Birleştirilmiş 3B ilaç temsili öğrenimi için eşdeğere dönüşümlü ön-eğitimli bir dönüştürücü

Bilgisayarlara Molekülleri 3B Olarak Görmeyi Öğretmek

Yeni ilaçlar ve malzemeler tasarlamak, moleküllerin gerçekten üç boyutta nasıl göründüğünü ve hareket ettiğini — sadece kağıt üzerindeki düz formüller olarak değil — anlamaya bağlıdır. Bu makale, küçük ilaç benzeri bileşiklerden büyük proteinlere ve bunların komplekslerine kadar birçok tür molekülün 3B şekillerinden aynı anda öğrenebilen güçlü yeni bir yapay zeka modelini tanıtıyor; bu bilgi daha sonra etkileşimlerin gücünü ve hangi bileşiklerin gelecekte ilaç olma potansiyeli taşıdığını tahmin etmek için kullanılıyor.

Birçok Moleküler Dünyaya Tek Bir Harita

Kimya için mevcut yapay zeka araçlarının çoğu uzmanlaşmıştır: biri yalnızca küçük moleküller üzerinde eğitilir, diğeri yalnızca proteinler üzerinde ve bir başkası yalnızca onların kompleksleri üzerinde. Bu ayrım veriyi israf eder ve bir alanda öğrenilenin başka bir alana transfer edilmesini zorlaştırır. Yazarlar bunun yerine, Eşdeğere Dönüşümlü Ön-eğitimli Dönüştürücü (EPT) adlı tek bir “temel” model inşa ediyor; bu model, birden çok açık veritabanından derlenen geniş bir 3B moleküler yapı koleksiyonundan öğreniyor. Tüm bu yapıları ortak bir çerçeve içinde ele alarak model, atomların nasıl düzenlendiğine ve etkileştiğine dair ortak kalıpları tanıyabiliyor; bunlar basit bir ilaç molekülüne ya da karmaşık protein zincir düğümüne ait olabilir.

Molekülleri Yönetilebilir Parçalara Bölmek

Moleküler sistemlerin büyük çeşitliliği ve boyutuyla başa çıkmak için araştırmacılar “blok” fikrini tanıtıyor — küçük, anlamlı atom parçaları. Küçük moleküller için bir blok, bir ağır atomu ve kendisine bağlı hidrojenleri gruplayıp; proteinlerde her amino asit bir blok haline geliyor. Eğitim sırasında model hem ince taneli atomları hem de daha kaba blok yapısını görüyor; böylece yerel kimyasal ayrıntıları protein omurgaları veya bağlanma cepleri gibi daha geniş 3B şekillerle ilişkilendirebiliyor. Bu blok görünümü ayrıca çok farklı molekül tipleri arasında işe yarayan ortak bir dil oluşturuyor ve tek bir modelin hepsini anlamasını mümkün kılıyor.

Gürültülü Yapıları Düzeltmeyi Öğrenmek

“Bu molekül çözünürdür” veya “bu sıkı bağlanır” gibi açık etiketler verilmek yerine, EPT kendi kendine denetimli bir şekilde eğitiliyor. Yazarlar bilerek her bir moleküler bloğu bozan, onu gerçek konumundan rastgele kaydıran ve döndüren gürültüler uyguluyor; sonra modelden orijinal yapıyı geri getirmek için gereken kuvvetleri ve burulmaları çıkarması isteniyor. Eğitim temel geometrik kurallara — tüm sistem döndürüldüğünde veya uzayda taşındığında molekülün aynı görünmesi gerektiğine — saygı gösterdiği için model 3B şeklin fiziksel açıdan anlamlı bir kavrayışını öğreniyor. Bu gürültü giderme oyunu EPT’ye blok içindeki ve bloklar arasındaki atomların nasıl bir arada durduğunu ve geometrideki ince değişikliklerin kararlılığı nasıl etkilediğini öğretiyor.

Modeli Test Etme

Beş milyondan fazla yapı üzerinde ön eğitim yapıldıktan sonra EPT birkaç gerçek bilimsel görev için ince ayar ediliyor. Küçük bir molekülün bir protein cebine ne kadar güçlü bağlandığını, bir protein arayüzündeki tek bir mutasyonun bağlanmayı nasıl etkilediğini ve kimyagerlerin önemsediği küçük moleküllerin temel fiziksel özelliklerini tahmin ediyor. Çeşitli kıyaslamalarda birleşik model, yalnızca tek bir alana özel olarak uyarlanmış en iyi mevcut araçlarla eşleşiyor veya onları geride bırakıyor. Özellikle, bir veri türü — örneğin küçük moleküller — üzerinde eğitildiğinde bile, protein bağlanması gibi görünüşte farklı görevlerde yardımcı oluyor; bu da modelin dar hileler yerine geniş çapta kullanışlı kimyasal ilkeleri yakaladığını gösteriyor.

COVID‑19 İçin Yeni Tedaviler Aramak

Yazarlar ayrıca EPT’nin pratik değerini bir ilaç yeniden amaçlama (drug repurposing) görevinde gösteriyor. Önce modeli protein–ligand kompleksleri üzerinde ince ayar edip ardından SARS‑CoV‑2’nin çoğalması için gerekli ana proteine bağlanma olasılığına göre yaklaşık 2.000 onaylı ilacı sıralamak için kullanıyorlar. Bilinen anti‑COVID‑19 ilaçlar sıralamada üstlere yükseliyor ve model ek umut verici adayları öne çıkarıyor. En yüksek puanlı on iki molekül bilgisayar simülasyonlarıyla daha yakından inceleniyor; bunlardan ikisi — COVID‑19 için orijinal olarak geliştirilmemiş olanlar da dahil — özellikle güçlü tahmini bağlanma gösteriyor ve deneysel olarak viral proteazı mikromolar düzeyde inhibe ettikleri doğrulanıyor.

Genel Amaçlı Moleküler Yapay Zekâya Doğru Bir Adım

Düz bir ifadeyle, bu çalışma tek bir, geometriye duyarlı yapay zekâ modelinin birçok moleküler sistemi ortak bir 3B anlayış içinde öğrenebileceğini ve bunu çok çeşitli bilimsel soruları yanıtlamak için kullanabileceğini gösteriyor. Molekülleri bloklara ayırıp modeli bozulmuş yapıları “onar” şeklinde eğiterek yazarlar yalnızca sayıları daha doğru tahmin eden değil, aynı zamanda yeni antiviral ilaçların bulunması gibi görevleri hızlandırabilecek bir araç yaratıyor. EPT, genel amaçlı moleküler yapay zekâ sistemlerinin kimyagerlere ve biyologlara kimyasal alanı daha verimli keşfetmede yardımcı olduğu, deneyleri yönlendirdiği ve atomik yapıdan pratik tedavilere ve malzemelere giden yolu kısalttığı bir geleceğe işaret ediyor.

Atıf: Jiao, R., Kong, X., Zhang, L. et al. An equivariant pretrained transformer for unified 3D molecular representation learning. Nat Commun 17, 2606 (2026). https://doi.org/10.1038/s41467-026-69185-7

Anahtar kelimeler: 3B moleküler temsil, eşdeğere dönüşümlü dönüştürücü, ilaç keşfi, protein–ligand bağlanması, kendi kendine denetimli öğrenme