30 Saniyede Özet
New York Üniversitesi (NYU) kimyacıları, bir molekülde hidrojen atomunun en kararlı hangi konumda durduğunu tahmin eden bir yapay zekâ modeli yayımladı. Model, 1,1 milyonu aşkın kristal yapı kaydıyla eğitildi ve açık kaynak olarak paylaşıldı. Yaygın bir ligand veri tabanındaki uygun ligandların yaklaşık yüzde 2,5'inde olası hatalı atama işaret etti. Bu, ilaç keşfinin erken ve hesaplamalı aşamasına ait bir gelişme; hastaya yansıması uzun bir yol gerektiriyor.
Ne oldu?
Çalışma Eylül 2026'da Royal Society of Chemistry'nin hakemli dergisi Chemical Science'ta yayımlandı; NYU bulguları 23 Eylül'de duyurdu. Makalenin başlığı "Deep learning of tautomer stability from crystallographic proton positions". İlk yazar Xiaolin Pan, kıdemli yazar ise NYU Kimya Bölümü'nden Yingkai Zhang. Makale açık erişimli ve Creative Commons lisansıyla sunuluyor.
Konunun merkezinde tautomer kavramı var. Tautomerler, bir hidrojen atomunun molekül içinde yer değiştirmesi ve bağ düzeninin buna eşlik etmesiyle oluşan yakın biçimlerdir. Aynı ilaç molekülü farklı tautomer hâllerinde hedef proteinle farklı hidrojen bağları kurabilir. Yanlış hâl seçilirse bilgisayar ortamındaki bağlanma tahmini de yanlış yöne gidebilir.
Model nasıl çalışıyor?
Araştırmacılar Cambridge Yapısal Veri Tabanı'nı (CSD, küçük molekül kristal yapılarının arşivi) taradı. Yüksek çözünürlüklü kristal yapılarda hidrojen konumları deneysel olarak belirlenebiliyor. Ekip bu kayıtlardan 1,1 milyonu aşkın tautomer hâli içeren bir veri kümesi kurdu. Kurum duyurusuna göre bu, önceki deneysel veri kümelerinden kat kat büyük.
Model bir grafik sinir ağı (molekülü atom ve bağlardan oluşan bir ağ olarak işleyen derin öğrenme yöntemi). Yazılım deposuna göre mimari AttentiveFP adlı bir yapıya dayanıyor. Model, üç boyutlu yapı ya da kuantum mekaniği hesabı gerektirmeden iki boyutlu molekül çiziminden çalışıyor. Aday tautomerleri kararlılık olasılığına göre sıralıyor.
Kanıt ne kadar güçlü?
Kurum duyurusuna göre model kristal, sulu çözelti ve ilaç benzeri moleküllerden oluşan test setlerinde güçlü performans gösterdi. Bu testlerin ayrıntılı sayısal sonuçlarını erişebildiğimiz özet düzeyinde doğrulayamadık. Bu nedenle performansı yalnızca yazarların ve kurumun ifadesiyle aktarıyoruz.
En somut uygulama, protein–ligand komplekslerini ve bağlanma verilerini toplayan PDBbind veri tabanında yapıldı. Model, birden fazla olası tautomer hâli bulunan 5.075 ligandı taradı. Bunların 126'sında (yaklaşık yüzde 2,5) olası hatalı tautomer ataması buldu. Duyuruya göre yeniden atanan hâller daha uyumlu hidrojen bağı düzenleri verdi.
Hız da dikkat çekiyor. Model, Enamine firmasının yaklaşık 4,6 milyon bileşiklik koleksiyonunu tek bir grafik işlemcili sunucuda yaklaşık 3,2 saatte işledi. Kuantum mekaniği tabanlı yöntemler tüm kütüphaneler için fazla maliyetli kalıyordu.
Bazı sınırlılıklar da açık. Kristal ortamında kararlı olan hâl, sulu ortamda ya da proteinin bağlanma cebinde farklı olabilir. Model tek başına bir ilacın etkinliği ya da güvenliği hakkında bilgi vermez. Yeni bir ilaç adayı bu çalışmayla keşfedilmiş değil; araştırma bir veri hazırlama aracını tanımlıyor.
Hekim için ne anlama geliyor?
Bu haber doğrudan hasta bakımını değiştirmiyor. Ancak yapay zekâ destekli ilaç keşfi iddialarını okurken yararlı bir ders içeriyor. Bilgisayar ortamındaki tarama, girdi olarak kullanılan molekül yapılarının doğruluğuna bağlı.
Bir firma yapay zekâyla bulunmuş ilaç adayı sunduğunda sorulacak sorular şunlar:
Aday hangi aşamada: hesaplamalı tarama, hayvan deneyi ya da insan çalışması?
Bilgisayar tahminleri deneysel bağlanma verisiyle doğrulandı mı?
Faz çalışmaları ve bağımsız yayımlanmış klinik sonuçlar var mı?
Kullanılan veri tabanlarının bilinen hataları nasıl ele alındı?
Hesaplamalı keşiften ruhsatlı ilaca giden süreç, klasik klinik araştırma basamaklarından geçmek zorunda. Yapay zekâ bu yolun başını hızlandırabilir, ama klinik kanıt gereksinimini ortadan kaldırmaz.
Türkiye'den bakınca
Araç açık kaynak olarak paylaşıldığı için Türkiye'deki üniversite ve araştırma grupları da onu inceleyebilir. Yazılım deposu MIT lisansı altında sunuluyor ve ücretsiz bir web arayüzü de bulunuyor. Aracın Türkiye'de belirli bir ilaç projesinde kullanıldığına dair bilgi yok.
Türkiye'de ilaç ruhsatlandırması ve klinik araştırma izinleri Türkiye İlaç ve Tıbbi Cihaz Kurumu (TİTCK) sorumluluğunda. Yapay zekâyla tasarlanmış bir molekül de aynı ruhsat ve araştırma kurallarına tabi olur.
Sık sorulan sorular
Tautomer tahmini neden önemli?
Aynı molekülün farklı tautomerleri hedef proteinle farklı etkileşim kurabilir. Hesaplamalı taramada yanlış hâl seçilirse umut verici bir aday gözden kaçabilir. Tersi durumda da zayıf bir aday yanlışlıkla öne çıkabilir.
Bu araç yeni bir ilaç buldu mu?
Hayır. Çalışma bir ilaç adayı değil, molekül yapılarını daha doğru hazırlamaya yarayan bir araç tanımlıyor. Klinik etkinlik ya da güvenlikle ilgili bir sonuç içermiyor.
Model neden kristal verisiyle eğitildi?
Kristal yapılarda hidrojen konumları deneysel olarak ölçülebiliyor. Bu, yapay zekâya büyük ve gerçek ölçüme dayalı bir eğitim seti sağlıyor. Ancak kristal ortamı ile vücuttaki ortam her zaman aynı değil.
Kaynaklar
Pan X, Han C, Han F, Zhang Y (2026) — Deep learning of tautomer stability from crystallographic proton positions, Chemical Science: https://doi.org/10.1039/d6sc03714c
Pan X (2026) — Tautomer-Predictor yazılım deposu ve belgeleri, GitHub: https://github.com/xiaolinpan/Tautomer-Predictor
New York University (2026) — AI Uncovers Stable Molecules for Drug Discovery, kurum duyurusunun yeniden yayımı: https://www.miragenews.com/ai-uncovers-stable-molecules-for-drug-discovery-1748739/
GEN (2026) — Tautomer-Predictor AI Tool Identifies Stable Molecules for Drug Discovery: https://www.genengnews.com/topics/drug-discovery/tautomer-predictor-ai-tool-identifies-stable-molecules-for-drug-discovery/
News-Medical (2026) — Haber kaynağı: https://www.news-medical.net/news/20260923/New-AI-tool-predicts-hydrogen-positions-to-speed-up-drug-discovery.aspx
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
İlgili Yazılar
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:
NYU ekibi 1,1 milyon kristal verisiyle eğitilen açık kaynak bir modelle molekülün kararlı tautomerini tahmin etti. İlaç keşfi için önemi ve sınırları.