Q-CaDD: האצת מתודולוגיות במחשב עם חישוב קוונטי ולמידת מכונה עבור קולטן גורם הצמיחה האפידרמלי

מדוע כלים ממוחשבים חדשים חשובים לתרופות סרטן בעתיד

עיצוב תרופות חדשות דומה במקצת לחיפוש מחט בערימת שחת של מולקולות אפשריות. עבור סרטן המונע על ידי חלבון בשם קולטן גורם הצמיחה האפידרמלי (EGFR), החוקרים צריכים למצוא תרכובות שיקשרו לחלבון הזה בחוזקה ועדיין יישארו בטוחות לחולים. עבודה זו מציגה את Q-CaDD, מסגרת ממוחשבת שמשלבת את למידת המכונה של היום עם רעיונות חישוב קוונטי מתפתחים כדי לסנן מאות אלפי מולקולות מועמדות באופן יעיל יותר ולסמן את אלה שעשויות להפוך לתרופות בטוחות ויעילות יותר.

מחתול הקטן של חלבון שקשור לסרטן לבעיה חיפוש דיגיטלית

EGFR יושב על פני תאי ומסייע לשלוט באופן הצמיחה והחלוקה שלהם. כשהוא מתקלקל, כפי שלעתים קרה בסרטן הריאות שאינו זעיר התאים, תאים עלולים להתחלק ללא ריסון. כבר קיימות תרופות החוסמות את EGFR, אך לגידולים יכולה להתפתח עמידות, ולא כל מטופל מגיב היטב. במקום לבדוק תרכובות חדשות אחת־אחת במעבדה, Q-CaDD משתמש בדימות ממוחשב כדי לחקור מרחב כימי בהיקף גדול, בחיפוש אחר מולקולות שמקשרות ל־EGFR ומראות סימני רעילות נמוכים. גישה זו מתיימרת להפוך את שלבי ההתחלה של גילוי תרופות למהירים, זולים ומונחים יותר.

גידול וגזירה של ספרייה עצומה של מולקולות

המסגרת מתחילה באיסוף כ־24,000 מולקולות ידועות החוסמות EGFR מתוך מאגרי מידע ציבוריים. לאחר מכן היא משתמשת באלגוריתם גנרטיבי כדי לשנות באופן שיטתי את המבנים שלהן, ולייצר כ־200,000 מועמדים קשורים. שני מסנני "דמיון לתרופה" מבוססים מוחלים כדי לסנן תרכובות שהן גדולות מדי, שומניות מדי או בסבירות נמוכה יתנהגו היטב בגוף, והקבוצה מתקצרת לפחות מ־50,000. בשלב הבא, תוכנת דוקינג מדמה את התאמת כל מולקולה לכיס התלת־ממדי ב־EGFR שבו תרופות אמיתיות יקשרו, והערכה עד כמה כל אחת מהן עשויה להיקשר. זה מצמצם את תשומת הלב לתרכובות שנראות סבירות מבחינה כימית ומנובאות להגיב היטב עם המטרה.

להדריך מחשבים לזהות סימני אזהרה רעילים

הקישור ל־EGFR הוא רק חצי מהסיפור; תרכובת מבטיחה חייבת גם להימנע מפגיעה ברקמות בריאות. כדי להעריך רעילות, המחקר פונה למאגר ציבורי גדול שנקרא Tox21, המתעד כיצד יותר מ־10,000 כימיקלים משפיעים על מסלולים תאיים שונים. המחברים מתמקדים במסלול אחד המקושר לקולטן האנדרוגן, נבחר כי הוא מתועד היטב ובעל רלוונטיות ביולוגית למספר סוגי סרטן. כל מולקולה ב־Tox21 ממוּדדת לטביעת אצבע מספרית שתופסת את תכונות המבנה שלה ואת הדמיון לחומרי כימיה אחרים. טביעות אלה מזינות מספר מודלים חוזים, כולל רשתות עצביות, עצי החלטה, מכונת וקטורים תומכת מסורתית, ומכונת וקטורים תומכת בהשראה קוונטית שמשתמשת במעגל קוונטי פשוט להשוואת תרכובות במרחב מתמטי שונה.

מיזוג תחזיות קוונטיות וקלאסיות

במקום להמר על מודל יחיד, Q-CaDD משלב את הפלטים של ארבעת המודלים לאנסמבל, כשהמשקל הגדול ביותר ניתן לרשת העצבית אך עדיין משולב האות החלש אך הייחודי מהמודל הקוונטי. כאשר נבחן על נתוני Tox21 שלא נראו קודם, גישה זו המשולבת מבצעת טוב יותר מכל מודל יחיד בזיהוי תרכובות רעילות פחות או יותר, כפי שנמדד על ידי מדד דירוג סטנדרטי הנקרא שטח מתחת לעקומת ה־ROC. למרות שהשיפור צנוע והחלק הקוונטי עדיין רץ על סימולציה ולא על שבב קוונטי אמיתי, התוצאות מרמזות ששיטות בהשראה קוונטית יכולות להוסיף ניואנס שימושי לצנרת למידת המכונה הקיימת כבר בשלבים המוקדמים שלהן.

מכרטיסי ציון ממוחשבים לניסויים עתידיים במעבדה

לאחר אימות מודלי הרעילות, המחברים מפעילים את כל צנרת Q-CaDD על ספריית המוקדת ל־EGFR שעברה סינון. הם נמנעים מלהכריע באופן חד־משמעי בנושא רעילות, ושומרים במקום זאת על ציוני סיכון רציפים ומשלבים אותם עם הערכות דוקינג של חוזק הקשירה. זה מייצר רשימת עדיפויות של מולקולות מועמדות, שחלקן נראות כקשורות ל־EGFR בחוזקה גבוהה יותר מאשר תרופה ייחוס תוך שמירה על רעילות נמוכה חזויה. מולקולות אלה אינן מוצגות כתרופות חדשות; הן מסומנות כמובילות שמוצדקות לניסויים במעבדה. המסקנה העיקרית של המחקר לקהל לא־מומחה היא לא שקומפיוטרים קוונטיים כבר מהפכניים בגילוי תרופות, אלא שכיתובים זהירים של כלים קלאסיים ובהשראה קוונטית יכולים כבר לסייע להדק את החיפוש, להוביל את החוקרים אל מועמדים טובים יותר מהר יותר תוך שמירה על ריאליזם לגבי מגבלות החומרה הנוכחיות.

ציטוט: Badarala, L. Q-CaDD: accelerating in silico methodologies with quantum computation and machine learning for Epidermal growth factor receptor. Sci Rep 16, 14436 (2026). https://doi.org/10.1038/s41598-026-44978-4

מילות מפתח: גילוי תרופות קוונטי, מעכבי EGFR, רעילות ולמידת מכונה, סריקה וירטואלית, סרטן הריאות שאינו זעיר התאים