Biyomoleküler güç alanları için doğrusal tensörleştirilmiş dörtgen dikkat yoluyla ölçeklenebilir ve kuantum-doğru temelli model

Neden Daha Hızlı Moleküler Filmler Önemli?

Modern ilaç keşfi ve malzeme tasarımı, moleküllerin bükülmesini, esnemesini ve reaksiyonlarını gösteren bilgisayar “filmlerine” giderek daha fazla dayanıyor. Bu simülasyonlar, bir ilacın bir proteinin cephesine nasıl yerleştiğini veya yeni bir malzemenin stres altında nasıl davrandığını ortaya koyabilir. Ancak günümüz araçları bilim insanlarını bir seçim yapmak zorunda bırakıyor: doğruluk açısından ödün veren hızlı yöntemler ya da gerçekçi, karmaşık sistemler için çok yavaş olan son derece hassas kuantum hesaplamaları. Bu makale, günlük moleküler modelleme için uygun hızlarda kuantum düzeyinde doğruluk sunmayı amaçlayan yeni bir yapay zeka yaklaşımı olan LiTEN ve onun güç alanı modeli LiTEN-FF’i tanıtıyor.

Günümüz Moleküler Modellerinin Sorunu

Geleneksel moleküler simülasyonlar iki gruba ayrılır. Klasik güç alanları atomları sabit parametreli yaylarla bağlı boncuklar gibi ele alır. Hızlı çalışır ve büyük proteinleri veya uzun zaman ölçeklerini ele alabilir, ancak gerçek kimya için önemli olan ince şekil değişiklikleri, bağ yeniden düzenlenmeleri ve reaksiyon yollarıyla başa çıkmakta zorlanır. Kuantum yöntemleri ise elektronları açıkça tanımlar ve bağ kırılmaları ile oluşumlarını doğru şekilde yakalayabilir. Ancak bunlar o kadar hesap yoğun ki genellikle küçük moleküller veya çok kısa simülasyonlarla sınırlıdır. Son birkaç yılda, kuantum hesaplamalarını taklit etmeyi öğrenen makine öğrenimi yaklaşımları orta yol olarak ortaya çıktı. Yine de bu modellerin birçoğu ya güvenilirlik için gereken fiziksel sağlamlıktan yoksun ya da gerçekçi, büyük biyomoleküllere ölçeklendiğinde çok yavaş hale geliyor.

Yapay Zekaya Moleküler Şekilleri Öğretmenin Yeni Bir Yolu

LiTEN bu zorluğu, bir sinir ağının moleküler geometriyi “hissetme” biçimini yeniden tasarlayarak ele alıyor. Yalnızca atomlar arasındaki basit ikili (pairwise) uzaklıkları dikkate almak yerine, LiTEN bir moleküldeki açıları ve bükülmeleri kontrol eden üç ve dört atomlu desenler hakkında bilgi inşa ediyor. Kritik olarak, bunu temel fiziksel simetrilere saygı göstererek yapıyor: bir molekülü uzayda döndürür veya hareket ettirirseniz, tahmin edilen enerjisi aynı kalır ve tahmin edilen kuvvetler uygun şekilde döner. Tensörleştirilmiş dörtgen dikkat (tensorized quadrangle attention) adı verilen ana yenilik, modeli ağır, özel matematik yerine verimli vektör işlemleri kullanarak karmaşık bükülme ve burulma etkileşimlerini yakalayabilmesini sağlıyor. Bu, hesabı ölçeklenebilir tutuyor; genellikle gelişmiş modelleri yavaşlatan çok-gövdelilik (many-body) etkileri, sistem boyutuyla yalnızca doğrusal olarak artan bir maliyetle ele alınabiliyor.

Kuantum Verisiyle Eğitmeden Gerçek Biyomoleküllere

Bu mimarinin üzerine yazarlar LiTEN-FF adını verdikleri bir “temel model” inşa ediyor. Önce milyonlarca ilaç-benzeri molekülden oluşan devasa bir kuantum kimyası veri kümesi üzerinde eğitiliyor, sonra peptitler, çözeltilmiş yapılar ve halojenler ile metalleri içeren daha küçük ama daha yüksek doğrulukta bir koleksiyon üzerinde inceltiliyor (fine-tune ediliyor). Bu iki aşamalı eğitim, modele hem geniş kimyasal kapsama hem de ince ayrıntıları öğrenme imkânı veriyor. Tahmin edilen enerji ve kuvvetleri yüksek düzey kuantum sonuçlarıyla karşılaştıran standart kıyaslama testlerinde, LiTEN küçük, rijit moleküllerden daha büyük, biyolojik açıdan önemli sistemlere kadar önde gelen modellerle eşleşiyor veya onları geride bırakıyor. Atom sayısı yüzlerle ifade edilen büyüklüğe çıktığında bile doğruluğunu koruyor; aynı zamanda birçok popüler alternatife göre daha az bellek kullanıyor ve daha hızlı çalışıyor.

Modeli Simüle Edilmiş Kimyada Çalıştırmak

Statik testlerin ötesinde, ekip LiTEN-FF’i gerçek araştırma iş akışlarını yansıtan görevlerde değerlendiriyor. Ilaç-benzeri moleküller için, ortaya çıkan yapılar zorlu kuantum hesaplamalarına neredeyse kusursuz şekilde uyan geometriler üretecek biçimde optimize edilebiliyor, ancak binlerce kat daha hızlı. Moleküler dinamik koşularında bağ uzunlukları ve açılarının zaman içindeki dalgalanmalarını yeniden üretiyor ve kuantum tabanlı simülasyonları yakından takip ediyor. Ayrıca bir molekülün anahtar bir bağ etrafında dönmesiyle enerjinin nasıl değiştiğini tahmin etmede de mükemmel; bu, ilaç tasarımında konformasyon tercihlerini yakalamak için kritik bir öğe. Sıvı su ve suda çözünmüş kısa peptitlerde LiTEN-FF, deneylerle ve daha pahalı referans modellerle iyi uyum gösteren yapısal ve termodinamik özellikler üretiyor ve büyük sistemlerde on kata kadar hız artışı sağlıyor.

Kullanışlı Şekiller Arayışını Hızlandırmak

Yazarlar ayrıca LiTEN-FF etrafında kurulmuş pratik bir konformer arama hattını gösteriyor. Yüksek sıcaklıktaki dinamikler, soğutma ve hızlı geometri iyileştirmesinden oluşan yinelenen döngülerle model, karmaşık ilaç molekülleri için zengin, farklı düşük enerjili şekiller setleri üretiyor. Yaygın olarak kullanılan kuantum-tabanlı bir iş akışıyla karşılaştırıldığında, bu yapay zeka odaklı yaklaşım yarı süreden daha kısa zamanda daha çeşitli konformerler buluyor. Dahası, LiTEN-FF birçok molekülü paralel olarak işlemede maliyetle orantılı bir artış gerektirmediği için, binlerce adayın değerlendirilmesi gereken geniş ölçekli tarama kampanyalarında özellikle güçlü hale geliyor.

Bu, Gelecekteki İlaç ve Malzeme Tasarımı İçin Ne Anlama Geliyor?

Özetle, LiTEN-FF moleküler simülasyon için kuantum düzeyinde güvenilirliği günlük kullanılabilirliğe çok daha yakınlaştıran yeni bir motor sunuyor. Açıların ve bükülmelerin geometrisini verimli bir sinir ağına doğrudan kodlayarak, hızlı ama yaklaşık güç alanları ile yavaş ama doğru kuantum hesaplamaları arasındaki boşluğu daraltıyor. Uzman olmayanlar için çıkarılacak ders, araştırmacıların yakında bilgisayar üzerinde çok daha gerçekçi moleküler “deneyler” çalıştırabilmeleri; bu ölçeklerde ve hızlarda modern ilaç keşfi ve malzeme geliştirme ile uyumlu çalışma imkânı bulabilmeleridir. Geniş ölçüde benimsenir ve daha fazla geliştirilirse, bu aileden modeller laboratuvarda sentezlenmeden çok önce yeni moleküller önermek, test etmek ve iyileştirmek için otomatikleştirilmiş iş akışlarının temel bileşenleri haline gelebilir.

Atıf: Su, Q., Zhu, K., Gou, Q. et al. A scalable and quantum-accurate foundation model for biomolecular force fields via linearly tensorized quadrangle attention. Nat Commun 17, 3639 (2026). https://doi.org/10.1038/s41467-026-70377-4

Anahtar kelimeler: moleküler simülasyon, makine öğrenimi güç alanları, ilaç keşfi, biyomoleküler modelleme, kuantum kimyası