(Bu yazı GENÇ İVEK SAĞLIK BİLİM VE TEKNOLOJİLERİ DERGİSİ’nin 7. sayısında yayımlanmıştır.)
AHMET NAFİZ YİNANÇ
İstanbul Yeni Yüzyıl Üniversitesi
Eczacılık Fakültesi Lisans Öğrencisi
Son zamanlarda, yeni bir ilacın araştırılması ve geliştirilmesi çalışmalarında birçok yeni yöntem kullanılmaktadır. Bu yazıda molekül araştırmaları sırasında yapay zekânın kullanılabilir alanları ve bu alanların uygunluğu ile ilgili yapılan analiz ve formülasyon çalışmalarına değinilecektir.
Günümüzde, özgün bir ilacın araştırılması ve geliştirilmesi çalışmalarında, emek, zaman ve yatırım maliyetlerini en aza indirebilmek amacıyla birçok yeni teknikler geliştirilmiş durumdadır. Geliştirilen bu tekniklerle, araştırma harcamalarını daha ekonomik düzeyde tutabilecek yeni yaklaşımlar üretilmeye çalışılmaktadır. Diğer taraftan, bu uygulamalar, çeşitli bilim dalları arasındaki koordinasyonu da arttırarak, multidisipliner araştırmaları zorunlu hale getirmiştir. Çoğu zaman hedefi oluşturan yapı hakkında yeterli bilgi birikiminin bulunmadığı ortamlarda çalışmalar yürütülmek zorunda kalınır. Bu tür çalışmalarda, hastalık-hedef-efektör üçgeninde yer alan efektör maddeler (hedefin aktif yüzeyi ile etkileşen endojen maddeler veya ilaçlar) hareket noktası olarak ele alınarak araştırmalar yürütülür. Bu durumda, hastalığın tedavisi için gerekli görülen biyolojik yanıtın ortaya çıkmasını sağlayan efektör-hedef etkileşmelerini tanımlayan yapı-etki ilişkileri çözümlenmeye çalışılarak, daha uygun ve selektif etkili yeni ilaç etken maddesi bileşikler tasarlanmaya çalışılır. Bu ilişkiler, kantitatif yapı-etki ilişkileri (QSAR) analiz teknikleri kullanılarak tanımlanır ve daha etkin moleküler yapılara ulaşmak için önermeler elde edilir (Şekil 1.)
Şekil 1. Kantitatif Yapı-Etki İlişkileri Analizlerinin Uygulanmasında Temel Prensipleri Gösteren Akış Şeması
Kantitatif Yapı-Etki İlişkilerinde Yapay Zekâ ’nın Kullanımı
Geçmişte ilaç tanımlanması büyük ölçüde rastgele deneylerle yapılıyordu. İlaç başarılı olsa bile etki mekanizması tam olarak belli değildi. 1960’larda Kantitatif Yapı-Aktivite İlişkilerine (QSAR) odaklanılarak ilaç tasarımına alternatif yaklaşımlar aranmaya başlandı. QSAR yaklaşımının arkasındaki fikir, temel modüllerin farklı kombinasyonlarından yapılan karmaşık bileşiklerin tepkilerini tahmin etmek için basit bileşiklerin bilinen yanıtlarını kullanmaktır. Bu sebeple sadece istenen etkilere sahip olduğu düşünülen bileşikler test edilecektir.
“QSAR” gelecekte neyin doğmasına sebep olacak?
QSAR tipik olarak bir molekülün elektronik, hidrofobik ve sterik özelliklerine ve ayrıca yapısal, kuantum, mekaniksel ve diğer tanımlayıcılara dayanır. İleride bu yapı-aktivite ilişkilerini nicel olarak tanımlanması gerekiyordu. Bu da lineer serbest enerji ilişkilerinin (Linear Free Energy Relationship) formülasyonuna yol açtı.
QSAR’a başka bir yaklaşım olan kuantum-kimyasal tanımlayıcıların kullanılmasıyla elektronik ve geometrik diğer özelliklerin açıklanabileceği ortaya çıktı. Hal böyle olunca parametrelerin sayısındaki artış moleküler, diğer özellikler ve gözlemlenen aktiviteler arasında korelasyon elde etmek için yapay zekâ kullanılmasını gerektirdi. Tipik bir QSAR çalışmasında Çoklu Doğrusal Regresyon (MLR), Temel Bileşen Analizi (PCA), En Küçük Kareler Yöntemi (PLS) ve istatistiksel ve makine öğrenimi gibi yapay zekâ yöntemleri problemleri çözmek için kullanılmaya başlandı. Bunlar arasında QSAR yöntemi için aktif olarak en çok Çoklu Doğrusal Regresyon yöntemi kullanılmaktadır.
“Gelecekte yapay zekâ sayesinde ilaç tasarımı ivme kazanacak”
Sonuç olarak yapay zekâ kullanılarak yapılan hesaplama yöntemlerinin ilaç tasarımı, keşfi ve testi ve keşfi üzerindeki genel etkisi gelecekte kesinlikle daha büyüyecektir. Şimdiden pek çok sonuç bu hesaplama yöntemlerinin molekül tasarımı ve klinik öncesi deneylerde vazgeçilmez olduğunu gösteriyor. Bu alanda bazı firmalar şimdiden yeni bileşiklerin tasarlanması ve aktivitelerinin belirlenmesi için hazırladığı Yapay Sinir Ağları (Artifical Neural Network) tabanlı çalışmaları için patent almış durumda. Bu patentlerin bilimsel çalışmaları kısıtlayacağı düşünülüyor fakat şu an net olarak bir öngörü yürütmek mümkün değil. Belki yapay zekâ yöntemleri bilim camiasının önüne hem zorluklar hem de fırsatlar çıkartarak ilaç tasarımında yeni bir çağı başlatacaktır.
KAYNAKLAR
1.Duch, Wlodzislaw (2007). “Artificial Intelligence Approaches for Rational Drug Design and Discovery”, Current Pharmaceutical Design, 2007, 13, 1497-1508
2.Akı, Esin ve Yalçın, İsmail (2002) Kantitatif Yapı-Etki İlişkileri Analizleri, Ankara Üniversitesi Eczacılık Fakültesi Yayınları No:86
3.Vilar, Santiago., Cozza, Giorgio., Moro, Stefano., (2008) “Medicinal Chemistry and the Molecular Operating Environment (MOE): Application of QSAR and Molecular Docking to Drug Discovery”, Current Topics in Medicinal Chemistry, 2008, 8, 1555–1572