MindNexQua: An Autonomous Generative AI Framework for De Novo Drug Design and In Silico Molecular Docking Orchestration

İlaç geliştirme süreçleri; uzun zaman gereksinimleri, yüksek maliyetler ve klinik denemelerde %15’in altında başarı oranları gibi önemli zorluklarla karşı karşıyadır. Bu maliyetli ve karmaşık süreçleri optimize etmek amacıyla, KOSTU Biyokimya Departmanı’ndan Soykan Ağar’ın araştırma grubu, MindNexQua (MNQ) adını verdikleri otonom bir yapay zekâ sistemi geliştirmiştir. Bu çalışma, pahalı lisanslı platformlara alternatif olarak erişilebilir, açık kaynaklı ve kendi kendine yeten bir sistem sunarak ilaç keşif sürecini güncellemeyi amaçlamaktadır. Sistem, hedef reseptör protein yapıları ve ilaç adayı ligandları başlangıç girdileri olarak kullanarak, in silico biyokimyasal kenetlenmeden, nihai görselleştirmeye kadar olan süreci otomatikleştiren bir iş akışı sunmaktadır. MNQ; yapısal türevlerin üretilmesi için RDKit’i, moleküler kenetlenme hesaplamaları için AutoDock Vina’yı ve sonuçların yorumlanması için Mistral 7B tabanlı büyük dil modellerini entegre etmektedir. Simülasyonların güvenilirliğini artırmak ve rastgele hataları en aza indirmek amacıyla, her bir ligand adayı için 20 bağımsız simülasyondan oluşan çoklu çalıştırma (multi-run) stratejisi uygulanmaktadır. Sürecin sonunda sistem, en düşük bağlanma enerjisine (ΔG) sahip en iyi 5 aday molekülü otomatik olarak seçmekte ve istatistiksel olarak doğrulamaktadır. Elde edilen bulgular, MNQ tarafından tasarlanan aday moleküllerin hedef proteinlerin aktif bölgelerine yüksek sterik uyum (-8,6 kcal/mol) gösterdiğini ve termodinamik olarak kararlı konformasyonlar sergilediğini ortaya koymaktadır. Sonuç olarak MNQ, de novo ilaç tasarımı ve in silico moleküler kenetlenme süreçlerinin koordinasyonu için sürdürülebilir, otonom ve entegre bir araştırma ekosistemi sunmaktadır.