Protein allosterisi (bir proteinin bir bölgesine gelen sinyalin, uzak bir işlevsel bölgede yanıt oluşturması), hücresel düzeyde gerçek zamanlı bilgi işlemenin ve enerji aktarımının temel mekanizmasını oluşturmaktadır. Canlı organizmalardaki protein ağlarının büyük çoğunluğu, bu ilkeye dayalı protein anahtarları aracılığıyla işlev görmekte; küçük moleküllerden proteinlere uzanan geniş bir yelpazedeki sinyalleri algılayarak hücresel yanıtları düzenlemektedir. Bu nedenle, seçilebilir girdi ve çıktı parametrelerine sahip yapay allosterik protein sistemlerinin tasarlanması, protein mühendisliği ve sentetik biyolojinin en temel hedefleri arasında yer almaktadır. Yapay floresan protein anahtarları ve enzim tabanlı biyosensörler, kalsiyum, nörotransmitterler ve diğer küçük moleküllerin hücre içi konsantrasyonlarının gerçek zamanlı izlenmesine olanak tanıyarak hücre ve nörobiyoloji araştırmalarında köklü bir dönüşüm yaratmıştır. Bununla birlikte, mevcut yaklaşımlar büyük ölçüde ligand (protein yapısına bağlanan küçük molekül) bağlanmasına eşlik eden küresel konformasyonel değişiklik (proteinin tüm yapısını etkileyen şekil değişimi) gösteren doğal reseptör alanlarının varlığına bağımlı kalmıştır. Bu tür özelliklere sahip alanların sayısının oldukça sınırlı olması, yapay biyosensör geliştirme sürecinin önündeki başlıca engellerden birini oluşturmakta; aynı zamanda yeni ligand sınıflarına yönelik sensör tasarımını kısıtlamaktadır.
Guo, Smutok, Lee ve çalışma arkadaşları; makine öğrenmesi algoritmaları ile sıfırdan tasarlanmış, küresel konformasyonel değişiklik göstermeyen minimal ligand bağlama alanlarının, tek bileşenli allosterik protein anahtarlarında verimli reseptör olarak işlev görüp göremeyeceğini test etmeyi amaçlamıştır. Doğal evrimleşmiş reseptör alanlarının getirdiği yapısal kısıtlamaların, yeni nesil biyosensör tasarımında ciddi bir darboğaz oluşturduğu bilinmekteydi. Bu doğrultuda çalışma, konformasyonel entropi (yapısal dinamik değişkenliği) aracılığıyla allosterik düzenlemenin mümkün olabileceği hipotezini sınamak ve hem doğal hem de tamamen yapay raporlayıcı enzimlerle birleştirilebilen sentetik reseptör alanları geliştirmek üzere tasarlanmıştır. Ayrıca bu platformun, küçük moleküller, peptidler ve proteinler gibi farklı ligand sınıflarına genişletilebilirliğinin araştırılması ve geliştirilen sistemlerin uygulamalı bağlamlarda işlevselliğinin doğrulanması da çalışmanın temel hedefleri arasında yer almıştır.
Çalışmada, makine öğrenmesi yöntemleriyle de novo (sıfırdan) tasarlanmış küçük molekül ve peptid bağlama alanları, dairesel permütasyon (proteinin N ve C uçlarının yeniden düzenlenmesi) yöntemiyle TEM-1 β-laktamaz enzimine eklenmiş ve bu yaklaşımla kimerik (birleşik) protein anahtarları oluşturulmuştur. Farklı ligand sınıflarına yönelik odaklanmış kütüphaneler taranarak steroid hormonlar, peptidler ve proteinlere yanıt veren yapılar belirlenmiştir. Geliştirilen biyosensörlerin işlevsel mekanizması; dairesel dikroizm spektroskopisi, ¹⁹F-nükleer manyetik rezonans (¹⁹F-NMR) ve hidrojen/döteryum değişimi kütle spektrometrisi (HDX-MS) gibi birbirini tamamlayan biyofiziksel yöntemlerle ayrıntılı biçimde incelenmiştir. Reseptör alanlarının özerkliği ve taşınabilirliği, NanoLuciferase ve PQQ-glikoz dehidrojenaz gibi alternatif raporlayıcı enzimlerle kombinasyonlar oluşturularak sınanmıştır. Bunlara ek olarak, yapay zeka ile tasarlanmış LuxSit Pro lusiferaz proteini kullanılarak tamamen sentetik anahtarlar üretilmiş; geliştirilen sistemlerin işlevselliği hem bakteri kültürü deneyleri hem de grafen nanolevha tabanlı elektrokimyasal biyoelektrot platformunda doğrulanmıştır.
Elde edilen bulgular, makine öğrenmesiyle tasarlanmış ligand bağlama alanlarının, küresel konformasyonel değişiklik sergilememelerine karşın, tek bileşenli allosterik protein anahtarlarında etkin reseptör olarak işlev gördüğünü ortaya koymuştur. Kortizol ve 17α-hidroksiprogesteron gibi steroid hormonlara yönelik kolorimetrik, biyolüminesans ve elektrokimyasal biyosensörler üretilmiş; bu sistemlerin intramoleküler YES ve AND mantık kapıları olarak derlenebileceği gösterilmiştir. Biyofiziksel analizler, ligand bağlanmasının protein yeniden katlanmasına yol açmadığını; bunun yerine sistemin konformasyonel entropisini azaltarak raporlayıcı alanın katalitik aktivitesini artırdığını düşündürmektedir. Dairesel permütasyonun ligand bağlama afinitesini belirli ölçüde azalttığı gözlemlenmiş; ancak bu etkinin yardımcı bağlama alanlarının eklenmesiyle kısmen telafi edilebildiği gösterilmiştir. Çalışma kapsamında geliştirilen elektrokimyasal biyoelektrot, steroid hormonların nanomolar düzeyde ölçülmesine olanak tanımış ve sistemin yeniden kullanılabilir nitelikte olduğu saptanmıştır. Bu bulgular, makine öğrenmesiyle üretilen bağlama alanlarının sentetik biyoloji uygulamalarında modüler ve genişletilebilir bir platform oluşturabileceğine işaret etmekte; tanı sistemleri, analitik biyoteknoloji ve mühendislik yapılmış organizmalarda biyoortogonik sinyal işleme alanındaki ileri araştırmalar için kavramsal bir çerçeve sunmaktadır.
Referans: Guo, Z., Smutok, O., Lee, G.R. et al. Artificial allosteric protein switches with machine-learning-designed receptors. Nat Biotechnol (2026). https://doi.org/10.1038/s41587-026-03081-9
MSc. Stu. Uskudar Uni. | Bioinformatics
CEO, Bioinforange&Bioinfocodes