Yapay zekâ destekli sanal tarama platformu hedefe yönelik kanser tedavisi için yeni NSUN2 inhibitör adaylarını belirliyor: hesaplamalı ilaç keşfi yaklaşımı

İnatçı Kanserleri Alt Etmenin Yeni Yolları

Çok sayıda kanser sadece başladıkları için değil, en iyi ilaçlarımızdan kaçmayı öğrendikleri için ölümcül hale gelir. Bu çalışma, tümör büyümesini destekleyen önemli bir yardakçıyı kapatmanın ümit vadeden yeni bir yolunu araştırıyor: gerçek bir deney tüpünde herhangi bir karışım yapılmadan önce bilgisayar üzerinde yüz milyondan fazla potansiyel ilacı yapay zekâ ile elemek.

Kanser Hücrelerinin İçindeki Gizli Bir Anahtar

Hücrelerimizin derinliklerinde NSUN2 adında bir enzim, RNA için kimyasal bir fosforlayıcı gibi davranır; RNA, genleri proteinlere dönüştürmeye yardımcı olan moleküldür. RNA’ya küçük kimyasal işaretler ekleyerek NSUN2, büyümeyle ilişkili mesajları daha kararlı ve okunması kolay hâle getirebilir. Akciğer, mide, pankreas ve meme kanserleri dahil olmak üzere birçok tümör NSUN2 düzeylerini yükseltir; bu da bölünme, yayılma ve hedefe yönelik ilaçlara direnç kazanma yeteneklerini artırır. Buna rağmen, NSUN2’yi güvenli şekilde azaltabilecek ilaç adayları nadirdir; özellikle enzimi kalıcı olarak zarar vermeyen geri dönüşümlü inhibitörler azdır.

Yapay Zekânın Molekül Denizinde Arama Yapmasına İzin Vermek

Geleneksel ilaç keşfi, NSUN2’ye karşı milyonlarca molekülü laboratuvarda test etmekte zorlanır; çünkü her deney karmaşık RNA karışımları ve yardımcı kimyasallar gerektirir. Araştırmacılar bunun yerine tamamen dijital bir iş akışı kurdular. İnsan NSUN2’sinin üç boyutlu öngörülen şeklini AlphaFold tarafından üretilen bir modelden başladılar; AlphaFold, yapı tahmininde devrim yaratan bir yapay zekâ sistemidir. Bu modelin güvenilir olduğundan emin olmak için, yapısı X-ışını çalışmalarından bilinen yakından ilişkili bir enzimle hizaladılar. NSUN2’nin doğal yardımcı molekülünü bağladığı kritik cep güçlü şekilde korunmuş çıktı; bu da potansiyel ilaçların bu siteye sanal olarak yerleştirilmesinin anlamlı olacağı konusunda ekibe güven verdi.

Yüzlerce Milyondan Bir Avuç Kadarına

Hedef cep belirlendikten sonra ekip satın alınabilir moleküllerin geniş bir kamu veri tabanına yöneldi. Önce bir eğitim setindeki bileşikleri NSUN2 cebine yerleştirdiler (docking) ve ortaya çıkan puanları hangi şekillerin en umut verici olduğunu öğretmek için bir makine öğrenimi modelini eğitmede kullandılar. Bu model daha sonra yaklaşık 350 milyon molekülü hızla taradı ve yaklaşık 101 milyonunu muhtemel “vuruş” olarak işaretledi. Alanı daha da daraltmak için en üst fraksiyon daha dikkatli hesaplamalarla yeniden yerleştirildi ve sadece güçlü bağlanma öngörüsüne sahip en iyi 12.000 tanesi tutuldu. Bunlar daha sonra her adayın vücutta nasıl emileceğini, dağıtılacağını, parçalanacağını ve tolere edileceğini tahmin eden bilgisayar tabanlı güvenlik kontrollerinden geçirildi. Bu filtrelerden sonra, hem potansiyel olarak etkili hem de ilaç özelliklerine uygun sadece 34 molekül kaldı.

Aday İlaçları Hareket Halindeyken İzlemek

Statik anlık görüntüler bir ilacın gerçekten hedefine tutunup tutunmayacağını bilmek için yeterli değildir. Bu nedenle araştırmacılar, atomların zaman içinde nasıl hareket ettiğini modelleyen moleküler dinamikler simülasyonlarını kullandılar ve en umut verici üç adayın NSUN2 ile etkileşimlerini 50 milyar saniyenin milyarda biri (50 nanosaniye) süresince gözlemlediler. Veritabanı kodlarıyla tanımlanan iki bileşik özellikle stabil kompleksler oluşturdu: enzim yapısı kompakt kaldı, kritik bölgeleri gevşemek yerine sabit kaldı ve küçük moleküller cep içinde sıkı bir uyum koruyarak kalıcı temaslar kurdu. Bu simülasyonlar, iki bileşiğin gerçek hücrelerde NSUN2 aktivitesini güvenilir şekilde engelleyebileceğini düşündürüyor.

Gelecek Tedaviler İçin Anlamı Ne Olabilir

Bu çalışmadaki her sonucun hesaplamalara dayandığı ve hâlâ laboratuvarda kanıtlanması gerektiği doğrudur; yine de çalışma, yeni NSUN2-engelleyici ilaçlar için gerçekçi başlangıç noktalarının kısa bir listesini sunuyor. NSUN2 kanser hücrelerinin büyüme ve hayatta kalma sinyallerini stabilize etmesine yardımcı olduğundan, bu tür ilaçlar tümörleri zayıflatabilir ve özellikle direnç geliştirmiş akciğer kanserlerinde mevcut hedefe yönelik tedavilere yeniden duyarlı hâle getirebilir. Aynı ölçüde önemli olarak, çalışma AI ve fizik tabanlı modellemeyi kullanarak uçsuz bucaksız kimyasal alanları hızlı ve ekonomik şekilde keşfetmeye olanak veren genel bir reçeteyi de sergiliyor; bu da bir sonraki nesil hassas kanser tedavilerine güçlü bir kestirme sunuyor.

Atıf: Yu, S., Peng, Q., Wei, W. et al. AI-driven virtual screening platform identifies novel NSUN2 inhibitor candidates for targeted cancer therapy: a computational drug discovery approach. npj Precis. Onc. 10, 98 (2026). https://doi.org/10.1038/s41698-026-01296-2

Anahtar kelimeler: NSUN2, epitranskriptomik, Yapay zekâ sanal tarama, kanser ilaç keşfi, RNA metilasyonu