Geliştirilmiş ilaç benzerliği ve güvenlik ile yeni kovalent ilaç üretimi

Neden Daha Akıllı Kovalent İlaçlar Önemli

Kanser tedavileri ve antiviral ilaçlar genellikle hücrelerimizdeki proteinlere tutunarak etki gösterir. Kovalent ilaçlar adı verilen güçlü bir ilaç sınıfı bir adım daha ileri gider: hedefleriyle sıkı, uzun süreli kovalent bağlar kurarlar; bu da onları çok etkili kılabilir. Ancak bu yapışkanlık, ilaçların yanlış proteinlere bağlanması durumunda ciddi yan etkilere yol açabilir. Bu çalışma, yararlılığı ve güvenliği birlikte gözeterek sıfırdan kovalent ilaç adayları tasarlamak üzere geliştirilmiş CovaGEN adında yeni bir yapay zeka sistemini tanıtıyor.

Deneme‑yanılmadan Akıllı Tasarıma

Geleneksel kovalent ilaç keşfi yavaş ve pahalıdır. Kimyagerler ya mevcut bir ilaçtan başlayıp reaktif bir “tutuç” ekler ya da reaktif bir fragmentle başlayıp molekülün geri kalanını zahmetle ayarlarlar. Bilgisayar destekli yöntemler bilinen büyük bileşik kütüphanelerini tarayarak yardımcı olur, fakat bunlar zaten var olanla sınırlıdır. Derin öğrenmedeki son ilerlemeler tamamen yeni moleküller üretebilir; yine de bu araçlar genellikle konvansiyonel, non‑kovalent ilaçlara odaklanır ve bir bileşiğin sentez kolaylığı, ilaç‑benzeri davranışı veya toksisitesi gibi hayati özellikleri ihmal etme eğilimindedir. CovaGEN bu sorunların tamamıyla aynı anda ilgilenmeyi amaçlıyor.

İlaç‑Benzeri Kimyanın Gizli Haritası

Yazarlar ilk olarak halka açık ZINC veritabanından bir milyondan fazla ilaç‑benzeri molekül kullanarak kimyasal alanın bir “haritasını” oluşturdu. Bir tür sinir ağı olan varyasyonel otoenkoder (VAE) ile her molekülü sıkıştırıp kompakt bir sayısal koda, yani gizli vektöre dönüştürmeyi ve ardından yeniden oluşturmayı öğrettiler. Bu adım modele tıbbi kimyanın temel dilbilgisini öğretir: gerçeğe yakın görünen, ağız yoluyla alınan ilaçlar için yaygın kurallara uyan ve sentezsel olarak uygulanabilir olma eğilimindeki yapılar. Bu öğrenilmiş haritada, yapıyı kademeli olarak gürültüye çevirip sonra bu süreci tersine çevirmeyi öğrenen difüzyon tabanlı ikinci bir model, geçip yeni gizli vektörler üreterek bunların geçerli, çeşitli ve gerçekçi moleküllere çözülmesini sağladı.

Molekülleri Proteinlere ve Reaktif Kancalara Uydurmak

Ardından CovaGEN belirli protein hedefleri için moleküller taslamayı öğrenir. Sistem bir proteinin amino asit dizisini alır ve yapıyla ve işle ilgili örüntüleri yakalayan güçlü bir protein dil modeliyle kodlar. Difüzyon sırasında model bu protein temsilini çapraz‑dikkate alır, böylece üretilen moleküller hedefin bağlanma bölgesine uyum sağlamaya eğilimli olur. Geniş bir kıyas setindeki testlerde, bu hedefe yönelik moleküller yalnızca tahmini bağlanma gücü açısından iyi puan almakla kalmadı, aynı zamanda birkaç son teknoloji 3B tasarım aracından daha iyi ilaç‑benzeri özellikler ve sentezlenebilirlik gösterdi. Bu non‑kovalent bağlayıcıları kovalent adaylara dönüştürmek için ekip, difüzyon sürecini belirli reaktif grupları —kovalent warhead olarak bilinen— taşıyan moleküllere doğru yönlendiren bir sınıflandırıcı ekledi; bunu yaparken genel kaliteden ödün verilmedi.

Güvenliği En Baştan İnşa Etmek

Kovalent ilaçlar yanlış hedeflere çarptıklarında kalıcı hasara yol açabileceğinden güvenlik merkezi bir öneme sahiptir. Araştırmacılar bu nedenle toksisiteyi sonradan düşünülmesi gereken bir konu olarak değil, optimize edilecek bir nicelik olarak ele aldı. Akut toksisite ve organ‑spesifik risklerin tahmini için modeller eğittiler, ardından difüzyon modelini takviye öğrenme ile ince ayarlayıp daha düşük tahmini toksisiteye sahip molekülleri tercih edecek şekilde optimize ettiler. Bu eğitimin ardından CovaGEN, iyi bağlanma ve ilaç‑benzeri özellikleri koruyan fakat zararlı etkilerle ilişkilendirilen yapısal “kırmızı bayrakları” daha az barındırma eğiliminde olan bileşikler üretti. Önemli olarak, yöntem kimyasal çeşitliliği koruyarak benzer moleküllerin dar bir kümesine çökmedi.

Yöntemin Sınanması

Gerçek dünya potansiyelini göstermek için ekip, CovaGEN’den iki yüksek öncelikli hedef için kovalent inhibitörler tasarlamasını istedi: ilaç‑dirençli akciğer kanserinde rol oynayan bir EGFR mutantı ve COVID‑19’a neden olan SARS‑CoV‑2 virüsünün ana proteazı. Her iki protein için de sistem, uygun warhead’lerle donatılmış çok sayıda aday molekül üretti. Bilgisayar tabanlı kenetlenme (docking) çalışmaları, CovaGEN’in tasarımlarının, warhead’lerin yalnızca non‑kovalent tasarımlara eklenmiş olduğu bileşiklere kıyasla kovalent bağları oluşturabilecek konformasyonları benimseme olasılığının daha yüksek olduğunu gösterdi. Birkaç üst düzey aday ayrıca tahmini bağlanma, ilaç‑benzeri özellikler ve sentez kolaylığının birleşik ölçütlerinde referans ilaçlarla eşleşti veya onları aştı.

Geleceğin İlaçları İçin Anlamı

CovaGEN, modern üretken yapay zekanın proteinlere sıkı tutunan moleküller hayal etmekten daha fazlasını yapabileceğini gösteriyor. Doğası gereği ilaç‑benzeri yapıların olduğu bir alanda çalışarak, reaktif grupların eklenmesine rehberlik ederek ve toksisiteden açıkça uzaklaşarak sistem, kovalent ilaç keşfini daha bütünsel ve otomatik bir sürece doğru ilerletiyor. Bu sanal moleküllerin canlı sistemlerde nasıl davrandığını doğrulamak için daha fazla laboratuvar testi gerekli olsa da, yaklaşım yalnızca güçlü değil aynı zamanda hastalar için daha güvenli olabilecek kovalent ilaçların daha hızlı ve daha geniş çapta keşfedilmesine bir yol açıyor.

Atıf: Zhang, W., Liu, T., Dong, X. et al. De novo covalent drug generation with enhanced drug-likeness and safety. Commun Biol 9, 446 (2026). https://doi.org/10.1038/s42003-026-09725-5

Anahtar kelimeler: kovalent ilaçlar, üretken yapay zeka, ilaç keşfi, difüzyon modelleri, toksisite tahmini