Yapay zeka ve deneysel yakınsama: JAK2 inhibitörü keşfine sinerjik bir yol

Geleceğin İlaçları İçin Neden Önemli

Birçok kanser ve otoimmün hastalık, hücrelerin içinde sürekli açık kalan bir anahtar gibi davranan aşırı aktif bir sinyal proteini olan JAK2 tarafından yönlendirilir. Bu anahtarı güvenli ve hassas biçimde kapatacak ilaçlar bulmak, geleneksel deneme-yanılma kimyasıyla zor ve maliyetlidir. Bu çalışma, yapay zekâ ile laboratuvar deneylerini birleştirmenin yeni JAK2 bloke edici hapların aranmasını önemli ölçüde hızlandırabileceğini gösteriyor; bu da daha iyi tedavilerin hastalara daha hızlı ve daha düşük maliyetle ulaşmasına yol açabilir.

İnflamasyonun Arkasındaki Hücresel Anahtar

JAK2, hücrelerin bağışıklık sistemi ve kan yapıcı dokulardan gelen kimyasal mesajlara yanıt vermesine yardımcı olan küçük bir enzim ailesine aittir. Bu enzimler hatalı çalıştığında—çoğunlukla belirli DNA mutasyonları nedeniyle—hücreler sürekli büyüme ve hayatta kalma sinyalleri alır. İnsanlarda bu, kan kanserlerine, kronik iltihaba ve eklem hasarına yol açabilir. Doktorların halihazırda JAK2'yi hedefleyen birkaç ilacı vardır, ancak bazıları yan etkilere neden olur veya yeterince etkili değildir. Büyük zorluklardan biri, ilaçların bağlandığı ana cepğin tüm JAK ailesi arasında çok benzer görünmesidir; bu da JAK2'yi kapatıp yakın akrabalarını etkilememeyi zorlaştırır.

Bilgisayarlara İyi İlaç Adaylarını Öğretmek

Araştırmacılar, JAK2’yi bloke etme yeteneği için daha önce test edilmiş binlerce bilinen kimyasal ile başladılar. Her molekül, yapı taşlarını ve şekillerini kodlayan bir tür dijital barkoda—moleküler parmak izi—dönüştürüldü. Bu parmak izleri üzerinde birkaç modern makine öğrenimi yöntemi eğitildi; bu yöntemler hangi desenlerin güçlü JAK2 bloke edicileri işaret etme eğiliminde olduğunu ve hangilerinin etmediğini öğrenmeye çalıştı. Bunlar arasında CatBoost adlı bir yöntem en iyi sonuç verdi; aktif ve inaktif molekülleri yaklaşık yüzde 94 doğrulukla ayırdı ve bir dizi kalite kontrolünde mükemmel performans gösterdi.

Dijital Vuruştan Atom Düzeyinde Bağlanmaya

Eğitilmiş modelle donan ekip, modeli Kore Kimya Veri Bankası’ndan yaklaşık üç çeyrek milyonluk büyük bir ulusal koleksiyona uyguladı. Yapay zekâ önce bu havuzu yalnızca birkaç bin olası JAK2 bloke edicisi ile sınırladı. Bunlar daha sonra moleküllerin JAK2 proteininin üç boyutlu cebine nasıl oturduğunu simüle eden daha ayrıntılı bilgisayar araçlarıyla incelendi. Yerleştirme (docking) hesaplamaları her adayın ne kadar sıkı uyduğunu puanladı, kümeleme yöntemleri ise son seçimlerin aynı fikrin birçok benzeri yerine yapısal olarak çeşitli olmasını sağladı.

En İyi Molekülleri Dayanıklılık Testine Sokmak

En yüksek puanlı bileşikler, proteinin ve ilacın sanal suda zaman içinde sallanıp esnemesine izin veren fizik tabanlı simülasyonlarla daha ileri düzeyde incelendi; bu, hangilerinin yerinde sıkıca kaldığını ortaya çıkardı. Ek kuantum düzeyindeki hesaplamalar, moleküller içindeki elektronların nasıl düzenlendiğini inceledi; bu da JAK2’ye bağlandıklarında ne kadar reaktif ve kararlı olduklarını etkiler. Ekip ayrıca her adayın bir ilaç olarak nasıl davranacağını tahmin etti: ne kadar kolay çözüldüğü, bağırsakta ne kadar iyi emilebileceği ve beyne girme olasılığı gibi. Bu elenme süreci, güçlü, stabil bağlanma ile ilaç benzeri davranışı birleştiren küçük bir bileşik setini öne çıkardı.

Yapay Zeka Tahminlerini Teste Sokmak

Son olarak, öne çıkan dört molekül sentezlendi ve JAK2’nin aktivitesini ne kadar güçlü engellediklerini ölçen biyokimyasal bir assayde doğrudan test edildi. Dördü de etkileyici güç gösterdi; aktiviteyi yarıya indirmek için gereken konsantrasyon 10 mikromolün altındaydı ve bir bileşik bu testte onaylı bir referans ilacı geride bıraktı. Bu sonuçlar, yapay zekâ rehberliğindeki hattın sadece kağıt üzerinde iyi tahmin yapmakla kalmadığını, gerçek dünya ilaç adayları da üretebildiğini doğruladı.

Kişiye Özel Tedavilere Daha Hızlı Bir Yol

Uzman olmayanlar için ana mesaj şudur: İyi tasarlanmış yapay zekâ sistemleri artık muazzam kimyasal alanları eler, laboratuvar bilim insanlarının test edip geliştirebileceği birkaç umut verici adayı işaretler. Bu çalışmada bu yaklaşım, tıbben önemli bir proteinin yeni, güçlü bloke edicilerini üretirken zaman, çaba ve kaynak tasarrufu sağladı. Yapay zekâ ve deney ortaklıkları olgunlaştıkça, JAK2 kaynaklı hastalıklar için daha hassas tedavilerin yaratılmasını hızlandırmaları ve daha geniş anlamda hastaların ihtiyaçlarına daha iyi uyan ilaçların yolunu açmaları muhtemeldir.

Atıf: Maryam, Cho, H., Pokhrel, A. et al. AI and experimental convergence: a synergistic pathway to JAK2 inhibitor discovery. Acta Pharmacol Sin 47, 1361–1373 (2026). https://doi.org/10.1038/s41401-025-01701-9

Anahtar kelimeler: JAK2 inhibitörleri, makine öğrenimi ilaç keşfi, kinaz hedefli tedavi, sanal tarama, kişiselleştirilmiş tıp