TRACE: A FINE-TUNED BIOMEDICAL LANGUAGE MODEL FOR DIRECTIONALLY INFORMED DRUG REPURPOSING FROM TRANSCRIPTOME-WIDE ASSOCIATION STUDIES
यह शोध पत्र TRACE को प्रस्तुत करता है, जो एक स्केलेबल, AI-संचालित पाइपलाइन है जो साहित्य के क्यूरेशन को स्वचालित करने और पुनरुद्देश्य (repurposing) के लिए FDA-अनुमोदित दवा उम्मीदवारों को रैंक करने के लिए एक फाइन-ट्यून्ड बायोमेडिकल लैंग्वेज मॉडल का लाभ उठाता है, जिससे ड्रग-जीन प्रभाव दिशाओं को ट्रांसक्रिप्टोम-वाइड एसोसिएशन स्टडी (TWAS) संकेतों के साथ संरेखित किया जाता है, और इस प्रकार जेनेटिक डिस्कवरी और चिकित्सीय परिकल्पना जनरेशन के बीच के अंतर को पाटा जाता है।
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
मौजूदा दवा का नया उपयोग खोजना चिकित्सा प्रगति को गति देने के सबसे आशाजनक तरीकों में से एक है। शून्य से एक नई दवा बनाने के बजाय—एक ऐसी प्रक्रिया जिसमें एक दशक से अधिक समय लग सकता है और अरबों डॉलर खर्च हो सकते हैं—वैज्ञानिक उन यौगिकों (compounds) के उपयोग के तरीके तलाशते हैं जो पहले से ही मनुष्यों के लिए सुरक्षित सिद्ध हो चुके हैं। चुनौती एक विशिष्ट बीमारी और एक विशिष्ट दवा के बीच संबंध स्थापित करने में निहित है। आधुनिक आनुवंशिकी (genetics) ने इस यात्रा के लिए एक शक्तिशाली नया मानचित्र प्रदान किया है। यह अध्ययन करके कि हमारे डीएनए में भिन्नता हमारे जीन की गतिविधि को कैसे प्रभावित करती है, शोधकर्ता यह पहचान सकते हैं कि कौन से जीन किसी बीमारी को चलाने की संभावना रखते हैं। यदि किसी विशिष्ट बीमारी वाले रोगी में कोई जीन अत्यधिक सक्रिय (overactive) पाया जाता है, तो तार्किक उपचार वह दवा हो सकती है जो उस जीन की सक्रियता को कम कर दे। यदि कोई जीन कम सक्रिय (underactive) है, तो लक्ष्य उसे बढ़ाना होगा। यह तर्क, जिसे 'डायरेक्शनैलिटी' (directionality) कहा जाता है, अत्यंत महत्वपूर्ण है: उस रोगी को ऐसी दवा देना जिसके पास पहले से ही बहुत अधिक गतिविधि है, बीमारी को और खराब कर सकता है। हालाँकि, इन आनुवंशिक संकेतों को व्यवहार्य दवा उम्मीदवारों की सूची में बदलना पारंपरिक रूप से एक धीमी, मैनुअल प्रक्रिया रही है, जिसमें वैज्ञानिकों को हजारों शोध पत्रों को पढ़ना पड़ता है और जटिल डेटाबेस को एक-एक करके क्रॉस-रेफरेंस करना पड़ता है।
शोधकर्ताओं के एक दल ने इस कठिन कार्य को स्वचालित करने के लिए 'TRACE' नामक एक डिजिटल टूल बनाया है। यह प्रणाली एक अत्यधिक विशिष्ट अनुसंधान सहायक के रूप में कार्य करती है जो किसी बीमारी से जुड़े जीनों की एक सूची ले सकती है और तेजी से दुनिया के चिकित्सा साहित्य को स्कैन करके खोज सकती है कि कौन सी दवाएं इसका उपचार कर सकती हैं। प्रक्रिया तब शुरू होती है जब एक वैज्ञानिक टूल को एक जीन का नाम और एक दिशा प्रदान करता है, जैसे कि "यह जीन इस बीमारी में बहुत अधिक सक्रिय है।" टूल पहले चार प्रमुख सार्वजनिक डेटाबेस की जांच करता है ताकि यह देखा जा सके कि कौन सी एफडीए (FDA) द्वारा अनुमोदित दवाएं उस जीन के साथ ज्ञात रूप से परस्पर क्रिया (interact) करती हैं। इसके बाद, यह इस सूची को केवल उन दवाओं तक सीमित कर देता है जो संयुक्त राज्य अमेरिका में उपयोग के लिए आधिकारिक तौर पर स्वीकृत हैं। इसके बाद, सिस्टम पबमेड (PubMed) पर जाता है, जो चिकित्सा अनुसंधान का एक विशाल संग्रह है, और उन नवीनतम सारांशों (abstracts) को निकालता है जो बताते हैं कि वे विशिष्ट दवाएं उस विशिष्ट जीन को कैसे प्रभावित करती हैं।
TRACE का मुख्य नवाचार इन वैज्ञानिक सारांशों को पढ़ने और समझने की इसकी क्षमता है। शोधकर्ताओं ने एक कंप्यूटर मॉडल को प्रशिक्षित किया है, जो बायोमेडिकल भाषा में विशेषज्ञता रखने वाला एक प्रकार का आर्टिफिशियल इंटेलिजेंस है, ताकि वह एक आलोचनात्मक पाठक के रूप में कार्य कर सके। यह मॉडल प्रत्येक शोध सारांश की जांच करता है ताकि तीन चीजें निर्धारित की जा सकें: क्या पाठ दवा और जीन के बीच संबंध की पुष्टि करता है, उस संबंध की कार्यप्रणाली (mechanism) क्या है, और सबसे महत्वपूर्ण बात यह है कि क्या वह दवा जीन को बढ़ाती है या घटाती है? मॉडल को हजारों उदाहरणों का उपयोग करके सिखाया गया था, जिसमें पिछले वैज्ञानिक प्रतियोगिताओं से विशेषज्ञ-एनोटेटेड डेटा भी शामिल था, जिससे यह एक जीन को बाधित (inhibit) करने वाली दवा और उसे सक्रिय (activate) करने वाली दवा के बीच सूक्ष्म अंतर को सीखने में सक्षम हुआ। एक बार जब मॉडल साक्ष्य को वर्गीकृत कर लेता है, तो यह दवा के प्रभाव की तुलना मूल आनुवंशिक संकेत से करता है। यदि आनुवंशिक डेटा कहता है कि जीन बहुत अधिक सक्रिय है और दवा इसे कम करती है, तो सिस्टम इसे एक आशाजनक चिकित्सीय उम्मीदवार के रूप में चिह्नित करता है। यदि दवा जीन को बढ़ाती है, तो सिस्टम इसे एक संभावित सुरक्षा जोखिम के रूप में चिह्नित करता है, यह चेतावनी देते हुए कि इसका उपयोग करना हानिकारक हो सकता है।
शोधकर्ताओं ने यह परीक्षण करने के लिए इस प्रणाली का उपयोग किया कि क्या यह मानव विशेषज्ञों के कार्य को दोहरा सकती है। उन्होंने पहले इसे एंडोमेट्रियोसिस (endometriosis) से जुड़े जीनों के एक सेट पर लागू किया, जो गर्भाशय की परत को प्रभावित करने वाली एक दर्दनाक स्थिति है। उनके पास सैंतालीस ड्रग-जीन जोड़ों की एक पूर्व-मौजूद सूची थी जिन्हें मानव विशेषज्ञों ने मैन्युअल रूप से क्यूरेट और सत्यापित किया था। जब टूल ने उसी डेटा को प्रोसेस किया, तो इसने उन ज्ञात जोड़ों में से लगभग इक्यानवे प्रतिशत को सफलतापूर्वक पुनः प्राप्त किया। इसने मददगार दवा उम्मीदवारों और खतरनाक सुरक्षा चिंताओं, दोनों को सही ढंग से पहचाना। सिस्टम ने अपने आप ज्ञात उपचारों को फिर से खोजने की अपनी क्षमता भी सिद्ध की; एंडोमेट्रियोसिस के पूर्ण जीन सूची का विश्लेषण करते हुए, इसने बिना किसी पूर्व ज्ञान के, केवल साहित्य और आनुवंशिक दिशा के विश्लेषण के माध्यम से, इस स्थिति के लिए एक स्थापित उपचार 'ल्यूप्रोलाइड एसीटेट' (leuprolide acetate) की स्वतंत्र रूप से पहचान की।
ज्ञात मामलों से परे, इस टूल ने एंडोमेट्रियोसिस से जुड़े निन्यानवे जीनों तक अपना खोज विस्तार किया और एक हजार से अधिक संभावित ड्रग-जीन इंटरैक्शन पाए। इस बड़े समूह में से, इसने बत्तीस जोड़ों को नए उपचारों के लिए मजबूत उम्मीदवार के रूप में और सतहत्तर को संभावित सुरक्षा चिंताओं के रूप में उजागर किया। सिस्टम ने दो अन्य बीमारियों: फैटी लिवर रोग के एक रूप और टाइप 2 मधुमेह पर भी अपने प्रदर्शन को मान्य किया। इन मामलों में, इसने उन डेटाबेस से मौजूद ड्रग जोड़ों में से लगभग नब्बे प्रतिशत को पुनः प्राप्त किया जिन्हें इसने खोजा था। शोधकर्ता इस बात पर जोर देते हैं कि यह टूल यह सिद्ध नहीं करता है कि ये दवाएं इन बीमारियों को ठीक करेंगी; बल्कि, यह आगे के अध्ययन के लिए एक अत्यधिक व्यवस्थित, साक्ष्य-आधारित शुरुआती बिंदु प्रदान करता है। यह शोर (noise) को हटा देता है और परिकल्पनाओं की एक प्राथमिकता वाली सूची प्रस्तुत करता है जिसे लैब या क्लिनिकल ट्रायल में टेस्ट किया जा सकता है। उबाऊ काम को स्वचालित करके, TRACE वैज्ञानिकों को आनुवंशिक खोज से चिकित्सीय विचारों तक तेजी से बढ़ने की अनुमति देता है, जिससे एक ऐसी प्रक्रिया जो कभी महीनों के मैनुअल श्रम में बदल जाती थी, एक ऐसे कार्य में बदल जाती है जिसे एक मानक कंप्यूटर पर कुछ घंटों में पूरा किया जा सकता 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।