Penn Üniversitesi ApexGO Yapay Zeka ile Antibiyotik Geliştirmede Yüzde 85 Başarıya Ulaştı

Yapay Zeka Destekli Antibiyotik Tasarımı Süreçleri ApexGO İle Hız Kazanıyor

Bilim Haberleri - Pennsylvania Üniversitesi’ndeki bir araştırma ekibi, Penn Üniversitesi ApexGO Yapay Zeka adını verdikleri yeni bir sistemi kullanarak antibiyotik adaylarını tasarlayıp iyileştirmeyi başardı. Ekip, 14 Mayıs 2026’da yayımladıkları çalışmada, bu yapay zeka modelinin laboratuvar ortamında antibiyotik adaylarının %85’inde bakteriyel büyümeyi durdurduğunu duyurdu.

Yapay Zeka Döngüsel Bir İyileştirme Süreci İşletiyor

Araştırmanın arkasındaki isimlerden biri olan ve üniversitenin Biyomühendislik Bölümü’nde görev yapan Prof. César de la Fuente, antibiyotik keşfini devasa bir moleküler uzayda yürütülen bir arama problemi olarak tanımlıyor. İşte Penn Üniversitesi ApexGO Yapay Zeka modeli de bu noktada devreye giriyor. Sistem, mevcut büyük veritabanlarını tarayıp içinden seçim yapmak yerine, başlangıçta zayıf kabul edilen bir antimikrobiyal peptit dizisini alıp onu adım adım daha güçlü bir hale getiriyor.

Bu döngüsel süreç şöyle işliyor: Yapay zeka, peptit dizisi üzerinde yapılabilecek hassas moleküler değişiklikleri teklif ediyor. Ardından, sistemin bir diğer parçası olan APEX modeli, bu değişikliklerin antimikrobiyal aktiviteyi ne ölçüde artıracağını tahmin ediyor. En yüksek potansiyele sahip modifikasyonlar seçilip süreç yeniden başlatılıyor. Bu sayede her turda daha etkili yeni bir molekül versiyonu ortaya çıkıyor. Prof. de la Fuente, bu yöntemi “çalışma ihtimali daha yüksek versiyonlara doğru sürekli bir ilerleme” olarak nitelendiriyor.

Bayes Optimizasyonu ile Moleküler Keşif

Ekip, bu kadar büyük bir kimyasal uzayda gezinmenin zorluğunu aşmak için istatistiksel bir yöntem olan Bayes optimizasyonuna başvuruyor. Çalışmanın diğer kıdemli yazarı ve Bilgisayar Bilimleri Bölümü’nden Dr. Jacob R. Gardner’ın uzmanlık alanı da tam olarak burası. Doktora öğrencisi Yimeng Zeng’in ifadesiyle Bayes optimizasyonu, modelin bir sonraki adımda neyi deneyeceğine dair bilinçli seçimler yapmasını sağlıyor. Sistem, bir yandan umut vaat eden bölgeleri derinlemesine incelerken diğer yandan daha önce hiç keşfedilmemiş moleküler alanlara da yönelebiliyor. Bu çift yönlü strateji, hem bilinen güçlü adayları daha da geliştirmeyi hem de beklenmedik yeni çözümler bulmayı mümkün kılıyor.

Fareler Üzerinde Polymyxin B ile Yarışan Sonuçlar

Penn Üniversitesi ApexGO Yapay Zeka projesinin en çarpıcı yönlerinden biri, sunduğu teorik vaatlerin laboratuvar testlerinde de karşılık bulması oldu. Dr. Gardner, yapay zekanın başka bir bilgisayar modeline karşı optimize edildiğini, bu nedenle modelin beğendiği ancak laboratuvarda işe yaramayan moleküller bulma riskinin her zaman var olduğunu belirtiyor. Ancak sonuçlar beklentilerin aksine gerçekleşti. Tasarlanan peptitlerin sadece %85’i bakteriyel büyümeyi engellemekle kalmadı, bunların %72’si türetildikleri orijinal peptitlerden çok daha güçlü bir performans sergiledi.

Araştırma, canlı organizma üzerindeki testlerle de desteklendi. Fareler üzerinde yapılan deneylerde, yapay zeka tarafından geliştirilen iki farklı antimikrobiyal peptit, çoklu ilaç direncine sahip enfeksiyonlarda son çare olarak kullanılan Polymyxin B ile karşılaştırılabilir düzeyde bakteri azalması sağladı. Bu durum, sistemin klinik potansiyelini gözler önüne seriyor.

Gelecekte Farklı Alanlara da Uyarlanabilir

Araştırmacılar, elde edilen bu başarıya rağmen temkinli olmayı elden bırakmıyor. En iyi performansı gösteren peptitlerin dahi henüz erken aşama adayları olduğunu vurguluyorlar. Bu moleküllerin insanlar üzerinde kullanılabilmesi için toksisite, kararlılık ve vücut içindeki dayanıklılık gibi pek çok farklı parametrede daha optimize edilmeleri gerekiyor. Yine de bu çalışma, yapay zekanın hangi moleküllerin sentezlenip test edilmeye değer olduğuna karar vermede bilim insanlarına ışık tutabileceğini kanıtlıyor.

Prof. de la Fuente, yaklaşımın sadece antibiyotiklerle sınırlı kalmayacağını düşünüyor. Bağışıklık sistemini düzenleyen, kanser hücrelerini hedefleyen veya tamamen farklı biyolojik işlevlere sahip peptitler için de benzer bir optimizasyon sürecinin kurgulanabileceğini ifade ediyor. Sonuç olarak, yapay zeka ve sentetik biyolojinin bu birlikteliği, ilaç keşfinde deneme-yanılma yöntemine dayalı geleneksel süreçleri, hedef odaklı bir mühendislik disiplinine dönüştürme potansiyeli taşıyor. Bilim Haberleri - Teknoloji Medya