Peptid antibiyotik optimizasyonu için üretken yapay zeka yaklaşımı

Neden yeni antibiyotik yaklaşımları önemli

İlaçlara dirençli enfeksiyonlar, bunları tedavi etme yeteneğimizden daha hızlı yayılıyor ve son çare sayılan bazı antibiyotikler başarısız olmaya başladı. Bu çalışma, bilgisayar modelleri ve hayvan testlerinden gelen geri bildirimle yönlendirilen yeni bir yapay zeka biçiminin doğal protein parçalarını, peptidleri, daha güçlü antibiyotiklere nasıl dönüştürebileceğini araştırıyor.

Antik molekülleri modern ilaçlara dönüştürmek

Çalışma ilginç bir fikre dayanıyor: yok olmuş hayvanların genomlarını tarayarak gizli antimikrobiyal peptidleri bulmak. Önceki araştırmalar yünlü mamut ve dev yer tembelgiller gibi türlerin DNA’sında bu tür molekülleri keşfetmişti, ancak bu doğal peptidlerin çoğu bakterilere karşı yalnızca ılımlı aktivite gösteriyordu. Buradaki soru, bir yapay zeka sisteminin bu ham başlangıç noktalarını alıp, laboratuvardaki yavaş deneme-yanılma süreçlerine gerek kalmadan, onları daha güçlü ve daha güvenli antibiyotiklere dönüştürecek küçük dizi değişikliklerini hızla önerebilip öneremeyeceği.

Yapay zeka tasarım döngüsü nasıl çalışıyor

Yazarlar, derin öğrenme modeliyle arama stratejisini eşleştiren ApexGO adlı bir tasarım çerçevesi oluşturdular. Bir transformer tabanlı “çevirmen” önce her peptid dizisini, benzer dizilerin birbirine yakın durduğu düzgün bir matematiksel uzaydaki bir konuma çeviriyor. APEX adını taşıyan ikinci bir model ise her peptidin birkaç sorunlu bakterinin büyümesini durdurmak için ne kadar gerektiğini tahmin ediyor. Ardından bir Bayesyen arama algoritması bu düzgün uzayı keşfediyor ve orijinal şablona en az dörtte üç oranında benzer kalırken ve pratikte üretilebilir olma koşulunu korurken daha güçlü olma olasılığı yüksek yeni peptid varyantları öneriyor.

Bilgisayar önerilerinden gerçek moleküllere

On farklı yok olmuş peptidi şablon olarak kullanarak ApexGO çok sayıda aday dizi üretti ve kimyasal sentez için 100 tanesini seçti. Bunlar laboratuvarda, standart ilaçlara dirençli olanlar da dahil olmak üzere on bir klinik açıdan önemli bakteriye karşı test edildi. Tasarlanan 100 peptidin 86’sı ölçülebilir aktivite gösterdi ve yaklaşık üçte ikisi başlangıç şablonlarından açıkça daha iyiydi; özellikle tedavisi en zor olan Gram-negatif bakterilere karşı başarı daha yüksekti. Ekip ApexGO’yu diğer yapay zeka üreteçleriyle de karşılaştırdı ve eski sistemlerin belirli bir şablona yakın kalmaya zorlandıklarında zorlandığını, oysa ApexGO’nun bu kısıtlar altında güvenilir şekilde iyileştirilmiş varyantlar ürettiğini buldu.

Laboratuvar ve hayvan testlerinin ortaya koydukları

Araştırmacılar optimize edilmiş peptidlerin nasıl davrandığını daha derinlemesine incelediler. Moleküllerin nasıl katlandığını, bakteriyel zarları nasıl bozduklarını ve kültürde insan böbrek hücrelerine zarar verip vermediklerini ölçtüler. Yeni peptidler gevşek zincirlerden heliks biçimlerine kadar birçok yapıyı kapsıyordu ve tek bir yapı güçlü aktiviteyi garanti etmiyordu; bu durum yapay zekanın bakterileri öldürmek için birkaç fiziksel yolu kullanabildiğini gösteriyor. Tasarlanan peptidlerin çoğu test edilen dozlarda toksik değildi. Tehlikeli bakteri Acinetobacter baumannii ile farelerde cilt ve derin kas enfeksiyonu modellerinde seçilmiş optimize peptidler bakteri sayılarını üç ila dört mertebe azalttı. Bazı durumlarda, bu peptidler polimiksin B gibi son çare antibiyotiklerle eşdeğer veya daha üstün performans gösterdi; hayvanlarda belirgin yan etkilere rastlanmadı.

Antibiyotiklerin geleceği için anlamı

Çalışma, yapay zekâ yönlendirmeli bir optimizasyon döngüsünün, yalnızca ılımlı aktivite gösteren doğal dizilerle başlansa bile mevcut peptid antibiyotiklerin performansını güvenilir şekilde iyileştirebileceğini gösteriyor. Olası peptidler gibi çok geniş bir alanı körü körüne aramak yerine, ApexGO her tahmin ve denemeden öğrenerek hem güçlü hem de nispeten güvenli varyantlara odaklanıyor. Vücutta stabilite ve insanlarda dozlama gibi konuların ele alınması için daha çok çalışma gerekse de, bu yaklaşım, ihtiyaç duyulan bir zamanda yeni antibiyotikler geliştirmek için daha hızlı ve hedefe yönelik bir yol vaat ediyor.

Atıf: Torres, M.D.T., Zeng, Y., Wan, F. et al. A generative artificial intelligence approach for peptide antibiotic optimization. Nat Mach Intell 8, 841–856 (2026). https://doi.org/10.1038/s42256-026-01237-5

Anahtar kelimeler: antimikrobiyal direnç, peptid antibiyotikler, üretken yapay zeka, Bayesyen optimizasyon, ilaç keşfi