Homology-Based Variant-Effect Predictors Break Down on Cytochrome P450 Pharmacogenes
यह अध्ययन प्रदर्शित करता है कि होमोलॉजी-आधारित वेरिएंट-इफेक्ट प्रेडिक्टर्स साइटोक्रोम P450 फार्माजीन के लिए व्यवस्थित रूप से विफल हो जाते हैं क्योंकि वे उत्प्रेरक गतिविधि के बजाय मुख्य रूप से प्रोटीन प्रचुरता को ट्रैक करते हैं, जिसके लिए कार्यात्मक परिणामों की सटीक भविष्यवाणी करने हेतु सबस्ट्रेट-विशिष्ट संदर्भ को शामिल करने वाले एक नए मॉडलिंग दृष्टिकोण की आवश्यकता 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
एक ऐसी दुनिया की कल्पना करें जहाँ दवा की वही खुराक एक व्यक्ति को बचाती है लेकिन दूसरे को नुकसान पहुँचाती है। यह किसी दुर्भाग्य का रहस्य नहीं, बल्कि जीव विज्ञान का मामला है। हमारे शरीर के भीतर, साइटोक्रोम P450 नामक एंजाइमों का एक परिवार एक रासायनिक प्रसंस्करण संयंत्र (केमिकल प्रोसेसिंग प्लांट) के रूप में कार्य करता है, जो हमारे द्वारा ली जाने वाली लगभग तीन-चौथाई दवाओं को तोड़ता है। क्योंकि ये एंजाइम एक व्यक्ति से दूसरे व्यक्ति में भिन्न होते हैं, इसलिए वे दवाओं को अलग-अलग गति से संसाधित करते हैं। कुछ लोगों के लिए, मानक खुराक काम करने के लिए बहुत कमजोर होती है; दूसरों के लिए, यह खतरनाक स्तर तक बढ़ जाती है। वैज्ञानिक लंबे समय से यह भविष्यवाणी करने की आशा कर रहे थे कि कैसे एक व्यक्ति का अद्वितीय आनुवंशिक कोड इन एंजाइमों को बदल देगा, जिससे डॉक्टर हर व्यक्ति के लिए सटीक खुराक निर्धारित कर सकें। ऐसा करने के लिए, वे उन कंप्यूटर प्रोग्रामों पर भरोसा करते रहे जो लाखों वर्षों में अन्य प्रजातियों में पाए जाने वाले परिवर्तनों के साथ उस परिवर्तन की समानता को देखकर, एक आनुवंशिक परिवर्तन के प्रभाव का अनुमान लगाते हैं। तर्क सरल था: यदि प्रकृति ने लाखों वर्षों से एंजाइम के एक हिस्से को समान रखा है, तो उसे बदलना बुरा होना चाहिए।
हालाँकि, एक नया अध्ययन प्रकट करता है कि जब इस लंबे समय से चले आ रहे तर्क को इन दवा-प्रसंस्करण एंजाइमों पर लागू किया जाता है, तो यह विफल हो जाता है। स्टैनफोर्ड यूनिवर्सिटी के शोधकर्ताओं ने, हेलन ज़ू और रस अल्टमैन के नेतृत्व में, वास्तविक दुनिया के डेटा (CYP2C9 एंजाइम) के विरुद्ध उपलब्ध सबसे उन्नत कंप्यूटर मॉडलों का परीक्षण किया। उन्होंने पाया कि मानक उपकरण, जो रोग पैदा करने वाले उत्परिवर्तनों (म्यूटेशन) की भविष्यवाणी करने में अच्छा काम करते हैं, इन विशिष्ट एंजाइमों के काम करने के तरीके को समझने में विफल रहते हैं। ये मॉडल मूल रूप से कहानी के सबसे महत्वपूर्ण हिस्से के प्रति अंधे हैं: वह विशिष्ट दवा जिसे एंजाइम तोड़ने की कोशिश कर रहा है। अध्ययन बताता है कि यह भविष्यवाणी करने के लिए कि कोई व्यक्ति दवा के प्रति कैसी प्रतिक्रिया देगा, हम केवल एंजाइम के आकार या उसके इतिहास को नहीं देख सकते; हमें उस विशिष्ट रसायन को भी देखना होगा जिससे वह मिल रहा है।
शोधकर्ताओं ने एक शक्तिशाली नए टूल 'अल्फामिसेन' (AlphaMissense) का परीक्षण करके शुरुआत की, जो यह भविष्यवाणी करने के लिए कृत्रिम बुद्धिमत्ता (AI) का उपयोग करता है कि क्या कोई आनुवंशिक परिवर्तन हानिकारक है। उन्होंने इसे छह महत्वपूर्ण दवा-चयापचय (ड्रग-मेटाबोलाइजिंग) एंजाइमों के डेटा से फीड किया। यह टूल काफी संघर्ष करता दिखा, जिसने शरीर के बाकी हिस्सों की तुलना में लगभग दोगुने परिवर्तनों को "अनिश्चित" के रूप में लेबल किया। जब टीम ने CYP2C9 के डेटा की गहराई से जांच की, तो उन्हें कारण पता चला। कंप्यूटर मॉडल वास्तव में यह नहीं माप रहा था कि एंजाइम कितनी अच्छी तरह काम कर रहा है; यह मुख्य रूप से यह माप रहा था कि कोशिका में एंजाइम की मात्रा कितनी है। यदि किसी आनुवंशिक परिवर्तन ने एंजाइम को अस्थिर बना दिया और वह गायब हो गया, तो मॉडल ने इसे समस्या के रूप में चिह्नित किया। लेकिन यदि एंजाइम स्थिर और उपस्थित रहा, तो मॉडल ने मान लिया कि यह ठीक से काम कर रहा है, भले ही वह दवाओं को संसाधित करने में पूरी तरह असमर्थ हो।
इस विफलता को समझने के लिए, टीम ने एंजाइम की भौतिक संरचना और परिवर्तनों के रसायन विज्ञान को देखा। उन्होंने सोचा कि क्या मॉडल कुछ स्पष्ट चीज़ मिस कर रहा है, जैसे परिवर्तन का स्थान या रासायनिक बदलाव का प्रकार। उन्होंने पाया कि इन कारकों ने लगभग कुछ भी स्पष्ट नहीं किया। मॉडल की त्रुटियाँ संरचनात्मक डेटा की कमी या बुनियादी रसायन विज्ञान की गलत समझ के कारण नहीं थीं। समस्या अधिक गहरी थी। मॉडल इस विचार पर प्रशिक्षित था कि विकास (इवोल्यूशन) एंजाइमों को समान रखता है क्योंकि वे जीवित रहने के लिए महत्वपूर्ण हैं। लेकिन ये दवा-प्रसंस्करण एंजाइम अलग हैं। वे केवल एक विशिष्ट कार्य के लिए नहीं, बल्कि हमारे भोजन और पर्यावरण से आने वाले विभिन्न रसायनों को संभालने के लिए विकसित हुए हैं। क्योंकि वे लचीले होने के लिए डिज़ाइन किए गए हैं, प्रकृति उन्हें बदलने के लिए दंडित नहीं करती है। एक आनुवंशिक भिन्नता जो एक विशिष्ट दवा को संसाधित करने की एंजाइम की क्षमता को नष्ट कर देती है, वह एंजाइम को पूरी तरह से स्थिर और प्रचुर रख सकती है, जिससे कंप्यूटर को यह सोचने के लिए भ्रमित कर दिया जाता है कि सब कुछ सामान्य है।
इसके बाद शोधकर्ताओं ने एक बेहतर मॉडल बनाने की कोशिश की। उन्होंने मानक उपकरणों को एक नए दृष्टिकोण के साथ जोड़ा जो केवल एंजाइम के विकासवादी इतिहास के बजाय उसके आनुवंशिक कोड के विशिष्ट पैटर्न को देखता था। यह नया, कस्टम-निर्मित मॉडल एंजाइम की वास्तविक रासायनिक गतिविधि की भविष्यवाणी करने में बहुत बेहतर था। यह एक स्थिर काम करने वाले एंजाइम और एक स्थिर लेकिन खराब (काम न करने वाले) एंजाइम के बीच अंतर कर सकता था। हालाँकि, यहाँ तक कि इस बेहतर मॉडल को भी एक दीवार मिली। जब शोधकर्ताओं ने अपनी भविष्यवाणियों की तुलना वास्तविक चिकित्सा रिकॉर्ड और क्लिनिकल लेबल से की, तो सहमति बहुत कम थी। मॉडल टेस्ट ट्यूब में एंजाइम की गतिविधि की भविष्यवाणी कर सकता था, लेकिन वह यह भविष्यवाणी नहीं कर सका कि वह गतिविधि एक मरीज द्वारा दवा लेने के दौरान कैसे बदलेगी।
इस विच्छेद का कारण स्वयं इन एंजाइमों की प्रकृति में निहित है। ये प्रोटीन एकल-उद्देश्य वाली मशीनें नहीं हैं; वे बहु-कार्य (multi-taskers) हैं जो कई अलग-अलग दवाओं के साथ परस्पर क्रिया करते हैं। अध्ययन में पाया गया कि एक ही आनुवंशिक परिवर्तन अलग-अलग दवाओं की उपस्थिति में पूरी तरह से अलग प्रभाव डाल सकता है। एक उत्परिवर्तन (म्यूटेशन) एक दवा पर एंजाइम के कार्य को खराब कर सकता है, लेकिन दूसरी दवा पर इसका कोई प्रभाव नहीं पड़ सकता। वर्तमान कंप्यूटर मॉडल एंजाइम के साथ ऐसे व्यवहार करते हैं जैसे कि उसका एक एकल, सार्वभौमिक कार्य हो, इस तथ्य को अनदेखा करते हुए कि उसका काम हर उस दवा के साथ बदल जाता है जिससे वह मिलता है। शोधकर्ताओं ने पाया कि उनके द्वारा जांचे गए मेडिकल डेटाबेस में, सातдеся प्रतिशत से अधिक आनुवंशिक भिन्नताएं, जिनका परीक्षण कई दवाओं के विरुद्ध किया गया था, प्रत्येक दवा के लिए अलग परिणाम दिखाती थीं।
यह निष्कर्ष सुझाव देता है कि दवा प्रतिक्रियाओं की भविष्यवाणी करने का पूरा दृष्टिकोण बदलने की आवश्यकता है। दशकों से, वैज्ञानिक एक आनुवंशिक भिन्नता को एक एकल स्कोर देने की कोशिश करते आए हैं, यह पूछते हुए कि क्या वह "अच्छा" है या "बुरा"। यह अध्ययन तर्क देता है कि दवा-चयापचय एंजाइमों के लिए, यह गलत प्रश्न है। कोई भिन्नता स्वाभाविक रूप से अच्छी या बुरी नहीं होती; वह केवल एक विशिष्ट दवा के संदर्भ में अच्छी या बुरी होती है। शोधकर्ता प्रस्ताव देते हैं कि भविष्य के उपकरणों को एक अलग प्रश्न पूछने के लिए बनाया जाना चाहिए: यह विशिष्ट आनुवंशिक परिवर्तन इस विशिष्ट दवा के प्रसंस्करण को कैसे प्रभावित करता है? जब तक कंप्यूटर मॉडल उस विशिष्ट रासायनिक साथी का हिसाब नहीं रख पाते जिसके साथ एंजाइम काम कर रहा है, वे पूरी तरह से उन जटिल अंतःक्रियाओं की भविष्यवाणी करने में असमर्थ रहेंगे जो यह निर्धारित करती हैं कि दवा उपचार करेगी या नुकसान पहुँचाएगी। आगे का रास्ता केवल बेहतर डेटा या स्मार्ट एल्गोरिदम नहीं है, बल्कि इस बात की पुनर्व्याख्या करना है कि हम इन महत्वपूर्ण जैविक मशीनों के कार्य को क्या कहते हैं।
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।