← नवीनतम पेपर
💻 bioinformatics

IMMREP25: Unseen Peptides

IMMREP25 बेंचमार्क यह प्रदर्शित करता है कि संरचनात्मक मॉडलिंग (structural modeling) को शामिल करने से अनदेखे पेप्टाइड्स के लिए TCR:pMHC बाइंडिंग के पूर्वानुमान में महत्वपूर्ण प्रगति होती है, जो 0.60 का macro-AUC_0.1 प्राप्त करता है और ऐसे डेटा पर पिछले रैंडम-गेसिंग प्रदर्शन की तुलना में एक उल्लेखनीय सुधार को चिह्नित करता है।

मूल लेखक: Richardson, E., Aarts, Y. J. M., Altin, J. A., Baakman, C. A. B., Bradley, P., Chen, B., Clifford, J., Dhar, M., Diepenbroek, D., Fast, E., Gowthaman, R., He, J., Karnaukhov, V., Marzella, D. F., Meys
प्रकाशित 2026-04-01
📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें
CC BY 4.0

मूल लेखक: Richardson, E., Aarts, Y. J. M., Altin, J. A., Baakman, C. A. B., Bradley, P., Chen, B., Clifford, J., Dhar, M., Diepenbroek, D., Fast, E., Gowthaman, R., He, J., Karnaukhov, V., Marzella, D. F., Meysman, P., Nielsen, M., Nilsson, J. B., Deleuran, S. N., Parizi, F. M., Pelissier, A., Pierce, B. G., Rodriguez Martinez, M., Roran A R, D., Saravanakumar, S., Shao, Y., Smit, N., Van Houcke, M., Visani, G. M., Wan, Y.-T. R., Wang, X., Woods, L., Wuyts, S., Xiao, C., Xue, L. C., IMMREP25 Participant Consortium,, Barton, J., Noakes, M., May, D. H., Peters, B.

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 आपकी प्रतिरक्षा प्रणाली (इम्यून सिस्टम) शरीर की गश्त करने वाली एक विशाल, उच्च-तकनीकी सुरक्षा सेना है। इसका काम घुसपैठियों (जैसे वायरस या कैंसर कोशिकाओं) को पहचानना और अलार्म बजाना है।

यहाँ सुरक्षा कार्य करने का तरीका दिया गया है:

  1. बाउंसर (MHC): विशेष कोशिकाएं बाउंसर के रूप में कार्य करती हैं। वे अपनी सतह पर छोटे "वांटेड पोस्टर्स" (पेप्टाइड्स) थामे रहती हैं।
  2. घुसपैठिए (पेप्टाइड्स): ये पोस्टर वायरस या खराब कोशिकाओं के टुकड़ों को दिखाते हैं।
  3. जासूस (TCRs): टी-सेल्स जासूस होते हैं। उनके पास अनूठे "आवर्धक लेंस" (जिन्हें टी-सेल रिसेप्टर्स या TCR कहा जाता है) होते हैं जो बाउंसरों को स्कैन करते हैं। यदि किसी जासूस का आवर्धक लेंस किसी विशिष्ट वांटेड पोस्टर के साथ पूरी तरह फिट बैठता है, तो अलार्म बज जाता है और शरीर हमला कर देता है।

बड़ी समस्या:
वैज्ञानिक यह अनुमान लगाना चाहते हैं कि कौन सा जासूस किस पोस्टर के साथ फिट होगा, इससे पहले कि वे उन्हें वास्तव में देख सकें। यह हमें बेहतर टीके और कैंसर उपचार डिजाइन करने में मदद करेगा।

वर्षों तक, वैज्ञानिक "प्रसिद्ध" पोस्टरों (उन पेप्टाइड्स जिन्हें उन्होंने पहले देखा था) के लिए मिलान का अनुमान लगा सकते थे। लेकिन बिल्कुल नए, पहले कभी न देखे गए पोस्टरों के बारे में क्या? यह ऐसा ही है जैसे यह अनुमान लगाना कि एक बिल्कुल नए ताले में कौन सी चाबी फिट होगी जिसे आपने पहले कभी नहीं देखा है। पिछले प्रयास बुरी तरह विफल रहे; कंप्यूटर बस रैंडमली अंदाज़ा लगा रहे थे।

द ग्रेट TCR प्रेडिक्शन कॉन्टेस्ट (IMMREP25)

इस समस्या को हल करने के लिए, वैज्ञानिकों के एक समूह ने IMMREP25 नामक एक विशाल प्रतियोगिता आयोजित की। उन्होंने 126 टीमों को एक चुनौती दी:

  • कार्य: यह अनुमान लगाना कि 1,000 विशिष्ट जासूस (TCRs) 20 बिल्कुल नए, "अनदेखे" वांटेड पोस्टरों (पेप्टाइड्स) के साथ कैसे फिट होंगे।
  • चुनौती: टीमों ने पहले कभी इन विशिष्ट पोस्टरों को नहीं देखा था। वे केवल डेटाबेस में जानकारी देखकर काम नहीं चला सकती थीं। उन्हें शुद्ध तर्क और भौतिकी (फिजिक्स) का उपयोग करना था।

परिणाम: रणनीति में बदलाव

अतीत में, टीमों ने अनुक्रमों (sequences) के टेक्स्ट (जैसे शब्दों में अक्षरों की तुलना करना) को देखकर इसे हल करने की कोशिश की। नए पोस्टरों के लिए यह काम नहीं आया।

इस बार, विजेताओं ने खेल बदल दिया। केवल टेक्स्ट को पढ़ने के बजाय, उन्होंने 3D मॉडल बनाना शुरू कर दिया।

इसे इस तरह समझें:

  • पुराना तरीका: चाबी के दांतों के विवरण को पढ़कर यह अनुमान लगाना कि क्या चाबी ताले में फिट होगी।
  • नया तरीका (विजेता): चाबी और ताले का एक वर्चुअल 3D मॉडल बनाने के लिए एक सुपर-पावरफुल 3D प्रिंटर का उपयोग करना, और फिर यह देखने के लिए शारीरिक रूप से चाबी को ताले में घुमाकर देखना कि क्या वह फिट बैठती है।

विजेता:
शीर्ष टीमों ने उन्नत AI टूल्स (जैसे Alphaform 3 और Chai-1) का उपयोग किया, जो प्रोटीन के 3D आकार में मुड़ने (फोल्डिंग) की भविष्यवाणी करने के लिए प्रसिद्ध हैं। उन्होंने जासूस (TCR) और पोस्टर (पेप्टाइड) के एक साथ बैठने का एक वर्चुअल 3D मॉडल बनाया।

  • सबसे अच्छी टीम (Bradley) ने इस 3D बिल्डर के एक विशेष संस्करण का उपयोग किया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने यह भी मापा कि कंप्यूटर कितना "आत्मविश्वास" (कॉन्फिडेंट) था कि दो हिस्से एक साथ फिट बैठते हैं।
  • उनकी सफलता दर रैंडम गेसिंग से काफी बेहतर थी, जिससे यह सिद्ध हुआ कि 3D आकार को समझना ही पहेली को सुलझाने की कुंजी है।

पेच (यह अभी भी पूर्ण क्यों नहीं है)

हालांकि विजेताओं ने पहले की तुलना में बहुत बेहतर प्रदर्शन किया, फिर भी वे 100% सही नहीं हो पाए।

  1. यह महंगा है: इन 3D मॉडलों को बनाना एक सुपरकंप्यूटर मैराथन चलाने जैसा है। इसमें बहुत समय और ऊर्जा लगती है। आप अभी हर जासूस (लाखों में) के लिए यह नहीं कर सकते।
  2. "बाउंसर" बायस (पक्षपात): कंप्यूटर एक प्रकार के बाउंसर (HLA-A02:01) के लिए मिलान की भविष्यवाणी करने में दूसरे प्रकार (HLA-B40:01) की तुलना में बहुत बेहतर थे। ऐसा इसलिए क्योंकि कंप्यूटर ने अपने ट्रेनिंग डेटा में पहले वाले के अधिक उदाहरण देखे थे।

निष्कर्ष

यह पेपर हमें बताता है कि हमने अंततः यह कोड क्रैक कर लिया है कि प्रतिरक्षा कोशिकाएं नए खतरों को कैसे पहचानती हैं, लेकिन केवल तभी जब हम "टेक्स्ट" को देखना बंद कर दें और "आकार" (शेप) को देखना शुरू करें।

इस क्षेत्र का भविष्य केवल बेहतर गणित के बारे में नहीं है; यह बेहतर 3D मॉडलिंग के बारे में है। वैज्ञानिकों के लिए अगला कदम यह पता लगाना है कि इन 3D मॉडलों को तेज़ और सस्ता कैसे बनाया जाए, ताकि हम उन बीमारियों के लिए जीवन रक्षक उपचार डिजाइन करने में इनका उपयोग कर सकें जिनका सामना हमने अभी तक नहीं किया 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 💻 bioinformatics →