Terapötik peptitler, küçük moleküller ile antikorlar arasında yer alan biyolojik ilaç adayları olarak son yıllarda giderek daha fazla ilgi görmektedir. Geniş protein etkileşim yüzeylerini hedefleyebilmeleri, düşük immünojenisite (bağışıklık sistemini istenmeyen şekilde uyarma olasılığı) ve antikorlara kıyasla daha düşük üretim karmaşıklığı gibi avantajları sayesinde geniş bir terapötik hedef yelpazesi için aday oluşturmaktadır. Ancak bir peptidin yalnızca hedef proteine bağlanabilmesi yeterli olmamakta; çözünürlük, hücre zarından geçebilme, toksisite (zararlı etki oluşturma potansiyeli), hemolitik aktivite (eritrositleri parçalama eğilimi) ve dolaşımdaki yarı ömrü gibi çok sayıda özelliğin de birlikte değerlendirilmesi gerekmektedir. Kimyasal olarak değiştirilmiş peptitlerin kullanımının artmasına rağmen, bu özellikleri hem doğal hem de modifiye peptitler için tek platform üzerinden değerlendirebilen kapsamlı bir hesaplamalı sistem bulunmamaktaydı.
Bu gereksinim doğrultusunda araştırmacılar, terapötik peptitlerin geliştirilebilirlik özelliklerini tek bir çatı altında analiz etmek amacıyla PeptiVerse adlı yeni bir platform geliştirmiştir. Çalışmanın amacı, amino asit dizileri ile birlikte kimyasal olarak modifiye edilmiş peptitlerin SMILES (moleküllerin kimyasal yapısını metin biçiminde gösteren gösterim sistemi) temsillerini kullanarak farklı biyofiziksel ve farmasötik özellikleri yüksek doğrulukla tahmin edebilen evrensel bir platform oluşturmaktır. Böylece araştırmacılar, erken ilaç geliştirme aşamalarında çok sayıda peptit adayını deneysel çalışmalara geçmeden önce sistematik olarak değerlendirebilmeyi hedeflemiştir.
PeptiVerse, protein dil modelleri (protein dizilerindeki biyolojik örüntüleri öğrenen yapay zekâ modelleri) ile kimyasal dil modellerini bir araya getirerek hem amino asit dizilerini hem de SMILES temelli peptitleri analiz edebilmektedir. Araştırmacılar hemoliz, çözünürlük, toksisite, hücre geçirgenliği, yarı ömür ve protein bağlanma afinitesi (bir peptidin hedef proteine bağlanma gücü) gibi özelliklere ait deneysel veri kümelerini bir araya getirmiş; ardından XGBoost, destek vektör makineleri (SVM), yapay sinir ağları ve Transformer tabanlı modeller dâhil farklı makine öğrenmesi yaklaşımlarını karşılaştırmıştır. PeptiVerse, her özellik ve temsil için en yüksek performansı sağlayan modeli belirleyecek şekilde tasarlanmıştır.
Elde edilen sonuçlar, PeptiVerse’in hem amino asit dizileri hem de kimyasal olarak modifiye edilmiş peptitler üzerinde birçok tahmin görevinde mevcut yöntemlerle rekabetçi veya daha yüksek performans sergilediğini göstermektedir. Platform, hücre geçirgenliği tahmininde F1 skorunu 0,929’a, çözünürlük tahmininde ise 0,744’e ulaştırmıştır. Protein-peptit bağlanma afinitesi tahminlerinde deneysel ölçümlerle anlamlı düzeyde uyum gösterirken, yapısal modelleme güven skorlarının bağlanma gücünü tek başına güvenilir biçimde yansıtmadığını da ortaya koymuştur. Ayrıca araştırmacılar, PeptiVerse’i araştırmacıların doğrudan kullanabileceği bir web arayüzü ve açık kaynaklı uygulama olarak erişime sunmuştur.
Araştırmacılara göre PeptiVerse, terapötik peptit geliştirme sürecinde yalnızca mevcut adayların değerlendirilmesini değil, aynı zamanda yapay zekâ destekli üretici tasarım (generative design) yaklaşımlarının yönlendirilmesini de destekleyebilecek modüler bir altyapı sunmaktadır. Platformun yeni veri kümeleri ve gelişmiş temsil modelleriyle düzenli olarak güncellenmesi planlanırken, açık ve genişletilebilir kaynaklı yapısı sayesinde peptit keşfi ve optimizasyonuna yönelik farklı hesaplamalı iş akışlarına entegre edilebileceği belirtilmektedir.
Yazar: Asmin Petekbaşı
Editör: Özsu Deniz BALKAYA
Referans: Zhang, Y., Tang, S., Chen, T., Mahood, E., Vincoff, S., & Chatterjee, P. (2026). PeptiVerse: A unified platform for therapeutic peptide property prediction. Nature Communications, 17, Article 6819. https://doi.org/10.1038/s41467-026-74167-w
-Bioinforange Bilimsel Haber Servisi-
Haber Yazıları, 20> Etki Faktörlü Q1 dergilerinde yayınlanan (listesi için tıklayınız)
bilimsel araştırmaların ekip arkadaşlarımız tarafından incelenip derlenmesi ile hazırlanmaktadır.
