pLM-bVAE: protein language model-enhanced binary representation improves quantum annealing-based protein sequence design
यह शोध पत्र pLM-bVAE को प्रस्तुत करता है, जो एक प्रोटीन लैंग्वेज मॉडल-वर्धित बाइनरी वेरिएशनल ऑटोएनकोडर है, जो बाइनरी एनकोडिंग और अनुक्रम पुनर्निर्माण सटीकता में सुधार करता है, जिससे क्वांटम एनीलिंग को मानक विधियों की तुलना में उच्च-स्कोरिंग और अधिक विविध प्रोटीन अनुक्रम उत्पन्न करने में सक्षम बनाया जा सके।
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
नए प्रोटीन डिजाइन करना अरबों तालों से भरे कमरे में एक एकल, सटीक कुंजी खोजने की कोशिश करने जैसा है। प्रोटीन वे आणविक मशीनें हैं जो जीवन को शक्ति प्रदान करती हैं, और उनका कार्य उनके निर्माण खंडों के विशिष्ट क्रम द्वारा निर्धारित होता है, जिन्हें अमीनो एसिड कहा जाता है। चूंकि इन ब्लॉकों को व्यवस्थित करने के इतने सारे संभावित तरीके हैं, इसलिए किसी वांछित गुण वाले प्रोटीन की खोज करना—जैसे कि किसी वायरस से जुड़ना या अंधेरे में चमकना—अत्यधिक जटिलता का कार्य है। वैज्ञानिकों ने इस विशाल स्थान में नेविगेट करने में मदद करने के लिए कंप्यूटरों की ओर रुख किया है, जिसमें 'क्वांटम एनीलिंग' नामक एक विशेष प्रकार की कंप्यूटिंग का उपयोग किया जाता है। यह तकनीक निम्नतम ऊर्जा अवस्था (lowest energy state) को खोजकर जटिल पहेलियों को हल करने के लिए डिज़ाइन की गई है, जो इस संदर्भ में सबसे अच्छे संभावित प्रोटीन अनुक्रम (sequence) के अनुरूप है। हालांकि, एक क्वांटम कंप्यूटर के लिए इस समस्या पर काम करने के लिए, प्रोटीन अनुक्रमों को उस भाषा में अनुवादित किया जाना चाहिए जिसे मशीन समझती है: शून्य और एक (zeros and ones) की एक स्ट्रिंग।
चुनौती इस अनुवाद में निहित है। यदि प्रोटीन अनुक्रम से शून्य और एक की स्ट्रिंग में परिवर्तन अनाड़ी या त्रुटिपूर्ण है, तो कंप्यूटर विभिन्न प्रोटीनों के बीच सूक्ष्म संबंधों को खो देता है, और अंतिम परिणाम अक्सर एक खराब डिज़ाइन होता है। कुछ समय से, शोधकर्ता इस अनुवाद को संभालने के लिए 'बाइनरी वेरिएशनल ऑटोएनकोडर' नामक एक उपकरण का उपयोग कर रहे हैं। इस उपकरण को एक अनुवादक के रूप में समझें जो एक लंबे, जटिल वाक्य को एक छोटे कोड में संकुचित करता है और फिर उस कोड से वाक्य को वापस लिखने की कोशिश करता है। हालांकि यह विधि काम करती है, लेकिन इसे मूल रूप से मानव भाषा के लिए बनाया गया था, न कि प्रोटीनों के अद्वितीय व्याकरण के लिए। इस अध्ययन के पीछे के शोधकर्ताओं ने, जिनका नेतृत्व हिरोमी एच. उएदा और युटाका सैतो ने किया, यह पूछा कि क्या वे इस अनुवादक को अपना काम शुरू करने से पहले ही प्रोटीनों की गहरी समझ देकर इसमें सुधार कर सकते हैं।
इसका उत्तर देने के लिए, टीम ने एक नई प्रणाली विकसित की जिसे वे pLM-bVAE कहते हैं। उन्होंने मौजूदा अनुवाद उपकरण को लिया और उसे एक "प्रोटीन लैंग्वेज मॉडल" से जानकारी देकर उन्नत किया। यह मॉडल एक विशाल कंप्यूटर प्रोग्राम है जिसने पहले ही लाखों प्रोटीन अनुक्रमों को पढ़ लिया है और यह सीख लिया है कि वे आपस में कैसे जुड़ते हैं, ठीक वैसे ही जैसे एक बच्चा हजारों बातचीत सुनकर भाषा के व्याकरण को सीखता है। इस पूर्व-प्रशिक्षित ज्ञान को अनुवाद प्रक्रिया को निर्देशित करने देने से, नई प्रणाली क्वांटम कंप्यूटर के काम करने के लिए बहुत अधिक सटीक कोड बनाती है। शोधकर्ताओं ने तीन अलग-अलग प्रकार के प्रोटीन डेटा पर इस दृष्टिकोण का परीक्षण किया: प्रतिरक्षा प्रणाली से जुड़ने वाली छोटी श्रृंखलाएं, कैंसर कोशिकाओं को लक्षित करने वाले एंटीबॉडी के हिस्से, और जीन थेरेपी के लिए उपयोग किए जाने वाले वायरस के बाहरी कवच। हर मामले में, नई प्रणाली श्रेष्ठ सिद्ध हुई। यह एक प्रोटीन अनुक्रम को लेने, उसे बाइनरी कोड में बदलने और फिर उस कोड को मूल प्रोटीन अनुक्रम में बहुत अधिक सटीकता के साथ वापस बदलने में सक्षम रही।
सुधार केवल सटीकता में नहीं बल्कि स्वयं खोज की गुणवत्ता में भी था। जब टीम ने क्वांटम कंप्यूटर को नए प्रोटीन डिजाइन करने में मार्गदर्शन करने के लिए अपनी नई प्रणाली का उपयोग किया, तो परिणाम आश्चर्यजनक थे। कंप्यूटर ने काफी अधिक उच्च-प्रदर्शन वाले प्रोटीन अनुक्रम उत्पन्न किए। इससे भी महत्वपूर्ण बात यह है कि ये नए डिजाइन उन उदाहरणों से बहुत भिन्न थे जिन्हें कंप्यूटर ने अपने प्रशिक्षण के दौरान देखा था। पिछले प्रयासों में, कंप्यूटर अक्सर परिचित पैटर्न को दोहराने में फंस जाता था, लेकिन नई प्रणाली ने इसे और अधिक अन्वेषण करने के लिए प्रोत्साहित किया, जिससे ऐसे नवीन समाधान मिले जो प्रभावी और अद्वितीय दोनों थे। शोधकर्ताओं ने यह भी देखा कि खोज प्रक्रिया अधिक केंद्रित हो गई। संभावनाओं के माध्यम से बिना किसी उद्देश्य के भटकने के बजाय, क्वांटम कंप्यूटर बेहतर समाधानों की ओर एक स्पष्ट पथ का अनुसरण करता है, जो कि नई प्रणाली द्वारा प्रदान किए गए बेहतर प्रोटीन कोड से सीधे जुड़ा हुआ था।
यह कार्य दर्शाता है कि जैविक जानकारी को डिजिटल कोड में अनुवादित करने का तरीका बहुत मायने रखता है। प्रोटीनों स्वाभाविक रूप से कैसे विकसित होते हैं और कार्य करते हैं, इसकी गहरी समझ को उधार लेकर, शोधकर्ताओं ने एक ऐसा सेतु बनाया है जो क्वांटम कंप्यूटरों को जीव विज्ञान के क्षेत्र में बहुत अधिक प्रभावी ढंग से काम करने की अनुमति देता है। अध्ययन यह दावा नहीं करता है कि इसने प्रोटीन डिजाइन की समस्या को पूरी तरह से हल कर दिया है, लेकिन यह एक स्पष्ट और मापने योग्य प्रगति दिखाता है। नई विधि बताती है कि आधुनिक आर्टिफिशियल इंटेलिजेंस की पैटर्न-पहचान की शक्ति को क्वांटम कंप्यूटिंग की कच्ची अनुकूलन गति (optimization speed) के साथ जोड़कर ऐसे परिणाम प्राप्त किए जा सकते हैं जो अकेले इनमें से कोई भी नहीं कर सकता था। जैसे-जैसे यह क्षेत्र आगे बढ़ रहा है, यह दृष्टिकोण अगली पीढ़ी की दवाओं और जैविक उपकरणों को इंजीनियर करने के लिए एक आशाजनक मार्ग प्रदान करता है, जो प्रोटीन संभावनाओं के विशाल, अराजक स्थान को एक सुलभ परिदृश्य में बदल देता 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।