Computational Design and Evaluation of De Novo Protein Minibinders Targeting Specific Sites of STAT3

एक जीवित कोशिका की सूक्ष्म मशीनरी के भीतर, STAT3 नामक एक प्रोटीन एक मास्टर स्विच के रूप में कार्य करता है, जो उन जीनों को सक्रिय करता है जो कोशिकाओं को बताते हैं कि कब बढ़ना और विभाजित होना है। एक स्वस्थ शरीर में, यह स्विच कड़ाई से नियंत्रित होता है, लेकिन कई प्रकार के कैंसर में, यह "ऑन" स्थिति में अटक जाता है, जिससे अनियंत्रित विकास और ट्यूमर का प्रसार होता है। वैज्ञानिकों ने लंबे समय से इस स्विच को बंद करने के लिए दवाएं बनाने की कोशिश की है, लेकिन सामान्य दृष्टिकोण—तंत्र को जाम करने के लिए छोटे रासायनिक अणुओं का उपयोग करना—नैदानिक परीक्षणों में बार-बार विफल रहा है। STAT3 प्रोटीन की सतह अक्सर इतनी सपाट या अन्य प्रोटीनों के समान होती है कि ये छोटे अणु पर्याप्त सटीकता के साथ उन्हें पकड़ नहीं पाते। इसने शोधकर्ताओं को एक अलग प्रकार के उपकरण की खोज में छोड़ दिया है, जो बड़ा और अधिक विशिष्ट हो, और जो एक ताले में फिट होने वाली चाबी की निश्चितता के साथ प्रोटीन से जुड़ने में सक्षम हो।

शोधकर्ताओं की एक टीम ने अब इन नए उपकरणों को शून्य से डिजाइन करने के लिए आर्टिफिशियल इंटेलिजेंस (AI) का रुख किया है। प्रकृति के मौजूदा प्रोटीन पुस्तकालय से उधार लेने के बजाय, उन्होंने एक कंप्यूटर प्रोग्राम का उपयोग करके पूरी तरह से नए, सूक्ष्म प्रोटीन संरचनाओं का आविष्कार किया जो STAT3 की सतह पर विशिष्ट स्थानों से जुड़ने के लिए डिज़ाइन किए गए थे। लक्ष्य "मिनीबाइंडर्स" (minibinders) बनाना था—छोटे, स्थिर प्रोटीन अंश जो STATTY3 से जुड़ सकें और संभावित रूप से इसके हानिकारक कार्य को रोक सकें। प्रोटीन के विभिन्न क्षेत्रों को लक्षित करके, जिनमें वे क्षेत्र भी शामिल हैं जहाँ पारंपरिक दवाओं के लिए पहुँचना कठिन रहा है, टीम को उम्मीद थी कि वे उम्मीदवारों का एक नया सेट तैयार कर सके जिसे प्रयोगशाला में परीक्षण किया जा सके कि क्या वे कैंसर को बढ़ावा देने वाले प्रोटीन को प्रभावी ढंग से रोक सकते हैं।

शोधकर्ताओं ने STAT3 प्रोटीन पर सात विशिष्ट "हॉटस्पॉट्स" (hotspots) की पहचान करके शुरुआत की, जो अणु के विभिन्न हिस्सों पर स्थित अमीनो एसिड के छोटे समूह हैं। इन स्थानों को इसलिए चुना गया क्योंकि वे सुलभ हैं और प्रोटीन के कार्य करने में महत्वपूर्ण भूमिका निभाते हैं, जैसे कि कोशिका रिसेप्टर्स से चिपकने या डीएनए (DNA) से जुड़ने में मदद करना। 'बाइंडक्राफ्ट' (BindCraft) नामक एक आधुनिक AI डिज़ाइन टूल का उपयोग करते हुए, टीम ने हजारों संभावित प्रोटीन अनुक्रम (sequences) उत्पन्न किए, जिनमें से प्रत्येक एक अद्वितीय प्रयास था जो इनमें से किसी एक हॉटस्पॉट के चारों ओर लिपटने के लिए बनाया गया था। कंप्यूटर प्रोग्राम एक आभासी वास्तुकार की तरह कार्य कर रहा था, जो ऐसे आकार तैयार कर रहा था जो सैद्धांतिक रूप से लक्ष्य के अनुकूल हों, जबकि उन डिजाइनों को बाहर कर रहा था जो अस्थिर या जुड़ने की संभावना कम रखते थे। 139 डिजाइनों के प्रारंभिक समूह से, जो कंप्यूटर की प्रारंभिक जांच में पास हुए थे, टीम ने सबसे आशाजनक उम्मीदवारों पर अपना ध्यान केंद्रित किया।

यह सुनिश्चित करने के लिए कि ये डिजिटल डिजाइन वास्तव में वास्तविक दुनिया में काम करेंगे, शोधकर्ताओं ने उन्हें 'अल्फाफोल्ड3' (AlphaFold3) नामक एक अधिक उन्नत AI प्रणाली का उपयोग करके मूल्यांकन के दूसरे कठोर दौर से गुजारा। यह प्रणाली अत्यधिक कुशल है कि प्रोटीन त्रि-आयामी आकारों में कैसे मुड़ते हैं और वे एक-दूसरे के साथ कैसे परस्पर क्रिया करते हैं। टीम ने उन डिजाइनों की तलाश की जिन्होंने STAT3 प्रोटीन के साथ जुड़ने की अपनी क्षमता में उच्च स्तर का विश्वास दिखाया। ग्यारह डिजाइन शीर्ष दावेदार के रूप में उभरे, जो सभी अपने इच्छित लक्ष्यों से मजबूती से जुड़ने के लिए अनुमानित थे। ये ग्यारह मिनीबाइंडर्स प्रोटीन के कोइल्ड-कॉइल (coiled-coil), SH2 और डीएनए-बाइंडिंग डोमेन के क्षेत्रों सहित पांच मूल हॉटस्पॉट्स से जुड़ने के लिए डिज़ाइन किए गए थे। सिमुलेशन से पता चला कि ये सूक्ष्म प्रोटीन STAT3 की सतह पर मजबूती से बैठेंगे, और अक्सर उन विशिष्ट अमीनो एसिड को ढक लेंगे जिन्हें शोधकर्ताओं ने लक्षित किया था।

केवल प्रोटीन से जुड़ने के अलावा, शोधकर्ताओं ने यह भी जांचा कि क्या ये नए बाइंडर्स वास्तव में नवीन रचनाएँ हैं। उन्होंने अपने ग्यारह शीर्ष बाइंडर्स के अनुक्रमों को सभी ज्ञात प्रोटीनों के एक विशाल डेटाबेस के माध्यम से चलाया ताकि यह देखा जा सके कि क्या उनमें से कोई पहले से मौजूद चीज़ जैसा दिखता है। परिणाम चौंकाने वाले थे: छह बाइंडर्स का डेटाबेस में कोई मिलान नहीं था, जिसका अर्थ है कि वे पूरी तरह से नए अनुक्रम थे जो पहले कभी किसी जीवित जीव में नहीं देखे गए थे। अन्य पांच बाइंडर्स ने अस्पष्ट बैक्टीरिया प्रोटीन के साथ केवल बहुत कमजोर, नगण्य समानता दिखाई, जिससे पुष्टि हुई कि ये डिजाइन मौजूदा जैविक भागों की आकस्मिक नकल नहीं थे। यह सुझाव देता है कि AI ने केवल ज्ञात भागों को पुनर्व्यवस्थित करने के बजाय अद्वितीय आणविक आकृतियों का सफलतापूर्वक आविष्कार किया है।

अध्ययन से यह भी पता चला कि कुछ मिनीबाइंडर्स संभावित रूप से एक साथ मिलकर काम कर सकते हैं। चूंकि बाइंडर्स STAT3 प्रोटीन के विभिन्न, गैर-अतिव्यापी (non-overlapping) क्षेत्रों से जुड़ते हैं, इसलिए दो का एक साथ उपयोग करके लक्ष्य को सैंडविच (sandwich) करना संभव है। उदाहरण के लिए, सिमुलेशन ने दिखाया कि एक क्षेत्र के लिए डिज़ाइन किया गया बाइंडर दूसरे क्षेत्र के लिए डिज़ाइन किए गए बाइंडर के बगल में आराम से बैठ सकता है, बिना एक-दूसरे से टकराए। यह एक नई रणनीति के द्वार खोलता है जहाँ दो छोटे प्रोटीन एक साथ STAT3 को जकड़ सकते हैं, जिससे संभावित रूप से कैंसर कोशिका के लिए अवरोध को दरकिनार करना कठिन हो जाएगा। हालांकि शोधकर्ता इस बात पर जोर देते हैं कि ये परिणाम वर्तमान में कंप्यूटर सिमुलेशन पर आधारित हैं और अभी तक प्रयोगशाला में परीक्षण नहीं किए गए हैं, AI मॉडल से प्राप्त उच्च विश्वास स्कोर अगले चरण के लिए एक मजबूत आधार प्रदान करते हैं।

यह कार्य कठिन ड्रग लक्ष्यों से निपटने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करने की दिशा में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। कैंसर से संबंधित प्रोटीन के विशिष्ट, चुनौतीपूर्ण स्थानों से जुड़ने के लिए डिज़ाइन किए गए प्रोटीनों को सफलतापूर्वक डिजाइन करके, टीम ने वैज्ञानिकों को प्रयोगात्मक परीक्षण के लिए ठोस उम्मीदवारों की एक सूची प्रदान की है। वर्णित ग्यारह अनुक्रम अब अन्य वैज्ञानिकों के लिए उपलब्ध हैं ताकि वे उन्हें प्रयोगशाला में संश्लेषित और अध्ययन कर सकें। यदि ये डिजिटल अनुमान भौतिक प्रयोगों में सफल होते हैं, तो वे STAT3 द्वारा संचालित कैंसर के इलाज के लिए एक नया मार्ग प्रदान कर सकते हैं, जो छोटे रासायनिक दवाओं की सीमाओं से आगे बढ़कर सटीक प्रोटीन चिकित्सा (precision protein therapeutics) के एक नए युग में प्रवेश करता है।