A Physics-Constrained Marcus-Theory Optimization Framework Restores Parameter Identifiability in Deep-Pocket Oncogenic Drug Kinetics: A KRAS G12C and STAT3 Case Study

दवा विकास की सूक्ष्म दुनिया में, वैज्ञानिक अक्सर एक निराशाजनक विरोधाभास का सामना करते हैं: एक अणु जो कागज पर तो आदर्श दिखता है, लेकिन मानव शरीर के भीतर काम करने में विफल रहता है। ऐसा इसलिए होता है क्योंकि दवाएं कैसे व्यवहार करती हैं, इसका पूर्वानुमान लगाने के लिए उपयोग किए जाने वाले मानक उपकरण अक्सर बहुत सरल होते हैं। वे कोशिका के भीतर को एक समान सूप की तरह मानते हैं, इस तथ्य को नजरअंदाज करते हुए कि कई ड्रग टारगेट्स (दवा लक्ष्य) प्रोटीनों के भीतर छोटे, भीड़भाड़ वाले जेबों (पॉकेट्स) में गहराई से छिपे होते हैं। ये पॉकेट अक्सर इतने तंग होते हैं कि वे उस पानी को बाहर निकाल देते हैं जो आमतौर पर उनके चारों ओर रहता है। कोशिका के खुले महासागर में, पानी एक भारी, सुस्त तरल की तरह कार्य करता है जो परिवर्तन का विरोध करता है। लेकिन एक प्रोटीन पॉकेट के भीतर गहराई में, यदि पानी को बाहर धकेल दिया जाता है, तो वातावरण नाटकीय रूप रूप से बदल जाता है, जो एक सूखे, ठोस पदार्थ की तरह हो जाता है। यह बदलाव उस ऊर्जा को बदल देता है जो एक दवा को अपने लक्ष्य से जुड़ने के लिए आवश्यक होती है, एक ऐसा कारक जिसे पारंपरिक मॉडल अक्सर चूक जाते हैं। इस छिपे हुए वातावरण को समझना अत्यंत महत्वपूर्ण है, विशेष रूप से उन कठिन कैंसरों से लड़ने के लिए जो KRAS और STAT3 जैसे जिद्दी प्रोटीनों द्वारा संचालित होते हैं, जो अपने सबसे संवेदनशील स्थानों को अपनी संरचनाओं के भीतर गहराई में छिपाकर रखते हैं।

कैमरून के यूनिवर्सिटी ऑफ दुआला के शोधकर्ताओं की एक टीम ने इस समस्या को देखने का एक नया तरीका विकसित किया है, जिससे उन्होंने एक ऐसा ढांचा तैयार किया है जो इन छोटे, सूखे पॉकेट्स के भौतिकी को दवा के उनसे जुड़ने की गति से जोड़ता है। वे अपने इस दृष्टिकोण को 'क्लुचेग्स-मार्कस फ्रेमवर्क' (Cluchagues-Marcus Framework) कहते हैं। केवल यह अनुमान लगाने के बजाय कि एक दवा कैसे व्यवहार करती है, उन्होंने एक ऐसा मॉडल बनाया है जो पानी-रहित क्षेत्र की विशिष्ट भौतिकी को ध्यान में रखता है। उन्होंने एक ऐसे सिद्धांत से शुरुआत की जो मूल रूप से यह समझाने के लिए बनाया गया था कि इलेक्ट्रॉन अणुओं के बीच कैसे कूदते हैं, जो इस बात पर बहुत अधिक निर्भर करता है कि आसपास के वातावरण को उस कूद को सक्षम करने के लिए खुद को कितनी पुनर्गठित करना पड़ता है। एक पानी से भरे पॉकेट में, यह पुनर्गठन कठिन और ऊर्जा-गहन होता है। हालांकि, शोधकर्ताओं ने प्रस्तावित किया कि यदि कोई दवा ऐसे पॉकेट में प्रवेश कर सकती है जहाँ पानी को बाहर निकाल दिया गया है, तो ऊर्जा अवरोध काफी कम हो जाता है, जिससे संभावित रूप से दवा बहुत तेज़ी से जुड़ सकती है। इस विचार का परीक्षण करने के लिए, उन्होंने अपने मॉडल को दो विशिष्ट कैंसर लक्ष्यों पर लागू किया: एक KRAS प्रोटीन का उत्परिवर्तित (म्यूटेंट) रूप और एक STAT3 प्रोटीन का क्षेत्र, दोनों ही अपनी गहरी, कठिन पहुँच वाली बाइंडिंग साइटों के लिए जाने जाते हैं।

शोधकर्ताओं ने इसका परीक्षण किसी जीवित कोशिका या पेट्री डिश में नहीं किया; इसके बजाय, उन्होंने यह देखने के लिए शक्तिशाली कंप्यूटर सिमुलेशन का उपयोग किया कि क्या उनका गणितीय मॉडल कायम रहता है। उन्होंने हजारों कृत्रिम परिदृश्य बनाए, जो पानी से भरे और पानी-रहित पॉकेट्स में दवाओं के व्यवहार की नकल करते हैं। उनके सिमुलेशन ने दिखाया कि जब पॉकेट से पानी को बाहर निकाल दिया जाता है, तो दवा के जुड़ने के लिए आवश्यक ऊर्जा लगभग नब्बे प्रतिशत तक गिर जाती है। ऊर्जा अवरोध में यह भारी कमी का अर्थ है कि दवा अपने लक्ष्य से बहुत अधिक तेज़ी से जुड़ सकती है। उनके विशिष्ट उदाहरणों में, इस बदलाव ने KRAS लक्ष्य के लिए दवा को आठ गुना तेज़ और STAT3 लक्ष्य के लिए लगभग चार गुना तेज़ बना दिया। हालांकि, उन्होंने एक सख्त नियम भी खोजा: यह गति-वृद्धि तभी होती है जब लक्ष्य के प्रति दवा का प्राकृतिक आकर्षण एक विशिष्ट सीमा के भीतर हो। यदि दवा जुड़ने के लिए बहुत अधिक उत्सुक है, तो वातावरण का यह बदलाव वास्तव में इसे धीमा कर देता है। यह खोज एक सटीक सीमा प्रदान करती है कि कब एक सूखा पॉकेट दवा की मदद करता है और कब बाधा बन सकता है।

उनके कार्य का एक बड़ा हिस्सा इस पहेली को सुलझाना था कि वैज्ञानिक दवा की प्रभावशीलता को कैसे मापते हैं। आमतौर पर, शोधकर्ता एक ही प्रयोग से दो चीजें एक साथ समझने की कोशिश करते हैं: एक दवा लक्ष्य से कितनी मजबूती से चिपकती है और वह कितनी तेजी से अलग होती है। शोधकर्ताओं ने गणितीय रूप से सिद्ध किया कि अतिरिक्त जानकारी के बिना, इन दो संख्याओं को अलग नहीं किया जा सकता; वे गणितीय रूप से आपस में उलझी हुई हैं। उनके मॉडल ने दिखाया कि एक स्पष्ट उत्तर प्राप्त करने के लिए, वैज्ञानिकों को एक ज्ञात भौतिक स्थिरांक या एक स्वतंत्र माप का उपयोग करके इनमें से एक मान को स्थिर करना होगा। उन्होंने इस विचार का परीक्षण 'नेबाब्यूसिन' (napabucasin) नामक दवा से उपचारित सैकड़ों कैंसर सेल लाइनों के वास्तविक दुनिया के डेटा का उपयोग करके किया। जब उन्होंने अपने नए नियमों को इस अव्यवस्थपूर्ण, वास्तविक जीवन के डेटा पर लागू किया, तो उन्होंने पाया कि मॉडल बिल्कुल वैसा ही काम करता है जैसा कि भविष्यवाणी की गई थी। डेटा को एक ज्ञात मान से जोड़ने पर फिट की गुणवत्ता में बदलाव नहीं आया, लेकिन गणना की गई 'अलग होने की गति' (off-rate) नाटकीय रूप से बदल गई। इसने पुष्टि की कि इन मापों को सुलझाने का उनका तरीका ठोस है, भले ही डेटा स्वयं शोर-शराबे वाला (नॉइजी) हो।

अध्ययन यह निष्कर्ष निकालता है कि हालांकि सूखे, पानी-रहित पॉकेट्स का उपयोग करके दवा के जुड़ने की गति बढ़ाने का विचार भौतिक रूप से प्रशंसनीय और गणितीय रूप से सुसंगत है, फिर भी यह एक परिकल्पना है जिसे अभी तक किसी जैविक प्रयोग द्वारा सिद्ध नहीं किया गया है। शोधकर्ताओं ने सावधानीपूर्वक कहा कि उनका कार्य विचारों को उत्पन्न करने और दवा के कैनेटिक्स (kinetics) के बारे में हमारी सोच को परिष्कृत करने के लिए एक उपकरण है, न कि यह अंतिम प्रमाण है कि कोई विशिष्ट दवा रोगी में इस तरह काम करती है। उन्होंने इस बात पर प्रकाश डाला कि उनका मॉडल इन पॉकेट्स के आकार और उनके भीतर की सामग्रियों की प्रकृति के बारे में धारणाओं पर निर्भर करता है, जिन्हें सीधे मापना कठिन है। इसके अलावा, विशिष्ट धातु संरचनाएं जिनकी उन्होंने इन सूखे पॉकेट्स को बनाने की कल्पना की थी, वर्तमान में सैद्धांतिक हैं और उन्हें प्रयोगशाला सेटिंग में प्रदर्शित नहीं किया गया है। इस कार्य का मूल्य इसकी स्पष्टता में निहित है: यह दवा के जुड़ने के छिपे हुए भौतिकी के बारे में सोचने का एक कठोर तरीका प्रदान करता है और कैंसर प्रोटीनों के गहरे, जटिल पॉकेट्स के साथ दवाओं की अंतःक्रिया का विश्लेषण करने के लिए नियमों का एक नया सेट प्रदान करता है। मानक दवा परीक्षणों से क्या सीखा जा सकता है और क्या नहीं, इसे स्पष्ट करके, यह ढांचा वैज्ञानिकों को बेहतर प्रयोगों को डिजाइन करने में मदद करता है ताकि अंततः उन इलाजों को खोजा जा सके जो वर्तमान में दरारों से फिसल रहे हैं।