CycloPepper: פלטפורמת למידת מכונה לחיזוי תוצאות ציקליזציה ואופטימיזציה של סינתזה של ציקלופפטידים תרופתיים

הפיכת שרשראות גמישות לטבעות עוצמתיות

תרופות נגד סרטן, אנטיביוטיקות ותרופות מודרניות אחרות בנויים יותר ויותר משרשראות קצרות של חומצות אמינו הנקראות פפטידים. כאשר שורטטים אלו תּפורין לסגירה ליצירת טבעות, או פפטידים ציקליים, הן לעתים קרובות נעשות קשיחות יותר, עמידות יותר ויעילות יותר בחדירה לתאים. אך הכנת הטבעות הקטנות האלה במעבדה היא מפתיעה ועדינה, וכימאים עלולים לבזבז שבועות בניחושים איזו שיטה לסגור את השרשרת תעבוד. במחקר זה מוצגת CycloPepper, פלטפורמה מונעת למידת מכונה המסייעת לחוקרים לחזות, תוך שניות, אילו שרשראות פפטיד צפויות להיווצר כטבעות יציבות ואילו ייכשלו — מה שעלול להאיץ את החיפוש אחרי תרופות פפטידיות חדשות.

מדוע פפטידים בצורת טבעת חשובים

פפטידים הם רצפים של חומצות אמינו, אותם אבני בניין שמרכיבות חלבונים. כאשר הם נשארים כשרשראות פתוחות, הם יכולים להיות רפויים ורגישים לפרוק על ידי אנזימים בגוף. אם מצרפים את שני קצות השרשרת ראש‑לזנב ליצירת טבעת, המולקולה נהיית קומפקטית ונוקשה יותר. זה לרוב משפר את עוצמת הקשירה ליעד הביולוגי, את העמידות בפני אנזימים עיכוליים ואת היכולת לעבור ממברנות תאיות. מספר תרופות חשובות, כולל אנטיביוטיקות עוצמתיות, מבוססות על מבנים ציקליים כאלה. עבור מתכנני תרופות, הפיכת פפטיד ליניארי לטבעת היא אסטרטגיה מרכזית להפוך מולקולה חלשה ופגיעה לתרופה חזקה ועמידה.

הקושי המוסתר בסגירת הטבעת

למרות המשיכה שבהן, פפטידים ציקליים קשים להכנה. כדי ליצור טבעת, על שרשרת גמישה להתקפל לצורה מדויקת שמאפשרת לקצותיה להגיב זה עם זה ולא עם שכן. שרשראות קצרות במיוחד משלמות "עלות ארגונית" גבוהה כדי לקבל את צורת הלולאה הזו, וחומצות אמינו בצפיפות באזור נקודת הקיבוע יכולות לחסום פיזית את התגובה. כימאים בדרך כלל בונים פפטידים על חרוזים זעירים של חומר מוצק, מה שמפשט את הטיהור אך עלול עוד להגביל את חופש הקיפול של השרשרת. כתוצאה מכך, ההצלחה או הכישלון של יצירת הטבעת לעתים קרובות תלויים ברגישות במיקום שבו הכימאי בוחר לסגור את הלולאה לאורך רצף דומה. עד כה, הבחירה הזו הונחתה במידה רבה על ידי ניסיון וניסוי וטעיה.

רובוטים ואלגוריתמים בונים ספרייה לומדת

כדי להחליף ניחושים בנתונים, החוקרים שילבו כימיה אוטומטית עם למידת מכונה. באמצעות מערכת זרימה סינתטית רובוטית בשם CycloBot וקושר מיוחד שמאפשר ביצוע סגירת הטבעת ישירות על התמיכה המוצקה, הם ייצרו ובדקו במהירות 306 רצפי פפטידים שונים בטווח של 2 עד 14 חומצות אמינו. עבור כל רצף הם רק רשמו אם זוהה מוצר ציקלי נקי או לא. לאחר מכן תרגמו כל רצף לתיאור מספרי עשיר: אילו חומצות אמינו הוא מכיל, כיצד הן מסודרות בזוגות, קוד מיקום‑על‑מיקום, ומספר דגלים שנבחרו באופן ידני על פי ניסיון מעבדה (למשל, שחומצות אמינו מסוימות בקצה אחד או השני נוטות לעזור או להפריע ליצירת הטבעת). הזנת טביעות אצבע ממדיות של 414 אלה למספר סוגי מודלים של למידת מכונה הראתה שממיין תמיכה (support vector classifier) נתן את הביצועים הטובים ביותר, וחזה נכון הצלחה או כישלון בציקליזציה בערך 84 אחוז מהמקרים במבחני וילידציה צולבת.

שיבוץ התחזיות במבחן ניסיוני

הצוות אז אתגר את המודל שלהם עם פפטידים חדשים שהוא מעולם לא ראה. הם תכננו שמונה רצפים מלאכותיים וארבעה מועמדים טיפוליים בהשראה טבעית, ולכל אחד ניסו את כל המקומות האפשריים לסגירת הטבעת לאורך השרשרת. בסך הכל הם ביצעו 74 ניסויי ציקליזציה. התחזיות של מודל למידת המכונה תאמו את תוצאות המעבדה ב‑64 מהמקרים האלה, שזו דיוק של 86 אחוז. חשוב לציין שהמודל הצטיין בזיהוי הן מקומות מבטיחים והן אתרים בעיתיים, כלומר הוא יכול לסייע לכימאים להימנע מבזבוז מאמץ על רצפים לא משתפי פעולה וכן להצביע על המועמדים הסבירים ביותר.

כלי מעשי למתכנני תרופות

כדי שהגישה שלהם תהיה שימושית מעבר למעבדה שלהם, המחברים ארזו את המודל המאומן לפלטפורמה ציבורית בשם CycloPepper, הזמינה כתוכנה להורדה וככלי רשת. משתמשים יכולים להקליד פפטיד יחיד או להעלות רבים בבת אחת, ובתוך שניות לקבל מפת אתרי סגירה ראש‑לזנב שסביר שיעבדו. הצוות הדגים את הערך בכך שתכננו מאות פפטידים ציקליים פוטנציאליים המכוונים לחלבונים המעורבים בסרטן ובמחלות חיסוניות, והראו שהכלי יכול מהר לסנן כמעט 40 אחוז מהרצפים שסבירים שלא יציקלזו. לקוראים שאינם מומחים, המסקנה היא ש‑CycloPepper פועל כמו עוזר סקר חכם מקדים, שמצמצם מרחב עיצוב עצום לערכה מעשית של מועמדים. שילוב של סינתזה מאוטומטת עם אלגוריתמים חזויים מקרב את ההבטחה של גילוי מהיר ומבוסס רציונל של תרופות פפטידיות בצורת טבעת צעד נוסף לעבר המציאות.

ציטוט: Pan, Y., Hu, C., Li, J. et al. CycloPepper: a machine learning platform for predicting cyclization outcomes and optimizing synthesis of therapeutic cyclopeptides. Nat Commun 17, 2803 (2026). https://doi.org/10.1038/s41467-026-69441-w

מילות מפתח: פפטידים מחזוריים, תכנון תרופות מבוסס פפטידים, למידת מכונה בכימיה, סינתזה מאוטומטת, חיזוי ציקליזציה