Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

פלטפורמת סינון וירטואלי המונעת בינה מלאכותית מזהה מועמדים חדשים לעכבת NSUN2 לטיפולים ממוקדים בסרטן: גישה חישובית לגילוי תרופות

· חזרה לאינדקס

דרכים חדשות להתעלות על סרטן עקשני

רקמות סרטניות רבות הופכות קטלניות לא רק כי הן מופיעות, אלא משום שהן לומדות להתחמק מהתרופות הטובות ביותר שלנו. המחקר הזה בוחן דרך מבטיחה להשבית מסייע מרכזי לצמיחת גידול — באמצעות בינה מלאכותית הסורקת יותר ממאה מיליון תרכובות פוטנציאליות במחשב לפני שאחת מהן מעורבת בצינור מבחנה אמיתי.

Figure 1
Figure 1.

מתג נסתר בתוך תאי הסרטן

עמוק בתוך תאים, אנזים הנקרא NSUN2 פועל כמו מסמן כימי ל־RNA, המולקולה שמתווכת את הפיכתם של גנים לחלבונים. על ידי הוספת סימנים כימיים זעירים ל־RNA, NSUN2 יכול לייצב מסרים הקשורים לצמיחה ולהפוך אותם לקריאים וקבועים יותר. גידולים רבים, כולל בסרטן הריאה, הקיבה, הלבלב והשד, מעלים את רמות NSUN2, מה שמגביר את יכולתם להתחלק, להתפשט ולהתנגד לתרופות ממוקדות. עם זאת, על אף חשיבותו, יש מעטים מועמדים לתרופות שיכולות לכווץ את NSUN2 בבטחה, ובמיוחד מעכבים הפיכים שאינם מזיקים לקבוע לאנזים.

להניח לבינה מלאכותית לחפש בים של מולקולות

גילוי תרופות מסורתי היה מתקשה לבדוק במעבדה מיליוני מולקולות מול NSUN2, מפני שכל ניסוי דורש תערובות מורכבות של RNA וכימיקלים מסייעים. במקום זאת, החוקרים בנו צינור עבודה דיגיטלי מלא. הם התחילו מצורת תלת־ממד חזויה של NSUN2 האנושי שנוצרה על ידי AlphaFold, מערכת בינה מלאכותית ששינתה את תחום חיזוי המבנה. כדי לוודא שהמודל אמין, הם השוו אותו לאנזים קרוב שמבנהו ידוע ממחקרי קריסטלוגרפיה בקרני X. הכיס הקריטי שבו NSUN2 נקשר למולקולת העוזרת הטבעית שלו היה שמור בחוזקה, מה שנתן לצוות בטחון שסימולציות דוקינג וירטואליות של תרופות פוטנציאליות לאתר זה יהיו משמעותיות.

מאתר־מיליונים למספר מועט

עם מיקומו של כיס המטרה, הצוות פנה למסד ציבורי עצום של מולקולות שניתן לרכוש. הם דוקדו תחילה סט אימון של תרכובות אל כיס NSUN2 והשתמשו בציונים שהתקבלו כדי ללמד מודל למידת מכונה אילו צורות מבטיחות יותר. אותו מודל סרק במהירות כ־350 מיליון מולקולות וסימן כ־101 מיליון כ"היטים" סבירים. כדי לצמצם עוד יותר, השברים העליונים הושמו בדוקינג מחושב מדויק יותר, ורק 12,000 הטובים ביותר עם חיזוי קשירה חזק נשמרו. אלו עברו סבב בדיקות בטיחות ממוחשבות שהעריכו כיצד הגוף עשוי לספוג, לפצל, לפזר ולסבול כל מועמד. אחרי המסננים הללו, נותרו רק 34 מולקולות שנראו גם עוצמתיות וגם דמוית־תרופה.

Figure 2
Figure 2.

צפייה בתרופות מועמדות בתנועה

תצלומים סטטיים אינם מספיקים כדי לדעת אם תרופה תחזיק באמת במטרתה. לכן החוקרים השתמשו בסימולציות דינמיקה מולקולרית, שמדמות כיצד האטומים נעים לאורך זמן, כדי לצפות בשלוש המועמדות המבטיחות ביותר כשהן מתקשרות עם NSUN2 במשך 50 מיליארדיות השנייה. שתי תרכובות, שזוהו רק על ידי קודי מסד הנתונים שלהן, יצרו קומפלקסים יציבים במיוחד: מבנה האנזים נשאר קומפקטי, אזוריו המרכזיים נותרו יציבים ולא רפויים, והמולקולות הקטנות שמרו על התאמה הדוקה בתוך הכיס תוך יצירת מגעים מתמשכים. סימולציות אלה מרמזות ששתי התרכובות עשויות לחסום באופן אמין את פעילות NSUN2 בתאים אמיתיים.

מה משמעות זאת לטיפולים עתידיים

אף שכל התוצאות בעבודה זו מבוססות על חישובים וזקוקות לאימות במעבדה, המחקר מספק רשימת התחלה קצרה וריאלית למתחרים חדשים החוסמים NSUN2. כיוון ש־NSUN2 מסייע לתאי סרטן לייצב אותות צמיחה והישרדות, תרופות כאלה עשויות להחליש רקמות סרטניות ולחזור ולרגש אותן לתרופות ממוקדות קיימות, במיוחד בסרטני ריאה שהפכו לעמידים. לא פחות חשוב, המחקר מציג מתכון כללי לשימוש בבינה מלאכותית ובדגמי פיזיקה כדי לחקור מרחבי כימיה עצומים במהירות ובעלות נמוכה, ומציע קיצור דרך רב עוצמה לדור הבא של טיפולי סרטן מדויקים.

ציטוט: Yu, S., Peng, Q., Wei, W. et al. AI-driven virtual screening platform identifies novel NSUN2 inhibitor candidates for targeted cancer therapy: a computational drug discovery approach. npj Precis. Onc. 10, 98 (2026). https://doi.org/10.1038/s41698-026-01296-2

מילות מפתח: NSUN2, אפיטרנסקריפטומיקה, סינון וירטואלי בינה מלאכותית, גילוי תרופות לסרטן, מתילציה של RNA