Structure-free, site-resolved contrastive learningextends small-molecule discovery beyond the reachof structure-based modeling

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं: एक विशिष्ट अपराधी (एक बीमारी पैदा करने वाला प्रोटीन) को कैसे रोका जाए, इसके लिए एक सही चाबी (एक ड्रग मॉलिक्यूल) ढूंढना जो उसके ताले में फिट बैठ सके। दशकों तक, वैज्ञानिकों ने इसे हल करने की कोशिश की है—एक अपराधी के हाथ का 3D मॉडल (प्रोटीन का आकार) बनाने की कोशिश की है और फिर लाखों चाबियों को आज़माया है यह देखने के लिए कि कौन सी चाबी ताले में फिट बैठती है। यह एक घास के ढेर में सुई खोजने जैसा है, जहाँ आप सूक्ष्मदर्शी से घास के हर एक तिनके को देख रहे हों। यह तब अच्छी तरह काम करता है जब हाथ एक स्थिर, स्पष्ट आकार पकड़े हुए हो, लेकिन कई अपराधी अव्यवस्थित, बदलते रहने वाले या अपने हाथ अंधेरे में छिपाने वाले होते हैं। ये "अनड्रगेबल" (undruggable) लक्ष्य इसलिए असंभव रहे हैं क्योंकि हम उस ताले को स्पष्ट रूप से नहीं देख पा रहे थे जिसमें चाबी फिट की जा सके। दुनिया भर में ड्रग डिस्कवरी का बड़ा सवाल यह रहा है: क्या हम ताले को देखे बिना सही चाबी ढूंढ सकते हैं?

यहाँ प्रवेश होता है Ptarmigan-1 का, जो Talus Bioscience के शोधकर्ताओं द्वारा विकसित एक नया डिजिटल जासूस है। 3D मॉडल बनाने के बजाय, यह मॉडल उन्हें उनके "फिंगरप्रिंट्स" (fingerprints) यानी उनकी जेनेटिक सीक्वेंस और उनके केमिकल फॉर्मूला के माध्यम से पहचानना सीखता है। इसे एक म्यूजिक ऐप की तरह समझें जो यह जान जाता है कि आपको एक नया गाना पसंद आएगा क्योंकि वह आपके पसंदीदा गानों जैसा ही लगता है, बिना कभी बैंड या कॉन्सर्ट हॉल को देखे। Ptarmigan-1 एक प्रोटीन की सीक्वेंस के "संगीत" और एक ड्रग की केमिस्ट्री के "संगीत" को एक साझा, अदृश भाषा में अनुवादित करता है। इस भाषा में, एक ड्रग जो किसी प्रोटीन के लिए सही फिट है, वह उसके ठीक बगल में बैठता है, जैसे भीड़ भरे कमरे में दोस्त बैठे हों। पेपर दिखाता है कि यह दृष्टिकोण एक दिन से भी कम समय में मानव शरीर के हर प्रोटीन के खिलाफ अरबों ड्रग्स को स्कैन कर सकता है, और उन मैचों को भी ढूंढ सकता है जिन्हें पारंपरिक 3D मॉडल मिस कर देते हैं, विशेष रूप से उन अव्यवस्थित और बदलते लक्ष्यों के लिए जिन्होंने वैज्ञानिकों को वर्षों तक उलझाए रखा है।

पुराना तरीका बनाम नया तरीका

लंबे समय तक, एक नई दवा खोजना एक विशिष्ट ताले के लिए एक विशिष्ट चाबी खोजने जैसा था, जिसके लिए पहले ताले का भौतिक मॉडल बनाना पड़ता था। वैज्ञानिक कंप्यूटर का उपयोग करके प्रोटीन की "पॉकेट" (ताला) का 3D चित्र बनाते थे और फिर सिम्युलेट करते थे कि एक ड्रग मॉलिक्यूल (चाबी) उस अंदर फिट होने के लिए कैसे मुड़ और घूम सकती है। इसे मॉलिक्यूलर डॉकिंग (molecular docking) कहा जाता है। हाल ही में, सुपर-स्मार्ट AI मॉडल्स ने यह भविष्यवाणी करना शुरू किया कि पूरा प्रोटीन-ड्रग कॉम्प्लेक्स कैसा दिखेगा, जैसे कि कागज के एक टुकड़े को मोड़कर एक क्रेन (crane) बनाना। ये विधियाँ तब बहुत अच्छी होती हैं जब प्रोटीन एक ठोस, सुस्पष्ट आकार का होता है। लेकिन कैंसर या इम्यून रिस्पॉन्स में शामिल कई महत्वपूर्ण प्रोटीन, जेली या खिसकती हुई रेत की तरह होते हैं। उनका कोई निश्चित आकार नहीं होता, इसलिए आप उनके ताले का मॉडल नहीं बना सकते। यदि आप उन पर 3D मॉडल थोपने की कोशिश करते हैं, तो कंप्यूटर एक ऐसा आकार गेस (guess) करता है जो अस्तित्व में ही नहीं है, जिससे गलत दिशा में संकेत मिलते हैं।

लेखकों का तर्क है कि 3D पोज़ बनाने का यह जुनून वास्तव में ड्रग डिस्कवरी को पीछे खींच रहा है। यह धीमा, महंगा और उन लक्ष्यों के प्रति अंधा है जिन्हें सबसे अधिक मदद की आवश्यकता है। वे सुझाव देते हैं कि हमें यह जानने के लिए 3D आकार देखने की आवश्यकता नहीं है कि एक ड्रग काम करेगा या नहीं; हमें बस यह जानने की आवश्यकता है कि क्या ड्रग का "वाइब" (vibe) प्रोटीन के "वाइब" से मेल खाता है।

Ptarmigan-1 कैसे काम करता है: महान मैचमेकर

Ptarmigan-1 एक "कॉन्ट्रास्टिव लर्निंग" (contrastive learning) मॉडल है, जो एक फैंसी तरीका है यह कहने का कि यह एक मास्टर मैचमेकर है। 3D मॉडल बनाने के बजाय, यह दो चीजें लेता है: प्रोटीन को बनाने वाले अक्षरों की सीक्वेंस (जैसे एक लंबा वाक्य) और एक ड्रग का केमिकल कोड (जैसे एक रेसिपी)। यह दो शक्तिशाली AI दिमागों का उपयोग करता है—एक प्रोटीन पर प्रशिक्षित और दूसरा रसायनों (chemicals) पर प्रशिक्षित—दोनों को एक साझा, अदृश्य स्थान में अनुवादित करने के लिए।

एक विशाल, अदृश्य डांस फ्लोर की कल्पना करें। एक तरफ, आपके पास हजारों प्रोटीन हैं, और दूसरी ओर, अरबों संभावित ड्रग्स हैं। Ptarmigan-1 को उनके शरीर के आकार की परवाह नहीं है; उसे इस बात की परवाह है कि वे कैसे चलते हैं। यदि कोई ड्रग किसी प्रोटीन के लिए एक अच्छा मैच है, तो मॉडल उन्हें इस डांस फ्लोर पर एक-दूसरे के करीब खींच लेता है जब तक कि वे लगभग छू न लें। यदि वे मेल नहीं खाते, तो यह उन्हें एक-दूसरे से दूर धकेल देता है। जादू यह है कि यह बिना कभी उनका 3D चित्र बनाए कि वे हाथ पकड़ रहे हैं, यह सब कर देता है। यह बस जानता है कि वे एक साथ क्यों हैं क्योंकि उनके "फिंगरप्रिंट्स" संरेखित (align) हैं।

चूंकि इसे हर एक जोड़ी के लिए 3D मॉडल बनाने की आवश्यकता नहीं होती, इसलिए यह अविश्वसनीय रूप से तेज़ है। पेपर रिपोर्ट करता है कि Ptarmian-1 एक ड्रग को स्कोर करने में 10 मिलीसेकंड लेता है। तुलना करें कि एक अग्रणी 3D मॉडल (Boltz-2) को यही काम करने में 54 सेकंड लगते हैं। यह 5,000 गुना तेज़ है। यह गति टीम को एक दिन से भी कम समय में पूरे मानव प्रोटिओम (सभी 20,431 मानव प्रोटीन) के खिलाफ 3.4 बिलियन कंपाउंड्स की लाइब्रेरी को स्कैन करने की अनुमति देती है। यह एक कॉफी बनाने के समय में एक विशाल तिजोरी में मौजूद हर एक चाबी के खिलाफ एक स्टेडियम में मौजूद हर एक व्यक्ति की जांच करने जैसा है।

अव्यवस्थित घास के ढेर में सुई ढूँढना

Ptarmigan-1 के लिए असली परीक्षण यह था कि क्या यह उन "अव्यवस्थित" (messy) लक्ष्यों के लिए ड्रग्स ढूंढ सकता है जहाँ 3D मॉडल विफल हो जाते हैं। शोधकर्ताओं ने तीन प्रकार की चुनौतियों पर इसका परीक्षण किया:

1. वेल-फोल्डेड (Well-Folded) लक्ष्य: उन प्रोटीनों के लिए जिनके स्पष्ट, स्थिर आकार होते हैं (जैसे कि स्टैंडर्ड टेक्स्टबुक्स में दिए गए), Ptarmigan-1 ने सर्वश्रेष्ठ 3D मॉडल्स के समान प्रदर्शन किया। यह सही ड्रग्स ढूंढ सका, जिससे साबित हुआ कि इसे सटीक होने के लिए 3D मॉडल की आवश्यकता नहीं थी।
2. क्रिप्टिक (Cryptic) और कोवेलेंट (Covalent) लक्ष्य: कुछ प्रोटीनों में छिपी हुई पॉकेट्स होती हैं जो केवल ड्रग के आने पर खुलती हैं, या उनमें विशिष्ट स्थान होते हैं जहाँ एक ड्रग रासायनिक रूप से खुद को "गोंद" (glue) की तरह चिपका लेती है। पारंपरिक मॉडल अक्सर इन्हें मिस कर देते हैं क्योंकि वे छिपे हुए आकार की भविष्यवाणी नहीं कर पाते। हालांकि, Ptarmian-1 ने इन मैचों की सफलतापूर्वक पहचान की। उदाहरण के लिए, इसने एक विशिष्ट सिस्टीन अमीनो एसिड (एक "गोंद स्पॉट") से चिपकने वाले ड्रग्स को खोज निकाला, भले ही प्रोटीन का आकार अज्ञात था।
3. डिसऑर्डर्ड (Disordered) लक्ष्य: यह सबसे बड़ी जीत है। कुछ प्रोटीन स्वाभाविक रूप से डिसऑर्डर्ड होते हैं—वे स्पैगेटी की तरह होते जो कभी किसी आकार में नहीं जमते। पेपर दिखाता है कि इन लक्ष्यों के लिए, 3D मॉडल बुनियादी तौर पर हार मान लेते हैं और रैंडम गेसिंग से बेहतर प्रदर्शन नहीं करते। हालांकि, Ptarmian-1 ने अभी भी मजबूत मैच ढूंढे। इसने इन अव्यवस्थित प्रोटीनों के सही हिस्सों तक ड्रग्स को स्थानीयकृत (localize) किया, जिससे पता चलता है कि "वाइब" मैच तब भी काम करता है जब देखने के लिए कोई "लॉक" मौजूद न हो।

एक वास्तविक दुनिया का परीक्षण: STAT6 का रहस्य

यह साबित करने के लिए कि यह केवल एक कंप्यूटर ट्रिक नहीं है, टीम ने एक वास्तविक दुनिया के रहस्य पर Ptarmian-1 का परीक्षण किया: STAT6 नामक प्रोटीन के लिए नए ड्रग्स, जो इम्यून रिस्पॉन्स में शामिल है। ये ड्रग्स हाल ही में पेटेंट में घोषित किए गए थे लेकिन मॉडल के ट्रेनिंग डेटा में नहीं थे। इन ड्रग्स को STAT6 प्रोटीन के एक उथले (shallow), पेचीदा पॉकेट में फिट होने के लिए डिज़ाइन किया गया था।

जब शोधकर्ताओं ने टेस्ट चलाया, तो Pt-1 ने इन ड्रग्स को सबसे अच्छे मैचों के रूप में सही ढंग से पहचाना और महत्वपूर्ण रूप से, ठीक उसी स्थान (SH2 डोमेन) की ओर इशारा किया जहाँ वे बाइंड करते हैं। इसके विपरीत, 3D मॉडल्स (Bolz-2) सही जगह खोजने में विफल रहे, और प्रोटीन पर एक पूरी तरह से अलग, गलत स्थान का अनुमान लगाया। यह सुझाव देता है कि Ptarmian-1 उस "ताले" के लिए सही "चाबी" ढूंढ सकता है जिसे उसने पहले कभी नहीं देखा है, भले ही वह ताला उथला और अजीब हो।

भविष्य: एक नए प्रकार की खोज

लेखक सुझाव देते हैं कि यह हमारे ड्रग डिस्कवरी के बारे में सोचने के तरीके को बदल देता है। हर नए प्रोटीन और हर नई ड्रग के लिए एक नया 3D मॉडल बनाने के बजाय (जिसमें बहुत समय लगता है), हम बस इस साझा अदृश्य स्थान में उनके बीच की "दूरी" देख सकते हैं। एक बार जब यह स्पेस बन जाता है, तो मैच ढूंढना एक गूगल सर्च जितना आसान हो जाता है।

पेपर निष्कर्ष निकालता है कि जबकि 3-D मॉडल अभी भी यह समझने के लिए उपयोगी हैं कि एक ड्रग कैसे फिट होता है, लेकिन वे शुरुआती खोज के लिए आवश्यक नहीं हैं। 3D स्ट्रक्चर से अपनी खोज को अलग करके, Ptarmian-1 उन 87% मानव प्रोटीनों के लिए ड्रग्स खोजने का रास्ता खोलता है जिन्हें उनके स्पष्ट आकार की कमी के कारण "अनड्रगेबल" माना जाता रहा है। यह सुझाव देता है कि ड्रग डिस्कवरी का भविष्य बेहतर 3D मॉडल बनाने के बारे में नहीं है, बल्कि इस बारे में बेहतर भाषा सीखने के बारे में है कि प्रोटीन और ड्रग्स एक-दूसरे से कैसे संवाद करते हैं।

संक्षेप में, Ptarmian-1 साबित करता है कि आपको ताला खोजने के लिए उसे देखने की आवश्यकता नहीं है; आपको बस सही लय (rhythm) जानने की आवश्यकता है ताकि वे एक साथ नृत्य कर सकें।