← नवीनतम पेपर
🤖 machine learning

ABOPD: Antibody CDR Design via On-Policy Distillation

यह शोध पत्र ABOPD को प्रस्तुत करता है, जो एक एंटीबॉडी CDR डिज़ाइन फ्रेमवर्क है जो मॉडल-जनरेटेड ट्रेजेक्टरीज (trajectories) को सुपरवाइज़ करने के लिए प्रिविलेज्ड नेटिव ज्योमेट्री (privileged native geometry) के साथ ऑन-पॉलिसी डिस्टिलेशन (on-policy distillation) का उपयोग करता है, जिससे मानक विधियों की तुलना में CDR-H3 लूप जनरेशन में स्ट्रक्चरल रिकवरी में महत्वपूर्ण सुधार होता है और RMSD कम होता है।

मूल लेखक: Zhuo Yang, Jiaying He, Jiaqing Xie, Daolang Wang, Xipeng Qiu, Yuxin Wang, Tianfan Fu, Beilun Wang

प्रकाशित 2026-07-22
📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

मूल लेखक: Zhuo Yang, Jiaying He, Jiaqing Xie, Daolang Wang, Xipeng Qiu, Yuxin Wang, Tianfan Fu, Beilun Wang

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 वास्तुकार हैं जो एक बहुत ही विशिष्ट, जटिल ताले में पूरी तरह से फिट होने वाली एक कस्टम चाबी बनाने की कोशिश कर रहे हैं। जीव विज्ञान की दुनिया में, वह "चाबी" एक एंटीबॉडी है, जो एक Y-आकार का अणु है जिसका उपयोग हमारा प्रतिरक्षा तंत्र वायरस और बैक्टीरिया का शिकार करने के लिए करता है। "ताला" वह कीटाणु स्वयं है। चाबी का सबसे महत्वपूर्ण हिस्सा उसका हैंडल या लंबी डंडी नहीं है; बल्कि यह Y के बिल्कुल अंत में स्थित छोटे, लहराते हुए सिरे हैं, जिन्हें CDRs (कॉम्प्लीमेंटैरिटी-डिटरमिनिंग रीजन्स) कहा जाता है। ये सिरे लचीली रबर बैंड की तरह हैं जिन्हें ताले के सटीक आकार में मुड़ने, घूमने और फिट होने की आवश्यकता होती है ताकि उसे मजबूती से पकड़ सके। यदि आकार थोड़ा भी गलत हुआ, तो चाबी काम नहीं करेगी और कीटाणु बच निकलेगा।

लंबे समय से, वैज्ञानिक इन रबर-बैंड सिरों को डिजाइन करने के लिए शक्तिशाली कंप्यूटर प्रोग्रामों का उपयोग कर रहे हैं। वे "डिफ्यूजन" (प्रसार) नामक एक तकनीक का उपयोग करते हैं, जो कुछ हद तक मिट्टी के एक ढेर से शुरू करने और फिर एक पूर्ण आकार उभरने तक धीरे-धीरे शोर को हटाने जैसा है। लेकिन यहाँ एक पेंच है: कंप्यूटर "परफेक्ट", पहले से बने मिट्टी के मूर्तियों (नेटिव स्ट्रक्चर) को देखकर सीखता है और फिर उन्हें शून्य से फिर से बनाने की कोशिश करता है। समस्या यह है कि जब कंप्यूटर वास्तव में कदम-दर-कदम मूर्ति बनाने की कोशिश करता है, तो वह छोटी-छोटी गलतियाँ करता है। ठीक एक मानव मूर्तिकार की तरह, यदि आप शुरुआती कुछ कट गलत लगाते हैं, तो पूरा आकार भटकने लगता है। जब तक कंप्यूटर मूर्ति बनाना समाप्त करता है, "रबर बैंड" सही रंग का तो हो सकता है, लेकिन वह गलत दिशा में मुड़ा हुआ या गलत स्थान पर तैरता हुआ हो सकता है, जिससे वह ताले को पकड़ने में असमर्थ हो जाता है।

यह ABOPD (एंटीबॉडी CDR डिज़ाइन वाया ऑन-पॉलिसी डिस्टिलेशन) नामक एक नई विधि की कहानी है, जो इस भटकने वाली समस्या को ठीक करने की कोशिश करती है। शोधकर्ताओं ने महसूस किया कि कंप्यूटर को एक "परफेक्ट" दुनिया के मानचित्र का उपयोग करके सिखाया जा रहा था, लेकिन वह वास्तव में अपनी बनाई हुई एक "अव्यवस्थित" दुनिया में चल रहा था। इसे हल करने के लिए, उन्होंने एक "विशेषाधिकार प्राप्त शिक्षक" (privileged teacher) पेश किया जो पूर्ण आकार के गुप्त ब्लूप्रिंट को जानता है। केवल छात्र कंप्यूटर को परफेक्ट मैप देखने के लिए कहने के बजाय, शिक्षक छात्र को मूर्ति बनाते हुए देखता है, और वास्तविक समय में उन गलतियों के लिए विशिष्ट सुधार फुसफुसाता है जो छात्र वास्तव में कर रहा है।

शोध पत्र दिखाता है कि यह दृष्टिकोण चमत्कार करता है। जब टीम ने एंटीबॉडी के सबसे कठिन और लचीले हिस्से (जिसे CDR-H3 कहा जाता है) पर अपने नए तरीके का परीक्षण किया, तो कंप्यूटर के डिजाइन काफी अधिक सटीक हो गए। "ड्रिफ्ट" (भटकाव) कम हो गया, और अंतिम आकार वास्तविक चीज़ के बहुत करीब था। विशेष रूप से, आकार में औसत त्रुटि 2.37 Å से घटकर 1.95 Å हो गई (जहाँ एक एंगस्ट्रॉम एक ऐसी इकाई है जो इतनी छोटी है कि कल्पना करना भी कठिन है, लेकिन इस दुनिया में, यह अंतर बहुत बड़ा है)। यह केवल एक मामूली सुधार नहीं था; यह पुराने तरीकों की तुलना में एक स्पष्ट सुधार था जो बिना छात्र के वास्तविक काम की जाँच किए केवल परफेक्ट मैप्स पर अभ्यास करते रहे। शोधकर्ताओं ने पाया कि यह "ऑन-द-फ्लाई" कोचिंग विशेष रूप से आकार बनाने के अंतिम चरणों में मददगार थी, जब विवरण सबसे अधिक मायने रखते हैं। पुराने जमाने के अभ्यास को इस नए, वास्तविक समय के पर्यवेक्षण के साथ जोड़कर, ABOPD बेहतर, अधिक विश्वसनीय एंटीबॉडी डिजाइन करने के लिए एक आशाजनक मार्ग प्रदान करता है जो वास्तव में उन तालों में फिट हो सकते हैं जिन्हें खोलने के लिए उन्हें बनाया गया 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।

Digest आज़माएँ →