Prospective discovery of LasB inhibitors by integrating generative design, free energy ranking, and experimental validation
यह अध्ययन एक पूर्णतः ओपन-सोर्स कम्प्यूटेशनल-प्रायोगिक वर्कफ़्लो प्रस्तुत करता है जो जेनेरेटिव मॉलिक्यूलर डिज़ाइन को कठोर मुक्त ऊर्जा गणनाओं के साथ एकीकृत करता है ताकि *Pseudomonas aeruginosa* के विरुलेंस कारक LasB के तीन शक्तिशाली, स्थिर नैनोमोलर अवरोधकों को सफलतापूर्वक पहचानना संभव हो सके, जो प्रारंभिक चरण की औषधि खोज को गति देने के लिए एक स्केलेबल फ्रेमवर्क का प्रदर्शन 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
एक नई दवा खोजना अरबों तालों वाले पुस्तकालय में एक विशिष्ट कुंजी खोजने जैसा है। यह प्रक्रिया धीमी, महंगी और अक्सर निराशाजनक होती है, क्योंकि रसायनविदों को यह देखने के लिए लाखों संभावित उम्मीदवारों को हाथ से बनाना और परीक्षण करना पड़ता है कि वास्तव में कौन सा फिट बैठता है। दशकों से, वैज्ञानिकों ने कंप्यूटर का उपयोग करके इसे तेज करने की कोशिश की है, जिससे वे यह अनुमान लगा सकें कि एक परमाणु को भौतिक रूप से जोड़ने से पहले कौन से अणु काम कर सकते हैं। हालांकि, ये कंप्यूटर भविष्यवाणियां अक्सर इतनी सटीक नहीं थीं कि उन पर अकेले भरोसा किया जा सके, जिससे शोधकर्ताओं का उन यौगिकों को बनाने में समय बर्बाद हुआ जो अंततः बेकार साबित हुए। चुनौती एक ऐसी प्रणाली बनाने की थी जो नए रासायनिक क्षेत्रों का पता लगाने के लिए पर्याप्त तेज़ हो और एक वास्तविक विजेता को एक 'लगभग सफल' प्रयास से अलग करने के लिए पर्याप्त सटीक हो।
हाल ही में एक अध्ययन में, शोधकर्ताओं ने इस समस्या को हल करने के लिए दो शक्तिशाली कंप्यूटर तकनीकों को सफलतापूर्वक संयोजित किया है, जिससे एक ऐसा वर्कफ़्लो तैयार हुआ जो डिजिटल कल्पना से भौतिक वास्तविकता तक उल्लेखनीय दक्षता के साथ बढ़ता है। उन्होंने अपना ध्यान Pseudomonas aeruginosa नामक एक खतरनाक बैक्टीरिया पर केंद्रित किया, जो अस्पताल में होने वाले गंभीर संक्रमणों का एक सामान्य कारण है और जिसे मौजूदा एंटीबायोटिक्स से उपचारित करना कठिन होता जा रहा है। यह बैक्टीरिया एक विशिष्ट प्रोटीन, जिसे LasB नामक आणविक मशीन कहा जाता है, पर निर्भर करता है ताकि वह मानव ऊतकों को तोड़ सके और संक्रमण फैला सके। चूंकि यह प्रोटीन बैक्टीरिया की कोशिका के बाहर स्रावित होता है, इसलिए यह दवा के लिए बैक्टीरिया के सख्त बाहरी आवरण के भीतर छिपे लक्ष्यों की तुलना में अधिक सुलभ है। लक्ष्य एक नया अणु डिजाइन करना था जो इस प्रोटीन से जुड़ सके और इसके कार्य को रोक सके, प्रभावी रूप से बैक्टीरिया को बिना मारे अक्षम कर सके, जो एक ऐसी रणनीति है जिससे बैक्टीरिया के प्रतिरोध विकसित करने की संभावना कम हो सकती है।
टीम ने तीन ज्ञात अणुओं से शुरुआत की जिनमें पहले से ही LasB प्रोटीन से जुड़ने की कुछ क्षमता थी, लेकिन वे पूर्ण नहीं थे। एक कंप्यूटर प्रोग्राम का उपयोग करते हुए जिसे नए आणविक संरचनाएं उत्पन्न करने के लिए डिज़ाइन किया गया था, उन्होंने इन तीन बीजों (seeds) से शुरुआत की और सॉफ्टवेयर से हजारों विविधताओं की कल्पना करने को कहा। प्रोग्राम ने केवल परमाणुओं को बेतरतीब ढंग से नहीं बदला; इसे उन नियमों द्वारा निर्देशित किया गया था जो उन अणुओं के पक्ष में थे जिनके प्रभावी दवा होने की संभावना अधिक थी और जिन्हें लैब में बनाना आसान था। डिजिटल विकास के कई दौरों के बाद, सॉफ्टवेयर ने लगभग 40,000 अद्वितीय उम्मीदवार अणु उत्पन्न किए। इस विशाल डिजिटल लाइब्रेरी से, शोधकर्ताओं ने 50 विविध यौगिकों का एक छोटा समूह चुना जो उनके आकार और रासायनिक गुणों के आधार पर सबसे आशाजनक लग रहे थे।
यह सुनिश्चित करने के लिए कि ये 50 उम्मीदवार उन्हें बनाने की लागत के लायक भी हैं या नहीं, टीम ने दूसरा, अधिक कठोर कंप्यूटर परीक्षण लागू किया। इस चरण में अत्यधिक सटीकता के साथ दवा उम्मीदवार और प्रोटीन के बीच भौतिक बलों का अनुकरण (simulation) शामिल था, जिससे यह गणना की गई कि वे एक-दूसरे को कितनी मजबूती से पकड़ेंगे। यह विधि, जिसे फ्री एनर्जी कैलकुलेशन (free energy calculation) कहा जाता है, गणनात्मक रूप से महंगी है लेकिन मानक स्क्रीनिंग विधियों की तुलना में बहुत अधिक सटीक है। इस सिमुलेशन के परिणामों ने टीम को उन 50 उम्मीदवारों को रैंक करने और सबसे अच्छे वाले चुनने की अनुमति दी। उन्होंने प्रयोगशाला में इन शीर्ष-रैंक वाले छह अणुओं को बनाया और बैक्टीरिया के प्रोटीन के विरुद्ध उनका परीक्षण किया।
परिणाम इस एकीकृत दृष्टिकोण के लिए एक स्पष्ट सफलता थी। तीन नए बनाए गए अणु शक्तिशाली अवरोधक (inhibitors) सिद्ध हुए, जिन्होंने 22 से 53 नैनोमोलर जैसी कम सांद्रता पर भी उच्च दक्षता के साथ बैक्टीरियल प्रोटीन को रोका। ये यौगिक न केवल शक्तिशाली थे बल्कि रक्त और मेटाबॉलिक परीक्षणों में उत्कृष्ट स्थिरता भी दिखाते थे, जिसका अर्थ है कि वे शरीर में अपना काम करने के लिए पर्याप्त समय तक जीवित रहने की संभावना रखते हैं। हालांकि नए दवाओं ने लैब में मानव कोशिकाओं के प्रति कुछ विषाक्तता दिखाई, लेकिन बैक्टीरियल प्रोटीन को लक्षित करने की उनकी मजबूत क्षमता आगे के विकास के लिए एक व्यवहार्य मार्ग का सुझाव देती है। यह अध्ययन प्रदर्शित करता है कि जेनेरेटिव डिजाइन (जो नए विचार बनाता है) को कठोर भौतिकी-आधारित रैंकिंग (जो उन विचारों का उच्च सटीकता के साथ परीक्षण करता है) के साथ जोड़कर, वैज्ञानिक रासायनिक संभावनाओं के विशाल महासागर में बिना खोए मूल्यवान खजाने खोज सकते हैं।
शोधकर्ताओं ने अपनी पद्धति की सीमाओं के बारे में महत्वपूर्ण सबक भी सीखे। उन्होंने पाया कि जबकि कंप्यूटर भविष्यवाणियां यह रैंक करने में उत्कृष्ट थीं कि कौन से अणु बेहतर हैं, वे कभी-कभी ठीक से यह अनुमान लगाने में विफल रहीं कि बंधन वास्तव में कितना मजबूत होगा। यह विसंगति संभवतः इसलिए हुई क्योंकि कंप्यूटर को विस्तृत सिमुलेशन चलाने से पहले नए अणुओं की प्रारंभिक स्थिति का अनुमान लगाना था, और उस अनुमान में एक छोटी सी त्रुटि अंतिम गणना को प्रभावित कर सकती थी। इसके बावजूद, सिस्टम हजारों के पूल से तीन पूरी तरह से नए, अत्यधिक प्रभावी अवरोधकों की पहचान करने के लिए पर्याप्त रूप से अच्छा था, जो यह सिद्ध करता है कि यह डिजिटल-प्रथम रणनीति प्रयोगात्मक कार्य को पारंपरिक 'ट्रायल-एंड-एरर' की तुलना में अधिक प्रभावी ढंग से निर्देशित कर सकती है। अध्ययन निष्कर्ष निकालता है कि यह दृष्टिकोण एक स्केलेबल, ओपन-सोर्स फ्रेमवर्क प्रदान करता है जिसे अन्य वैज्ञानिक समान चुनौतियों से निपटने के लिए उपयोग कर सकते हैं, जिससे अन्य कठिन बीमारियों के लिए दवाओं की खोज में तेजी आ सकती 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।