Çin Bilimler Akademisi Şangay Organik Kimya Enstitüsü'nden araştırmacılar, 9 Haziran 2026'da Ulusal Bilimler Akademisi (PNAS) Bildiriler Kitabı'nda yayınlanan bir araştırmaya göre, atomik çözünürlükte protein-protein etkileşimlerini tahmin eden üretken bir yapay zeka modeli geliştirdiler. Void-X adlı model, önce genel bir protein şekli oluşturmak yerine tek tek atomlardan yukarıya doğru arayüzler oluşturarak protein tasarımına temelde farklı bir yaklaşım getiriyor.
Dr. liderliğindeki çalışma. Yang Jing, Yuan Junying ve James J. Chou, Çin Bilimler Akademisi tarafından öne çıkarıldı ve Phys.org tarafından rapor edildi. Yapay zekanın ilaçları, malzemeleri ve sentetik biyolojiyi destekleyen moleküler makineleri tasarlamak için giderek daha fazla kullanıldığı, hızla gelişen bir alana yeni bir araç ekliyor. For more context on this story, see our ongoing latest AI developments.
Protein-protein etkileşimleri neden önemlidir?
Proteinler insan vücudunun moleküler iş gücüdür. Dokular oluştururlar, molekülleri taşırlar, hücresel iletişimi düzenlerler ve enfeksiyona karşı savunma yaparlar. Kanser için antikor tedavileri ve diyabet için insülin de dahil olmak üzere en önemli ilaçların çoğu, belirli proteinlerle etkileşime girerek veya eksik veya arızalı olanları değiştirerek çalışır.
Pek çok biyolojik süreç, proteinlerin birbirine nasıl bağlandığına bağlı olduğundan, protein-protein etkileşimlerini doğru bir şekilde tahmin etme ve tasarlama yeteneği, ilaç keşfini hızlandırabilir ve karşılanmayan tıbbi ihtiyaçları karşılayabilir. Buradaki ilerleme aynı zamanda terapötik molekülleri hücrelere taşıyan adeno-ilişkili virüs vektörleri ve mRNA lipit nanopartikülleri gibi dağıtım teknolojilerindeki hızlı ilerlemeleri de tamamlıyor.
Yukarıdan aşağıya yerine aşağıdan yukarıya bir yaklaşım
Protein tasarımına yönelik mevcut yapay zeka çerçevelerinin çoğu yukarıdan aşağıya bir strateji izliyor: Önce hedef bölgeye uyan genel bir protein iskelesi oluşturuyorlar ve ardından bağlanmayı optimize etmek için bir dizi tasarlıyorlar. Void-X bu mantığı tersine çevirir.
Model atomik dolum sistemidir. Atomik ölçekte etkileşim modellerini tanımak ve protein arayüzleri içindeki "boşlukları" (boşlukları) doldurmak için eğitilmiştir. Onun yol gösterici varsayımı, kararlı makromoleküler komplekslerin, komşu atomlar arasındaki yerel etkileşimlerin yanı sıra daha uzak atomlarla daha yüksek dereceli eşleşmelerden ortaya çıkan optimal atomik paketlenme ile bir arada tutulduğudur. Void-X, tam bir protein şekli tasarlamak yerine, doğrudan belirli bir yapısal bölge içinde sıkı paketleme için optimize edilmiş kompakt atomik kümeler oluşturarak tasarıma fiziksel olarak temellendirilmiş bir temel sağlar.
Sekiz milyon atomik küme üzerinde eğitim verildi
Void-X'i eğitmek için araştırmacılar, Protein Veri Bankasında depolanan deneysel olarak belirlenmiş yapılardan alınan sekiz milyondan fazla küresel atom kümesinden oluşan bir veri seti oluşturdular. Her küme için, periferik, uzaysal olarak bitişik atomların kabaca %30'u maskelenirken geri kalan atomlar, modelin eksik atomları tahmin etmek için kullandığı "bağlam" (etkili bir ipucu) olarak hizmet etti.
Araştırmacılar, ortaya çıkan ağın 172 milyon parametre içerdiğini ve güçlü bir tahmin doğruluğu elde ettiğini bildirdi: zincir içi atomik kümeler için %78,3 ve zincirler arası kümeler için %68,2.
İlaç keşfi ve ötesi için ne anlama geliyor?
Yazarlara göre bu yetenekler, protein tasarımı için tamamlayıcı ve fiziksel olarak sezgisel bir yol olarak tanımladıkları şeyi sunarak, atomik çözünürlüklü protein etkileşimlerinin de novo oluşturulmasını mümkün kılıyor. Void-X, atom düzeyindeki ayrıntıları üretken modellemeyle birleştirerek, biyomoleküler arayüzlerin rasyonel mühendisliğine yönelik araç setini genişletiyor.
Bu önemli çünkü arayüz tasarımı modern ilaç geliştirmenin kalbinde yer alıyor. Aday bir molekülün protein hedefine nasıl bağlanacağını tahmin etmek için daha iyi hesaplama araçları, fikirden terapiye giden yolu kısaltabilir, maliyetli deneme yanılma deneylerine olan bağımlılığı azaltabilir ve sentetik biyolojide tamamen yeni işlevler için proteinler tasarlamayı kolaylaştırabilir.
Büyüyen bir alan
Void-X, yapay zeka odaklı protein çalışmalarının arttığı bir dönemde geldi. Araştırmacılar, yapı öngörüsünden tüm atom üretken tasarımına kadar, biyomoleküler etkileşimleri tam atom çözünürlüğünde modelleme becerisine doğru sürekli olarak çabalıyorlar. Daha önceki tüm atom üretim sistemleri, bu ölçekte etkileşimleri tasarlamanın ve tahmin etmenin fizibilitesini zaten göstermişti ve Void-X, aynı çabaya farklı, öncelikli paketleme stratejisine katkıda bulunuyor.
İşe yarayan maskeleme numarası
Void-X'in eğitim yöntemi, dil modeli taktik kitabından bir sayfa ödünç alıyor. Araştırmacılar, her eğitim kümesindeki atomların yaklaşık %30'unu maskeleyerek ve modelden bunları çevreleyen bağlamdan çıkarım yapmasını isteyerek, yapısal biyolojiyi bir boşluk doldurma görevine dönüştürdüler; bu, büyük dil modellerinin bir cümledeki eksik kelimeleri tahmin etmesini sağlayan aynı prensiptir. Aradaki fark, Void-X'in "kelime dağarcığının" üç boyutlu uzayda düzenlenmiş atomlardan oluşması ve öğrendiği dilbilgisinin, gerçek proteinlerin nasıl katlanıp bağlanacağını belirleyen fiziksel paketleme kurallarını yansıtmasıdır.
Bu yapıya duyarlı eğitim, Void-X'i, proteinleri düz amino asit dizileri olarak ele alan yaklaşımlardan ayıran şeydir. Model, eşzamanlı olarak yerel ve uzun menzilli atomik eşleşmeler hakkında akıl yürüttüğünden, makul görünen ancak biyolojik olarak kararsız tasarımlar üretmek yerine, kararlı bir kompleksin fiziksel kısıtlamalarına saygı duyan arayüz geometrileri önerebilir.
Sınırlar ve açık sorular
Sonuçlar umut verici ancak araştırmacılar zorlukların devam ettiği konusunda samimi. Gerçek dünyadaki ilaç hedeflerinin çoğunu tanımlayan çoklu protein kompleksleriyle ilgili olan %68,2'lik zincirler arası doğruluk, zincir içi rakamdan anlamlı derecede daha düşüktür ve bu, iki ayrı molekülün nasıl bir araya geldiğini modellemenin daha büyük zorluğunu yansıtır. Hesaplamalı bir modele sıkı bir şekilde bağlanan bir arayüz tasarlamak da yalnızca ilk adımdır; Adayların hâlâ sentezlenmesi ve deneysel olarak doğrulanması gerekiyor ve tahmin edilen etkileşimler, canlı bir hücrenin daha karmaşık ortamında sekteye uğrayabilir.
Eğitim verilerinin ölçeğinin büyütülmesi, modelin esnek veya düzensiz protein bölgelerini ele almasının iyileştirilmesi ve Void-X'in tamamlayıcı yukarıdan aşağıya sistemlerle entegre edilmesi muhtemelen sonraki adımlar olacaktır. Yazarlar katkılarını, alan güvenilir, uçtan uca moleküler tasarıma doğru yarışırken, mevcut iskelelerle birleştirilecek fiziksel olarak temellendirilmiş bir seçenek olan ikame teknolojiden ziyade tamamlayıcı bir teknoloji olarak çerçeveliyorlar.
Daha geniş bir trend
DOI 10.1073/pnas.2607035123 altında yayınlanan çalışma, daha hassas moleküler tasarım araçları oluşturma rekabetinin artık iyice ilerlediğini ve üretken yapay zekanın biyokimyacıların çalışma tezgahının vazgeçilmez bir parçası haline geldiğini gösteriyor. Void-X gibi modeller, hesaplama ile laboratuvar arasındaki boşluğu daralttıkça, araştırmacıların yeni terapötikleri, enzimleri ve malzemeleri her zamankinden daha hızlı ve daha rasyonel bir şekilde tasarlayabilecekleri umut ediliyor.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
