Üniversitemiz, Bilgisayar Mühendisliği Bölümü öğretim üyesi ve Bilişim Enstitüsü, Sağlık Bilişimi A.B.D. başkanı Prof. Dr. Tunca Doğan ve ekibinin (Hacettepe Biyolojik Veri Bilimi Lab.) yürüttüğü araştırmanın sonucu olan, üretken yapay zekâ ile hedefe özgü ilaç adayı moleküllerinin tasarımını konu alan makale, yapay zekâ alanının en önde gelen bilimsel dergilerinden Nature Machine Intelligence’ta yayımlandı.
Araştırmada geliştirilen DrugGEN isimli sistem, son yıllarda doğal dil işleme ve sentetik görüntü üretiminde başarıyla kullanılan Üretken Çekişmeli Ağlar (generative adversarial networks - GAN) ile çizge dönüştürücü (graph transformer) tabanlı derin öğrenme yöntemlerini ilk kez tek bir çatı altında birleştiren bir mimari sundu. Çalışmada, moleküller atomlar (düğümler) ve bağlar (kenarlar) üzerinden çizge yapıları olarak temsil edildi, bu çizgeler üzerinde öğrenme yapabilen katmanlar sayesinde kimyasal yapıların özellikleri yakalandı. Bu mimari, hem GAN’ın üretici–ayırt edici yapısından gelen güçlü geri besleme mekanizmasını hem de çizge dönüştürücü’lerin karmaşık moleküler ilişkileri modelleme yeteneğini bir araya getirmiş oldu. Böylece belirli bir protein hedefe koşullandırılmış, sıfırdan tasarlanmış ilaç adayı moleküller otomatik olarak tasarlanabildi.
Kanser araştırmalarına katkı
Çalışmada bir çok farklı kanser tipiyle ilişkilendirilen AKT1 proteini (kinaz) örnek hedef olarak seçildi, yapay zekâ tarafından bu hedefe yönelik olarak tasarlanan binlerce molekül arasından beş tanesi sentezlenerek laboratuvarda test edildi. Bu moleküllerden iki tanesi hedef proteini anlamlı düzeyde baskılamayı başardı. Hesaplamalı analizlerdeki bağlanma-özellikli açıklanabilirlik (attention haritaları) ve moleküler dinamik bulguları, modelin hedefe özgü etkileşimleri yakalayabildiğini gösterdi.
Neden önemli?
Çalışma, üretken yapay zekânın ilaç keşfi sürecinde yalnızca hız ve maliyet avantajı sağladığını değil, aynı zamanda daha önce keşfedilmemiş tamamen özgün molekül adaylarını da ortaya çıkarabileceği ve bu sayede hastalıklara karşı yeni tedavilerin geliştirilmesine büyük katkılarda bulunabileceğini göstermiş oldu. Bilimsel şeffaflık ve toplum yararı gözetilerek tüm kod, önceden eğitilmiş modeller, veri kümeleri ve sonuç çıktıları açık erişimle bilim dünyasının kullanımına sunuldu.
Proje ekibi
Araştırma Hacettepe Üniversitesi yürütücülüğünde, ODTÜ ve Gazi Üniversitesi’nden katılımcılarla gerçekleştirildi ve TÜBİTAK 2247 Ulusal Lider Araştırmacılar Programı tarafından desteklendi. Makale yazarları arasında; Atabey Ünlü*, Elif Çevrim*, Melih Gökay Yiğit*, Ahmet Sarıgün, Hayriye Çelikbilek, Osman Bayram, Dr. Öğr. Gör. Deniz Cansen Kahraman, Dr. Öğr. Üys. Abdurrahman Olğaç, Dr. Ahmet Süreyya Rifaioğlu, Prof. Dr. Erden Banoğlu, ve Prof. Dr. Tunca Doğan yer aldı (*: ortak ilk yazarlar). Çalışmanın tamamının Türkiye’de yürütülmüş olması ülkemizde üretken yapay zekâ ve sağlık alanlarının kesişiminde nitelikli araştırmaların gerçekleştirilmekte olduğunu gösteriyor.
Bağlantılar
Makale bağlantısı: https://www.nature.com/articles/s42256-025-01082-y
Makale için ücretsiz tam metin erişim linki: https://rdcu.be/eGoHv
Kaynak kod, veri, modeller: https://github.com/HUBioDataLab/DrugGEN
Demo: https://huggingface.co/spaces/HUBioDataLab/DrugGEN
