“Metabolic Translator” adlı derin öğrenmeye dayalı yeni bir araç, araştırmacılara geliştirilmekte olan ilaçların insan vücudunda nasıl performans göstereceği konusunda önbilgi verebiliyor. Metabolic Translator, ilaçlar ve enzimler gibi küçük moleküller arasındaki etkileşimlerin ürünleri olan metabolitleri tahmin eden bir hesaplama aracı ve bu sürecin iyileştirilmesine yardımcı oluyor.

Yeni araç, geliştiricilere bir ilacın ne yapacağına dair geniş bir resim sunmak için derin öğrenme yöntemlerinden ve devasa reaksiyon veri kümelerinden yararlanıyor. Yöntem, şirketlerin metabolik reaksiyonları belirlemek için kullandıkları kurallarla sınırlandırılmadığı için yeni keşiflerin de önünü açıyor.

Bilgisayar bilimleri, biyomühendislik, makine mühendisliği , elektrik ve bilgisayar mühendisliği bölümlerinde profesör olan ve Rice Üniversitesi Ken Kennedy Enstitüsü direktörü Lydia Kavraki, "Bir bileşiğin potansiyel bir ilaç olup olmadığını belirlemeye çalışırken toksisiteyi kontrol etmek gerekiyor. İlacın yapması gerekeni yaptığını doğrulamanın yanı sıra, beklenenden başka hangi etkilere sebep olacağını da araştırmacılar olarak bilmek istiyoruz.” diyor.

Araştırmacılar, Metabolite Translator'ı herhangi bir enzim aracılığıyla metabolitleri tahmin etmek için eğitti; ancak asıl başarısını karaciğerdeki enzimlere odaklanan mevcut kurallara göre ölçtüler. Bu enzimler, farmasötik ilaçlar, böcek ilaçları ve çevreyi kirleten maddeler gibi ksenobiyotiklerin detoksifiye edilip ortadan kaldırılmasından sorumludur. Ancak metabolitler diğer enzimler aracılığıyla da oluşabiliyor.

Yüksek lisans öğrencisi ve araştırmanın baş yazarı Eleni Litsa, "Bedenlerimiz kimyasal reaksiyonların ağlarıdır ve kimyasallara etki eden enzimlere sahiptir. Beden, kimysalların yapılarını toksik olabilecek veya başka komplikasyonlara neden olabilecek bir şeye dönüştüren bağları koparabilir veya yeni bağlar oluşturabilir. Mevcut metodolojiler karaciğere odaklanır çünkü çoğu ksenobiyotik bileşik orada metabolize edilir. Çalışmamızla insan metabolizmasının genelini hedefliyoruz.” diyor ve ekliyor: “Bir ilacın güvenliği yalnızca kendisine değil, aynı zamanda ilaç vücutta işlendiğinde oluşabilecek metabolitlere de bağlıdır.”

SMILES ("simplified molecular-input line-entry system") yöntemine dayanan ilk Transformer, yabancı dil çevirisinde geniş kullanım alanı bularak 2017 yılında ortaya çıkmıştı. Litsa, "Yaptığımız şey, bir dili başka bir dile çevirmekle tamamen aynı," diyor.

Deneysel verilerin eksikliğinden dolayı laboratuvar, Metabolite Translator'ı geliştirmek için transfer öğrenmeyi kullandı. Önce bir Transformer modelini bilinen 900 bin kimyasal reaksiyon üzerinde eğittiler ve ardından insan metabolik dönüşümleri hakkındaki verilerle ince ayar yaptılar. Araştırmacılar, 65 ilaç ve 179 metabolize edici enzimin bilinen SMILES sekanslarını analiz ederek Metabolite Translator sonuçlarını diğer bazı tahmin tekniklerinden elde edilenlerle karşılaştırdı.

Metabolite Translator'ı ilaçlara özgü olmayan genel bir veri setinde eğitmiş olsalar da Translator, özellikle ilaçlar için geliştirilmiş, yaygın olarak kullanılan kural tabanlı yöntemler kadar iyi performans gösterdi. Ayrıca ilaç metabolizmasında yaygın olarak yer almayan ve mevcut yöntemlerle bulunmayan enzimleri de tanımlamakta başarılı oldu.

Araştırma, Rice Üniversitesi ve Teksas Kanser Önleme ve Araştırma Enstitüsü tarafından desteklendi.

Kaynak: www.futurity.org