RegimeFormer: A Large Protein Model of Global Perturbation Regimes
RegimeFormer एक बड़े पैमाने का प्रोटीन मॉडल है जो, अपने 200 मिलियन से अधिक अनुक्रमों (sequences) वाले संबद्ध RegimeAtlas डेटाबेस के माध्यम से, अवशेष-स्तर (residue-level) के उत्परिवर्तन प्रभावों की भविष्यवाणी करने और विशेष रूप से अनदेखे प्रोटीनों और परिवारों के लिए डाउनस्ट्रीम जैविक मॉडलिंग को बेहतर बनाने हेतु वैश्विक व्यवधान शासन (global perturbation regimes) स्थापित करता 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
प्रोटीन जीवन के कार्यवाहक हैं, सूक्ष्म आणविक मशीनें जो कोशिकाओं का निर्माण करती हैं, संक्रमणों से लड़ती हैं और उन रासायनिक प्रतिक्रियाओं को संचालित करती हैं जो हमें जीवित रखती हैं। वे अमीनो एसिड नामक बिल्डिंग ब्लॉक्स की लंबी श्रृंखलाओं से बने होते हैं, और इन ब्लॉकों का विशिष्ट क्रम यह निर्धारित करता है कि प्रोटीन कैसे मुड़ेगा (फोल्ड होगा) और वह क्या कार्य करेगा। दशकों से, वैज्ञानिक जानते हैं कि इस श्रृंखला में एक एकल बिल्डिंग ब्लॉक को बदलने से भी नाटकीय परिणाम हो सकते हैं। कभी-कभी यह परिवर्तन हानिरहित होता है; अन्य समय में यह मशीन को पूरी तरह से तोड़ देता है, जिससे रोग उत्पन्न होते हैं। हाल के वर्षों में, शोधकर्ताओं ने इन परिणामों की भविष्यवाणी करने के लिए शक्तिशाली कंप्यूटर उपकरण विकसित किए हैं, लेकिन ये उपकरण मुख्य रूप से एक समय में एक प्रोटीन के अध्ययन तक ही सीमित रहे हैं। जब उन्हें प्रकृति में मौजूद विशाल, अनछुए प्रोटीन के महासागर का सामना करना पड़ता है, तो वे संघर्ष करते हैं, जिनमें से कई को प्रयोगशाला में कभी देखा नहीं गया है।
शोधकर्ताओं की एक टीम ने अब बनाया है एक नया प्रकार का मानचित्र जो इस पूरे महासागर को कवर करता है। उन्होंने एक ऐसी प्रणाली बनाई जो प्रोटीनों के व्यवहार को अलग-थलग पहेलियों के संग्रह के रूप में नहीं, बल्कि विशिष्ट क्षेत्रों वाले एक एकीकृत परिदृश्य (यूनिफाइड लैंडस्केप) के रूप में देखती है। जीवन के हर शाखा से प्राप्त 20 करोड़ से अधिक प्रोटीन अनुक्रमों (सीक्वेंस) का विश्लेषण करके, उन्होंने खोजा कि प्रोटीन विभिन्न "रेजीम" (regimes), या अवस्थाओं में आते हैं, जो यह वर्णन करते हैं कि वे परिवर्तन के प्रति कैसे प्रतिक्रिया करते हैं। कुछ प्रोटीन नाजुक होते हैं, जिसका अर्थ है कि एक छोटा सा बदलाव भी उन्हें तोड़ सकता है। अन्य अनुकूलनीय होते हैं, जो परिवर्तनों को सहने और यहाँ तक कि अपने कार्य में सुधार करने में सक्षम होते हैं। शोधकर्ताओं ने एक विशाल मॉडल बनाया जो इस परिदृश्य में नेविगेट कर सकता है, और यह भविष्यवाणी कर सकता है कि एक विशिष्ट परिवर्तन किसी प्रोटीन को कैसे प्रभावित करेगा, भले ही उस प्रोटीन का पहले कभी अध्ययन न किया गया हो। यह कार्य हमें आणविक स्तर पर जीवन के नियमों को समझने का एक नया तरीका प्रदान करता है, जो उन वैज्ञानिकों के लिए एक मार्गदर्शिका है जो बेहतर प्रोटीन इंजीनियर करना चाहते हैं या यह समझना चाहते हैं कि आनुवंशिक उत्परिवर्तन (म्यूटेशन) बीमारी का कारण कैसे बनते हैं।
शोधकर्ताओं ने डेटा का एक विशाल संग्रह एकत्र करके शुरुआत की। उन्होंने सार्वजनिक डेटाबेस से प्रोटीन अनुक्रमों के 42.4 करोड़ कच्चे रिकॉर्ड एकत्र किए, जिनमें मानव जीन से लेकर मिट्टी में पाए जाने वाले बैक्टीरिया और वायरस तक सब कुछ शामिल है। इस डेटा को त्रुटियों और डुप्लिकेट को हटाने के लिए साफ करने के बाद, उनके पास 20.2 करोड़ विशिष्ट प्रोटीन बचे। इस संग्रह को, जिसे उन्होंने 'रेजीम-एटलस' (RegimeAtlas) नाम दिया, विज्ञान द्वारा ज्ञात प्रोटीन ब्रह्मांड का लगभग पूर्ण मानचित्र है। केवल इन प्रोटीनों को सूचीबद्ध करने के बजाय, टीम ने उन्हें व्यवस्थित करने के लिए एक परिष्कृत कंप्यूटर मॉडल का उपयोग किया। उन्होंने इन अनुक्रमों को एक निरंतर स्थान (कंटीन्यूअस स्पेस) में प्रक्षेपित किया जहाँ समान व्यवहार वाले प्रोटीन एक साथ समूहबद्ध होते हैं। इसने प्रोटीनों के प्रति प्रतिक्रिया के लिए एक वैश्विक समन्वय प्रणाली (ग्लोबल कोऑर्डिनेट सिस्टम) बनाई, जिससे यह पता चला कि संपूर्ण प्रोटीन सेट यादृच्छिक नहीं है बल्कि एक संरचित पैटर्न का पालन करता है।
इस मानचित्र को विशिष्ट प्रश्नों के लिए उपयोगी बनाने के लिए, टीम ने अपने मुख्य मॉडल पर ध्यान केंद्रित किया, जिसे उन्होंने 'रेजीम-फॉर्मर' (RegimeFormer) कहा, जो एक मिलियन प्रोटीनों के अत्यधिक विविध समूह पर आधारित था। इस मॉडल ने प्रोटीन को देखना और उसके "रेजीम" के आधार पर मानचित्र पर एक स्थिति निर्दिष्ट करना सीखा। एक बार जब प्रोटीन का रेजीम ज्ञात हो जाता है, तो मॉडल भविष्यवाणी कर सकता है कि यदि आप एक अमीनो एसिड को दूसरे से बदलते हैं तो क्या होगा। यह प्रोटीन श्रृंखला के प्रत्येक स्थान के लिए तीन प्रमुख चीजों की गणना करके ऐसा करता है: नाजुकता (fragility), अनुकूलनीयता (adaptability), और अनिश्चितता (uncertainty)। नाजुकता यह मापती है कि परिवर्तन होने पर किसी स्थान के टूटने की कितनी संभावना है। अनुकूलनीयता यह मापती है कि परिवर्तन को सहने या मददगार होने की कितनी संभावना है। अनिश्चितता शोधकर्ता को बताती है कि मॉडल अपनी भविष्यवाणी में कितना आश्वस्त है।
टीम ने इस प्रणाली का परीक्षण वास्तविक दुनिया के प्रयोगों के विरुद्ध किया जहाँ वैज्ञानिकों ने पहले हजारों उत्परिवर्तनों के प्रभावों को मापा था। उन्होंने पाया कि मॉडल की भविष्यवाणियाँ उच्च सटीकता के साथ प्रयोगात्मक परिणामों से मेल खाती हैं। इससे भी महत्वपूर्ण बात यह है कि मॉडल उन स्थितियों में उत्कृष्ट प्रदर्शन करता है जहाँ अन्य उपकरण आमतौर पर विफल हो जाते हैं: जब उन प्रोटीनों को देखा जा रहा हो जो उससे बहुत भिन्न हैं जिन्हें उसने पहले देखा था, या जब दुर्लभ प्रोटीन परिवारों के साथ काम किया जा रहा हो। यह सुझाव देता है कि मॉडल ने केवल विशिष्ट उदाहरणों को याद करने के बजाय, प्रोटीनों के काम करने के एक मौलिक नियम को सीख लिया है। शोधकर्ताओं ने यह भी जांचा कि क्या उनकी भविष्यवाणियाँ जैविक रूप से तर्कसंगत थीं। उन्होंने पाया कि जिन स्थानों को मॉडल ने "नाजुक" के रूप में चिह्नित किया था, वे वही स्थान थे जहाँ प्रोटीन आमतौर पर अपने सबसे महत्वपूर्ण कार्य करते हैं, जैसे कि अन्य अणुओं से जुड़ना या रासायनिक प्रतिक्रियाओं को उत्प्रेरित करना। इसके विपरीत, "अनुकूलनीय" स्थान अक्सर प्रोटीन के उन क्षेत्रों में पाए गए जो बिना टूटे आकार बदल सकते हैं।
यह सिद्ध करने के लिए कि यह मानचित्र केवल एक गणितीय चाल नहीं था, शोधकर्ताओं ने अन्य क्षेत्रों के स्वतंत्र डेटा के साथ अपने परिणामों की तुलना की। उन्होंने अन्य AI प्रणालियों द्वारा अनुमानित प्रोटीनों की 3D संरचनाओं को देखा और पाया कि जिन प्रोटीनों को मॉडल ने नाजुक बताया था, उनकी संरचना कम स्थिर थी, जबकि अनुकूलनीय लेबल वाले प्रोटीन अधिक स्थिर थे। उन्होंने विकासवादी इतिहास की भी जांच की, यह देखते हुए कि लाखों वर्षों में प्रोटीन कैसे बदले हैं। उन्होंने पाया कि मॉडल द्वारा पहचाने गए नाजुक स्थान वही थे जो युगों से अपरिवर्तित रहे हैं, जो यह दर्शाता है कि प्रकृति ने उन क्षेत्रों में परिवर्तनों के विरुद्ध लंबे समय से चयन किया है। संरचनात्मक और विकासवादी साक्ष्यों के साथ इस संरेखण ने पुष्टि की कि मॉडल ने एक वास्तविक जैविक सत्य को उजागर किया है।
इस प्रणाली की शक्ति इसकी स्केलेबिलिटी (विस्तार क्षमता) में निहित है। जबकि मॉडल को एक मिलियन प्रोटीनों पर प्रशिक्षित किया गया था, इसे पूरे एटलस के लगभग 40 करोड़ व्यक्तिगत स्थानों पर लागू किया गया। इसने भविष्यवाणियों का एक विशाल पुस्तकालय बना दिया जिसे वैज्ञानिक उपयोग कर सकते हैं। हर संभावित उत्परिवर्तन का परीक्षण करने के लिए महंगे और समय लेने वाले प्रयोगशाला प्रयोगों की प्रतीक्षा करने के बजाय, शोधकर्ता अब इस मानचित्र का उपयोग यह प्राथमिकता तय करने के लिए कर सकते हैं कि कौन से परिवर्तन परीक्षण के योग्य हैं। टीम ने दिखाया कि इस मानचित्र का उपयोग करके परीक्षण के लिए उत्परिवर्तनों का चयन करना पुराने तरीकों की तुलना में काफी अधिक कुशल था, जिससे वैज्ञानिकों को बहुत कम प्रयोगों के साथ लाभकारी परिवर्तन खोजने में मदद मिली।
केवल प्रोटीन व्यवहार की भविष्यवाणी करने के अलावा, शोधकर्ताओं ने अपने प्रोटीन मानचित्र को इस बात से जोड़ा कि कोशिकाएं दवाओं या अन्य तनावों के संपर्क में आने पर कैसे प्रतिक्रिया करती हैं। उन्होंने अपने प्रोटीन-स्तरीय अंतर्दनों को उस डेटा से जोड़ा कि कोशिकाएं दवाओं या अन्य तनावों के संपर्क में आने पर अपनी जीन गतिविधि को कैसे बदलती हैं। उन्होंने पाया कि प्रोटीन-स्तरीय अंतर्दृनों ने यह समझाने में मदद की कि कुछ कोशिकाएं दवाओं के प्रति विशिष्ट तरीकों से क्यों प्रतिक्रिया करती हैं। आणविक स्तर से कोशिकीय स्तर तक का यह सेतु यह सुझाव देता है कि प्रोटीन के "रेजीम" को समझना यह अनुमान लगाने में मदद कर सकता है कि एक पूरी कोशिका या जीव कैसा व्यवहार करेगा। टीम ने एक सार्वजनिक टूल भी बनाया, जिसे 'रेजीम-एटलस एक्सप्लोरर' (RegimeAtlas Explorer) कहा जाता है, जो किसी को भी इस विशाल डेटाबेस को खोजने, भविष्यवाणियों को देखने और उनके पीछे के साक्ष्य देखने की अनुमति देता है।
यह कार्य इस बारे में शोधकर्ताओं के दृष्टिकोण में एक बदलाव का प्रतिनिधित्व करता है कि वे प्रोटीन की दुनिया को कैसे देखते हैं। प्रोटीनों को अलग-अलग संस्थाओं के रूप में देखने के बजाय, जिनका अध्ययन एक-एक करके किया जाना चाहिए, शोधकर्ताओं ने दिखाया है कि वे व्यवहारों के एक वैश्विक तंत्र के भीतर मौजूद हैं। इस प्रणाली को मैप करके, उन्होंने एक ऐसा उपकरण बनाया है जो जीव विज्ञान के भविष्य का मार्गदर्शन कर सकता है, नई दवाओं को डिजाइन करने से लेकर बीमारी के आनुवंशिक आधार को समझने तक। यह मॉडल केवल यह भविष्यवाणी नहीं करता कि क्या होगा; यह उस अंतर्निहित तर्क को प्रकट करता है कि प्रोटीन वास्तव में किस तरह से व्यवहार करते हैं, जो जीवन की मशीनरी को देखने के लिए एक नया लेंस प्रदान करता 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।