Microsoft Research, GSK Ve Novartis’ten Yapay Zekâ Hamlesi: RetroChimera İlaç Sentezini Hızlandırıyor!

Microsoft Research, ilaç devleri GSK ve Novartis ortaklığıyla ilaç geliştirme süreçlerinin en karmaşık aşamalarından biri olan molekül sentezini optimize etmek üzere RetroChimera adını verdiği yenilikçi bir yapay zekâ sistemi geliştirdi. Nature dergisinde yayımlanan araştırma, karmaşık hedef molekülleri daha basit ve piyasada kolayca bulunabilir yapı taşlarına bölme prensibine dayanan "retrosentez" yöntemini temel alıyor.

Microsoft Research, GSK ve Novartis ile birlikte, ilaç geliştirme süreçlerinin en karmaşık aşamalarından biri olan molekül sentezini optimize etmek amacıyla RetroChimera adlı bir yapay zekâ sistemi geliştirdi. Nature dergisinde yayımlanan çalışmaya göre sistem, karmaşık molekülleri daha basit ve piyasada bulunabilir yapı taşlarına bölmek için kullanılan 'retrosentez' yöntemini temel alıyor. RetroChimera, tek bir model kullanmak yerine farklı yeteneklere sahip çok sayıda modelin tahminlerini birleştirerek çalışıyor. Bu yaklaşım, mevcut sistemlerin zorlandığı nadir reaksiyonların tanımlanmasında ve tahmin hatalarının azaltılmasında çözüm sağlıyor. Araştırmacılara göre, model kurumların kendi özel kimya verileriyle eğitilmeye uygun bir yapı sunuyor. Gerçekleştirilen karşılaştırmalı testlerde, uzman kimyagerlerin değerlendirmelerine göre RetroChimera, test edilen 10 molekülden 9'u için uygulanabilir bir sentez yolu önererek diğer modellere kıyasla daha yüksek bir başarı oranı gösterdi. Ayrıca, deneyimli organik kimyagerler, yapay zekânın sunduğu sentez önerilerini mevcut yöntemlere göre %64 oranında daha fazla tercih etti. Proje, laboratuvar ortamında molekül üretimini hızlandırmayı ve maliyetleri düşürmeyi hedefliyor. RetroChimera sisteminin temel çalışma prensibi, hedef molekülden başlayarak geriye doğru adım adım ilerleyen bir stratejiye dayanmaktadır. Bu süreç, stratejik oyunlardaki karar mekanizmalarına benzer bir karmaşıklık barındırmasına rağmen, makine öğrenimi alanındaki ilerlemeler sayesinde artık daha güvenilir bir şekilde gerçekleştirilebilmektedir. Sistemin çoklu model yapısı, farklı modelleme yaklaşımlarını bir araya getirerek sentez yollarının değerlendirilmesinde daha geniş bir perspektif sunar. Özellikle şirketlerin sahip olduğu özel kimya verileriyle uyumlu çalışabilme yeteneği, teknolojinin yalnızca akademik araştırmalarla sınırlı kalmayıp, ilaç keşfi ve malzeme bilimi gibi alanlarda pratik uygulamalara dönüştürülmesini mümkün kılmaktadır. Gelecek aşamalarda araştırmacılar, sistemin gerçek dünya keşif süreçlerindeki performansını gözlemleyerek, bu teknolojiyi bilimsel çalışmalar için verimli bir araç haline getirmeyi hedeflemektedir. Geliştirilen bu yeni sistem, retrosentez planlamasının geçmişte güvenilir bir şekilde otomatize edilemeyeceğine dair yerleşik bilimsel varsayımları değiştirmektedir. Araştırmacılar, sistemin tasarımında mevcut retrosentez yöntemlerinin eksikliklerini detaylı bir şekilde analiz ederek, özellikle stratejik öneme sahip ancak nadir gerçekleşen reaksiyonların sürece dahil edilmesindeki zorlukları aşmaya odaklanmıştır. Bu sayede, daha karmaşık moleküllerin sentez planlamasının önündeki engellerin kaldırılması amaçlanmıştır. Sistemin sunduğu bu esneklik, teknolojinin ilaç keşfi süreçlerinin yanı sıra malzeme bilimi ve ince kimyasal madde geliştirme gibi farklı endüstriyel alanlarda da özelleştirilerek kullanılmasına olanak tanımaktadır. Böylece, moleküler tasarımların laboratuvar ortamında uygulanabilir bir sentez yoluna dönüştürülmesi süreci, bilimsel araştırmalar için daha verimli ve erişilebilir bir hale getirilmektedir. Sistemin başarısı, retrosentez sürecinin stratejik oyunlardaki karar mekanizmalarıyla benzerlik gösteren devasa kombinatoryal karmaşıklığını yönetebilme kapasitesinden kaynaklanmaktadır. Geleneksel yöntemlerin aksine, farklı modellerin tamamlayıcı güçlü yönlerini bir araya getiren bu yapı, sentez yollarının değerlendirilmesinde daha kapsamlı bir yaklaşım sunar. Özellikle kurumların kendi özel kimya verileriyle hızlıca uyarlanabilmesi, teknolojinin yalnızca genel veri setleri üzerinde değil, ilaç keşfi gibi pratik ve özgün araştırma ortamlarında da etkin bir şekilde kullanılabilmesini sağlar. Bu durum, karmaşık moleküllerin sentez planlamasında karşılaşılan engelleri aşarak, bilimsel keşif süreçlerinin hızlandırılmasına ve maliyetlerin düşürülmesine katkıda bulunur. Araştırmacılar, bu teknolojiyi laboratuvar ortamında moleküler tasarımları gerçeğe dönüştüren vazgeçilmez bir araç haline getirmeyi amaçlamaktadır. RetroChimera sisteminin sunduğu bu teknolojik ilerleme, bilimsel keşif süreçlerinde yapay zekânın rolünü genişletmektedir. Araştırmacılar, sistemin performansını yalnızca standart test ortamlarında değil, gerçek dünya keşif süreçlerinde de değerlendirmeyi planlamaktadır. Bu yaklaşım, laboratuvar ortamında moleküler tasarımların gerçeğe dönüştürülmesini daha verimli hale getirmeyi amaçlayan bir stratejinin parçasıdır. Sistemin, araştırmacıların elindeki araç setine dahil edilmesiyle, karmaşık moleküler yapıların sentezlenmesi sürecinde daha hızlı ve uygulanabilir sonuçlara ulaşılması hedeflenmektedir. Bu çalışma, Microsoft'un kimya, malzeme bilimi ve ilaç geliştirme alanlarında bilimsel keşifleri hızlandırmak için yürüttüğü uzun soluklu araştırmaların bir devamı niteliğindedir. Kaynak: Microsoft Source