Kinazlar, hücrelerin büyüme, bölünme ve sinyal iletim süreçlerinde temel görevler üstleniyor. Bu nedenle onkolojide uzun süredir cazip tedavi hedefleri arasında yer alıyorlar. Ancak kinazlara yönelik ilaç geliştirme çabaları çoğunlukla ATP bağlanma bölgesine odaklanıyor. ATP, kinazların katalitik işlevini sürdürmesi için kritik bir molekül olduğundan, bu yaklaşım mantıklı görünse de önemli bir sorun taşıyor: ATP bağlanma motifleri birçok kinaz arasında oldukça korunmuş durumda. Bu benzerlik, ilaçların hedef dışı proteinlere de bağlanmasına neden olabiliyor; sonuçta seçicilik azalıyor, yan etkiler artabiliyor ve etkinlik sınırlanabiliyor.

Mount Sinai ekibi, bu zorluğu aşmak için yapay zekâ tabanlı protein modellemesini deneysel doğrulama ile birleştiren bir strateji kullandı. Çalışmanın en dikkat çekici sonucu, PKMYT1 üzerinde klasik ATP-cezp edici stratejilerin dışında kalan yeni bir allosterik cep saptanması oldu. Allosterik bölgeler, proteinin aktif merkezinden uzakta yer alsalar da protein davranışını değiştirebiliyor ve bu nedenle daha seçici ilaç tasarımı için önemli fırsatlar sunabiliyor. Araştırmacıların bulduğu bu gizli cep, kinaz inhibisyonunda yalnızca aktif bölgeyi hedefleyen yaklaşımlardan farklı bir yol açabileceğini gösteriyor.

Bulgunun bir diğer önemli yönü, bu bağlanma bölgesinin önde gelen yapay zekâ platformları tarafından fark edilmemiş olması. Çalışmada özellikle AlphaFold2 gibi yaygın kullanılan modellerin bu cebi öngöremediği belirtildi. Bu durum, yapay zekâ sistemlerinin protein yapılarını tahmin etmede ne kadar ilerlediğini gösterirken aynı zamanda proteinlerin dinamik doğasını tam olarak yakalamakta hâlâ eksikleri olabileceğini ortaya koyuyor. Başka bir deyişle, bir modelin genel yapıyı doğru tahmin etmesi, her zaman ilaç geliştirme açısından kritik olabilecek alternatif cepleri göstereceği anlamına gelmiyor.

Bilim insanlarına göre PKMYT1’in farklı konformasyonlar arasında gidip gelmesi, yani belirgin bir yapısal esneklik sergilemesi, bu gizli cephenin neden gözden kaçtığını açıklayabilir. Proteinler sabit heykeller gibi değil, çözeltide sürekli hareket eden ve farklı şekiller alabilen moleküller olarak davranır. Yapay zekâ modelleri ise çoğu zaman bu hareketliliği sınırlı biçimde yansıtır. Bu nedenle deneysel teknikler, özellikle X-ışını kristalografisi ve moleküler dinamik yaklaşımlar, model tahminlerini sınamak ve eksik kalan ayrıntıları ortaya çıkarmak için hâlâ kritik önem taşıyor.

Çalışmanın yayımlandığı sonuçlar, PKMYT1’i hedefleyen daha seçici inhibitörlerin geliştirilmesi açısından yeni bir pencere açıyor. Eğer bu allosterik cep doğru biçimde ilaçlanabilirse, araştırmacılar ATP bağlanma bölgesine yüklenmeden protein işlevini kontrol etme şansı bulabilir. Bu da teorik olarak daha az yan etki ve daha iyi hedef özgüllüğü anlamına gelebilir. Bununla birlikte, bu tür erken aşama keşiflerin doğrudan tedaviye dönüşmesi zaman alır; aday moleküllerin güvenlik, etkinlik ve farmakolojik özellikler açısından kapsamlı biçimde değerlendirilmesi gerekir.

Çalışma aynı zamanda yapay zekânın biyomedikal araştırmalardaki rolüne ilişkin daha dengeli bir tablo sunuyor. Son yıllarda yapay zekâ araçları protein yapısı tahmininden ilaç taramasına kadar birçok alanda büyük ilerleme sağladı. Ancak bu yeni örnek, en gelişmiş sistemlerin bile biyolojinin tüm karmaşıklığını tek başına çözmekte yetersiz kalabileceğini hatırlatıyor. Özellikle proteinlerin konformasyon değişimleri, nadir görülen bağlanma cepleri ve allosterik düzenleme mekanizmaları söz konusu olduğunda, yapay zekâ çıktılarının deneysel verilerle birlikte yorumlanması gerekiyor.

Onkolojide daha hedefe yönelik tedavilere duyulan ihtiyaç düşünüldüğünde, PKMYT1’deki bu keşif yalnızca tek bir proteinle ilgili değil. Aynı zamanda ilaç keşfinde yeni bir yöntem anlayışını da temsil ediyor: hesaplamalı modellerin hızından yararlanmak, fakat nihai kararı laboratuvar doğrulamasına bırakmak. Araştırmacıların bulguları, gelecekte kinazlara karşı geliştirilecek ilaçların yalnızca daha güçlü değil, aynı zamanda daha seçici olabileceğine dair umut veriyor. Ancak bu umudun gerçeğe dönüşmesi, yapay zekâ ile deneysel bilimin birbirini tamamladığı araştırma tasarımlarına bağlı olacak.

Sonuç olarak PKMYT1 üzerinde tanımlanan gizli bağlanma cebi, kanser biyolojisinde önemli bir proteinin beklenmedik bir yönünü ortaya koydu. Aynı zamanda yapay zekâ destekli ilaç keşfinin ne kadar ileri gidebildiğini ve hangi noktalarda insan yönlendirmesine, deneysel doğrulamaya ve protein dinamiğini daha iyi anlamaya ihtiyaç duyduğunu da gösterdi. Bu ikili mesaj, çalışmayı yalnızca yapısal biyoloji açısından değil, geleceğin onkoloji ilaç tasarımı açısından da önemli kılıyor.