HER2 pozitif meme kanseri için makine öğrenimi destekli ilaç yeniden kullanım çalışması

Zorlu meme kanserleri için eski ilaçların önemi

HER2 pozitif olarak adlandırılan agresif bir meme kanseri türüyle yaşayan birçok kişi için, mevcut hedefe yönelik ilaçlar zamanla etkisini yitirebilir ve yeni ilaç geliştirmek hem yavaş hem de pahalıdır. Bu çalışma, gelişmiş bilgisayar araçları kullanarak eczane raflarındaki binlerce ilacın bazılarını HER2 kaynaklı tümörleri engelleyebilecek gizli antikanser potansiyele sahip olup olmadığını araştırıyor.

Sorunu basitçe anlamak

HER2 pozitif meme kanseri, kanser hücrelerinin yüzeyinde bulunan ve sürekli büyüme ile bölünme sinyalleri gönderen bir protein tarafından yönlendirilir. Çok fazla HER2 olduğunda bu hücreler hızla çoğalır, sıkça yayılır ve modern HER2 ilaçlarını atlatmayı öğrenebilirler. Yeni ilaç üretmek on yılı bulabildiğinden, ilaç yeniden kullanımı fikri cazip görünür: Baştan başlamak yerine, zaten başka hastalıklar için onaylı ve güvenli olduğu bilinen mevcut ilaçların kanser hücrelerinde HER2’yi kapatıp kapatamayacağı test edilir.

Bilgisayarlar binlerce ilacı nasıl tarıyor

Araştırmacılar önce HER2'ye karşı test edilmiş yaklaşık 14.000 kimyasal bileşik hakkında ayrıntılı veriler topladı; bunlar arasında her birinin proteini ne kadar güçlü engellediği bilgisi de vardı. Her molekülü boyutunu, şeklini, yükünü ve diğer özelliklerini tanımlayan yüzlerce sayısal özniteliğe dönüştürdüler. Bu verilerle, bir molekülün yapısı ile HER2’yi inhibe etme yeteneği arasındaki bağı öğrenmesi için birkaç farklı makine öğrenimi modeli eğitildi. Veriler dikkatle temizlenip zayıf veya gereksiz öznitelikler elendikten sonra Random Forest adı verilen bir model türü, yeni moleküllerin aktivitedeki yaklaşık beşte dördüne karşılık gelen güvenilir tahminler verdi.

Tahminden kanser hedefinin içine dökümlemeye

Bu modelle donanmış ekip, gerçek dünya kütüphanesi olan 4.099 onaylı ilaca yöneldi ve bunların içinden 1.600’den fazla temiz, iyi tanımlanmış küçük moleküle indirdi. Bilgisayar modeli her bir ilacın HER2’yi ne kadar güçlü engelleyebileceğini tahmin etti ve özellikle güçlü olması beklenen bir alt küme öne çıktı. Bu üst adaylar daha sonra normal HER2 proteininin ve bazı dirençli kanserlerde bulunan sorunlu mutant formunun üç boyutlu yapılarına “dock” edildi. Dökümleme simülasyonları, sanal bir kilit ve anahtar testi gibi davranarak bir ilacın HER2’nin aktif ceplerine ne kadar sıkı uyduğunu ve hangi atomik düzeyde temaslar kurabildiğini kontrol eder.

Zaman içinde en umut verici adayın izlenmesi

Bir kalp ve göz ilacı olan timolol maleat (çalışmada FDA0870 etiketiyle) sürekli öne çıktı. Hem makine öğrenimi taramasında hem de normal ve mutant HER2 için yapılan dökümleme testlerinde en üst sıralarda yer aldı; proteinin aktivitesini kontrol eden kritik bölgelerle güçlü hidrojen bağları ve hidrofobik temaslar oluşturdu. Bu uyumun daha gerçekçi koşullarda da korunup korunmayacağını görmek için araştırmacılar, moleküllerin sulu, vücuda benzer bir ortamda nasıl titreşip hareket ettiğini taklit eden uzun moleküler dinamik simülasyonları çalıştırdı. Nano- ile mikro saniyeler ölçeğindeki simüle edilmiş zaman boyunca timolol her iki protein formu için de HER2 cebinde kararlı bir şekilde kaldı. Emilim, dağılım, metabolizma, atılım ve toksisiteye ilişkin ek bilgisayar testleri, mevcut ilaç benzeri profilinin, orta düzeyde geçirgenliğinin ve güvenlik özelliklerinin genelde daha ileri araştırma için uygun olduğunu öne sürdü.

Bu hastalar için ne anlama gelebilir

Günlük dille ifade edilirse, bu çalışma akıllı bilgisayar hatlarının laboratuvar veya hayvan testleri başlamadan çok önce büyük sayıda bilinen ilacı tarayıp zorlayıcı kanserlere karşı en etkili olma ihtimali yüksek olanları bulabileceğini gösteriyor. İncelenen birçok onaylı ilaç arasında timolol, standart ve mutant HER2’nin her ikisini de çift yönlü bloke etme potansiyeli olan güçlü bir yeniden kullanım adayı olarak ortaya çıktı. Sonuçlar tamamen hesaplamalı olup hâlâ hücre ve hayvan deneyleriyle doğrulanması gerekiyor olsa da, tanıdık ilaçlara yeni bir görev vererek HER2 pozitif hastalığa karşı daha hızlı ve potansiyel olarak daha ucuz bir yol ekleyebileceğine işaret ediyor.

Atıf: Dinesh, B.G.H., Ganjipete, S., Kumar, B.S. et al. Machine learning-driven drug repurposing for HER2-positive breast cancer. Sci Rep 16, 15868 (2026). https://doi.org/10.1038/s41598-026-45361-z

Anahtar kelimeler: HER2 pozitif meme kanseri, ilaç yeniden kullanımı, makine öğrenimi, moleküler dökümleme, timolol