← नवीनतम पेपर
💻 जैव सूचना विज्ञान

Rapid generation of antibody conformational ensembles using machine learning

यह शोध पत्र Cadense को पेश करता है, जो एक मशीन लर्निंग फ्रेमवर्क है जो स्थिर संरचना भविष्यवाणी की सीमाओं को दूर करने के लिए अनुक्रम (sequence) से विविध एंटीबॉडी कन्फर्मेशनल एनसेम्बल्स (conformational ensembles) को तेजी से उत्पन्न करता है, जिससे गतिशील एंटीबॉडी-एंटीजन इंटरैक्शन की अधिक सटीक मॉडलिंग संभव होती है और ड्रग डिज़ाइन में तेजी आती है।

मूल लेखक: Rao, P. V., Sommer, D., Davidson, D., Alberstein, R. G., Ludwiczak, J., Kleinhenz, J., Vani, B., Park, E., Lee, J. H., Izadi, S., Kiefer, J. R., Bonneau, R., Mahajan, S. P., Watkins, A. M., Dreyer, F.
प्रकाशित 2026-11-09
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Rao, P. V., Sommer, D., Davidson, D., Alberstein, R. G., Ludwiczak, J., Kleinhenz, J., Vani, B., Park, E., Lee, J. H., Izadi, S., Kiefer, J. R., Bonneau, R., Mahajan, S. P., Watkins, A. M., Dreyer, F. A.

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

प्रोटीन जीवन के कार्यवाहक हैं, सूक्ष्म मशीनें जो विशिष्ट कार्यों को करने के लिए विशिष्ट आकारों में मुड़ती हैं, जैसे संक्रमण से लड़ना या ऑक्सीजन ले जाना। दशकों से, वैज्ञानिक इन आकारों को देखने के लिए एक्स-रे क्रिस्टलोग्राफी नामक एक विधि पर भरोसा करते आए हैं, जिसमें प्रोटीन को एक क्रिस्टल में जमाकर उसकी तस्वीर ली जाती है। समस्या यह है कि यह तस्वीर स्थिर है; यह प्रोटीन को एक एकल, जमे हुए क्षण में कैद करती है, जैसे किसी धावक की दौड़ के बीच की एक स्थिर तस्वीर। वास्तव में, प्रोटीन गतिशील होते हैं, वे लगातार हिलते-डुलते और विभिन्न रूपों के बीच बदलते रहते हैं। यह गति एंटीबॉडीज के लिए विशेष रूप से महत्वपूर्ण है, जो प्रतिरक्षा प्रणाली के रक्षक हैं। एंटीबॉडीज के सिरों पर लचीले लूप होते हैं जिन्हें विशिष्ट हमलावरों को पकड़ने के लिए झुकना और मुड़ना पड़ता है। यदि कोई वैज्ञानिक एंटीबॉडी को केवल एक कठोर मुद्रा में देखता है, तो वह उस आकार को मिस कर सकता है जो उसे बीमारी फैलाने वाले वायरस से बांधने की अनुमति देता है, या वह गलत धारणा बना सकता है कि एक हानिरहित प्रोटीन खतरनाक है क्योंकि वह केवल एक जमे हुए स्नैपशॉट में जोखिम भरा दिखता है।

लंबे समय तक, इन गतिविधियों को देखने का एकमात्र तरीका भौतिकी के पानी और परमाणुओं की नकल करने वाले जटिल कंप्यूटर सिमुलेशन चलाना था, एक ऐसी प्रक्रिया जो इतनी गणनात्मक रूप से भारी है कि केवल एक सेकंड के अंश की गति को सिम्युलेट करने में कई दिन लग सकते हैं। यह हजारों संभावित दवा उम्मीदवारों का तेजी से परीक्षण करना असंभव बनाता है। जेनेटेक (Genentech) के शोधकर्ताओं ने अब 'कैडेंस' (Cadense) नामक एक नया उपकरण पेश किया है जो खेल बदल देता है। हर एक गतिविधि को शुरू से सिम्युलेट करने के बजाय, कैडेंस लाखों पिछले सिमुलेशन पर प्रशिक्षित एक प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग करता है ताकि वह तुरंत एक एंटीबॉडी के संभावित आकारों का एक पूरा परिवार बना सके। यह केवल एक संरचना का अनुमान नहीं लगाता; यह संरचनाओं का एक विविध संग्रह, या 'एन्सेम्बल' (ensemble) तैयार करता है जो दिखाते हैं कि वास्तविक जीवन में एंटीबॉडी कैसे हिलती और मुड़ती है। यह वैज्ञानिकों को सेकंडों में गति की पूरी सीमा देखने की अनुमति देता है, जिससे इन अणुओं के वास्तविक व्यवहार की अधिक स्पष्ट तस्वीर मिलती है।

शोधकर्ताओं ने इस नए सिस्टम का परीक्षण उन एंटीबॉडीज के आकार की भविष्यवाणी करके किया जिनके उत्तर उन्हें प्रयोगों से पहले से पता थे। परीक्षणों के एक सेट में, उन्होंने उन एंटीबॉडीज को देखा जिन्हें दो अलग-अलग अवस्थाओं में क्रिस्टलीकृत किया गया था: एक बिना किसी लक्ष्य के (अपो/apo अवस्था) और एक लक्ष्य के साथ जुड़ा हुआ (होलो/holo अवस्था)। अधिकांश मौजूदा कंप्यूटर प्रोग्राम, जो मुख्य रूप से जुड़े हुए संस्करणों पर प्रशिक्षित होते हैं, केवल लक्ष्य-बद्ध आकार की भविष्यवाणी करते हैं, और लचीले, बिना बंधे रूप को पूरी तरह से मिस कर देते हैं। हालांकि, कैडेंस ने सफलतापूर्वक ऐसे नमूने तैयार किए जिन्होंने पूरी गति को कवर किया, जिससे ऐसी संरचनाएं भी बनीं जो अनबाउंड रूप, बाउंड रूप और इन दोनों के बीच की हर स्थिति को दर्शाती थीं। एक विशेष रूप से कठोर परीक्षण में, टीम ने इस टूल का उपयोग एक ऐसी एंटीबॉडी के आकार की भविष्यवाणी करने के लिए किया जिसे उन्होंने अभी-अपनी लैब में क्रिस्टलीकृत किया था, एक ऐसी संरचना जिसे कंप्यूटर ने पहले कभी नहीं देखा था। टूल का सबसे अच्छा अनुमान एक परमाणु की चौड़ाई के भीतर सटीक था, जिससे सिद्ध हुआ कि यह पूरी तरह से नए होने पर भी सही आकार पा सकता है।

केवल आकार को सही पाने के अलावा, टीम यह जानना चाहती थी कि क्या ये उत्पन्न एन्सेम्बल यह अनुमान लगाने में मदद कर सकते हैं कि एक एंटीबॉडी एक दवा के रूप में कितनी सुरक्षित और प्रभावी हो सकती है। एंटीबॉडीज को काम करने के लिए, आपस में गुच्छे बनाने या साइड इफेक्ट्स पैदा करने से बचने के लिए, अपनी सतह पर सही विद्युत आवेश (इलेक्ट्रिकल चार्ज) और चिपचिपाहट का संतुलन बनाए रखने की आवश्यकता होती है। जब वैज्ञानिक एक एकल, स्थिर संरचना को देखते हैं, तो वे अक्सर एक प्रोटीन को जोखिम भरा मान लेते हैं क्योंकि वह उस एक मुद्रा में बहुत चिपचिपा या आवेशित दिखता है। कैसेन्स एन्सेम्बल का उपयोग करके, जो प्रोटीन को कई अलग-अलग आकारों में घूमते हुए दिखाते हैं, शोधकर्ताओं ने पाया कि यह टूल गलत चेतावनियों को सुधार सकता है। उनके परीक्षणों में, एन्सेबल दृष्टिकोण ने एकल स्थिर छवि की तुलना में गलत "उच्च जोखिम" चेतावनियों की संख्या को 3.5 गुना कम कर दिया। इसका मतलब है कि दवा डेवलपर्स उन आशाजनक उम्मीदवारों पर समय और संसाधन बर्बाद करना बंद कर सकते हैं जिन्हें केवल एक स्नैपशॉट बुरा दिखने के कारण गलत तरीके से खारिज कर दिया गया था, जबकि वे वास्तव में खतरनाक वाले को पकड़ सकते हैं।

अंतिम परीक्षण यह देखने में शामिल था कि क्या ये लचीले एन्सेम्बल वैज्ञानिकों को यह समझने में मदद कर सकते हैं कि एक एंटीबॉडी वायरस या बैक्टीरिया को कैसे पकड़ती है। यह प्रक्रिया, जिसे डॉकिंग (docking) कहा जाता है, अत्यंत कठिन है क्योंकि एंटीबॉडी के लचीले लूप को लक्ष्य के चारों ओर पूरी तरह फिट होने के लिए हिलना पड़ता है। शोधकर्ताओं ने भौतिकी-आधारित डॉकिंग प्रोग्राम के इनपुट के रूप में कैडेंस एन्सेम्बल का उपयोग किया और एकल, स्थिर संरचनाओं के उपयोग के परिणामों के साथ इसकी तुलना की। एन्सेमबल्स ने काफी बेहतर प्रदर्शन किया, और सही बाइंडिंग पोज़ को बहुत अधिक बार खोजा। यह विशेष रूप से उन एंटीबॉडीज के लिए सच था जिनमें असामान्य, नवीन लूप थे जिन्हें कंप्यूटर ने पहले कभी नहीं देखा था; जहाँ स्थिर मॉडल इन नई आकृतियों के साथ संघर्ष कर रहे थे, वहीं कैडेंस एन्सेम्बल ने उच्च सटीकता बनाए रखी। यह सुझाव देता है कि एक एकल कठोर अनुमान के बजाय आकारों के एक बादल (cloud) को प्रदान करके, यह टूल डॉकिंग सॉफ्टवेयर को उस पहेली को सुलझाने के लिए आवश्यक लचीलापन देता है कि एंटीबॉडी अपने लक्ष्यों से कैसे जुड़ती है।

यह कार्य कैडेंस को भौतिकी सिमुलेशन की धीमी, विस्तृत दुनिया और दवा खोज की तेज, उच्च-गति की जरूरतों के बीच एक व्यावहारिक सेतु के रूप में स्थापित करता है। हालांकि यह टूल वर्तमान में एंटीबॉडी के परिवर्तनशील हिस्सों तक सीमित है और अभी तक अणु के दीर्घकालिक काइनेटिक व्यवहार की भविष्यवाणी नहीं कर सकता है, फिर भी यह आणविक गति की वास्तविकता को डिजाइन प्रक्रिया में एकीकृत करने का एक शक्तिशाली नया तरीका प्रदान करता है। दिनों की गणना को सेकंडों के सृजन में बदलकर, यह शोधकर्ताओं को एक ऐसे पैमाने पर एंटीबॉडी की गतिशील प्रकृति पर विचार करने की अनुमति देता है जो पहले असंभव था। स्थिर स्नैपशॉट से गतिशील एन्सेम्बल की ओर यह बदलाव दवाओं की खोज को तेज़ और अधिक सटीक बनाने का वादा करता है, जिससे यह सुनिश्चित होता है कि इन अणुओं की लचीली, जीवित प्रकृति को अगली पीढ़ी की दवाओं के डिजाइन में अंततः शामिल किया जाए।

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 →