कल्पना कीजिए कि कोशिका एक हलचल भरी, उच्च-तकनीकी फैक्ट्री है जहाँ एंजाइम नामक नन्हे यंत्र लगातार काम में लगे रहते हैं। ये एंजाइम जीवन के मास्टर रसायन शास्त्री हैं; वे विशिष्ट कच्चे माल (जिन्हें सबस्ट्रेट कहा जाता है) को पकड़ते हैं और जीव को जीवित रखने के लिए उन्हें आपस में जोड़ते या तोड़ते हैं। इस फैक्ट्री का जादू एक सटीक 'लॉक-एंड-की' (ताला-चाबी) संबंध में निहित है: एक एंजाइम के 'एक्टिव साइट' (सक्रिय स्थल) का आकार एक अनूठे पॉकेट जैसा होता है जो केवल एक विशिष्ट रासायनिक चाबी के लिए ही फिट बैठता है। यदि चाबी थोड़ी भी गलत हुई, तो मशीन शुरू नहीं होगी, और फैक्ट्री ठप हो जाएगी। दशकों से, वैज्ञानिक यह मानचित्रण करने की कोशिश कर रहे हैं कि कौन सी चाबियाँ किन तालों में फिट बैठती हैं, लेकिन यह अंधेरे में एक विशाल जिग्सॉ पहेली को सुलझाने जैसा रहा है। पारंपरिक तरीके धीमे थे, और कंप्यूटर प्रोग्राम जो इन मिलानों की भविष्यवाणी करने की कोशिश करते थे, अक्सर एंजाइम को एक कठोर, अपरिवर्तनीय मूर्ति की तरह मानते थे। लेकिन वास्तव में, एंजाइम लचीले नर्तकों की तरह होते हैं; वे तब तक हिलते-डुलते हैं, मुड़ते हैं और अपना आकार बदलते हैं जब तक कि सबस्ट्रेट उस डांस फ्लोर पर कदम न रख दे, ताकि रसायन विज्ञान का काम पूरा हो सके।

यह शोध पत्र Boltz2ESI नामक एक नए, सुपर-स्मार्ट कंप्यूटर प्रोग्राम को पेश करता है जो अंततः इन आणविक नृत्यों को देखना सीख गया है। केवल कठोर आकारों के आधार पर अनुमान लगाने या केवल एंजाइम के जेनेटिक कोड को पढ़ने के बजाय, यह नया टूल एक "फाउंडेशन मॉडल" का उपयोग करता है—एक प्रकार का AI जिसने पहले ही प्रोटीन के मुड़ने (फोल्डिंग) और उनके हिलने-डुलने के गहरे नियमों को सीख लिया है। एंजाइम और सबस्ट्रेट को एक साथ फोल्ड होने का अनुकरण (सिमुलेशन) करके, Boltz2ESI देख सकता है कि कैसे एंजाइम का पॉकेट सबस्ट्रेट को पूरी तरह से गले लगाने के लिए अपने आकार को बदल लेता है। शोधकर्ताओं ने पाया कि यह दृष्टिकोण उन एंजाइमों के लिए भी यह भविष्यवाणी करने में बहुत बेहतर है कि वे वास्तव में किन रसायनों के साथ काम करेंगे, जो दिखने में एक-दूसरे के बहुत समान हैं लेकिन उनके कार्य अलग-अलग हैं। यह केवल एक सैद्धांतिक जीत नहीं है; टीम ने दिखाया कि यह एक जटिल पौधे-आधारित दवा मार्ग (ड्रग पाथवे) के लिए सही एंजाइम खोजने में सफल रहा, जिससे यह सिद्ध हुआ कि अणुओं के "नृत्य" को समझना ही प्रकृति के रासायनिक रहस्यों को खोलने की कुंजी है।

समस्या: कठोर मूर्ति बनाम नृत्य करने वाला साथी

लंबे समय तक, एंजाइम के व्यवहार की भविष्यवाणी करने वाले वैज्ञानिकों के पास दो मुख्य उपकरण थे, और दोनों में एक घातक दोष था। पहला उपकरण केवल एंजाइम के जेनेटिक सीक्वेंस (DNA निर्देश) को देखता था। यह किसी व्यक्ति का नाम पढ़कर उसके रूप का अनुमान लगाने जैसा था; इसने एक सामान्य विचार तो दिया लेकिन उन सूक्ष्म विवरणों को छोड़ दिया जो महत्वपूर्ण हैं। दूसरा उपकरण एंजाइम के 3D आकार को देखता था, लेकिन वह एंजाइम को एक पत्थर की मूर्ति की तरह मानता था। यह एक रासायनिक चाबी को एक जमे हुए पॉकेट में जबरदस्ती डालने की कोशिश करता था। समस्या यह है कि एंजाइम मूर्तियाँ नहीं हैं। जब एक वास्तविक सबस्ट्रेट आता है, तो एंजाइम अक्सर अपनी भुजाओं को सिकोड़ लेता है, अपना शरीर घुमाता है, या चाबी को मजबूती से पकड़ने के लिए अपने आकार को बदल लेता है। इसे "इंड्यूस्ड फिट" (Induced Fit) कहा जाता है। यदि आपका कंप्यूटर मॉडल एंजाइम को एक कठोर ब्लॉक की तरह मानता है, तो वह सबसे महत्वपूर्ण हिस्से को मिस कर देता है: गति (मूवमेंट)।

इसके अलावा, इनमें से कई एंजाइम "ऑर्फ़न्स" (अनाथ) हैं। वैज्ञानिक जानते हैं कि वे प्रकृति में मौजूद हैं, लेकिन उन्हें पता नहीं है कि वे क्या करते हैं या उनके सक्रिय पॉकेट का आकार कैसा दिखता है। पारंपरिक तरीकों को काम करने के लिए पॉकेट के पूर्व-निर्धारित मानचित्र की आवश्यकता होती थी, जिसका अर्थ था कि वे इन रहस्यमय एंजाइमों के लिए बेकार थे।

समाधान: को-फोल्डिंग डांस फ्लोर

यहाँ Boltz2ESI का आगमन होता है। लेखकों ने इस ढांचे को "नेटीव को-फोल्डिंग" (Native Co-folding) नामक तकनीक का उपयोग करके "कठोर मूर्ति" वाली समस्या को हल करने के लिए बनाया है।

इसे इस तरह सोचें: किसी ताले में चाबी डालने के मजबूर करने के बजाय, Boltz2ESI यह सिमुलेट करता है कि दरवाजा और चाबी एक साथ एक कमरे में प्रवेश करते हैं और कैसे फिट होने का तरीका खोजते हैं। यह Boltz-2 नामक एक शक्तिशाली AI मॉडल का उपयोग करता है, जिसने पहले ही प्रोटीन और रसायनों के व्यवहार के भौतिकी (फिजिक्स) को सीख लिया है।

यहाँ प्रक्रिया चरण-दर-चरण दी गई है:

1. पहली नज़र: AI एंजाइम के जेनेटिक सीक्वेंस और सबस्ट्रेट के रासायनिक सूत्र (SMILES स्ट्रिंग के रूप में) को लेता है और एक सिमुलेशन चलाता है ताकि यह अनुमान लगाया जा सके कि सक्रिय स्थल (active site) कहाँ हो सकता है।
2. नृत्य: इसके बाद यह उस स्थान पर ज़ूम करता है और बिना किसी पूर्व-निर्धारित नियमों के एंजाइम और सबस्ट्रेट को एक साथ फोल्ड होने का सिमुलेशन करता है। यह एंजाइम को स्वाभाविक रूप से अपना आकार बदलने की अनुमति देता है, ठीक वैसे ही जैसे एक वास्तविक जैविक प्रणाली करती है, ताकि वह सबस्ट्रेट को समाहित कर सके।
3. संदर्भ की जाँच: एक बार "नृत्य" समाप्त हो जाने के बाद, AI केवल आकार को नहीं देखता है। यह एंजाइम के विकासवादी इतिहास (ESM3 नामक टूल का उपयोग करके) की भी जाँच करता है ताकि यह देख सके कि लाखों वर्षों में समान एंजाइमों ने कैसा व्यवहार किया है। यह सबस्ट्रेट के रासायनिक विवरणों (Uni-Mol2 और Morgan fingerprints का उपयोग करके) का भी विश्लेषण करता है ताकि इसकी विशिष्ट विशेषताओं को समझा जा सके।
4. निर्णय: अंत में, यह इस सभी जानकारी को जोड़ता है—नृत्य का आकार, पारिवारिक इतिहास और रासायनिक विवरण—और एक स्कोर देता है। यह स्कोर हमें बताता कि इस बात की कितनी संभावना है कि यह एंजाइम और सबस्ट्रेट एक आदर्श मेल हैं।

उन्होंने क्या पाया: बाकी सबसे बेहतर

टीम ने एक विशाल डेटासेट ESIBank का उपयोग करके मौजूदा सर्वोत्तम तरीकों के विरुद्ध Boltz2ESI का परीक्षण किया, जिसमें 3,23,000 से अधिक एंजाइम-सबस्ट्रेट जोड़े शामिल हैं।

• कठोर मॉडलों को हराना: जब उन्होंने कठोर मूर्तियों (जैसे EZSpecificity) के रूप में एंजाइमों के साथ काम करने वाले पुराने तरीकों से तुलना की, तो Boltz2ESI स्पष्ट रूप से विजेता रहा। इसने मानक परीक्षणों में 0.9156 का स्कोर प्राप्त किया (एक ऐसे पैमाने पर जहाँ 1.0 पूर्ण है), जबकि कठोर तरीके 0.89 के आसपास संघर्ष कर रहे थे।
• "अननोन" टेस्ट: असली चुनौती उन एंजाइमों और रसायनों पर परीक्षण करना था जिन्हें AI ने पहले कभी नहीं देखा था। इस कठिन परिदृश्य में भी, Boltz2Esi ने 0.7664 का मजबूत स्कोर बनाए रखा, जो कठोर मॉडलों से काफी बेहतर था।
• "क्यों" का महत्व: शोधकर्ताओं ने कुछ दिलचस्प खोजा। यदि वे केवल बेस AI मॉडल का उपयोग करके यह भविष्यवाणी करते कि एक रसायन एंजाइम से कितनी मजबूती से जुड़ता है (बाइंडिंग एफिनिटी), तो यह पर्याप्त नहीं था। कई रसायन मजबूती से चिपकते हैं लेकिन वास्तव में एंजाइम द्वारा "प्रोसेस" नहीं किए जाते हैं। Bolency2ESI इसलिए सफल हुआ क्योंकि इसने यह पहचानना सीख लिया कि एक ऐसा रसायन जो केवल चिपक जाता है और वह जो वास्तव में काम करता है, उनमें क्या अंतर है। इसने एक 'गले मिलने' (hug) और एक 'हाथ मिलाने' (handshake) के बीच के अंतर को सीखा।

प्रमाण: साइट्रेट सिंथेज़ और प्लांट पाथवे

अपने बिंदु को सिद्ध करने के लिए, लेखकों ने साइट्रेट सिंथेज़ (Citrate Synthase) नामक एक क्लासिक एंजाइम को देखा। यह एंजाइम एक नाटकीय हरकत के लिए प्रसिद्ध है: जब इसका सबस्ट्रेट आता है, तो एंजाइम का एक पूरा हिस्सा रसायन के चारों ओर दरवाजा बंद करने के लिए लगभग 19 डिग्री घूम जाता है।

• कठोर विफलता: जब उन्होंने पुराने "रिजिड डॉकिंग" तरीकों का उपयोग किया, तो कंप्यूटर इस रोटेशन को नहीं देख सका। सबस्ट्रेट गलत जगह पर पहुँच गया, और मॉडल ने कम आत्मविश्वास स्कोर दिया।
• को-फोल्डिंग की सफलता: हालाँकि, Bolency2ESI ने इस रोटेशन को स्वाभाविक रूप से सिम्युलेट किया। इसने पूर्ण रूप से बंद आकार की भविष्यवाणी की और 0.9770 का उच्च आत्मविश्वास स्कोर दिया, जिससे सिद्ध हुआ कि यह उस "नृत्य" को पकड़ सकता है जिसे कठोर मॉडल मिस कर देते हैं।

उन्होंने एक वास्तविक दुनिया के रहस्य, अश्वगंधा पौधे के विथानोलाइड (withanolide) मार्ग पर भी इस टूल का परीक्षण किया। यह मार्ग औषधीय यौगिकों का उत्पादन करता है, लेकिन वैज्ञानिक अभी भी यह पता लगा रहे थे कि प्रत्येक चरण के लिए कौन से विशिष्ट एंजाइम (P450s) जिम्मेदार हैं।

• Boltz2ESI को 107 संभावित एंजाइमों की एक सूची दी गई और सही एंजाइमों को खोजने के लिए कहा गया।
• इसने सही एंजाइमों को पिछले तरीकों की तुलना में बहुत उच्च रैंक पर सफलतापूर्वक रखा। उदाहरण के लिए, इसने चरण 1 के एंजाइम (CYP87G1) को रैंक 8 पर पाया, जबकि पिछला सबसे अच्छा तरीका इसे रैंक 13 पर रखता था।
• इसने "पैरालोग्स" (बहुत समान एंजाइम जो पौधे के विभिन्न हिस्सों में एक ही काम करते हैं) को भी सही ढंग से समूहबद्ध किया, जिससे पता चलता है कि यह केवल सतही डेटा को नहीं, बल्कि अंतर्निहित जीव विज्ञान को समझता है।

यह चीज़ों को कैसे बदल देता है

लेखक सुझाव देते हैं कि यह दृष्टिकोण मेटाबॉलिक पाथवे को "डी-ऑर्फ़न" (De-orphaning) करने के लिए—यानी प्रकृति में अज्ञात एंजाइम क्या करते हैं, यह समझने के लिए—एक बड़ा कदम है। स्थिर, कठोर मॉडलों से दूर हटकर और एंजाइमों की गतिशील, लचीली प्रकृति को अपनाकर, Boloz2ESI रासायनिक दुनिया का एक अधिक सटीक मानचित्र प्रदान करता है।

हालाँकि यह टूल वर्तमान में गणनात्मक रूप से भारी (इन जटिल सिमुलेशन को चलाने में समय लगता है) है, परिणाम बताते हैं कि एंजाइम खोज का भविष्य उन मॉडलों में है जो केवल जमी हुई मुद्रा को नहीं, बल्कि नृत्य को देख सकते हैं। यह नई दवाओं की खोज, बेहतर औद्योगिक एंजाइमों और जीवन के रसायन विज्ञान वास्तव में कैसे काम करता है, इसकी गहरी समझ को तेज कर सकता है।