AI-ASSISTED DEVELOPMENT OF BETA-SITOSTEROL DERIVATIVES: IDENTIFICATION OF POTENTIAL DRUG CANDIDATES VIA THE WADDAICA PROTOCOL AND MULTI-CRITERIA DECISION- MAKING (MCDM) ANALYSIS

Creative Commons License

Altintaş Kazar G.

MUNZUR INTERNATIONAL SCIENTIFIC RESEARCH AND INNOVATION CONGRESS-III, Tunceli, Türkiye, 2 - 03 Mayıs 2026, ss.787-795, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Tunceli
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.787-795
  • Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
  • Trakya Üniversitesi Adresli: Evet

Özet

Modern ilaç keşfi, doğal kökenli ana yapıları rafine ederek farmakolojik verimliliği yüksek lider adaylara dönüştürme noktasında giderek artan bir oranda Yapay Zekadan (YZ) faydalanmaktadır. Bu çalışma, WADDAICA (Yapay Zeka ve Klasik Algoritma Destekli Web Sunucusu Yardımlı İlaç Tasarımı) protokolü kullanılarak beta-sitosterol öncülünden üretilen 27 yeni aglikon türevinin farmakokinetik değerlendirmesini sunarak geniş spektrumlu terapötik uygulamalar ve kişiselleştirilmiş tıp için yüksek potansiyelli ilaç adayları belirlemeyi amaçlamaktadır.
Yapay zeka ile optimize edilmiş türevlerden oluşan kimyasal kütüphane, SwissADME platformu kullanılarak detaylı bir in silico ADME profillemesine tabi tutulmuştur. Elde edilen verilerin sistematik yorumlanmasını ve önceliklendirilmesini kolaylaştırmak amacıyla Çok Kriterli Karar Verme (MCDM) skorlama algoritması uygulanmıştır. Bu 10 puanlık ölçek; Lipinski’nin Beşler Kuralı uyumu, gastrointestinal (GI) emilim, Kan-Beyin Bariyeri (BBB) geçirgenliği, Sentetik Erişilebilirlik (SA) skorları ve yapısal karmaşıklık (Fraction Csp3) gibi temel parametreleri entegre etmiştir.
WADDAICA tarafından üretilen kütüphane, 0,74'lük medyan Fraction Csp3 değeri ile doğal steroidin yapısal zenginliğini korurken, ilaç benzerliği açısından optimize edilmiş olağanüstü özellikler sergilemiştir. MCDM filtresi aracılığıyla altı molekül (Molekül 1, 25, 7, 20, 9 ve 16), 10/10 tam puan alarak "Seçkin Lider Adaylar" (Elite Lead Candidates) olarak tanımlanmıştır. Bu lider bileşikler; yüksek GI emilimi, sıfır P-gp substrat riski ve uygun TPSA değerleri (<40 Å2) arasında harmonik bir denge kurarak yüksek biyoyararlanım ve potansiyel sistemik etkinlik göstermiştir.
Yapay zeka ile güçlendirilmiş tasarımın bir MCDM sıralama çerçevesi ile entegrasyonu, 27 başlangıç çıktısını 6 potansiyel adaya başarıyla indirgemiştir. Bulgular, WADDAICA protokolünün doğal iskeletleri sentetik olarak erişilebilir (SA skorları 4,1–4,8) ve farmakokinetik açıdan üstün lider bileşiklere dönüştürme yeteneğini doğrulamaktadır. Bu çalışma, gelecekteki deneysel doğrulama ve klinik translasyon süreçleri için sağlam ve rasyonel bir temel sağlamaktadır.
Anahtar Kelimeler: WADDAICA, Yapay Zeka, İlaç Adayları, Çok Kriterli Karar Verme (MCDM), Beta-Sitosterol, Lider Optimizasyonu.

Modern drug discovery increasingly leverages Artificial Intelligence (AI) to refine natural scaffolds into lead candidates with optimized pharmacological efficiency. This study presents the pharmacokinetic evaluation of 27 novel aglycone derivatives generated from the beta- sitosterol progenitor using the WADDAICA (Webserver-Aided Drug Design by Artificial Intelligence and Classical Algorithm) protocol, aiming to identify high-potential drug candidates for broad-spectrum therapeutic applications and personalized medicine.

The chemical library, comprising AI-optimized derivatives, was subjected to rigorous in silicoADME profiling using the SwissADME platform. To facilitate the systematic interpretation and prioritization of the resulting data, a Multi-Criteria Decision-Making (MCDM) scoring algorithm was implemented. This 10-point scale integrated key parameters: Lipinski’s Rule of Five compliance, gastrointestinal (GI) absorption, Blood-Brain Barrier (BBB) permeability, Synthetic Accessibility (SA) scores, and structural complexity (Fraction Csp3).

The WADDAICA-generated library displayed exceptional drug-like properties, with a median Fraction Csp3 of 0.74, preserving the structural richness of the natural steroid while optimizing for drug-likeness. Through the MCDM filter, six molecules (Molecules 1, 25, 7, 20, 9, and 16) were identified as "Elite Lead Candidates," achieving perfect scores of 10/10. These leads demonstrated a harmonious balance between high GI absorption, zero P-gp substrate risk, and favorable TPSA values (<40 Å2) ensuring high bioavailability and potential systemic efficacy.

The integration of AI-augmented design with an MCDM ranking framework successfully refined 27 initial outputs into 6 potential candidates. The findings validate the WADDAICA protocol's ability to evolve natural scaffolds into synthetically accessible (SA scores 4.1–4.8) and pharmacokinetically superior lead compounds. This study provides a robust, rational foundation for upcoming experimental validation and clinical translation.

Keywords: WADDAICA, Artificial Intelligence, Drug Candidates, Multi-Criteria Decision- Making (MCDM), Beta-Sitosterol, Lead Optimization.