The Quantum Ensemble Variational Optimization Algorithm: Applications to Molecular Inverse Design
यह शोध पत्र क्वांटम एनसेम्बल वेरिएशनल ऑप्टिमाइज़ेशन (QEVO) एल्गोरिदम प्रस्तुत करता है, जो एक ऐसी विधि है जो आणविक व्युत्क्रम डिजाइन (molecular inverse design) में आयामीता के अभिशाप (curse of dimensionality) को कुशलतापूर्वक दूर करने के लिए निकट-अवधि और प्रारंभिक दोष-सहिष्णु क्वांटम कंप्यूटिंग का लाभ उठाती है, जैसा कि कैंसररोधी गुणों वाले औषधि-समान अणुओं की पहचान करने में इसके सफल अनुप्रयोग द्वारा प्रदर्शित किया गया है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक मास्टर शेफ हैं जो एक आदर्श नया व्यंजन बनाने की कोशिश कर रहे हैं। आपके पास सामग्रियों से भरी एक पेंट्री है, लेकिन उन्हें मिलाने के इतने तरीके हैं कि हर एक संभावना को चखने में ब्रह्मांड की आयु से भी अधिक समय लग जाएगा। यह उन रसायन विज्ञानियों का दैनिक संघर्ष है जो नए अणुओं को डिजाइन करने की कोशिश करते हैं। उन्हें विशिष्ट संरचनाओं को खोजने की आवश्यकता होती है जो बीमारियों को ठीक कर सकें या बेहतर सामग्रियां बना सकें, लेकिन सभी संभावित अणुओं का "केमिकल स्पेस" इतना विशाल है कि पारंपरिक कंप्यूटर खो जाते हैं, और संयोजनों की विशाल संख्या से अभिभूत हो जाते हैं। इसे "कर्स ऑफ डाइमेंशनैलिटी" (आयामीता का अभिशाप) के रूप में जाना जाता है।
इसे हल करने के लिए, वैज्ञानिक क्वांटम कंप्यूटरों की ओर रुख कर रहे हैं। रेगुलर कंप्यूटरों के विपरीत जो बिट्स (स्विच जो या तो ऑन होते हैं या ऑफ) का उपयोग करते हैं, क्वांटम कंप्यूटर "क्यूबिट्स" का उपयोग करते हैं। सुपरपोजिशन नामक एक अजीब क्वांटम ट्रिक की मदद से, एक क्यूबिट एक ही समय में ऑन, ऑफ, या दोनों हो सकता है। यह उन्हें एक साथ कई संभावनाओं को तलाशने की अनुमति देता है, जैसे कि एक ऐसा शेफ जो एक ही निवाले में एक हजार अलग-अलग व्यंजनों का स्वाद ले सकता है। हालाँकि, वर्तमान क्वांटम कंप्यूटर अभी भी छोटे हैं और त्रुटियों के प्रति संवेदनशील हैं, इसलिए वैज्ञानिकों को शोर (नॉइज़) में फंसे बिना उनका चतुराई से उपयोग करने के तरीकों की आवश्यकता है।
यहीं पर "क्वांटम एनसेंबल वेरिएशनल ऑप्टिमाइजेशन" (QEVO) नामक एक नई विधि आती है। QEVO को एक बार में एक व्यंजन चखने वाले शेफ के रूप में नहीं, बल्कि संभावित अणुओं के एक ऑर्केस्ट्रा का संचालन करने वाले कंडक्टर के रूप में सोचें। हर एक रेसिपी के लिए सटीक स्कोर की गणना करने के बजाय, क्वांटम कंप्यूटर एक "सुपरपोजिशन" अवस्था बनाता है—एक जादुई बादल जहाँ कई अलग-अलग आणविक संरचनाएं एक साथ मौजूद होती हैं। एल्गोरिदम फिर इस बादल से नमूने लेता है, और समूह के औसत प्रदर्शन की जांच करता है। यदि समूह अच्छा प्रदर्शन नहीं कर रहा है, तो एल्गोरिदम "कंडक्टिंग बैटन" (क्वांटम सेटिंग्स) को थोड़ा बदल देता है ताकि बादल को बेहतर उम्मीदवारों की ओर स्थानांतरित किया जा सके। यह घास के ढेर में सुई खोजने का एक स्मार्ट, पुनरावृत्त तरीका है, जिसमें आपको घास के हर एक तिनके को देखने की आवश्यकता नहीं होती।
फ्रांसेस्को कैलकग्नो और उनकी टीम द्वारा प्रस्तुत शोध पत्र में इस QEVO विधि का परिचय दिया गया है और नए ड्रग्स डिजाइन करने की चुनौती पर इसका परीक्षण किया गया है, विशेष रूप से उन अणुओं को खोजने के लिए जो कैंसर से लड़ सकते हैं। उन्होंने इसे एक कंप्यूटर पर सिम्युलेट किया ताकि यह देखा जा सके कि क्या यह उन अणुओं को खोज सकता है जिनमें विशिष्ट, वांछनीय गुण हों, जैसे कि पानी में घुलनशीलता या कैंसर से संबंधित प्रोटीन (JAK2) के साथ मजबूती से जुड़ना।
इन सिमुलेशन के परिणाम काफी उत्साहजनक हैं। एक परीक्षण में, जहाँ उन्होंने सबसे कम संभव "plogP" मान (यह मापने का एक तरीका कि एक अणु वसा बनाम पानी में कितनी अच्छी तरह घुलता है) वाला अणु खोजने की कोशिश की, QEVO एल्गोरिदम ने कुल संभावित अद्वितीय अणुओं में से केवल लगभग 6% की खोज करके ही सर्वोत्तम समाधान खोज लिया। यह घास के एक छोटे से ढेर को देखकर घास के ढेर में सबसे अच्छी सुई खोजने जैसा था। एल्गोरिदम ने अपनी संभावनाओं के बादल को धीरे-धीरे "शुद्ध" करके काम किया, जो यादृच्छिक अणुओं के एक अराजक मिश्रण से उच्च-गुणवत्ता वाले उम्मीदवारों के एक केंद्रित समूह की ओर स्थानांतरित हुआ।
टीम ने एक कठिन समस्या पर भी काम किया: एक ऐसा अणु डिजाइन करना जो एक विशिष्ट कैंसर प्रोटीन (JAK2) को लक्षित करे, बिना गलती से एक समान, स्वस्थ प्रोटीन (LCK) को प्रभावित किए। यह एक ऐसी चाबी खोजने जैसा है जो एक विशिष्ट ताले में फिट बैठती है लेकिन घर के अन्य किसी भी ताले को नहीं खोलती। जब उन्होंने एल्गोरिदम को स्वतंत्र रूप से चलने दिया, तो उसने कुछ अच्छे उम्मीदवार खोजे, लेकिन वे पूर्ण नहीं थे। हालाँकि, जब उन्होंने एल्गोरिदम को एक संकेत दिया—एक मौजूदा दवा (रक्सोलिटिनिब) के समान संरचना के साथ खोज शुरू करके—तो परिणाम काफी बेहतर हो गए। "बायस्ड" (पूर्वाग्रह युक्त) खोज ने एक नया अणु खोजा जो कैंसर प्रोटीन और स्वस्थ प्रोटीन के बीच अंतर करने में बहुत बेहतर था, जिससे कैंसर लक्ष्य के पक्ष में 2.0 kcal/mol का बाइंडिंग एनर्जी अंतर दिखाई दिया।
लेखक इस बात पर जोर देते हैं कि ये परिणाम लैब में किए गए भौतिक प्रयोगों के बजाय कंप्यूटर सिमुलेशन से आए हैं। उन्होंने एक "शैलो" (उथला) क्वांटम सर्किट इस्तेमाल किया, जिसका अर्थ है कि इसके लिए बहुत बड़ी संख्या में क्यूबिट्स की आवश्यकता नहीं थी, जो आज के या बहुत जल्द आने वाले क्वांटम कंप्यूटरों के लिए उपयुक्त है। जबकि इस पद्धति ने सफलतापूर्वक उच्च-गुणवत्ता वाले आणविक उम्मीदवारों को उत्पन्न किया और जटिल रासायनिक स्थानों को कुशलतापूर्वक नेविगेट किया, यह पेपर किसी नए इलाज की खोज का दावा नहीं करता है। इसके बजाय, यह सुझाव देता है कि QEVO एक शक्तिशाली नया उपकरण है जो वैज्ञानिकों को बेहतर दवाएं तेजी से डिजाइन करने में मदद कर सकता है, जो बड़े आर्टिफिशियल इंटेलिजेंस मॉडल को प्रशिक्षित करने या पूर्ण क्वांटम हार्डवेयर की प्रतीक्षा करने के बिना, आणविक डिजाइन की विशाल जटिलता को संभालने का एक व्यावहारिक तरीका प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।