilerle bağlamak için bir sistem.

Şirketin kanser araştırmaları özellikle ilginç çünkü moleküler tarama, seçicilik modelleme ve tümör biyolojisinin RNA-seq analizi gibi birden fazla hesaplama katmanını birleştiriyor.

Ancak bu sürecin nihai ürünü, AI tarafından üretilen bir reçete değil. Bilim insanlarının test etmesi için bir hipotezler listesi.

Bu ayrım önemlidir.

AI, araştırmacıların milyarlarca molekülü geleneksel yöntemlerden daha hızlı aramasına yardımcı olabilir. Alışılmadık kimyasal iskeletleri ortaya çıkarabilir ve laboratuvarları aksi takdirde gizli kalacak adaylara yönlendirebilir. Ancak molekül yine de kimya, biyoloji, toksikoloji, ön klinik araştırmalar ve klinik denemeleri geçmek zorundadır.

Başka bir deyişle, AI, kanser tedavisi arayan bilim insanının yerini almıyor.

O, o bilim insanına çok daha güçlü bir arama motoru sunuyor.