Interrogating contrastive learning embeddings for structure-based virtual screening: a case study on DrugCLIP
यह शोध पत्र संरचना-आधारित वर्चुअल स्क्रीनिंग के लिए DrugCLIP के कंट्रास्टिव लर्निंग एम्बेडिंग्स का व्यवस्थित मूल्यांकन करता है, जिससे यह पता चलता है कि जहाँ इसके पॉकेट एम्बेडिंग्स तेज़ और सुदृढ़ संरचनात्मक समानता खोज प्रदान करते हैं और इसके लिगैंड एम्बेडिंग्स अनदेखे लक्ष्यों के प्रति मजबूत सामान्यीकरण के साथ पॉकेट-जागरूक रासायनिक पैटर्न को कैप्चर करते हैं, वहीं इनका प्रदर्शन संरचनात्मक विविधताओं और अनुमानित प्रोटीन पॉकेट्स की अशुद्धियों के कारण काफी सीमित 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 नई दवा खोजना एक धीमी और महंगी जुआ खेलने जैसी प्रक्रिया है। एक एकल दवा को बाजार में लाने में पंद्रह साल लग सकते हैं और एक अरब डॉलर से अधिक की लागत आ सकती है, मुख्य रूप से इसलिए क्योंकि अधिकांश संभावित उम्मीदवार इस प्रक्रिया के दौरान विफल हो जाते हैं। इस बर्बादी को कम करने के लिए, वैज्ञानिक कंप्यूटर प्रोग्रामों का उपयोग करके लाखों रासायनिक यौगिकों की छानबीन करते हैं, ताकि उन कुछ को खोज सकें जो किसी विशिष्ट रोग पैदा करने वाले प्रोटीन से जुड़ सकते हैं। यह प्रक्रिया, जिसे वर्चुअल स्क्रीनिंग कहा जाता है, एक फिल्टर के रूप में कार्य करती है, जो संभावनाओं की एक विशाल लाइब्रेरी को वास्तविक दुनिया के परीक्षण के लिए एक प्रबंधनीय सूची में सिकोड़ देती है। दशकों तक, यह प्रक्रिया एक दवा के भौतिक आकार को प्रोटीन के बाइंडिंग साइट (जुड़ने के स्थान) के आकार से मिलाने पर निर्भर थी, जो कि एक ऐसा कार्य है जो गणनात्मक रूप से बहुत भारी है और अब उपलब्ध प्रोटीन और रसायनों की विशाल संख्या के लिए अक्सर बहुत धीमा है।
हाल ही में, एक नया दृष्टिकोण उभरा है जो इस खोज को भाषा अनुवाद की समस्या की तरह मानता है। हर एक अंतःक्रिया (interaction) के भौतिकी की गणना करने के बजाय, ये विधियाँ कृत्रिम बुद्धिमत्ता (AI) का उपयोग करती हैं ताकि प्रोटीन की बाइंडिंग पॉकेट और दवा के अणु, दोनों को संख्याओं की एक साझा, अमूर्त भाषा में अनुवादित किया जा सके। इस साझा स्थान में, एक ऐसी दवा जो प्रोटीन के साथ अच्छी तरह फिट बैठती है, उसका संख्या पैटर्न प्रोटीन के अपने पैटर्न के बहुत समान होगा, जबकि एक खराब मिलान बहुत अलग दिखेगा। यह कंप्यूटरों को केवल इन संख्यात्मक पैटर्न की तुलना करके अच्छे मिलान खोजने की अनुमति देता है, जो कि एक अविश्वसनीय रूप से तेज़ प्रक्रिया है। ऐसा ही एक उपकरण, जिसे DrugCLIP कहा जाता है, ने बड़ी संभावना दिखाई है, लेकिन अब तक वैज्ञानिकों को पूरी तरह से समझ नहीं था कि ये अमूर्त संख्यात्मक पैटर्न वास्तव में क्या दर्शाते हैं। वे जानते थे कि उपकरण काम करता है, लेकिन वे यह नहीं जानते थे कि क्या यह वास्तव में रसायन विज्ञान को समझ रहा है या केवल उत्तरों को रट रहा है।
यूनिवर्सिटी कॉलेज लंदन के शोधकर्ताओं की एक टीम ने यह देखने के लिए DrugCLIP के 'ब्लैक बॉक्स' को खोलने का निर्णय लिया कि अंदर वास्तव में क्या हो रहा है। उन्होंने इस उपकरण को एक जादू की छड़ी के रूप में नहीं, बल्कि एक ऐसी प्रणाली के रूप में माना जिसे मापा और समझा जा सकता है। उनके अन्वेषण से पता चला कि उपकरण ने केवल दवाओं को प्रोटीनों से मिलाने से कहीं अधिक उपयोगी चीज़ सीखी है। शोधकर्ताओं ने पाया कि प्रोटीन की बाइंडिंग पॉकेट का उपकरण का आंतरिक प्रतिनिधित्व इतना सटीक था कि यह मौजूदा किसी भी विधि की तुलना में विभिन्न प्रोटीनों के बीच समान पॉकेटों की पहचान बेहतर तरीके से कर सकता था, और इसने यह काम एक सौ गुना से अधिक तेजी से किया। यह एक आश्चर्य था क्योंकि उपकरण को स्पष्ट रूप से समान पॉकेट खोजने के लिए नहीं सिखाया गया था; इसे केवल जुड़ने वाली दवाओं को खोजने के लिए सिखाया गया था। फिर भी, दवाओं को खोजने की प्रक्रिया में, इसने अनजाने में पॉकेट के आकार और संरचना को भी उल्लेखनीय सटीकता के साथ पहचानना सीख लिया था।
टीम ने यह भी जांचा कि उपकरण अणुओं की भौतिक वास्तविकता को कैसे संभालता है। प्रोटीन और दवाएं कठोर मूर्तियां नहीं हैं; वे हिलती-डुलती और बदलती रहती हैं। शोधकर्ताओं ने परीक्षण किया कि क्या उपकरण भ्रमित हो जाएगा यदि एक दवा के अणु को थोड़े अलग आकार में दिखाया जाए या यदि प्रोटीन को थोड़ी अलग स्थिति में दिखाया जाए। उन्होंने पाया कि उपकरण उल्लेखनीय रूप से सुदृढ़ (robust) था। यहाँ तक कि जब एक ही दवा को दर्जनों अलग-अलग हिलते-डुलते आकारों में दिखाया गया, तब भी उपकरण ने उन्हें एक ही अणु के रूप में पहचाना। इसी तरह, जब प्रोटीन पॉकेट को विभिन्न अवस्थाओं में दिखाया गया—कुछ दवा से बंधे हुए, कुछ खाली, और कुछ अन्य AI मॉडल द्वारा अनुमानित—तो उपकरण का आंतरिक मानचित्र सुसंगत बना रहा। हालांकि, अध्ययन ने एक स्पष्ट रेखा भी खींची जहाँ उपकरण का प्रदर्शन फिसलने लगा। जब शोधकर्ताओं ने ऐसे अनुमानित प्रोटीन संरचनाओं का उपयोग किया जिनमें बाइंडिंग साइट में गलत अमीनो एसिड थे, या जब प्रोटीन के साइड चेन गलत दिशा में इशारा कर रहे थे, तो सही दवा खोजने की उपकरण की क्षमता काफी गिर गई। इससे संकेत मिला कि हालांकि उपकरण शक्तिशाली है, फिर भी यह प्रोटीन की सटीक भौतिक संरचना पर निर्भर है।
शायद सबसे महत्वपूर्ण निष्कर्ष यह परीक्षण था कि क्या उपकरण याद करने (memorization) पर निर्भर था। शोधकर्ताओं ने एक सख्त परीक्षण बनाया जहाँ उन्होंने उपकरण को उन प्रोटीनों और रसायनों के लिए दवाएं खोजने के लिए कहा जिन्हें उसने पहले कभी नहीं देखा था, जिससे यह सुनिश्चित हो सके कि वह केवल अपने प्रशिक्षण डेटा से उत्तर याद नहीं कर रहा है। परिणाम उत्साहजनक थे। पूरी तरह से नए रसायन वाले नए प्रोटीनों के लिए, उपकरण अभी भी लगभग 55 से 75 प्रतिशत मामलों में सभी संभावित उम्मीदवारों में से सही दवा को शीर्ष एक प्रतिशत के भीतर रैंक करने में सफल रहा। इसने सिद्ध किया कि उपकरण वास्तव में प्रोटीनों और दवाओं के बीच होने वाली अंतःक्रियाओं के नियमों को सीख रहा था, न कि केवल ज्ञात जोड़ों की सूची को रट रहा था। इसने दिखाया कि उपकरण अपने ज्ञान को पूरी तरह से नई स्थितियों में लागू कर सकता है, जो वास्तविक दुनिया की दवा खोज के लिए एक महत्वपूर्ण आवश्यकता है।
अध्ययन ने निष्कर्ष निकाला कि हालांकि DrugCLIP जैसे उपकरण गति और क्षमता में एक बड़ी छलांग का प्रतिनिधित्व करते हैं, लेकिन वे अभी भी पूर्ण नहीं हैं। उनकी सफलता प्रदान की गई प्रोटीन संरचना की सटीकता पर टिकी है। यदि प्रोटीन का प्रारंभिक मॉडल थोड़ा भी गलत है, या यदि अनुमानित बाइंडिंग साइट में गलत परमाणु शामिल हैं, तो उपकरण का प्रदर्शन प्रभावित होता है। शोधकर्ता सुझाव देते हैं कि इन प्रणालियों को बेहतर बनाने के लिए अगला कदम केवल बेहतर AI नहीं, बल्कि प्रोटीन पॉकेट के सटीक आकार की भविष्यवाणी करने के बेहतर तरीके हैं। इन तेज़, स्मार्ट स्क्रीनिंग उपकरणों को अधिक सटीक संरचनात्मक भविष्यवाणियों के साथ जोड़कर, वैज्ञानिक एक ऐसे भविष्य के करीब पहुँच सकते हैं जहाँ नई दवाएं खोजना तेज़, सस्ता और अधिक विश्वसनीय हो। यह कार्य एक जटिल तकनीक को स्पष्ट करता है, यह दिखाते हुए कि यह आणविक दुनिया को देखने के लिए एक शक्तिशाली नया लेंस है, बशर्ते कि लेंस स्वयं स्थिर हो।
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।