← नवीनतम पेपर
⚛️ biophysics

Large scale prospective evaluation of co-folding across 557 Mac1-ligand complexes and three virtual screens

यह अध्ययन एक बड़े पैमाने पर भावी मूल्यांकन प्रस्तुत करता है जो यह दर्शाता है कि जबकि अल्फाफोल्ड3 (AlphaFold3), बोल्ट्ज़-2 (Boltz-2) और चाय-1 (Chai-1) जैसे डीप लर्निंग को-फोल्डिंग तरीके लिगैंड-बाउंड प्रोटीन संरचनाओं की सटीक भविष्यवाणी कर सकते हैं और प्रयोगात्मक क्षमता के साथ कुछ सहसंबंध दिखाते हैं, वे प्रमुख संरचनात्मक परिवर्तनों को दोहराने में विफल रहते हैं, जो यह सुझाव देता है कि ड्रग डिस्कवरी में हिट प्रायोरिटाइजेशन (hit prioritization) में सुधार करने के लिए इन डीप लर्निंग दृष्टिकोणों को पारंपरिक भौतिकी-आधारित डॉकिंग स्कोर के साथ एकीकृत करना सबसे आशाजनक रणनीति है।

मूल लेखक: Kim, J., Correy, G. J., Hall, B. W., Rachman, M. M., Mailhot, O., Togo, T., Gonciarz, R. L., Jaishankar, P., Neitz, R. J., Hantz, E. R., Doruk, Y. U., Stevens, M. G. V., Diolaiti, M. E., Reid, R., Gop
प्रकाशित 2026-03-18
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Kim, J., Correy, G. J., Hall, B. W., Rachman, M. M., Mailhot, O., Togo, T., Gonciarz, R. L., Jaishankar, P., Neitz, R. J., Hantz, E. R., Doruk, Y. U., Stevens, M. G. V., Diolaiti, M. E., Reid, R., Gopalkrishnan, S., Krogan, N. J., Renslo, A. R., Ashworth, A., Shoichet, B. K., Fraser, J. S.

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 बहुत ही जटिल, आकार बदलने वाले ताले में फिट होने वाली एक विशिष्ट चाबी खोजने की कोशिश कर रहे हैं। चिकित्सा की दुनिया में, "ताला" एक वायरस (जैसे SARS-CoV-2 वायरस) में मौजूद प्रोटीन है, और "चाबी" एक दवा का अणु (molecule) है जिसे वायरस को काम करने से रोकने के लिए डिज़ाइन किया गया है।

दशकों से, वैज्ञानिक इन चाबियों को खोजने के लिए दो मुख्य तरीकों का उपयोग करते रहे हैं:

  1. "भौतिकी" विधि (डॉकिंग): यह भौतिकी के नियमों के आधार पर यह गणना करने जैसा है कि चाबी के दांत खांचों में कितनी अच्छी तरह फिट होते हैं। यह तेज़ है और लाखों चाबियों का परीक्षण कर सकता है, लेकिन यह अक्सर थोड़ा अनाड़ी होता है और उन सूक्ष्म तरीकों को मिस कर देता है जिनसे ताला चाबी को स्वीकार करने के लिए हिलता-डुलता है।
  2. "AI" विधि (को-फोल्डिंग): यह एक नया, सुपर-स्मार्ट AI है जिसने तालों और चाबियों की लाखों तस्वीरें "पढ़ी" हैं। यह अनुमान लगाने की कोशिश करता है कि ताला और चाबी एक-दूसरे का हाथ थामते समय कैसे दिखेंगे। यह आकृतियों का अनुमान लगाने में अविश्वसनीय रूप से अच्छा है, लेकिन हमें नहीं पता था कि क्या यह केवल तस्वीरों को रट रहा है या वास्तव में ताले के काम करने के तरीके को समझ रहा है।

यह शोध पत्र इन नई AI विधियों के लिए एक बड़ा "तनाव परीक्षण" (stress test) है। शोधकर्ताओं ने 557 बिल्कुल नए चाबियाँ (दवा अणु) एकत्र कीं जिन्हें AI के प्रशिक्षण पूरा होने के बाद डिज़ाइन किया गया था। वे यह देखना चाहते थे: क्या AI ने वास्तव में नियमों को सीखा, या इसने उत्तरों को रटकर नकल की?

यहाँ उनके निष्कर्षों का विवरण दिया गया है, साधारण उदाहरणों का उपयोग करते हुए:

1. "आकार" का परीक्षण: क्या AI अनुमान लगा सकता है कि चाबी कहाँ जाती है?

सेटअप: उन्होंने 557 नए दवा अणुओं को लिया और तीन अलग-अलग AI (AlphaFold3, Chai-1, और Boltz-2) से यह अनुमान लगाने को कहा कि वे वायरस प्रोटीन के अंदर ठीक कैसे बैठेंगे। उन्होंने AI के अनुमान की तुलना उस वास्तविक, स्पष्ट फोटो से की जिसमें अणु प्रोटीन के भीतर बैठा हुआ था।

परिणाम: AI अद्भुत था।

  • उदाहरण: एक अंधे नेत्रहीन शेफ की कल्पना करें जो यह अनुमान लगाने की कोशिश कर रहा है कि एक नई, अजीब तरह से आकार वाली सब्जी रसोई की दराज के एक विशिष्ट स्लॉट में कैसे फिट होती है। AI ने स्थिति को 50% से अधिक बार सही पहचाना (और अक्सर इससे भी बेहतर), यहाँ तक कि उन आकृतियों के लिए भी जिन्हें उसने पहले कभी नहीं देखा था।
  • आश्चर्य: पुरानी "भौतिकी" विधि (डॉकिंग) आकार को सही ढंग तौर पर पकड़ने में वास्तव में खराब थी। AI एक मास्टर मूर्तिकार की तरह था जो फिट होने के सटीक आकार की कल्पना कर सकता था, जबकि भौतिकी विधि एक बढ़ई की तरह थी जो बस उस टुकड़े को हथौड़े से ठोकने की कोशिश कर रही थी।

कैच (कमी): AI स्थिति (position) बताने में तो बेहतरीन था, लेकिन वह कभी-कभी यह नोटिस करने में विफल रहा कि चाबी को अंदर आने देने के लिए ताला (प्रोटीन) खिंच रहा था या मुड़ रहा था। यह ऐसा था जैसे AI जानता था कि चाबी कहाँ जाती है, लेकिन उसे यह अहसास नहीं था कि दरवाजे का फ्रेम हिल गया है ताकि वह अंदर आ सके।

2. "विश्वास" का परीक्षण: क्या AI जानता है कि वह कब सही है?

सेटअप: जब आप किसी AI से कोई प्रश्न पूछते हैं, तो वह आमतौर पर एक "कॉन्फिडेंस स्कोर" देता है (जैसे, "मैं 90% निश्चित हूँ")। शोधकर्ताओं ने पूछा: क्या उच्च आत्मविश्वास स्कोर का मतलब यह है कि दवा वास्तव में काम करेगी?

परिणाम:

  • आकार के लिए: हाँ! यदि AI ने कहा, "मुझे पूरा विश्वास है कि यह फिट बैठता है," तो यह आमतौर पर पूरी तरह से फिट बैठा।
  • शक्ति (Potency) के लिए: यहीं पर मामला पेचीदा हो गया। एक AI (Boltz-2) यह अनुमान लगाने में आश्चर्यजनक रूप से अच्छा था कि दवा कितनी मजबूत होगी (जैसे यह अनुमान लगाना कि चाबी ताले को आसानी से घुमाती है या संघर्ष के साथ)। यह इस मामले में पुराने भौतिकी तरीकों से बेहतर था।
  • उदाहरण: AI एक मौसम भविष्यवक्ता की तरह है। यह यह बताने में बहुत अच्छा है कि "कल बारिश होगी" (आकार का अनुमान लगाना)। यह यह बताने में ठीक-ठाक है कि "बहुत तेज़ बारिश होगी" (शक्ति का अनुमान लगाना)। लेकिन यह पूर्ण नहीं है।

3. "भूसे के ढेर में सुई" का परीक्षण: क्या AI कचरे के ढेर में अच्छी चाबियाँ ढूंढ सकता है?

सेटअप: वास्तविक दवा खोज में, आपके पास केवल 500 अच्छी चाबियाँ नहीं होती हैं; आपके पास अरबों चाबियाँ होती हैं, और उनमें से 99.9% बेकार (नकली चाबियाँ जो दिखने में अच्छी लगती हैं लेकिन काम नहीं करतीं) होती हैं। शोधकर्ताओं ने "शीर्ष उम्मीदवारों" की सूचियाँ लीं जिन्हें पुराने भौतिकी तरीके द्वारा खोजा गया था और AI से उन्हें फिर से रैंक करने को कहा ताकि असली विजेताओं को नकलीओं से अलग किया जा सके।

परिणाम: AI संघर्ष कर रहा था।

  • उदाहरण: कल्पना करें कि भौतिकी विधि एक तेज़ मेटल डिटेक्टर है जो समुद्र तट को स्कैन करता है और 1,000 चमकदार वस्तुएं ढूंढ निकालता है। AI एक धीमा, महंगा विशेषज्ञ है जो उन 1,000 वस्तुओं को देखता है। आप उम्मीद करेंगे कि विशेषज्ञ असली सोना पहचानने में मेटल डिटेक्टर से बेहतर होगा।
  • क्या हुआ: इस विशिष्ट परिदृश्य में असली सोना पहचानने में विशेषज्ञ (AI) वास्तव में मेटल डिटेक्टर (भौतिकी) से खराब था। AI बहुत सारी विविधताओं से भ्रमित हो गया। ऐसा लगा कि वह पहले देखे गए पैटर्न पर बहुत अधिक निर्भर करता है, और जब उसके सामने बिल्कुल नई, अजीबोगरीब बेकार वस्तुएं आईं, तो वह एक असली दवा और एक नकली के बीच अंतर नहीं कर सका।

मुख्य निष्कर्ष: टीमवर्क ही कुंजी है

यह शोध पत्र निष्कर्ष निकालता है कि अकेले कोई भी तरीका पूर्ण नहीं है। वे एक टूलबॉक्स के दो अलग-अलग उपकरणों की तरह हैं:

  • भौतिकी विधि (डॉकिंग) एक स्पीडस्टर (तेज़ चलने वाला) है। यह तेज़, सस्ता है और लाखों विकल्पों को स्कैन करके "शायद" वाले उम्मीदवारों की एक संक्षिप्त सूची खोजने के लिए बेहतरीन है।
  • AI विधि (को-फोल्डिंग) एक रिफाइनर (परिष्कृत करने वाला) है। यह धीमा और अधिक महंगा है, लेकिन एक बार जब आपके पास एक संक्षिप्त सूची हो, तो यह सटीक 3D आकार और बंधन की मजबूती को समझने में अविश्वसनीय है।

निर्णय:
पुराने उपकरणों को फेंकें नहीं। इसके बजाय, अरबों विकल्पों को कम करने के लिए तेज़ भौतिकी विधि का उपयोग करें, और फिर सर्वोत्तम उम्मीदवारों को बारीकी से परखने के लिए स्मार्ट AI का उपयोग करें। साथ मिलकर, वे हमें पहले से कहीं अधिक तेज़ी से बेहतर दवाएं डिजाइन करने में मदद कर सकते हैं।

संक्षेप में: नया AI एक प्रतिभाशाली कलाकार है जो किसी वायरस में फिट होने वाली दवा की एकदम सही तस्वीर बना सकता है, लेकिन उसे लाखों की भीड़ में सही संदिग्धों को खोजने के लिए अभी भी पुराने ज़माने के जासूस की मदद की आवश्यकता 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 →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें ⚛️ biophysics →