← नवीनतम पेपर
📄 आणविक जीव विज्ञान

Predicting conformational changes induced by biomolecular interactions

यह शोध पत्र K-Fold को प्रस्तुत करता है, जो एक नवीन जनरेटिव लर्निंग फ्रेमवर्क है जो एक अल्ट्राफास्ट डिफ्यूजन ब्रिज के माध्यम से अनबाउंड से बाउंड अवस्थाओं तक के स्पष्ट संरचनात्मक संक्रमण को मॉडल करके बायोमॉलिकुलर कन्फर्मेशनल परिवर्तनों की भविष्यवाणी करता है, जिससे मल्टीपल सीक्वेंस एलाइनमेंट पर निर्भर हुए बिना इंटरेक्शन-प्रेरित डायनेमिक्स को कैप्चर करने में वर्तमान को-फोल्डिंग मॉडल्स की सीमाओं को दूर किया जा सके।

मूल लेखक: Bae, Y., Baek, J., Choi, E., Choi, J. H., Han, H., Jang, H., Jeon, W., Jo, J., Kim, D., Kim, H., Kim, J. H., Kim, J. H., Kim, S., Kim, T., Kim, Y., Lee, J., Lee, J., Moon, S., Park, M., Samuel, C., Se
प्रकाशित 2026-11-19 (v2)
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Bae, Y., Baek, J., Choi, E., Choi, J. H., Han, H., Jang, H., Jeon, W., Jo, J., Kim, D., Kim, H., Kim, J. H., Kim, J. H., Kim, S., Kim, T., Kim, Y., Lee, J., Lee, J., Moon, S., Park, M., Samuel, C., Seo, H., Seo, J., Seo, S., Shin, M., Shin, Y., Zhung, W., Ahn, S., Han, D., Hwang, S. J., Kim, H. M., Kim, W. Y., Lee, G. R., Oh, B.-H.

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

कोशिकाएं हलचल भरे शहरों की तरह हैं जहाँ अणु लगातार मिलते हैं, हाथ मिलाते हैं और संकेत भेजने या नई संरचनाएँ बनाने के लिए अपना आकार बदलते हैं। यह समझने के लिए कि जीवन कैसे कार्य करता है, या इन आणविक मशीनों में सटीक रूप से फिट होने वाली दवाएं कैसे डिजाइन की जाएं, वैज्ञानिकों को इन परस्पर क्रिया करने वाले हिस्सों के सटीक त्रि-आयामी (थ्री-डायमेंशनल) आकार को जानने की आवश्यकता होती है। दशकों से, चुनौती यह रही है कि दो अलग-अलग अणुओं के एक साथ आने पर वे कैसे दिखेंगे, इसका पूर्वानुमान कैसे लगाया जाए। जबकि आधुनिक कंप्यूटर अपने जेनेटिक कोड के आधार पर एक एकल अणु के आकार का अनुमान लगाने में अविश्वसनीय रूप से कुशल हो गए हैं, वे अक्सर तब लड़खड़ा जाते हैं जब उनसे यह अनुमान लगाने को कहा जाता है कि वह अणु अपने साथी से मिलने पर कैसे मुड़ेगा और घूमेगा। समस्या यह है कि अणु कठोर ब्लॉक नहीं होते; वे लचीले होते हैं। जब कोई दवा किसी प्रोटीन से जुड़ती है, या कोई एंटीबॉडी किसी एंटीजन को पकड़ती है, तो अक्सर दोनों ही अपने रूप में बदलाव करते हैं ताकि आपस में मजबूती से जुड़ सकें। वर्तमान विधियाँ अक्सर इन सूक्ष्म, महत्वपूर्ण गतिविधियों को चूक जाती हैं, जिससे एक ऐसा आकार बनता है जो देखने में तो तर्कसंगत लगता है लेकिन कार्यात्मक रूप से गलत होता है।

शोधकर्ताओं की एक टीम ने 'K-Fold' नामक एक नया दृष्टिकोण पेश किया है जो इस भविष्यवाणी के होने के तरीके को बदल देता है। दो अणुओं के अंतिम, जुड़े हुए आकार का शून्य से अनुमान लगाने के बजाय, K-Fold दोनों अणुओं के अलग-अलग, बिना जुड़े (अनबाउंड) रूपों के साथ शुरुआत करता है। इसके बाद यह उनके एक साथ आने की यात्रा को सिम्युलेट करने के लिए एक गणितीय प्रक्रिया का उपयोग करता है। कल्पना कीजिए कि एक पुल जो दो अलग-अलग परिदृश्यों को जोड़ता है; यह उपकरण अणु के अकेले आकार और उसके साथी से जुड़े होने के आकार के बीच एक पुल बनाता है। इस असेंबली को एक अवस्था से दूसरी अवस्था में संक्रमण (ट्रांजिशन) के रूप में मानकर, यह प्रणाली उन विशिष्ट गतिविधियों को बेहतर ढंग से पकड़ सकती है जो अणुओं के फिट होने के लिए आवश्यक हैं। यह विधि जेनेटिक इतिहास में विकासवादी संकेतों (इवोल्यूशनरी क्लूज़) को खोजने पर निर्भर नहीं करती है, जो इंजीनियर किए गए अणुओं या नए ड्रग टारगेट्स के लिए अक्सर विफल हो जाते हैं, बल्कि यह इस बात पर ध्यान केंद्रित करती है कि भौतिक नियम कैसे आकारों को एक-दूसरे के अनुकूल बनाते हैं।

शोधकर्ताओं ने इस नए ढांचे का परीक्षण विविध जैविक पहेलियों के विरुद्ध किया, जिसमें यह शामिल था कि एंटीबॉडीज अपने लक्ष्यों को कैसे ढूंढते हैं, कैसे छोटी दवा के अणु प्रोटीन को तोड़ने के लिए उन्हें सक्रिय करते हैं, और कैसे मस्तिष्क में रिसेप्टर्स सक्रिय और निष्क्रिय अवस्थाओं के बीच स्विच करते हैं। एंटीबॉडीज से संबंधित परीक्षणों में, जो अपनी तेजी से बदलने वाली बाइंडिंग लूप्स के कारण अनुमान लगाने में अत्यंत कठिन माने जाते हैं, K-Fold ने आधे से अधिक मामलों में सही बाइंडिंग साइट खोजने में सफलता प्राप्त की, और इसने विकासवादी डेटा पर आधारित पिछले शीर्ष-स्तरीय मॉडलों को भी पीछे छोड़ दिया। यह विशेष रूप से उन नए लक्ष्यों के लिए सच साबित हुआ जिनके लिए वैज्ञानिक डेटाबेस में कोई ऐतिहासिक उदाहरण मौजूद नहीं थे। 'मॉलिक्यूलर ग्लूज़' के मामले में—जो बहुत छोटे यौगिक होते हैं जो दो प्रोटीनों को एक साथ चिपके रहने के लिए मजबूर करते हैं—नए मॉडल ने लगभग 44% प्रयासों में तीन-भागों वाले कॉम्प्लेक्स को सही ढंग से असेंबल किया, जो मौजूदा उपकरणों की तुलना में एक महत्वपूर्ण सुधार है जो अक्सर रिक्रूट किए गए प्रोटीन को पूरी तरह से गलत स्थान पर रख देते हैं।

अध्ययन में किनेसेस (kinases) और जी-प्रोटीन कपल्ड रिसेप्टर्स (G-protein coupled receptors) जैसे जटिल सिग्नलिंग प्रोटीनों का भी अध्ययन किया गया, जो शरीर में स्विच की तरह कार्य करते हैं। ये प्रोटीन चालू (ऑन) बनाम बंद (ऑफ) होने पर अलग-अलग आकार रखते हैं। पुराने मॉडल अक्सर सबसे सामान्य "ऑन" आकार को ही डिफ़ॉल्ट मान लेते थे, भले ही स्थितियां यह संकेत दे रही हों कि प्रोटीन "ऑफ" होना चाहिए। हालाँकि, K-Fold ने उन मामलों में लगभग 78% बार सही निष्क्रिय अवस्था (इनएक्टिव स्टेट) की भविष्यवाणी की जहाँ प्रोटीन एक इनहिबिटर से बंधा हुआ था, जिससे सिग्नल को रोकने वाले विशिष्ट कन्फॉर्मेशनल परिवर्तनों को सटीक रूप से पकड़ा जा सका। विभिन्न कार्यात्मक अवस्थाओं के बीच अंतर करने की यह क्षमता ड्रग डिजाइन के लिए अत्यंत महत्वपूर्ण है, क्योंकि एक दवा को बीमारी की प्रक्रिया को रोकने के लिए प्रोटीन को एक विशिष्ट आकार में लॉक करने की आवश्यकता हो सकती है।

इस कार्य का शायद सबसे शक्तिशाली पहलू इसकी बिना पुन: प्रशिक्षित (रिट्रेन) हुए कई संभावनाओं का पता लगाने की क्षमता है। क्योंकि यह प्रणाली अनबाउंड अणु के अलग-अलग शुरुआती आकारों के साथ शुरू होती है, शोधकर्ता यह देखने के लिए इसमें विभिन्न शुरुआती आकार डाल सकते हैं कि अंतिम कॉम्प्लेक्स कैसा दिख सकता है। कठिन मामलों में जहाँ मानक मॉडल पूरी तरह से विफल रहे, विविध शुरुआती आकारों का उपयोग करने से नए सिस्टम को सही बाइंडिंग मोड खोजने में मदद मिली। उदाहरण के लिए, एक चुनौतीपूर्ण प्रोटीन लक्ष्य में, मॉडल ने विविध शुरुआती आकारों के मार्गदर्शन में लगभग 40% प्रयासों में सही संरचना पाई, जबकि एक एकल, मानक शुरुआती आकार का उपयोग करने पर उसने कुछ भी नहीं पाया। यह सुझाव देता है कि सिस्टम ने विशिष्ट उदाहरणों को रटने के बजाय, अणुओं के अनुकूल होने के सामान्य भौतिक सिद्धांतों को सीखा है।

हालाँकि यह विधि पूर्ण नहीं है और अभी भी विभिन्न आकारों की सटीक स्थिरता का अनुमान लगाने या अत्यंत दुर्लभ आणविक गतिविधियों को संभालने जैसी चुनौतियों का सामना कर रही है, फिर भी यह इस बात का संकेत है कि वैज्ञानिक आणविक असेंबली के प्रति अपने दृष्टिकोण में एक महत्वपूर्ण बदलाव ला रहे हैं। अंतिम गंतव्य के बजाय अवस्थाओं के बीच के संक्रमण (ट्रांजिशन) पर ध्यान केंद्रित करके, K-Fold यह भविष्यवाणी करने का एक अधिक सुदृढ़ तरीका प्रदान करता है कि जीवन की मशीनरी आपस में कैसे फिट होती है। यह दृष्टिकोण नई दवाओं को डिजाइन करने और कोशिकीय विनियमन को समझने के लिए एक स्पष्ट मार्ग प्रदान करता है, जो इस क्षेत्र को जीव विज्ञान के एक गतिशील दृश्य की ओर ले जाता है जहाँ अणुओं को स्थिर मूर्तियों के रूप में नहीं, बल्कि लचीले भागीदारों के रूप में देखा जाता है जो अपना काम करने के लिए लगातार खुद को नया आकार देते हैं।

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।

Digest आज़माएँ →