Rapid classification of β-lactamase activity through AI-based structure prediction and electric field analysis

बैक्टीरिया दशकों से हमारी दवाओं के खिलाफ लड़ रहे हैं, वे सूक्ष्म आणविक मशीनें विकसित कर रहे हैं जो एंटीबायोटिक्स के लक्ष्य तक पहुँचने से पहले ही उन्हें नष्ट कर सकती हैं। इन रक्षकों में सबसे खतरनाक एंजाइमों में से एक बीटा-लैक्टामेज (beta-lactamases) हैं, जो आणविक कैंची की तरह कार्य करते हैं, और बीटा-लैक्टम नामक दवाओं के एक प्रमुख वर्ग के रासायनिक बंधों को काट देते हैं। जब ये दवाएं विफल हो जाती हैं, तो सामान्य संक्रमण घातक हो सकते हैं, और बचे हुए कुछ "अंतिम विकल्प" वाले एंटीबायोटिक्स, जैसे कि कार्बापेनेम्स (carbapenems), बेकार हो जाते हैं। वैज्ञानिकों के लिए चुनौती यह है कि बैक्टीरिया तेजी से उत्परिवर्तित (mutate) होते हैं, जिससे इन एंजाइमों के नए संस्करण बनते हैं जो सबसे मजबूत दवाओं को भी काट सकते हैं। आगे रहने के लिए, शोधकर्ताओं को एक ऐसे तरीके की आवश्यकता है जिससे वे यह अनुमान लगा सकें कि एक नया बैक्टीरियल वेरिएंट किसी दवा को कितनी कुशलता से नष्ट करेगा, आदर्श रूप से केवल उसके जेनेटिक कोड को देखकर, बिना प्रयोगशाला के धीमे और महंगे प्रयोगों का इंतजार किए।

शोधकर्ताओं की एक टीम ने अब एक तेज़, कंप्यूटर-आधारित विधि विकसित की है जो सटीक रूप से अनुमान लगा सकती है कि ये बैक्टीरियल एंजाइम कार्बापेनम एंटीबायोटिक्स को कितनी कुशलता से तोड़ सकते हैं। लैब में बैक्टीरिया उगाने के इंतजार के बजाय, उन्होंने आर्टिफिशियल इंटेलिजेंस का उपयोग करके एंजाइम का एक 3D मॉडल बनाया जो दवा को थामे हुए है, जिससे उस क्षण का एक स्नैपशॉट तैयार हुआ जब दवा नष्ट होने वाली होती है। इस स्नैपशॉट से, उन्होंने एंजाइम के सक्रिय स्थल (active site) के भीतर अदृश्य विद्युत बलों (electric forces) की गणना की। उन्होंने पाया कि विद्युत क्षेत्र की शक्ति और दिशा इन एंजाइमों की शक्ति के लिए एक विश्वसनीय फिंगरप्रिंट की तरह कार्य करती है। यदि विद्युत क्षेत्र सही दिशा में पर्याप्त मजबूत है, तो एंजाइम संभवतः दवा को नष्ट कर देगा; यदि नहीं, तो दवा जीवित रहेगी। यह दृष्टिकोण वैज्ञानिकों को नए बैक्टीरियल अनुक्रमों (sequences) को स्कैन करने और उनकी प्रतिरोध क्षमता का तुरंत अनुमान लगाने की अनुमति देता है, जो सुपरबग्स के प्रसार को ट्रैक करने के लिए एक महत्वपूर्ण उपकरण है।

एंटीबायोटिक प्रतिरोध की कहानी मानवीय बुद्धिमत्ता और बैक्टीरियल विकास के बीच की एक दौड़ है। बीटा-लैक्टम एंटीबायोटिक्स, जिनमें पेनिसिलिन और इसके आधुनिक संबंधी शामिल हैं, उन मशीनों को जाम करके काम करते हैं जिनका उपयोग बैक्टीरिया अपनी कोशिका भित्ति (cell walls) बनाने के लिए करते हैं। हालांकि, कई बैक्टीरिया बीटा-लैक्टामेज एंजाइम उत्पन्न करते हैं जो इन दवाओं को पहचानते हैं और उन्हें काटकर निष्प्रभावी कर देते हैं। स्थिति विशेष रूप से कार्बापेनेम्स के साथ गंभीर है, जो एक शक्तिशाली एंटीबायोटिक वर्ग है जिसे अक्सर सबसे गंभीर संक्रमणों के लिए सुरक्षित रखा जाता है। जब बैक्टीरिया ऐसे एंजाइम विकसित करते हैं जो कार्बापेनेम्स को भी काट सकते हैं, तो उपचार के विकल्प समाप्त हो जाते हैं, जिससे बीमारी और मृत्यु दर बढ़ जाती है। पारंपरिक रूप से, यह पता लगाने के लिए कि क्या एक विशिष्ट बैक्टीरियल स्ट्रेन इन दवाओं का विरोध कर सकता है, बैक्टीरिया को उगाना, एंजाइम को अलग करना और प्रयोगशाला में परीक्षण करना आवश्यक होता है। यह प्रक्रिया धीमी है और नई म्यूटेशन के प्रकट होने की गति के साथ तालमेल नहीं बिठा सकती।

इसे हल करने के लिए, शोधकर्ताओं ने एक अलग तरह के उपकरण की ओर रुख किया: एक कम्प्यूटेशनल प्रोटोकॉल जो भौतिकी के नियमों और आर्टिफिशियल इंटेलिजेंस की शक्ति पर निर्भर करता है। उन्होंने दस अलग-अलग प्रकार के बीटा-लैक्टामेज एंजाइमों के जेनेटिक अनुक्रम से शुरुआत की, जिनमें से कुछ कार्बापेनेम्स को नष्ट करने के लिए जाने जाते हैं और अन्य नहीं। ज्ञात प्रोटीन संरचनाओं पर प्रशिक्षित एक AI सिस्टम का उपयोग करके, उन्होंने भविष्यवाणी की कि प्रत्येक एंजाइम का 3D आकार कैसा होगा जब वह एक कार्बापेनम दवा अणु को थामे हुए होगा। इससे एक आभासी "एसिल-एंजाइम कॉम्प्लेक्स" (acyl-enzyme complex) बना, जो एंजाइम और दवा के एक साथ जुड़े होने का एक स्नैपशॉट था, जो प्रतिक्रिया के अगले चरण के लिए तैयार था।

इस प्रक्रिया का महत्वपूर्ण क्षण 'डीएसिलेशन' (deacylation) कहलाता है, जहाँ एक पानी का अणु उस बंध पर हमला करता है जो दवा को एंजाइम से जोड़ता है, जिससे वह टूट जाती है। शोधकर्ताओं ने इस हमले के बिल्कुल पहले क्षण पर ध्यान केंद्रित किया, जिसे एक क्षणिक अवस्था (transition state) के रूप में जाना जाता है। एक पूर्ण सिमुलेशन में, इस क्षण को पकड़ने के लिए अत्यधिक कंप्यूटिंग शक्ति और समय की आवश्यकता होती है। इसके बजाय, टीम ने एक चतुर शॉर्टकट का उपयोग किया। उन्होंने एक आभासी पानी के अणु को धीरे से दवा की ओर धकेलकर और सिस्टम को एक स्थिर स्थिति में सेट करके "अनुमानित ट्रांजिशन स्टेट" संरचनाओं का एक छोटा सेट तैयार किया। इसमें आमतौर पर लगने वाले कंप्यूटिंग समय का केवल एक बहुत छोटा हिस्सा ही लगा, फिर भी इसने प्रतिक्रिया के आवश्यक भौतिक विवरणों को सुरक्षित रखा।

एक बार जब उनके पास ये आभासी स्नैपशॉट आ गए, तो टीम ने एंजाइम के सक्रिय स्थल के भीतर विद्युत क्षेत्र को मापा। विद्युत क्षेत्र एक अदृश्य बल है जो आवेशित कणों (charged particles) को धकेल या खींच सकता है। इस मामले में, शोधकर्ता यह जानने में रुचि रखते थे कि एंजाइम का विद्युत क्षेत्र दवा के एक विशिष्ट भाग, कार्बोनिल समूह (carbonyl group) के साथ कैसे इंटरैक्ट करता है, जिसमें एक ऋणात्मक आवेश होता है। उन्होंने पाया कि इस विद्युत क्षेत्र की शक्ति, विशेष रूप से हमले के क्षण में दवा को कितनी अच्छी तरह स्थिर (stabilize) करती है, सीधे तौर पर इस बात से जुड़ी थी कि एंजाइम कितनी तेज़ी से दवा को नष्ट कर सकता है।

परिणाम चौंकाने वाले थे। जब शोधकर्ताओं ने अपने द्वारा गणना किए गए विद्युत क्षेत्र के मूल्यों की वास्तविक प्रयोगशाला प्रयोगों के डेटा से तुलना की, तो संख्याएँ उच्च सटीकता के साथ मेल खाती थीं। जो एंजाइम शक्तिशाली कार्बापेनम नष्ट करने वाले के रूप में जाने जाते हैं, उन्होंने एक मजबूत, नकारात्मक विद्युत क्षेत्र दिखाया जिसने विनाश के लिए दवा को पूरी तरह से स्थिर कर दिया। जो एंजाइम दवा को नष्ट नहीं कर सकते, उनमें बहुत कमजोर क्षेत्र देखा गया। सहसंबंध इतना मजबूत था कि केवल विद्युत क्षेत्र का मान ही उन एंजाइमों के बीच अंतर कर सकता था जो कार्बापेनेम्स को तोड़ते हैं और जो नहीं तोड़ते। यह तब भी सच रहा जब शोधकर्ताओं ने बहुत कम सिमुलेशन समय का उपयोग किया, जिससे पता चलता है कि यह विधि तेज़ और विश्वसनीय है।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि शोधकर्ताओं को पहले से एंजाइम की सटीक 3D संरचना जानने की आवश्यकता नहीं थी। केवल जेनेटिक अनुक्रम से शुरू करके और आकार की भविष्यवाणी करने के लिए AI का उपयोग करके, वे अभी भी सटीक परिणाम प्राप्त कर सकते थे। इसका अर्थ है कि इस विधि को ब्रांड-न्यू बैक्टीरियल वेरिएंट पर लागू किया जा सकता है, जैसे ही उनका जेनेटिक कोड अनुक्रमित (sequenced) किया जाता है, बिना लैब में क्रिस्टल संरचना के हल होने का इंतजार किए। टीम ने यह भी खोजा कि दवा के एक छोटे हिस्से, हाइड्रोक्सीएथिल समूह (hydroxyethyl group) के अभिविन्यास (orientation) ने परिणामों को प्रभावित किया। एंजाइम के मुख्य ढांचे द्वारा उत्पन्न विद्युत क्षेत्र पर ध्यान केंद्रित करके और इस लचीले हिस्से को अनदेखा करके, उन्होंने अपनी भविष्यवाणियों की सटीकता को और भी बेहतर बना दिया।

अध्ययन ने एंजाइम के भीतर पानी के अणुओं की भूमिका पर भी प्रकाश डाला। जबकि प्रोटीन संरचना स्वयं एक मजबूत विद्युत क्षेत्र प्रदान करती है, प्रतिक्रिया स्थल के आसपास के पानी के अणु एंजाइम की शक्ति में महत्वपूर्ण योगदान देते हैं। शोधकर्ताओं ने पाया कि अपने गणनाओं में इन पानी के अणुओं को शामिल करना प्रायोगिक डेटा से मेल खाने के लिए आवश्यक था। यह सुझाव देता है कि एंजाइम के भीतर का वातावरण स्वयं एंजाइम के आकार जितना ही महत्वपूर्ण है।

यह कार्य यह दावा नहीं करता है कि इसने एंटीबायोटिक प्रतिरोध की समस्या को हल कर दिया है, लेकिन यह इसे देखने के लिए एक शक्तिशाली नया दृष्टिकोण प्रदान करता है। यह दिखाकर कि विद्युत बलों की एक सरल गणना जटिल जैविक गतिविधि की भविष्यवाणी कर सकती है, शोधकर्ताओं ने एक ऐसा उपकरण प्रदान किया है जो तेज़ भी है और भौतिक वास्तविकता पर आधारित भी है। इस पद्धति ने सफलतापूर्वक खतरनाक कार्बापेनम-नष्ट करने वाले एंजाइमों को हानिरहित वाले एंजाइमों से अलग किया, जिससे यह पुष्टि हुई कि इन दवाओं को तोड़ने की क्षमता एंजाइम के सक्रिय स्थल के विशिष्ट विद्युत परिदृश्य (electrical landscape) में निहित है।

सार्वजनिक स्वास्थ्य के लिए इसके निहितार्थ महत्वपूर्ण हैं। जैसे-जैसे नए बैक्टीरियल स्ट्रेन उभर रहे हैं, वैज्ञानिक अब उनके खतरे के स्तर का आकलन करने के लिए इस प्रोटोकॉल का उपयोग कर सकते हैं। लैब परीक्षणों में हफ्तों इंतजार करने के बजाय, वे संभावित रूप से एक नए वेरिएंट के जेनेटिक कोड का विश्लेषण कर सकते हैं और तुरंत जान सकते हैं कि क्या यह कार्बापेनम उपचार के लिए जोखिम पैदा करता है। यह गति डॉक्टरों को सही एंटीबायोटिक्स जल्दी चुनने में मदद कर सकती है और उन नई दवाओं के विकास में मार्गदर्शन कर सकती है जो इन विद्युत क्षेत्रों का विरोध करने के लिए डिज़ाइन की गई हों। यह अध्ययन दर्शाता है कि इन आणविक मशीनों के भीतर काम करने वाले अदृश्य बलों को समझकर, हम बेहतर ढंग से भविष्यवाणी कर सकते हैं कि वे कैसे व्यवहार करेंगे और अंततः, उन्हें कैसे रोका जाए।