Dizilim tabanlı üretken yapay zekâ ile çok yönlü triptofan sintetazlarının tasarımı

Enzimlere Yapay Zekâyla Yeni Yetenekler Öğretmek

Modern toplum moleküller üzerine kuruludur—ilaçlar, malzemeler ve özel kimyasallar sıklıkla enerji yoğun ve kirletici süreçlerle üretilir. Doğanın katalizörleri olan enzimler benzer işleri temiz ve verimli şekilde yapabilir, ancak yeni bir endüstriyel görev için doğru enzimi bulmak ya da tasarlamak yavaş ve belirsizdir. Bu çalışma, metin yazan sohbet botlarının arkasındaki teknoloji sınıfına ait üretken yapay zekânın, laboratuvarda iyi çalışan ve bazen evrim ve yıllarca süren mühendisliğin ortaya koyduklarından daha iyi performans gösteren yepyeni enzimler tasarlamak için kullanılabileceğini gösteriyor.

Enzimlerin Günlük Hayattaki Önemi

Enzimler, yaşayan hücrelerde kimyasal reaksiyonları hızlandıran küçük protein makineleridir. Kimyagerler bunları ilaç, gıda bileşenleri ve diğer değerli ürünleri geleneksel kimyadan daha az enerji ve daha az toksik reaktifle üretmek için yeniden amaçlandırmayı öğrendi. Sorun şu ki her yeni uygulama genellikle belirli bir başlangıç maddesini kabul edebilen, işlem koşullarına dayanabilen ve yüksek verim üretebilen “tam isabet” performansına sahip bir enzim gerektirir. Geleneksel “yönlendirilmiş evrim” birçok mutasyona uğramış varyant üreterek ve test ederek enzimleri iyileştirir; bu, nesil nesil devam eder. Bu yöntem iyi çalışır ama makul bir başlangıç enziminin varlığına bağlıdır ve aylar ya da yıllar sürebilir; bu da birçok yararlı reaksiyonun keşfedilmemiş kalmasına yol açar.

Bir Dil Modelinin DNA Yazmasına İzin Vermek

Araştırmacılar, GenSLM adında bir genom ölçekli dil modeline yöneldiler; bu model DNA’daki desenleri, bir dil modelinin metindeki dil bilgisi ve üslubu öğrenmesi gibi öğrenir. Bitmiş protein dizileriyle çalışmak yerine GenSLM, hücrelerin genleri proteinlere çevirmesini yansıtarak üç harfli kodonlar halinde DNA okur ve yazar. Ekip önce TrpB olarak adlandırılan, triptofan amino asidinin inşasına yardımcı olan özellikle karmaşık bir enzim alt birimi için on binlerce doğal gende GenSLM’yi ince ayarladı. Ardından modelden tamamen yeni trpB genleri üretmesi istendi. Basit hesaplamalı filtreler, çok kısa veya çok uzun, düzgün katlanma olasılığı düşük veya bilinen doğal enzimlerle neredeyse aynı olan dizileri eleyerek bakteri deneyleri için 105 çeşitli aday bıraktı.

Bilgisayar Tasarımlarından Çalışan Katalizörlere

Bu 105 yapay zekâ tarafından tasarlanmış TrpB enzimi E. coli içinde üretildiğinde, birçoğu iyi katlandı ve yüksek miktarlarda üretildi. Düzgün yürüttükleri ana görevlerini—indol ile doğal ortak amino asit olan serini triptofana dönüştürmeyi—çoğu başardı. Bazıları, ısı direnci için açıkça tasarlanmamış olmalarına rağmen, artırılmış sıcaklıklarda bile sağlam performans gösterdi. Yan yana yapılan testlerde, GenSLM‑TrpB altkümesinin bir kısmı, yıllarca sabırla evrimleştirilmiş ve 75 °C'de kendi başına işlev göstermek üzere optimize edilmiş bir karşılaştırma enzimiyle eşleşti veya onu geride bıraktı. 230 etiketiyle anılan öne çıkan bir tasarım, hem oda sıcaklığında hem de yüksek sıcaklıkta endüstride kullanılan bu kıyas enziminin ürettiğinden daha fazla triptofan üretti; bu da yalnızca dizi verileriyle eğitilmiş bir modelin doğrudan üst düzey performansa atlayabileceğini gösteriyor.

Doğanın Yaptığının Ötesinde Yeni Esneklik

Ekip daha sonra enzimleri bir dizi doğal olmayan substratla sınadı—indol türevleri, farklı bir alkol benzeri ortak, ve ilaç üretiminde kullanılan florlu bir bileşik. TrpB’nin doğal versiyonları genellikle seçicidir: doğal substratlarına güçlü bir şekilde eğilimlidirler ve bu tür alternatifler üzerinde az aktivite gösterirler. Dikkat çekici şekilde, yapay zekâ tarafından üretilen enzimler çoğunlukla daha maceracıydı. Test edilen her doğal olmayan substrat için en az bir GenSLM tasarımında ölçülebilir aktivite görüldü ve birçok tasarım doğal enzimlerden daha iyi performans sergiledi. Yine, 230 varyantı öne çıktı; yedi alternatif substratın hepsini mütevazıdan neredeyse tamamına kadar değişen verimlerle dönüştürdü—bu enzim ailesinde daha önce görülmemiş bir “çok yönlülük” genişliği. Ancak araştırmacılar 230’u yalnızca 400 amino asit pozisyonunun 78’sinde farklılık gösteren en yakın doğal akrabasıyla karşılaştırdıklarında, doğal enzimin genel yapısı ve ana aktif bölge kalıntıları neredeyse aynı olmasına rağmen bu çok yönlülüğe sahip olmadığını buldular.

Geleceğin Yeşil Kimyası İçin Anlamı

Uzman olmayan biri için ana mesaj, yalnızca mevcut DNA dizileriyle eğitilmiş bir yapay zekâ modelinin doğanın denemediği gerçekçi yeni enzimleri hayal edebildiği; bunların bazıları şu anda kullandıklarımızdan daha iyi kimyasal araçlar olabiliyor. Bu yapay zekâyla tasarlanmış TrpB varyantları, doğal akrabalarının temel şekil ve işlevini korurken birçok farklı başlangıç maddesini işleyebilme gibi alışılmadık bir yetenek kazanıyor. Bu esneklik, enzim bazlı yollarla yeni ilaçlar ve diğer ürünlerin keşfi için gereken laboratuvar çalışmasını önemli ölçüde azaltabilir. Tasarım, DNA sentezi ve test etme hızlandıkça ve ucuzladıkça, benzer üretken modeller enzim keşfini yavaş bir hazine avından hızlı, rutin bir tasarım görevine dönüştürebilir ve daha fazla endüstriyel kimyayı daha temiz, enzim destekli süreçlere kaydırmaya yardımcı olabilir.

Atıf: Lambert, T., Tavakoli, A., Dharuman, G. et al. Sequence-based generative AI design of versatile tryptophan synthases. Nat Commun 17, 1680 (2026). https://doi.org/10.1038/s41467-026-68384-6

Anahtar kelimeler: enzim mühendisliği, üretken yapay zekâ, protein tasarımı, triptofan sintetazı, biyokataliz