Supervised Deep Learning for Efficient Cryo-EM Image Alignment in Drug Discovery with cryoPARES
यह शोध पत्र cryoPARES को प्रस्तुत करता है, जो एक सुपरवाइज्ड डीप लर्निंग विधि है जो पूर्व पोज़ जानकारी का लाभ उठाकर और मैन्युअल हस्तक्षेप को समाप्त करके क्रायो-ईएम (Cryo-EM) इमेज अलाइनमेंट को त्वरित करती है और दवा की खोज के लिए रीयल-टाइम, स्वचालित संरचनात्मक निर्धारण को सक्षम बनाती है।
मूल पेपर CC BY 4.0 (https://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
कल्पना कीजिए कि आप एक जटिल 3D वस्तु के रूप में क्या दिखता है, यह समझने की कोशिश कर रहे हैं, लेकिन उसके लिए आपको अलग-अलग कोणों से हजारों धुंधली तस्वीरें लेनी पड़ती हैं और वे सभी तस्वीरें आपस में मिली हुई और फर्श पर बिखरी हुई हैं। यह मूल रूप से वही है जिसका सामना वैज्ञानिक Cryo-EM (क्रायो-इलेक्ट्रॉन माइक्रोस्कोपी) का उपयोग करके सूक्ष्म जैविक अणुओं का अध्ययन करने के दौरान करते हैं, जो नई दवाएं डिजाइन करने के लिए एक महत्वपूर्ण कदम है।
वर्तमान में, इन तस्वीरों को छांटने और प्रत्येक के लिए सही कोण का पता लगाने की प्रक्रिया एक अंधेरे में विशाल जिग्सॉ पहेली (jigsaw puzzle) को सुलझाने जैसी है। इसे प्रोसेस करने के लिए एक सुपरकंप्यूटर को बहुत लंबे समय तक गणना करनी पड़ती है, और अक्सर इसमें एक मानव विशेषज्ञ को प्रक्रिया को निर्देशित करने के लिए हस्तक्षेप करने की आवश्यकता होती है। यह हाई-स्पीड ड्रग डिस्कवरी के लिए बहुत धीमा और बोझिल है, जहाँ वैज्ञानिकों को कई अलग-अलग ड्रग उम्मीदवारों का तेजी से परीक्षण करने की आवश्यकता होती है।
यह शोध पत्र इस समस्या को ठीक करने के लिए cryoPARES नामक एक नया टूल पेश करता है। यह कैसे काम करता है, इसके लिए कुछ सरल उपमाओं (analogies) का उपयोग किया गया है:
- "स्मार्ट छात्र" बनाम "खाली स्लेट": पारंपरिक तरीके एक ऐसे छात्र की तरह हैं जिसे हर बार परीक्षा देने से पहले विषय को शून्य से सीखना पड़ता है, भले ही उन्होंने कल ही एक समान परीक्षा दी हो। वे जो पहले से जानते हैं, उसे अनदेखा कर देते हैं। दूसरी ओर, cryoPARES एक स्मार्ट छात्र की तरह है जिसने पहले से ही सामग्री का अध्ययन कर लिया है। क्योंकि परीक्षण किए जा रहे प्रोटीन बहुत समान होते हैं, इसलिए cryoPARES "पूर्व ज्ञान" (जो इसने पिछले सफल संरेखणों से सीखा है) का उपयोग करके तुरंत सही कोणों का अनुमान लगा लेता है, बजाय इसके कि वह शून्य से शुरुआत करे।
- "ऑटो-फ़िल्टर": पुराने दिनों में, यदि कोई फोटो धुंधली या बेकार थी, तो किसी इंसान को उसे मैन्युअल रूप से ढूंढकर फेंकना पड़ता था। cryoPARES एक क्लब के ऑटोमेटेड बाउंसर की तरह कार्य करता है; यह तुरंत "खराब सेबों" (बेकार कणों) को पहचान लेता है और बिना किसी मानवीय हस्तक्षेप के उन्हें बाहर निकाल देता है।
- "लाइव स्ट्रीम": क्योंकि यह इतना तेज़ और स्वचालित है, इसलिए cryo-PARES केवल डेटा एकत्र करने के बाद ही काम नहीं करता है। यह "रियल-टाइम" में काम करता है। इसे एक लाइव ब्रॉडकास्ट की तरह समझें जहाँ कैमरा अभी भी फिल्मिंग कर रहा है और उसी दौरान तस्वीर स्पष्ट होती जा रही है। यह वैज्ञानिकों को डेटा एकत्र करते समय ही तत्काल फीडबैक देता है, बजाय इसके कि उन्हें परिणाम के लिए दिनों तक प्रतीक्षा करनी पड़े।
परिणाम:
लेखकों ने इस नए "स्मार्ट छात्र" का परीक्षण सात अलग-अलग ड्रग-बाउंड प्रोटीन कॉम्प्लेक्स (चार अलग-अलग लक्ष्यों) पर किया। उन्होंने दिखाया कि cryoPARES पुराने तरीकों की तुलना में 3D संरचनाओं को बहुत तेज़ी से समझ सकता है। एक बोनस के रूप में, उन्होंने तीन नए डेटा सेट (datasets) भी जारी किए हैं जो दिखाते हैं कि कैसे छोटे ड्रग फ्रैगमेंट प्रोटीन से जुड़ते हैं, जिससे यह जानकारी दूसरों के उपयोग के लिए उपलब्ध हो गई है।
संक्षेप में, cryoPARES एक धीमी, मैनुअल और दोहराव वाली प्रक्रिया को एक तेज़, स्वचालित और बुद्धिमान प्रक्रिया में बदल देता है, जिससे वैज्ञानिकों को ड्रग लक्ष्यों के आकार को बहुत तेज़ी से देखने में मदद मिलती 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।