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.

Ancak gp130, teorik önemine rağmen, uzun süredir ilaç geliştirme alanında görece az işlenmiş bir hedef olarak kaldı. Bunun temel nedenlerinden biri, güçlü ve seçici inhibitörlerin azlığı. Çin Eczacılık Üniversitesi’nden Profesör Wenying Yu ve Profesör Yixian Liao’nun da yer aldığı çok uluslu bir araştırma ekibi, tam da bu darboğazı aşmak için yapay zekâ destekli transfer öğrenme yaklaşımını devreye soktu. Ekip, geleneksel makine öğrenimi yöntemlerinin zorlandığı bu alanda, sınırlı sayıda doğrulanmış gp130 bileşiği üzerinden anlamlı tahminler üretmeyi başaran bir yol geliştirdi.

Çalışmanın dikkat çekici yönü, modelin doğrudan gp130 verileriyle değil, öncelikle STAT3 inhibitörleri üzerine eğitilmesi oldu. STAT3, gp130 sinyal ağının aşağı akışındaki kilit bileşenlerden biri olduğu için bu tercih stratejik önem taşıyor. Araştırmacılar, daha geniş bir STAT3 inhibitörleri veri setiyle kurulan hesaplamalı çerçeveyi, ardından az sayıdaki doğrulanmış gp130 bileşiğiyle yeniden ince ayarladı. Bu transfer öğrenme adımı, veri eksikliğinin modeli kısıtladığı durumlarda sistemin önce ilgili bir bilgi alanından öğrenmesini, sonra hedefe özgü verilerle daha hassas hale gelmesini sağladı.

Bu yaklaşım yalnızca teknik bir model iyileştirmesi olarak kalmadı; aynı zamanda yeni adayların bulunmasına da kapı araladı. Araştırma kapsamında, doğal ürünler ve indolopiridin türevleri gibi kimyasal sınıflar arasında potansiyel gp130 inhibitörleri tarandı. Sonuç olarak bazı adaylar, hem hesaplamalı düzeyde hem de biyolojik açıdan daha ileri incelemeye değer göründü. Çalışmada öne çıkan bileşiklerden biri olan Compound 8a ile birlikte evodiamine de ilgi çekti. Her iki molekülün de gp130 ile ilişkili sinyal yolaklarını baskılama potansiyeli, araştırmanın uygulamalı önemini artırıyor.

Bilimsel ekip, adayların yalnızca hedefe bağlanma olasılığına bakmakla yetinmedi; ADMET olarak bilinen emilim, dağılım, metabolizma, atılım ve toksisite parametrelerini de değerlendirdi. İlaç keşfinde bu aşama kritik kabul ediliyor, çünkü laboratuvarda etkili görünen bir molekülün vücutta uygun davranmaması ya da güvenlik sorunları göstermesi oldukça yaygın bir durum. Bu nedenle farmakokinetik özelliklerin erken aşamada hesaba katılması, adayların klinik geliştirmeye taşınma şansını daha gerçekçi biçimde tartmaya yardımcı oluyor.

Çalışmanın bir diğer önemli boyutu, araştırmacıların mekanistik etkiyi de açıklamaya çalışması oldu. Elde edilen bulgular, seçilen bileşiklerin gp130 aracılı JAK2/STAT3 sinyallemesini baskılayarak tümör hücresi davranışını etkileyebileceğini düşündürüyor. Bu yolak, kanser hücrelerinin büyüme avantajı elde etmesinde, bağışıklık yanıtından kaçmasında ve hücre ölümüne direnç geliştirmesinde rol oynadığı için özellikle ilgi çekiyor. Araştırmacılar ayrıca mitokondriyal apoptozla ilişkili işaretlerin de değerlendirilmesiyle, bazı adayların yalnızca sinyali kesmekle kalmayıp hücre ölümü süreçlerini de destekleyebileceğini ortaya koydu.

Yine de uzmanlar, bu sonuçların erken aşama araştırma kapsamında değerlendirilmesi gerektiğini vurguluyor. Yapay zekâ destekli tarama, yeni bileşiklerin keşfinde güçlü bir hızlandırıcı olsa da, bu tür bulguların hücre kültürü deneyleri, hayvan modelleri ve nihayetinde klinik çalışmalarla doğrulanması şart. gp130 gibi karmaşık sinyal düğümlerini hedeflemek, teoride cazip görünse de, biyolojik sistemlerin birbirine bağlı yapısı nedeniyle dikkatli bir optimizasyon gerektiriyor. Özellikle seçicilik, güvenlik ve gerçek hasta grubunda etki düzeyi belirleyici olacak.