Geleneksel ilaç keşif (Drug Discovery) süreci, milyonlarca kimyasal bileşiğin laboratuvar tezgahlarında tek tek (in vitro) test edildiği, yorucu, pahalı ve yüksek hata oranına sahip bir süreçtir. Ancak günümüzde Biyoinformatik ve Hesaplamalı Yapısal Biyoloji, bu süreci "Kuru Laboratuvarlara" (Dry Lab) taşımıştır. Bir hastalığa neden olan hedefin (Örn: Virüsün hücreye giriş reseptörü) üç boyutlu kristal yapısı biliniyorsa, bu reseptörü bloke edecek "Sihirli Mermiyi" (Ligand) bilgisayar ortamında tasarlayabiliriz.
Bu makalede, 30 Nisan - 1 Mayıs tarihlerinde gerçekleştireceğimiz Uygulamalı Moleküler Docking eğitiminin kalbini oluşturan bağlanma afinitesi, hazırlık protokolleri ve AutoDock Vina algoritmalarının teknik anatomisini inceliyoruz.
1. Docking İşleminin Fiziği: Bağlanma Enerjisi ($\Delta G$)
Moleküler docking (Yanaştırma), bir ligandın bir makromolekülün (genellikle protein) aktif bölgesine (binding pocket) uzaysal olarak nasıl sığdığını ve hangi kimyasal bağları kurduğunu tahmin etme sanatıdır.
Programlar bu işlemi yaparken bir "Skorlama Fonksiyonu" (Scoring Function) kullanır. Bu fonksiyon, Gibbs Serbest Enerjisi değişimini ($\Delta G$) hesaplar. Termodinamik yasalara göre, bir bağlanmanın kendiliğinden ve güçlü bir şekilde gerçekleşmesi için bağlanma enerjisinin negatif olması gerekir.
AutoDock Vina, şu formülasyonu temel alarak toplam afiniteyi hesaplar:
Sterik etkileşimler (Van der Waals kuvvetleri)
Hidrojen bağları (Donör ve Akseptör açıları)
Hidrofobik etkileşimler
Ligandın konformasyonel entropi kaybı.
Örneğin; -9.5 kcal/mol skor alan bir ligand, -5.2 kcal/mol skor alan bir liganda göre proteine çok daha güçlü (yüksek afinite ile) bağlanıyor demektir.
2. Çöp İçeri, Çöp Dışarı (Garbage In, Garbage Out): Protein ve Ligand Hazırlığı
Docking algoritmaları kördür; siz ona ne verirseniz onu hesaplar. PDB (Protein Data Bank) veri tabanından indirilen ham bir makromolekül doğrudan docking'e sokulamaz.
Reseptör Hazırlığı: X-Işını kristalografisi suyu da dondurduğu için, protein yapısında genellikle su (H₂O) molekülleri bulunur. Bu sular docking işlemini bloke eder, silinmelidir. Ayrıca PDB dosyalarında hidrojen atomları (elektron yoğunlukları çok düşük olduğu için) görünmez. AutoDock Tools kullanılarak proteine "Polar Hidrojenler" eklenmeli ve elektrostatik etkileşimlerin hesaplanabilmesi için "Kollman" yükleri tanımlanmalıdır.
Ligand Hazırlığı: PubChem'den indirilen ligandın 2B yapısı 3B'ye çevrilmeli ve etrafında dönebilen (rotatable) bağları tanımlanmalıdır. Her iki molekül de AutoDock'un anlayabileceği, atom tiplerini ve kısmi yükleri barındıran PDBQT formatına dönüştürülmelidir.
3. Arama Uzayı (Grid Box) ve Exhaustiveness Parametresi
Protein devasa bir yapıdır. Ligandı rastgele proteine fırlatmak yerine, algoritmanın arama yapacağı koordinatları (X, Y, Z boyutlarında) sanal bir kutu (Grid Box) ile sınırlarız. Eğer proteinin aktif bölgesini bilmiyorsak kutuyu çok büyük çizeriz (Blind Docking), ancak bu bilgisayarın işlemci (CPU) gücünü tüketir ve doğruluğu düşürür.
Vina'daki kritik exhaustiveness parametresi (genellikle 8 olarak gelir), algoritmanın arama derinliğini belirler. Bu değeri artırmak (Örn: 24 veya 32) sonucu daha hassas yapsa da simülasyon süresini logaritmik olarak uzatır.
4. Sonuçların Görsel Yorumlanması (PyMOL)
Sadece negatif bir skor (-10.0 kcal/mol) elde etmek yetmez. Ligandın gerçekten katalitik aktif bölgedeki kritik amino asitlerle (Örn: Aspartat 125 veya Serin 190) hidrojen bağı kurup kurmadığını 3 boyutlu uzayda PyMOL veya Discovery Studio ile görselleştirmek ve makale kalitesinde (publication-ready) figürlere dönüştürmek gerekir.
Sonuç: Moleküler docking, birkaç butona basmaktan ibaret değildir; ciddi bir biyokimyasal ve termodinamik önsezi gerektirir. Bireysel bilgisayarlarınızda uçtan uca bu süreci yöneteceğiniz Uygulamalı Moleküler Docking Eğitimi, bu teorik fiziği pratik bir Ar-Ge yetkinliğine dönüştürecektir.
