💻 computer science

GeoCycler: Reward-Aligned 3D Diffusion for Constraint-Conditioned Cyclic Peptide Design

GeoCycler एक रिवॉर्ड-अलाइन्ड (reward-aligned) 3D डिफ्यूजन फ्रेमवर्क है जो विविध साइक्लिक पेप्टाइड टोपोलॉजी के लिए एक एकल जनरेटर को प्रशिक्षित करने हेतु टाइप-गेटेड स्टेयर रिवॉर्ड (type-gated stair reward) और पॉजिटिव-ओनली वेटिंग (positive-only weighting) का उपयोग करता है, जो LNR बेंचमार्क पर मैक्रोसाइक्लाइजेशन व्यवहार्यता (macrocyclization feasibility) प्राप्त करने में इन्फरेंस-टाइम गाइडेंस बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।

मूल लेखक: Jingjie Zhang, Hanqun Cao, Haosen Shi, He Mutian, Yu Wang, Zijun Gao, Fang Wu, Xiaojun Yao, Chang-Yu Hsieh, Sinno Jialin Pan, Pranam Chatterjee, Chunbin Gu, Pheng-Ann Heng

प्रकाशित 2026-05-25

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jingjie Zhang, Hanqun Cao, Haosen Shi, He Mutian, Yu Wang, Zijun Gao, Fang Wu, Xiaojun Yao, Chang-Yu Hsieh, Sinno Jialin Pan, Pranam Chatterjee, Chunbin Gu, Pheng-Ann Heng

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 आटे का एक आदर्श, स्वयं-सीलिंग रिंग (एक चक्रीय पेप्टाइड) बनाने की कोशिश कर रहे हैं। यह रिंग विशेष है क्योंकि, आटे के एक सीधे टुकड़े के विपरीत, यह अपने आकार को बेहतर ढंग से बनाए रख सकता है और शरीर के विशिष्ट लक्ष्यों से चिपक सकता है। हालाँकि, इस रिंग को बनाना अविश्वसनीय रूप से कठिन है। आप केवल आटे और पानी को एक साथ नहीं फेंक सकते; आपको यह सुनिश्चित करना होगा कि आटे के सिरे ठीक से आपस में मिलें, और जुड़ाव बिंदुओं पर सामग्री संगत होनी चाहिए (जैसे कि दो विशिष्ट प्रकार के आटे को जोड़ने के लिए एक विशिष्ट प्रकार के यीस्ट की आवश्यकता होना)।

लंबे समय तक, इन रिंग्स को डिजाइन करने की कोशिश करने वाले कंप्यूटरों ने "इन्फरेंस-टाइम गाइडेंस" (inference-time guidance) नामक एक विधि का उपयोग किया। इसे ऐसे सोचें जैसे एक बेकर आटे के 100 रिंग बनाता है, उन्हें देखता है, और कहता है, "ठीक है, यह बहुत ढीला है, इसे फेंक दो। इसमें गलत गोंद है, इसे भी फेंक दो।" वे केवल उन कुछ रिंग्स को रखते हैं जो ठीक दिखते हैं। समस्या यह है कि कंप्यूटर अभी भी ज्यादातर "खराब" रिंग बना रहा है और बस किस्मत के भरोसे एक अच्छा रिंग मिलने की उम्मीद कर रहा है।

जियोसाइक्लर (GeoCycler) से मिलिए।

जियोसाइक्लर कंप्यूटर बेकर को प्रशिक्षित करने का एक नया तरीका है ताकि वह खराब रिंग्स को बाद में फिल्टर करने के बजाय, शुरुआत से ही अच्छे रिंग बनाना सीख सके। यह कैसे काम करता है, इसके सरल उदाहरण यहाँ दिए गए हैं:

1. "टाइप-गेटेड स्टेयर रिवॉर्ड" (The Smart Gatekeeper - एक स्मार्ट गेटकीपर)

पुराने तरीके में, कंप्यूटर भ्रमित हो सकता था। वह आटे के दो टुकड़ों को चिपकाने की कोशिश कर सकता था जो रासायनिक रूप से असंगत हों (जैसे प्लास्टिक को लकड़ी से चिपकाने के लिए पानी का उपयोग करना)। वह उस समस्या को ठीक करने में ऊर्जा बर्बाद करता जिसे ठीक नहीं किया जा सकता।

जियोसाइक्लर एक गेटकीपर पेश करता है।

गेट (द्वार): इससे पहले कि कंप्यूटर इस बात पर ध्यान दे कि रिंग के सिरे कितने करीब हैं, वह पहले यह जांचता है: "क्या हमारे पास सही सामग्री है?" (उदाहरण के लिए, क्या हमारे पास एंकर के रूप में कार्य करने के लिए सही अमीनो एसिड हैं?)।
स्टेयर (सीढ़ी): यदि सामग्री गलत है, तो कंप्यूटर को शून्य अंक मिलते हैं। लेकिन यदि सामग्री सही है, तो उसे इस आधार पर स्कोर मिलता है कि रिंग बंद होने के कितने करीब है।
- यदि रिंग पूरी तरह से बंद है? पूरे अंक।
- यदि रिंग लगभग बंद है (बस एक छोटा सा गैप है)? आधे अंक।
- यदि रिंग बहुत अधिक खुली है? कुछ अंक।

यह "सीढ़ी" महत्वपूर्ण है। यह कंप्यूटर को बताती है, "आप सही रास्ते पर हैं, आगे बढ़ते रहें!" भले ही रिंग अभी परफेक्ट न हो। यह कंप्यूटर को हतोत्साहित होने या गलत सबक सीखने से रोकता है जब सामग्री केवल थोड़ी सी गलत होती है।

2. ट्रेनिंग बनाम फिल्टरिंग (जिम बनाम फिल्टर)

पेपर का तर्क है कि पिछले तरीके एक जिम कोच की तरह थे जो केवल आपको तब बताते थे, "वह पुश-अप खराब था, फिर से प्रयास करें," जब आप पहले ही असफल हो चुके होते हैं।

जियोसाइक्लर स्वयं प्रशिक्षण को बदल देता है। यह रिवॉर्ड-वेटेड एलाइनमेंट (Reward-Weighted Alignment) नामक एक तकनीक का उपयोग करता है।

कल्पना कीजिए कि कंप्यूटर एक रिंग बनाता है।
यदि रिंग अच्छी है (या उसके करीब है), तो कंप्यूटर को एक "हाई-फाइव" (सकारात्मक इनाम) मिलता है और कहा जाता है, "इस अहसास को याद रखें; ऐसा ही और करें।"
यदि रिंग खराब है, तो उसे बस वह "हाई-फाइव" नहीं मिलता। उसे कोई "दंड" या "नकारात्मक" संकेत नहीं मिलता, क्योंकि खराब रिंग कई अलग-अलग कारणों से विफल होती हैं (गलत सामग्री, गलत आकार, गलत आकार), और एक सामान्य "विफलता" से सीखना कठिन है।
केवल "हाई-फाइव" पर ध्यान केंद्रित करके, कंप्यूटर ऐसे रिंग बनाना सीखता है जो स्वाभाविक रूप से बंद होने की इच्छा रखते हैं।

3. "वन-साइज़-फिट्स-ऑल" बेकर (एक ही आकार सबके लिए उपयुक्त बेकर)

आमतौर पर, यदि आप एक विशिष्ट प्रकार के गोंद (जैसे कि एक "स्टेपल" रिंग) या दूसरे प्रकार (जैसे कि "डाइसल्फाइड" रिंग) के साथ एक रिंग बनाना चाहते हैं, तो आपको प्रत्येक के लिए एक अलग कंप्यूटर प्रोग्राम की आवश्यकता हो सकती है।

जियोसाइक्लर एक यूनिवर्सल बेकर है। यह एक ही मस्तिष्क का उपयोग करके चारों प्रकार के रिंग (स्टेपल, हेड-टू-टेल, डाइसल्फाइड और बायसाइक्लिक) बनाना सीखता है। यह सीखता है कि "रिंग को बंद करने के नियम" क्या हैं और उन्हें विभिन्न परिदृश्यों में लागू करता है, न कि हर काम के लिए एक अलग विशेषज्ञ की आवश्यकता होती है।

परिणाम: उन्होंने क्या पाया?

शोधकर्ताओं ने एक मानक परीक्षण LNR बेंचमार्क का उपयोग करके मौजूदा सर्वोत्तम तरीकों (जैसे CP-Composer) के विरुद्ध इस नई पद्धति का परीक्षण किया।

सफलता दर (Success Rate): जियोसाइक्लर वास्तव में रिंग को सफलतापूर्वक बंद करने में बहुत बेहतर था। उदाहरण के लिए, "हेड-टू-टेल" रिंगों के लिए, इसने पिछले सर्वोत्तम तरीके की तुलना में सफलता दर में 20 प्रतिशत अंक से अधिक सुधार किया।
गुणवत्ता (Quality): इसके द्वारा बनाए गए रिंग न केवल "बंद" थे; वे प्राकृतिक और स्वस्थ भी दिखे। कंप्यूटर ने रिंग को केवल अजीब या अप्राकृतिक तरीके से जबरन बंद नहीं किया; इसने सही रासायनिक संरचना को बनाए रखा।
"क्यों" (The Why): पेपर यह सिद्ध करता है कि यह सुधार केवल पुराने फिल्टरिंग तरीके के "वॉल्यूम" को बढ़ाने से नहीं हुआ। यह इसलिए हुआ क्योंकि रिंग बनाने के प्रति कंप्यूटर की आंतरिक समझ बदल गई। इसने रिंग बनाने का कौशल सीखा, न कि केवल अनुमान लगाया।

सारांश

जियोसाइकर को एक "अनुमान लगाओ और जाँचो" (Guess and Check) मशीन से "सीखो और महारत हासिल करो" (Learn and Master) मशीन में अपग्रेड करने के रूप में देखें। 1,000 खराब रिंग बनाने और एक के अच्छा होने की उम्मीद करने के बजाय, यह रसायन विज्ञान और ज्यामिति के विशिष्ट नियमों को सीखता है ताकि जब यह एक रिंग बनाए, तो इसकी संभावना बहुत अधिक हो कि वह एक परफेक्ट, स्वयं-सीलिंग लूप हो। यह एक स्मार्ट स्कोरिंग सिस्टम का उपयोग करके ऐसा करता है जो प्रगति को पुरस्कृत करता है और कंप्यूटर को अंतिम आकार की चिंता करने से पहले सही सामग्री को पहचानना सिखाता है।

तकनीकी सारांश: GeoCycler

समस्या विवरण

चक्रीय पेप्टाइड्स (Cyclic peptides) अपनी बंद-वलय टोपोलॉजी (closed-ring topology) के कारण महत्वपूर्ण चिकित्सीय क्षमता प्रदान करते हैं, जो स्थिरता और लक्ष्य विशिष्टता को बढ़ाती है। हालाँकि, इन अणुओं का डी नोवो (de novo) डिज़ाइन करना, विशेष रूप से डीप जनरेटिव मॉडल्स का उपयोग करके, एक चुनौतीपूर्ण कार्य है। रैखिक पेप्टाइड्स के विपरीत, चक्रीय पेप्टाइड्स को जटिल विरल (sparse), गैर-चिकनी (non-smooth), और संरचनात्मक (compositional) ज्यामितीय बाधाओं को संतुष्ट करना आवश्यक होता है। एक वैध उम्मीदवार के लिए न केवल असतत रासायनिक पूर्व-आवश्यकताओं (जैसे संगत एंकर अवशेष या लिंकर रूपांकनों) की आवश्यकता होती है, बल्कि निरंतर ज्यामितीय बाधाओं (जैसे क्लोजर दूरियाँ, स्थानीय जंक्शन ज्यामिति, और युग्मित मल्टी-लूप व्यवस्थाएं) की भी आवश्यकता होती है।

मौजूदा दृष्टिकोण मुख्य रूप से प्री-ट्रेन्ड डिफ्यूजन मॉडल्स को इन बाधाओं को संतुष्ट करने के लिए निर्देशित करने हेतु अनुमान-समय मार्गदर्शन (जैसे Classifier-Free Guidance, CFG) पर निर्भर करते हैं। लेखक तर्क देते हैं कि यह व्यवहार्यता (feasibility) को एक बाहरी सुधार के रूप में मानता है, न कि जेनरेटर द्वारा सीखी गई एक विशेषता के रूप में। जब आधार वितरण (base distribution) चक्रीय क्लोजर की ओर कमजोर रूप से पक्षपाती होता है, तो अनुमान-समय मार्गदर्शन को सीखे गए प्रायर (prior) और वांछित बाधा मैनिफोल्ड के बीच के अंतर की भरपाई करनी पड़ती है, जिससे विशेष रूप से विरल या युग्मित बाधाओं के तहत अविश्वसनीय परिणाम मिलते हैं।

कार्यप्रणाली: GeoCycler

यह शोध पत्र GeoCycler का प्रस्ताव करता है, जो एक रिवॉर्ड-वेटेड डिफ्यूजन अलाइनमेंट फ्रेमवर्क है जिसे क्लोजर-संगत संरचनाओं को जेनरेटर के अपने वितरण के अंतर्गत उत्पन्न करने की संभावना बढ़ाने के लिए डिज़ाइन किया गया है। यह फ्रेमवर्क एक कंडीशनल लेटेंट डिफ्यूजन मॉडल को फाइन-ट्यून करता है ताकि पोस्ट-हॉक सैंपलिंग सुधार के बजाय ट्रेनिंग-टाइम पॉलिसी अलाइनमेंट के माध्यम से साइक्लाइजेशन नियंत्रण को स्थानांतरित किया जा सके।

मुख्य घटक

टाइप-गेटेड स्टेयर रिवॉर्ड (Type-Gated Stair Reward):
- प्रेरणा: दूरी-आधारित फीडबैक तभी सार्थक है जब पूर्व-आवश्यक अवशेष या लिंकर प्रकार मौजूद हों। रासायनिक रूप से असंगत एंकर्स को दूरी रिवॉर्ड देना भ्रामक संकेत प्रदान कर सकता है।
- तंत्र: रिवॉर्ड फंक्शन $R(M|C)$ $R (M ∣ C)$ को एक बाइनरी टाइप गेट $I[C_{type}(M)]$ $I [C_{t y p e} (M)]$ और एक दूरी घटक में विभाजित किया गया है। दूरी घटक एक बाउंडेड स्टेयर रिवॉर्ड का उपयोग करता है:
  - पूर्ण रिवॉर्ड तब दिया जाता है जब सटीक प्रॉक्सी क्लोजर संतुष्ट होता है।
  - एक शेप फंक्शन के आधार पर "लगभग-व्यवहार्य" (near-feasible) नमूनों के लिए मध्यवर्ती, बाउंडेड फीडबैक प्रदान किया जाता है।
  - यदि रासायनिक पूर्व-आवश्यकताएं (जैसे विशिष्ट एंकर अवशेष) पूरी नहीं होती हैं, तो कोई रिवॉर्ड नहीं दिया जाता है।
- यह डिज़ाइन सघन ज्यामितीय फीडबैक प्रदान करता है और रासायनिक रूप से अमान्य कॉन्फ़िगरेशन से होने वाले अपडेट से बचता है।
रिवॉर्ड-वेटेड अलाइनमेंट ऑब्जेक्टिव:
- GeoCycler वर्तमान जेनरेटर से टर्मिनल सैंपल एकत्र करता है, उन्हें डिकोड करता है, और टोपोलॉजी-विशिष्ट रिवॉर्ड का उपयोग करके उन्हें स्कोर करता है।
- इन स्कोर का उपयोग मानक फॉरवर्ड-डिफ्यूजन डिनोइजिंग अपडेट्स को पुन: भारित (reweight) करने के लिए किया जाता है। अलाइनमेंट लॉस को इस प्रकार परिभाषित किया गया है:
  $L_{align}(\theta) = \mathbb{E} \left[ r_i \lambda(t) \| \tilde{\epsilon}_\theta(z_t, t, P, C) - \epsilon \|_2^2 \right]$
  जहाँ $r_i$ एक नॉर्मलाइज्ड रिवॉर्ड वेट है।
- फ्रेमवर्क पॉजिटिव-ओनली रिवॉर्ड वेटिंग का उपयोग करता है, जो स्पष्ट रूप से एक विषम नेगेटिव सेट को फिट किए बिना उच्च-रिवॉर्ड वाले नमूनों को सुदृढ़ करता है, जिसे उन विरल ज्यामितीय बाधाओं के लिए अधिक उपयुक्त माना जाता है जहाँ विफलताएं कई असंबंधित कारणों से उत्पन्न हो सकती हैं।
रीप्ले के साथ मल्टी-टोपोलॉजी ट्रेनिंग:
- एक एकल कंडीशनल जेनरेटर को चार अलग-अलग मैक्रोसाइक्लाइजेशन टोपोलॉजी के माध्यम से अलाइन किया जाता है: स्टेप्ल्ड (stapled), हेड-टू-टेल (head-to-tail), डाइसल्फाइड (disulfide), और बाइसिक्लिक (bicyclic)।
- नमूना दक्षता में सुधार करने और प्रशिक्षण को स्थिर करने के लिए, एक FIFO रीप्ले बफर टर्मिनल लेटेंट्स और रिवॉर्ड्स को संग्रहीत करता है। मिनी-बैचेस नए एकत्र किए गए नमूनों को रीप्ले किए गए उच्च-रिवॉर्ड पैटर्न के साथ मिलाते हैं, जिससे दुर्लभ, व्यवहार्य क्लोजर पैटर्न के तेजी से लुप्त होने से रोका जा सके।

प्रमुख योगदान

ट्रेनिंग-टाइम अलाइनमेंट फ्रेमवर्क: यह पेपर चक्रीय पेप्टाइड मैक्रोसाइक्लाइजेशन को एक विरल, हाइब्रिड डिस्क्रीट-कंटीन्यूअस अलाइनमेंट समस्या के रूप में पुनर्गठित करता है। यह कंस्ट्रेंट-कंडीशन्ड 3D स्ट्रक्चर जेनरेशन के लिए फॉरवर्ड-प्रोसेस डिफ्यूजन रिइंफोर्समेंट लर्निंग को अनुकूलित करता है, जिससे नियंत्रण अनुमान-समय स्टीयरिंग से बदलकर जेनरेटर को ही ऑप्टिमाइज़ करने की ओर चला जाता है।
टाइप-गेटेड सरोगेट रिवॉर्ड: एक अभिनव रिवॉर्ड डिज़ाइन जो पूर्व-आवश्यक एंकर कम्पैटिबिलिटी को निरंतर क्लोजर ज्योमेट्री से अलग करता है। टाइप कंडीशन पूरी होने के बाद ही डिस्टेंस-बेस्ड शेपिंग को सक्रिय करके, यह विरल रिंग-क्लोजर उद्देश्यों के लिए रासायनिक रूप से सार्थक, सघन फीडबैक प्रदान करता है।
एकीकृत जेनरेटर (Unified Generator): विभिन्न केमिस्ट्री के लिए अलग-अलग मॉडल प्रशिक्षित करने के बजाय, GeoCycler एक ही जेनरेटर को कई टोपोलॉजी (स्टेप्ल्ड, हेड-टू-टेल, डाइसल्फाइड, बाइसिक्लिक) में अलाइन करता है, जो यह दर्शाता है कि ज्यामितीय क्लोजर रेगुलैरिटीज को विभिन्न रणनीतियों के लिए साझा किया जा सकता है।

प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन LNR बेंचमार्क (लार्ज नॉन-रिडंडेंट डेटासेट) पर pass@5 (सफलता यदि पाँच में से कम से कम एक उम्मीदवार बाधा को संतुष्ट करता है) और pass@1 मेट्रिक्स का उपयोग करके किया गया।

प्रदर्शन लाभ: GeoCycler ने सभी चार टोपोलॉजी में मजबूत बेसलाइन्स (PepGLAD, एनर्जी-गाइडेड सैंपलिंग, और CP-Composer) की तुलना में उच्चतम pass@5 सफलता दर प्राप्त की।
- हेड-टू-टेल: CP-Composer की तुलना में सफलता में 20.8 प्रतिशत अंक का सुधार (75.27% $\to$ 96.06%)।
- डाइसल्फाइड: 85.06% से बढ़कर 94.63%।
- बाइसिक्लिक: 3.45% से बढ़कर 11.49%, जो युग्मित मल्टी-लूप बाधाओं की कठिनाई को देखते हुए एक महत्वपूर्ण बढ़त है।
वितरणात्मक निष्ठा (Distributional Fidelity): सुधार गंभीर वितरण विचलन (distributional drift) से प्रेरित नहीं थे। GeoCycler ने बेस मॉडल और CP-Composer के समान अमीनो एसिड (AA-KL) और बैकबोन-डायहेड्रल (B-KL) सांख्यिकी बनाए रखी।
एब्लेशन स्टडीज:
- टाइप गेट या शेपिंग टर्म को हटाने से प्रदर्शन में काफी कमी आई, जो रासायनिक रूप से गेटेड, सघन फीडबैक की आवश्यकता की पुष्टि करता है।
- पॉजिटिव-ओनली अलाइनमेंट ने पॉजिटिव/नेगेटिव विकल्पों से बेहतर प्रदर्शन किया, जो बताता है कि विविध विफलता मोड को मॉडल करने के बजाय व्यवहार्य नमूनों पर ध्यान केंद्रित करना अधिक प्रभावी है।
- रीप्ले बफर्स और यूनिफाइड ट्रेनिंग (सिंगल मॉडल बनाम टोपोलॉजी-विशिष्ट मॉडल) दोनों ने उच्च औसत सफलता दर में योगदान दिया।
पोस्ट-हॉक वैलिडेशन: एक OpenMM-आधारित स्ट्रक्चरल कंसिस्टेंसी स्क्रीन ने पुष्टि की कि GeoCler के नमूने स्थानीय रिलैक्सेशन के बाद भी क्लोजर ज्योमेट्री बनाए रखते हैं और हेड-टू-टेल और डाइसल्फाइड टोपोलॉजी के लिए विशेष रूप से गंभीर स्टेरिक क्लैश से बचते हैं।

महत्व और दावे

यह पेपर दावा करता है कि विरल ज्यामितीय बाधाओं के लिए ट्रेनिंग-टाइम अलाइनमेंट केवल पोस्ट-हॉक सैंपलिंग-टाइम सुधार पर निर्भर रहने के एक आशाजनक विकल्प के रूप में कार्य करता है। डिफ्यूजन पॉलिसी को अनुकूलित करके कि क्लोजर-संगत संरचनाएं जेनरेटर के अपने वितरण के अंतर्गत अधिक संभावित हो जाएं, GeoCycler अनुमान-समय मार्गदर्शन की सीमाओं को संबोधित करता है जो गैर-चिकनी, कंपोजिशनल बाधाओं को संभालने में सक्षम नहीं है।

लेखक GeoCycler को एक नए बैकबोन जेनरेटर के रूप में नहीं, बल्कि एक प्री-ट्रेन्ड कंडीशनल डिफ्यूजन मॉडल को अलाइन करने की एक विधि के रूप में प्रस्तुत करते हैं। परिणाम बताते हैं कि रिवॉर्ड-वेटेड ट्रेनिंग पेप्टाइड सांख्यिकी से समझौता किए बिना टर्मिनल बैकबोन क्लोजर को प्रभावी ढंग से बढ़ावा दे सकती है और युग्मित मल्टी-एज बाधाओं (जैसा कि बाइसिक्लिक पेप्टाइड्स में देखा गया है) को समन्वित कर सकती है। यह कार्य रेखांकित करता है कि मैक्रोसाइक्लाइजेशन व्यवहार्यता स्थानीय रासायनिक प्रकारों और 3D ज्योमेट्री की अनुकूलता पर निर्भर करती है, जो एक ऐसी समस्या है जिसे मानक सुपरवाइज्ड फाइन-ट्यूनिंग प्रभावी ढंग से हल नहीं कर पाती है।