← नवीनतम पेपर
📄 संश्लेषित जीव विज्ञान

Antibody design across observed and forecasted antigenic evolution

यह शोध पत्र "जर्मिनल मल्टी" (Germinal Multi) को पेश करता है, जो एक ऐसा कम्प्यूटेशनल ढांचा है जो कई देखे गए और पूर्वानुमानित एंटीजेनिक वेरिएंट्स के विरुद्ध एक एकल पैराटोप (paratope) को संयुक्त रूप से अनुकूलित करके एंटीबॉडीज को सफलतापूर्वक डिजाइन और पुनर्जीवित करता है, जिससे वर्तमान और संभावित वायरल और कैंसर लक्ष्यों के विरुद्ध व्यापक चिकित्सीय प्रभावकारिता उत्पन्न होती है।

मूल लेखक: Park, S., Widatalla, T., Driscoll, C., Mille-Fragoso, L. S., Specht, I., Gao, X. J., Hie, B.

प्रकाशित 2026-11-16 (v2)
📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Park, S., Widatalla, T., Driscoll, C., Mille-Fragoso, L. S., Specht, I., Gao, X. J., Hie, B.

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

एंटीबॉडीज प्रतिरक्षा प्रणाली के सटीक उपकरण हैं, जो प्रोटीन होते हैं जो वायरस या कैंसर कोशिकाओं जैसे विशिष्ट हमलावरों की तलाश में रक्तप्रवाह में गश्त करते हैं। जब एक एंटीबॉडी अपने लक्ष्य को पाती है, तो वह एक अद्वितीय आकार के साथ उससे जुड़ जाती है, ठीक वैसे ही जैसे एक ताले में चाबी फिट होती है, और खतरे को बेअसर कर देती है। यह तंत्र आधुनिक चिकित्सा का एक आधार स्तंभ बन गया है, जो संक्रमण से लेकर कैंसर तक सब कुछ के लिए उपचार प्रदान करता है। हालांकि, ये एंटीबॉडीज जिन लक्ष्यों की तलाश करती हैं, वे स्थिर नहीं हैं। वायरस और कैंसर कोशिकाएं विकास की एक प्रक्रिया के माध्यम से अपनी बाहरी सतहों को लगातार बदलती रहती हैं, जिससे छोटे उत्परिवर्तन (म्यूटेशन) जमा होते रहते हैं जो "ताले" के आकार को बदल सकते हैं। यदि ताला थोड़ा भी आकार बदल लेता है, तो एंटीबॉडी की चाबी अब फिट नहीं हो पाएगी, जिससे उपचार बेकार हो जाएगा। हमारी रक्षा प्रणाली और विकसित होते रोगजनकों के बीच यह हथियारों की दौड़ एक प्रमुख कारण है कि क्यों कुछ दवाएं समय के साथ काम करना बंद कर देती हैं।

वैज्ञानिक लंबे समय से ऐसी एंटीबॉडीज डिजाइन करने का तरीका खोज रहे हैं जो इन परिवर्तनों के साथ तालमेल बिठा सकें, ऐसी चाबियाँ बना सकें जो न केवल एक ताले में, बल्कि एक ही ताले के कई अलग-अलग संस्करणों में फिट हो सकें। चुनौती यह रही है कि एक ही एंटीबॉडी को कई, थोड़े अलग आकारों को पहचानने के लिए डिजाइन करना अविश्वसनीय रूप से कठिन है। पारंपरिक तरीके अक्सर प्राकृतिक एंटीबॉडीज की विशाल लाइब्रेरी की स्क्रीनिंग या मौजूदा एंटीबॉडीज को संशोधित करने पर निर्भर करते हैं, जो एक धीमी और संसाधन-गहन प्रक्रिया हो सकती है। इसके अलावा, यह भविष्यवाणी करना कि कोई वायरस हमारे वर्तमान बचाव से बचने के लिए भविष्य में कैसे बदलेगा, जटिलता की एक और परत जोड़ देता है। शोधकर्ताओं को ऐसी एंटीबॉडीज डिजाइन करने के तरीके की आवश्यकता है जो आज दिखने वाले विविधताओं और भविष्य में उभरने वाले संभावित परिवर्तनों, दोनों के प्रति मजबूत हों।

शोधकर्ताओं ने इस समस्या से निपटने के लिए 'जर्मिनल मल्टी' (Germinal Multi) नामक एक नया कम्प्यूटेशनल ढांचा विकसित किया है। एक एकल लक्ष्य के लिए एंटीबॉडी डिजाइन करने के बजाय, यह प्रणाली वैज्ञानिकों को एक ऐसी एकल एंटीबॉडी डिजाइन करने की अनुमति देती है जो एक साथ लक्ष्य के कई संस्करणों से जुड़ने के लिए अनुकूलित हो। शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण तीन अलग-अलग परिदृश्यों में किया: कैंसर से संबंधित प्रोटीन के विरुद्ध जिन्होंने मौजूदा दवाओं के प्रति प्रतिरोध विकसित कर लिया है, वायरस के ऐतिहासिक संस्करणों के विरुद्ध जो पहले ही बदल चुके हैं, और वायरस के एक अनुमानित भविष्य के संस्करण के विरुद्ध जो अभी तक प्रकृति में अस्तित्व में नहीं है। प्रत्येक मामले में, लक्ष्य एक एकल एंटीबॉडी बनाना था जो लक्ष्यों के एक विविध सेट को पहचान सके और बेअसर कर सके, प्रभावी रूप से विकास से एक कदम आगे रह सके।

पहले परीक्षण मामले में कैंसर कोशिकाओं की सतह पर पाया जाने वाला एक प्रोटीन शामिल था जिसे EGFR कहा जाता है। इस प्रोटीन में कुछ विशिष्ट उत्परिवर्तन (म्यूटेशन) कैंसर कोशिकाओं को 'सेटुमैक्सिमब' (cetuximab) नामक एक सामान्य एंटीबॉडी दवा के प्रति प्रतिरोधी बनाने की अनुमति देते हैं। शोधकर्ताओं ने इस प्रोटीन में पाए जाने वाले छह विशिष्ट उत्परिवर्तनों की पहचान की जो इस प्रतिरोध का कारण बनते हैं और कंप्यूटर को एक नई एंटीबॉडी डिजाइन करने के लिए कहा जो मूल प्रोटीन के साथ-साथ उन छह उत्परिवर्तित संस्करणों से भी जुड़ सके। उन्होंने एंटीबॉडी को प्रत्येक उत्परिवर्तन के लिए व्यक्तिगत रूप से फिट होने के लिए डिजाइन नहीं किया; इसके बजाय, उन्होंने एक एकल डिजाइन प्रक्रिया बनाई जिसने उन सभी पर एक साथ विचार किया। कंप्यूटर ने 6 \text{0} संभावित एंटीबॉडी अनुक्रम उत्पन्न किए, और लैब में सबसे आशाजनक उम्मीदवारों में से कुछ का परीक्षण करने के बाद, टीम को कई ऐसे डिज़ाइन मिले जो काम कर रहे थे। चार नए डिज़ाइन मूल प्रोटीन और सभी छह प्रतिरोधी वेरिएंट से मजबूती से जुड़े, जबकि मूल दवा अधिकांश से जुड़ने में विफल रही। इसने प्रदर्शित किया कि यह संभव है कि एक ऐसी एंटीबॉडी इंजीनियर की जाए जो उन विशिष्ट परिवर्तनों को अनदेखा कर दे जिनका उपयोग कैंसर कोशिकाएं उपचार से बचने के लिए करती हैं।

दूसरे अनुप्रयोग में SARS-CoV-2 वायरस पर ध्यान केंद्रित किया गया, विशेष रूप से वायरस के उस हिस्से पर जो इसे मानव कोशिकाओं में प्रवेश करने की अनुमति देता है। शोधकर्ताओं ने वायरस के दो अलग-अलग संस्करणों को चुना जो अलग-अलग समय पर दिखाई दिए थे: एक महामारी की पिछली लहर से और एक नया, अधिक विकसित संस्करण जिसने पहले से ही एक ज्ञात एंटीबॉडी की सुरक्षा से बचने में सफलता प्राप्त कर ली थी। उन्होंने एक नई एंटीबॉडी को शून्य से डिजाइन करने के लिए कंप्यूटर का उपयोग किया जो दोनों संस्करणों से एक साथ जुड़ सके। 57 डिजाइनों की स्क्रीनिंग करने के बाद, उन्होंने एक ऐसे उम्मीदवार की पहचान की जिसने प्रयोगशाला परीक्षणों में दोनों वायरस वेरिएंट को सफलतापूर्वक बेअसर कर दिया। उल्लेखनीय रूप से, इस नई एंटीबॉडी ने वायरस के कई अन्य मध्यवर्ती संस्करणों के खिलाफ भी काम किया जो मूल डिजाइन प्रक्रिया का हिस्सा नहीं थे, जिससे पता चलता है कि यह दृष्टिकोण विकास के विभिन्न चरणों में व्यापक सुरक्षा प्रदान कर सकता है।

सबसे दूरदर्शी प्रयोग में यह भविष्यवाणी करना शामिल था कि वायरस भविष्य में कैसे बदलेगा। शोधकर्ताओं ने यह पूर्वानुमान लगाने के लिए एक अलग कंप्यूटर मॉडल का उपयोग किया कि वर्तमान में प्रसारित हो रहे वायरस वंश (lineage) में अगला कौन सा उत्परिवर्तन आने की संभावना है। उन्होंने इन भविष्यवाणियों को पिछले प्रयोगों के डेटा के साथ जोड़ा ताकि उन विशिष्ट परिवर्तनों की पहचान की जा सके जो संभवतः एक शक्तिशाली, व्यापक-स्पेक्ट्रम एंटीबॉडी से बचने में सक्षम होंगे। इसके बाद उन्होंने इन अनुमानित परिवर्तनों के साथ वायरस का एक सिंथेटिक संस्करण बनाया, जिससे एक "चुनौती" वेरिएंट तैयार हुआ जिसे मौजूदा एंटीबॉडी बेअसर नहीं कर सकती थी। अपने मल्टी-टारगेट डिजाइन सिस्टम का उपयोग करते हुए, उन्होंने मूल एंटीबॉडी को वर्तमान वायरस और इस भविष्य के, इंजीनियर किए गए खतरे दोनों को पहचानने के लिए फिर से डिजाइन किया। परिणाम स्वरूप एक नया एंटीबॉडी मिला जिसने वर्तमान वायरस को मूल की तुलना में और भी अधिक प्रभावी ढंग से बेअसर किया और उस भविष्य के 'चैलेंज वेरिएंट' को भी बेअसर कर दिया। इसने सिद्ध किया कि चिकित्सा को रेडिज़ाइन करने के लिए खतरे के वास्तव में प्रकट होने से पहले ही भविष्य के विकास की भविष्यवाणी का उपयोग किया जा सकता है।

इन प्रयोगों के दौरान, शोधकर्ताओं ने पाया कि प्रत्येक समस्या को अलग-अलग हल करने की कोशिश करने की तुलना में एक साथ कई लक्ष्यों के लिए डिजाइन करना अधिक प्रभावी था। कंप्यूटर मॉडल सफलतापूर्वक एक ऐसा एकल एंटीबॉडी आकार पहचानने में सफल रहे जो विभिन्न लक्ष्यों के बीच के अंतर को समायोजित कर सके। टीम ने प्रत्येक अभियान के लिए दर्जनों डिजाइनों की स्क्रीनिंग की, जो पारंपरिक तरीकों में टेस्ट किए जाने वाले हजारों डिजाइनों की तुलना में बहुत कम संख्या है, फिर भी उन्हें अत्यधिक प्रभावी उम्मीदवार मिले। यह बताता है कि कम्प्यूटेशनल डिजाइन एंटीबॉडी आकारों के जटिल स्थान में कुशलतापूर्वक नेविगेट कर सकता है ताकि उन आकारों को खोजा जा सके जिनमें वांछित व्यापक गतिविधि हो। इस कार्य ने यह भी रेखांकित किया कि किसी लक्ष्य से जुड़ना हमेशा यह गारंटी नहीं देता कि एंटीबॉडी वायरस को बेअसर कर देगी, जैसा कि तब देखा गया जब एक उम्मीदवार वायरस से तो जुड़ा लेकिन उसे कोशिकाओं को संक्रमित करने से रोकने में विफल रहा। यह अंतिम डिजाइनों के कार्यात्मक परीक्षणों (functional assays) के महत्व को रेखांकित करता है जो वास्तविक न्यूट्रलाइजेशन को मापते हैं।

अध्ययन यह निष्कर्ष निकालता है कि वायरस या कैंसर कोशिका के एकल स्नैपशॉट के लिए एंटीबॉडी डिजाइन करने से आगे बढ़ना संभव है। डिजाइन प्रक्रिया को एक बहु-उद्देश्यीय (multi-objective) समस्या के रूप में मानकर, वैज्ञानिक ऐसे उपचार बना सकते हैं जो उनके लक्ष्यों के प्राकृतिक परिवर्तनों के प्रति लचीले हों। भविष्य के विकास के बारे में भविष्यवाणियों को डिजाइन प्रक्रिया में शामिल करने की क्षमता प्रोएक्टिव मेडिसिन (proactive medicine) के लिए एक नया मार्ग प्रदान करती है, जिससे संभावित रूप से उन खतरों के लिए उपचार तैयार करने की अनुमति मिल सकती है जो अभी तक प्रकृति में उभरे नहीं हैं। हालांकि ये परिणाम प्रयोगशाला अध्ययनों से हैं और नैदानिक उपयोग के लिए आगे के सत्यापन की आवश्यकता है, वे एंटीबॉडी उत्पन्न करने के लिए एक शक्तिशाली नई रणनीति स्थापित करते हैं जो विकास के निरंतर दबाव का सामना कर सके।

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 →