Harmonic Torsional Diffusion for Protein-Ligand Flexible Docking
यह शोध पत्र Harmony को प्रस्तुत करता है, जो एक हार्मोनिक टॉर्सनल डिफ्यूजन फ्रेमवर्क है जो कोणीय चरों (angular variables) की आवधिक ज्यामिति को स्पष्ट रूप से मॉडल करता है ताकि मौजूदा विधियों की तुलना में लचीले प्रोटीन-लिगैंड डॉकिंग की सटीकता और भौतिक वैधता में महत्वपूर्ण सुधार किया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
दवा की खोज की सूक्ष्म दुनिया में, वैज्ञानिक लगातार एक त्रि-आयामी पहेली को सुलझाने का प्रयास कर रहे होते हैं। उन्हें एक छोटे अणु, जिसे लिगैंड (ligand) कहा जाता है, को एक बहुत बड़े प्रोटीन पर स्थित एक विशिष्ट पॉकेट में फिट करना होता है, ठीक वैसे ही जैसे ताले के लिए सही चाबी ढूँढना। दशकों तक, इस पहेली को हल करने के लिए डिज़ाइन किए गए कंप्यूटर प्रोग्राम एक सरलीकृत धारणा के तहत काम करते रहे: कि प्रोटीन का लॉक पूरी तरह से स्थिर और अचल रहता है। इसने गणित को आसान बना दिया, लेकिन जीव विज्ञान के एक मौलिक सत्य की अनदेखी की। प्रोटीन स्थिर मूर्तियाँ नहीं हैं; वे गतिशील मशीनें हैं जो एक दवा अणु के आने पर खुद को बदलती, मुड़ती और नया आकार लेती हैं। यह गति अक्सर दवा के प्रभावी ढंग से जुड़ने के लिए आवश्यक होती है। जब शोधकर्ता इन गतिविधियों को अनदेखा करते हुए यह अनुमान लगाने की कोशिश करते हैं कि एक दवा प्रोटीन से कैसे जुड़ेगी, तो कंप्यूटर मॉडल अक्सर ऐसे परिणाम देते हैं जो स्क्रीन पर तो प्रशंसनीय दिखते हैं लेकिन वास्तविक दुनिया में विफल हो जाते हैं, जिससे प्रयोगशाला में समय और संसाधनों की बर्बादी होती है।
शोधकर्ताओं की एक टीम ने अब 'हारमनी' (Harmony) नामक एक नया दृष्टिकोण पेश किया है, जो इस आणविक संपर्क को कंप्यूटर द्वारा देखने के तरीके को बदल देता है। प्रोटीन को एक स्थिर वस्तु के रूप में मानने के बजाय, हारमनी कंप्यूटर को दवा के अपनी जगह बनाने के दौरान प्रोटीन की सतह की प्राकृतिक लचीलापन को सिम्युलेट (simulate) करने की अनुमति देता है। इसका मुख्य नवाचार यह है कि सॉफ्टवेयर रोटेशन (घूर्णन) के कोणों को कैसे संभालता है। एक प्रोटीन में, कई हिस्से रासायनिक बंधों (chemical bonds) के चारों ओर घूमकर चलते हैं, जो बिल्कुल वैसा ही है जैसे एक दरवाजा अपने कब्जों पर झूलता है। ये कोण गोलाकार होते हैं; यदि आप एक दरवाजे को 3êu 360 डिग्री घुमाते हैं, तो आप वापस वहीं पहुँच जाते हैं जहाँ से शुरू किया था। पिछले कंप्यूटर मॉडल अक्सर इन कोणों को सीधी रेखाओं के रूप में मानते थे, जिससे तब त्रुटियां होती थीं जब रोटेशन शून्य और 360 डिग्री के बीच की सीमा को पार करता था। हारमनी इसे इन गतिविधियों की गोलाकार प्रकृति के इर्द-गिर्द मॉडल के गणित को सीधे बनाकर ठीक करता है। यह एक ऐसी विधि का उपयोग करता है जो यह समझती है कि ये कोण आपस में जुड़े हुए हैं, जिससे सॉफ्टवेयर दवा और बदलते हुए प्रोटीन भागों दोनों के लिए सबसे स्थिर और सटीक स्थितियों की भविष्यवाणी कर सकता है।
शोधकर्ताओं ने मौजूदा उपकरणों के विरुद्ध इस नई पद्धति का परीक्षण करने के लिए PDBBind नामक डेटाबेस के ज्ञात प्रोटीन-ड्रग जोड़ों के एक बड़े संग्रह का उपयोग किया। उन्होंने हारमनी के भविष्यवाणियों की तुलना अन्य उन्नत कंप्यूटर मॉडलों के साथ की, जिनमें से कुछ प्रोटीन लचीलेपन को संभालने का भी प्रयास करते हैं। परिणामों ने स्पष्ट सुधार दिखाया। जब हारनी ने भविष्यवाणी की कि एक दवा कहाँ बैठेगी, तो वह 64.2 प्रतिशत मामलों में बहुत कम त्रुटि मार्जिन के भीतर सही थी, जो कि लगभग 40 प्रतिशत सटीकता वाले सर्वश्रेष्ठ प्रतिस्पर्धी फ्लेक्सिबल डॉकिंग तरीकों से एक महत्वपूर्ण उछाल है। इसके अलावा, यह प्रोटीन के बाइंडिंग पॉकेट के सटीक आकार को पुनर्गठित करने में बेहतर था, जिससे व्यक्तिगत परमाणुओं की स्थिति को पिछली कोशिशों की तुलना में अधिक बार सही पाया गया। यह सुझाव देता है कि आणविक रोटेशन की वास्तविक ज्यामिति का सम्मान करके, कंप्यूटर बिना किसी अतिरिक्त सुधार चरणों के बाइंडिंग के नियमों को अधिक प्रभावी ढंग से सीख सकता है।
यह सुनिश्चित करने के लिए कि ये सुधार केवल भाग्यशाली अनुमान नहीं थे, टीम ने 'पोजबस्टर्स' (PoseBusters) नामक परीक्षणों के एक अलग सेट का उपयोग करके उत्पन्न संरचनाओं की भौतिक वैधता की भी जाँच की। ये परीक्षण सामान्य भौतिक त्रुटियों की तलाश करते हैं, जैसे कि परमाणुओं का आपस में टकराना या बंधों का असंभव लंबाई तक खिंचना। हारमनी ने उन संरचनाओं का उत्पादन किया जो अपने प्रतिस्पर्धियों की तुलना में भौतिक जाँचों को अधिक बार पास करती हैं, जो यह दर्शाता है कि अनुमानित दवा-प्रोटीन संयोजन न केवल ज्यामितीय रूप से सटीक हैं बल्कि रासायनिक रूप से भी यथार्थवादी हैं। शोधकर्ताओं ने दो विशिष्ट, कठिन लक्ष्यों पर इस पद्धति की शक्ति का प्रदर्शन किया: एपस्टीन-बार वायरस को बनाए रखने में शामिल एक वायरल प्रोटीन और कैंसर से जुड़े एक उत्परिवर्तित (mutated) प्रोटीन। दोनों मामलों में, जहाँ अन्य मॉडल सही आकार खोजने में संघर्ष कर रहे थे, हारमनी ने सफलतापूर्वक एक स्थिर व्यवस्था की भविष्यवाणी की जो ज्ञात जैविक वास्तविकता के करीब थी।
हारमनी की सफलता यह सुझाव देती है कि एक कंप्यूटर मॉडल कैसे बनाया जाता है, यह उस डेटा जितना ही महत्वपूर्ण है जिससे वह सीखता है। आणविक रोटेशन के वास्तविक भौतिक ज्यामिति के साथ सिमुलेशन के गणितीय नियमों को संरेखित करके, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो डिजाइन में सरल है लेकिन परिणामों में अधिक शक्तिशाली है। यह दृष्टिकोण कंप्यूटर को गति के नियमों का अनुमान लगाने की आवश्यकता नहीं देता है; इसके बजाय, यह उन नियमों को सीधे सिस्टम में ही शामिल करता है। निष्कर्ष बताते हैं कि आणविक कोणों की गोलाकार प्रकृति को स्वीकार करना फ्लेक्सिबल डॉकिंग की दिशा में एक महत्वपूर्ण कदम है। हालांकि यह पद्धति वर्तमान में प्रोटीन के पूरे बैकबोन के बजाय प्रोटीन सतह पर साइड चेन की गति पर केंद्रित है, फिर भी यह अधिक सटीक ड्रग डिजाइन की ओर एक आशाजनक मार्ग प्रदान करती है। शोधकर्ताओं ने अपना कोड सार्वजनिक रूप से उपलब्ध कराया है, जिससे अन्य वैज्ञानिकों को इस ज्यामितीय अंतर्दृष्टि का उपयोग करके शरीर में अणुओं के नृत्य को और अधिक समझने के लिए आगे बढ़ने का अवसर मिलेगा।
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।