PILL-CoDe: Inverse Design of Polypills via Automatic Differentiation for Prescribed Drug-Release Kinetics
PILL-Co.De एक एंड-टू-एंड डिफरेंशिएबल फ्रेमवर्क है जो संशोधित एलन-कैन (Allen-Cahn) और फिकियन डिफ्यूजन (Fickian diffusion) समीकरणों की एक युग्मित प्रणाली के माध्यम से अनुकूलित ड्रग-रिलीज़ काइनेटिक्स के सटीक इनवर्स डिज़ाइन को सक्षम करने के लिए पॉलीपिल ज्यामिति और एक्सिपिएंट वितरण को एक साथ अनुकूलित करने हेतु ऑटोमैटिक डिफरेंशिएशन का लाभ उठाता 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 ऐसे केक को बनाने की कोशिश कर रहे हैं शेफ हैं जो न केवल स्वाद में अच्छा हो, बल्कि अपनी मिठास को एक बिल्कुल सटीक लय में भी छोड़े: पहला निवाला लेते ही थोड़ा सा, बीच में एक बड़ा विस्फोट, और अंत में धीरे-धीरे कम होती हुई। वास्तविक दुनिया में चिकित्सा के क्षेत्र में, यह "पॉलीपिल्स" (polypills) का सपना है—एक एकल टैबलेट जिसमें विभिन्न दवाएं और सहायक सामग्रियां भरी होती हैं जो शरीर के अंदर ठीक उसी समय घुलती हैं जब उनकी आवश्यकता होती है। दशकों से, वैज्ञानिकों ने गोली के आकार (जैसे कि गोलाकार या घन बनाना) को बदलकर या सामग्रियों को बेतरतीब ढंग से मिलाकर इसे नियंत्रित करने की कोशिश की है। लेकिन यह एक ऑर्केस्ट्रा को केवल मंच का आकार बदलकर संचालित करने जैसा है; आप यह नियंत्रित नहीं कर सकते कि कौन से वाद्य यंत्र कब बजेंगे। यह शोधपत्र "इनवर्स डिज़ाइन" (inverse design) नामक विज्ञान के एक कोने में गहराई से उतरता है, जहाँ अनुमान लगाने और जांचने के बजाय, आप वांछित परिणाम (परफेक्ट रिलीज़ रिदम) से शुरुआत करते हैं और फिर पीछे की ओर काम करके सही आकार और रेसिपी खोजने के लिए शक्तिशाली कंप्यूटरों का उपयोग करते हैं। यह एक सुपर-स्मार्ट AI से एक कस्टम लेगो कैसल (Lego castle) डिजाइन करने के लिए कहने जैसा है जो, जब आप एक विशिष्ट धागा खींचते हैं, तो बस ढेर बनकर बिखरने के बजाय एक पूर्व-निर्धारित नृत्य में टूट जाता है।
इस अध्ययन के पीछे के शोधकर्ताओं, राहुल कुमार पाध्या, आदित्य चंद्रशेखर और अमीर एम. मिर्ज़ेंदेल ने इस पहेली को सुलझाने के लिए PILL-CoDe (पॉलीपिल को-डिज़ाइन) नामक एक डिजिटल टूल बनाया है। वे यह देखना चाहते थे कि क्या वे एक विशिष्ट ड्रग-रिलीज़ शेड्यूल से मेल खाने के लिए गोली के बाहरी आकार और उसके भीतर की सामग्रियों के आंतरिक मानचित्र को एक साथ डिजाइन कर सकते हैं। इसे करने के लिए, उन्होंने गोली को एक डिजिटल मिट्टी के मॉडल की तरह माना। उन्होंने गोली की बाहरी सीमा को परिभाषित करने के लिए "सुपरशेप्स" (supershapes) नामक एक गणितीय ट्रिक का उपयोग किया (यह सुनिश्चित करने के लिए कि यह एक ठोस, जुड़ी हुई इकाई बनी रहे, न कि बिखरे हुए टुकड़ों का समूह), और एक "न्यूरल नेटवर्क" (एक प्रकार का AI जो पैटर्न सीखता है) का उपयोग यह मैप करने के लिए किया कि विभिन्न सामग्रियां अंदर कहाँ स्थित हैं। इसके बाद, उन्होंने भौतिकी के समीकरणों का उपयोग करके सिम्युलेट किया कि गोली पानी में कैसे घुलती है, जो यह ट्रैक करते हैं कि गोली की सतह कैसे सिकुड़ती है और दवा कैसे फैलती है।
टीम ने पाया कि यदि आप केवल गोली का आकार बदलते हैं, तो आप केवल सरल रिलीज़ पैटर्न बना सकते हैं, जैसे कि एक स्थिर रिसाव या धीरे-धीरे कम होना। हालाँकि, जब उन्होंने AI को आकार और सामग्रियों के आंतरिक विन्यास (internal arrangement) दोनों को डिजाइन करने की अनुमति दी, तो परिणाम जादुई थे। अपने सिमुलेशन में, वे जटिल, कठिन रिलीज़ कर्व्स को सफलतापूर्वक बनाने में सक्षम रहे, जिनमें वे पैटर्न भी शामिल थे जो धीरे शुरू होते हैं, नाटकीय रूप से तेज होते हैं, और फिर फिर से धीमे हो जाते हैं। उदाहरण के लिए, एक परीक्षण में, AI ने पता लगाया कि धीमी शुरुआत पाने के लिए, उसे धीरे घुलने वाली सामग्रियों को बाहरी खोल (outer shell) पर छिपाना चाहिए, और बाद में दवा के अचानक विस्फोट के लिए, उसे तेजी से घुलने वाली सामग्रियों को केंद्र में गहराई में पैक करना चाहिए। जब बाहरी खोल घिस गया, तो तेज़ सामग्री अचानक सामने आ गई, जिससे रिलीज़ रेट में वांछित उछाल आया। कंप्यूटर सिमुलेशन ने दिखाया कि यह मल्टी-मटेरियल दृष्टिकोण अविश्वसनीय सटीकता के साथ (लक्ष्य के 1% के भीतर) इन जटिल लक्ष्यों से मेल खा सकता है, जबकि केवल एक प्रकार की सामग्री के साथ केवल आकार बदलने का प्रयास बुरी तरह विफल रहा।
शोधपत्र ने यह भी तलाशा कि डिज़ाइन का शुरुआती बिंदु कितना महत्वपूर्ण है। उन्होंने एक "नुकीले" (spiky) आकार, एक "वृत्त" (circle), और एक "सूरजमुखी" (sunflower) के आकार से शुरुआत करने का प्रयास किया। आश्चर्यजनक रूप से, AI ने प्रत्येक शुरुआती आकार के लिए अलग-अलग आंतरिक मानचित्र पाए, फिर भी वे सभी बिल्कुल एक ही परफेक्ट रिलीज़ कर्व उत्पन्न करने में सफल रहे। यह सुझाव देता है कि केवल एक ही "सही" उत्तर नहीं है, बल्कि एक गोली बनाने के कई अलग-अलग तरीके हैं जो एक ही तरह से काम करती है, जिससे इंजीनियरों को उन डिजाइनों को चुनने की लचीलापन मिलता है जिन्हें प्रिंट करना आसान हो या जिन्हें मरीज आसानी से निगल सकें। उन्होंने यहाँ तक परीक्षण किया कि एक परिदृश्य में जहाँ कुछ सामग्रियां "पुरानी" या खराब (जैसे अंतरिक्ष में लंबे समय तक रखी गई दवा) हो गई थीं, AI ने सफलतापूर्वक रेसिपी को समायोजित किया ताकि वह क्षतिपूर्ति कर सके, जिससे यह सुनिश्चित हुआ कि गोली अभी भी सही ढंग से काम करे।
हालाँकि, यह याद रखना महत्वपूर्ण है कि ये परिणाम वर्तमान में केवल सिमुलेशन हैं। लेखकों ने गोली के घुलने और दवा के प्रसार (diffusion) से जुड़े जटिल भौतिकी समीकरणों को हल करने के लिए एक कंप्यूटर का उपयोग किया है, लेकिन उन्होंने अभी तक लैब में इन विशिष्ट गोलियों को भौतिक रूप से प्रिंट और टेस्ट नहीं किया है। शोधपत्र स्पष्ट रूप से इस विचार को खारिज करता है कि केवल आकार बदलना ही जटिल जरूरतों के लिए पर्याप्त है; उन्होंने दिखाया कि विभिन्न सामग्रियों को अंदर मिलाए बिना, आप उन फैंसी, नॉन-लीनियर रिलीज़ पैटर्न को प्राप्त नहीं कर सकते। हालांकि गणित यह सुझाव देता है कि यह विधि पूरी तरह से काम करती है, लेखक नोट करते हैं कि वास्तविक दुनिया के कारक जैसे कि गोली पेट के एसिड के साथ कैसे परस्पर क्रिया करती है, शरीर दवा को कैसे अवशोषित करता है, और 3D प्रिंटर की भौतिक सीमाएं, ऐसी चीजें हैं जिनका अभी भी परीक्षण किया जाना बाकी है। लेकिन फिलहाल, PILL-CoDe चिकित्सा के बारे में सोचने का एक नया और आशाजनक तरीका प्रदान करता है: न केवल एक स्थिर वस्तु के रूप में, बल्कि एक गतिशील, प्रोग्राम करने योग्य मशीन के रूप में जिसे हमें ठीक उसी समय ठीक करने के लिए डिज़ाइन किया जा सकता है जब हमें इसकी आवश्यकता होती 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।