LLM-assisted large-scale curation of peptide clinical trials maps trends in therapeutic development and trial outcomes

दशकों से, चिकित्सा जगत मुख्य रूप से दो प्रकार के दवा अणुओं पर बहुत अधिक निर्भर रहा है: छोटे रासायनिक यौगिक जो शरीर में ताले और चाबी की तरह फिट होते हैं, और विशाल जैविक प्रोटीन जो भारी मशीनरी की तरह कार्य करते हैं। इन दोनों चरम सीमाओं के बीच पेप्टाइड्स नामक अणुओं का एक मध्य मार्ग है। ये अमीनो एसिड की छोटी श्रृंखलाएं हैं, जो उन्हीं निर्माण खंडों (building blocks) से बनी होती हैं जिनसे हमारी मांसपेशियों और अंगों के प्रोटीन बनते हैं। चूंकि ये प्रकृति की अपनी सामग्रियों से बने होते हैं, इसलिए पेप्टाइड्स अविश्वसनीय रूप से सटीक हो सकते हैं, जो प्रतिरक्षा प्रणाली में कम अवांछित प्रतिक्रियाओं के साथ विशिष्ट रोगों को लक्षित करते हैं। 1920 के दशक में मधुमेह के इलाज के लिए पहला पेप्टाइड ड्रग, इंसुलिन, के आने के बाद से, वैज्ञानिक कैंसर, चयापचय संबंधी विकारों और संक्रमणों से लड़ने के लिए अधिक से अधिक उन्हें बनाने के लिए उत्सुक रहे हैं। हालांकि, इन आशाजनक अणुओं को वास्तविक दवाओं में बदलना बेहद कठिन है। पेप्टाइड्स अक्सर शरीर के भीतर बहुत जल्दी टूट जाते हैं या अपने लक्ष्यों तक पहुँचने के लिए कोशिका झिल्ली (cell membranes) को पार करने में संघर्ष करते हैं। हालांकि शोधकर्ताओं ने इन समस्याओं को ठीक करने के कई तरीके विकसित किए हैं, जैसे कि रासायनिक संरचना को बदलना या दवा पहुँचाने के नए तरीके खोजना, लेकिन व्यापक दृष्टिकोण देखना कठिन रहा है। पेप्टाइड दवा विकास का इतिहास हजारों अलग-अलग नैदानिक परीक्षणों (clinical trials) में बिखरा हुआ है, जो असंरचित पाठ (unstructured text) में दफन है, जिससे यह जानना मुश्किल हो जाता है कि कौन सी रणनीतियाँ वास्तव में काम करती हैं और कौन सी दिशा में गलतियाँ होती हैं।

शोधकर्ताओं की एक टीम ने एक नए प्रकार के डिजिटल टूल का उपयोग करके इस विशाल, असंगठित परिदृश्य का मानचित्र बनाने का लक्ष्य रखा। विशेषज्ञों की सेना को एक-एक करके दशकों के परीक्षण रिकॉर्ड पढ़ने के लिए नियुक्त करने के बजाय, उन्होंने एक कृत्रिम बुद्धिमत्ता (AI) प्रणाली को यह भारी काम करने के लिए प्रशिक्षित किया। इस प्रणाली, जो एक लार्ज लैंग्वेज मॉडल है, को नैदानिक परीक्षणों के सार्वजनिक रिकॉर्ड को पढ़ने और विशिष्ट, महत्वपूर्ण विवरण निकालने के लिए सिखाया गया था: रोगी को दवा कैसे दी गई, पेप्टाइड का सटीक रासायनिक अनुक्रम क्या था, परीक्षण सफल रहा या विफल, और विफलता का विशिष्ट कारण क्या था। यह सुनिश्चित करने के लिए कि मशीन केवल अनुमान न लगा रही हो, शोधकर्ताओं ने पहले इसे स्वयंसेवकों द्वारा सावधानीपूर्वक एनोटेट किए गए परीक्षणों के एक सेट के विरुद्ध परखा। उन्होंने पाया कि कृत्रिम बुद्धिमत्ता उतनी ही बार मानव विशेषज्ञों के साथ सहमत हुई जितनी बार दो अलग-अलग मानव विशेषज्ञ आपस में सहमत होते हैं। इस सत्यापन ने उन्हें इस विशाल डेटासेट के 6,834 पेप्टाइड नैदानिक परीक्षणों को पढ़ने का विश्वास दिया, जो तीस से अधिक वर्षों में फैले हुए हैं—एक ऐसा कार्य जिसे पूरा करने में मानव टीमों को वर्षों लग जाते।

पेप्टाइड दवा विकास का परिणामी मानचित्र एक विशिष्ट वितरण पद्धति के प्रभुत्व वाले क्षेत्र को प्रकट करता है। अधिकांश परीक्षण, लगभग 74 प्रतिशत, शरीर में दवा पहुँचाने के लिए इंजेक्शन या इन्फ्यूजन पर निर्भर थे। इसमें त्वचा के नीचे, मांसपेशियों में, या सीधे रक्तप्रवाह में लगने वाले इंजेक्शन शामिल हैं। जबकि मौखिक गोलियां (oral pills) लोगों द्वारा दवा लेने का सबसे आम तरीका हैं, वे इस डेटासेट में पेप्टाइड परीक्षणों के 15 प्रतिशत से भी कम का प्रतिनिधित्व करती हैं। सुइयों पर यह भारी निर्भरता एक निरंतर चुनौती को उजागर करती है: पेप्टाइड्स नाजुक होते हैं और अक्सर पाचन तंत्र के कठोर वातावरण में जीवित नहीं रह पाते हैं। इंजेक्शन की असुविधा और परेशानी के बावजूद, यह विधि यह सुनिश्चित करने का सबसे विश्वसनीय तरीका बनी हुई है कि दवा अपने लक्ष्य तक पहुँचे। डेटा ने यह भी दिखाया कि जबकि शोधकर्ता इन पेप्टाइड श्रृंखलाओं की विभिन्न लंबाई और रासायनिक आवेश (charge) के साथ प्रयोग कर रहे हैं, सफलता की गारंटी देने वाला कोई एक "परफेक्ट" आकार या विद्युत आवेश नहीं है। जिन परीक्षणों में सफलता मिली और जो विफल रहे, उनमें इन भौतिक गुणों का एक विस्तृत मिश्रण देखा गया, जो यह सुझाव देता है कि उत्तर सरल मापों के बजाय अधिक जटिल जैविक विशेषताओं में निहित है।

जब शोधकर्ताओं ने देखा कि ये परीक्षण कितनी बार सफल हुए, तो उन्हें एक पैटर्न मिला जो सामान्य दवा विकास प्रक्रिया को दर्शाता है लेकिन कुछ अनूठे मोड़ के साथ। परीक्षण के शुरुआती चरण में, जिसे फेज़ 1 (Phase 1) कहा जाता है, जहाँ प्राथमिक लक्ष्य यह देखना है कि क्या दवा मनुष्यों के लिए सुरक्षित है, लगभग 26 प्रतिशत पेप्टाइड परीक्षण आगे बढ़े। मध्य चरण, या फेज़ 2 (Phase 2) में, जहाँ प्रभावकारिता का परीक्षण किया जाता है, सफलता की दर बढ़कर लगभग 33 प्रतिशत हो गई। उच्चतम सफलता दर फेज़ 3 (Phase 3) में देखी गई, जो अनुमोदन से पहले अंतिम बड़े पैमाने का परीक्षण है, जहाँ लगभग 58 प्रतिशत परीक्षणों ने सकारात्मक परिणाम दर्ज किए। यह एक उल्लेखनीय निष्कर्ष है क्योंकि, व्यापक दवा विकास की दुनिया में, अंतिम चरण अक्सर सबसे अधिक विफलताओं के कारण होते हैं क्योंकि हजारों लोगों पर परीक्षण करने की लागत और जटिलता बहुत अधिक होती है। पेप्टाइड्स के लिए, डेटा बताता है कि यदि कोई उम्मीदवार शुरुआती सुरक्षा बाधाओं को पार कर लेता है और अंतिम चरण तक पहुँच जाता है, तो उसके प्रभावी सिद्ध होने की प्रबल संभावना होती है।

इस विश्लेषण से प्राप्त सबसे आश्चर्यजनक अंतर्दृष्टि इस बात से संबंधित है कि ये परीक्षण क्यों विफल हुए। फार्मास्यूटिकल्स की सामान्य दुनिया में, सुरक्षा संबंधी चिंताएं और विषाक्तता (toxicity) परीक्षण को रोकने के प्रमुख कारण हैं, विशेष रूप से बाद के चरणों में। हालांकि, पेप्टाइड दवाओं के लिए, सुरक्षा शायद ही कभी कारण बनी। अंतिम फेज़ 3 परीक्षणों में, केवल लगभग 4 प्रतिशत विफलताएं दवा के जहरीले या असुरक्षित होने के कारण थीं। इसके बजाय, पेप्टाइड परीक्षण को रोकने का सबसे बड़ा कारण यह था कि दवा इच्छित रूप से काम नहीं कर रही थी। इस प्रभावहीनता ने सभी विफलताओं के एक-तिहाई से अधिक हिस्से का कारण बनाया। एक अन्य महत्वपूर्ण हिस्सा इसलिए समाप्त हुआ क्योंकि यह विज्ञान के कारण नहीं, बल्कि व्यावसायिक निर्णयों, फंडिंग की समस्याओं या पर्याप्त स्वयंसेवकों को खोजने में कठिनाइयों के कारण था। शोधकर्ताओं ने यह भी नोट किया कि सकारात्मक परिणाम वाले परीक्षणों में लोगों के बहुत बड़े समूह शामिल थे, जो यह सुझाव देता है कि एक मजबूत अध्ययन डिजाइन और पर्याप्त संसाधन होना दवा की वास्तविक क्षमता प्रदर्शित करने में महत्वपूर्ण भूमिका निभाता है।

इस अराजक इतिहास को एक स्पष्ट, संरचित डेटासेट में व्यवस्थित करके, यह अध्ययन पेप्टाइड दवाओं की यात्रा को समझने का एक नया तरीका प्रदान करता है। यह पुष्टि करता है कि हालांकि अनुमोदन का मार्ग लंबा और महंगा है, जिसमें प्रत्येक चरण के लिए औसतन कई वर्ष लगते हैं, पेप्टाइड्स के लिए अंतिम बाधाएं सुरक्षा के बारे में कम और उनके काम करने के प्रमाण के बारे में अधिक हैं। अध्ययन यह भी प्रदर्शित करता है कि कृत्रिम बुद्धिमत्ता वैज्ञानिक अनुसंधान में एक शक्तिशाली साथी हो सकती है, जो मानव विशेषज्ञों के समान सटीकता के साथ जटिल चिकित्सा रिकॉर्ड को पढ़ने और समझने में सक्षम है। यह दृष्टिकोण वैज्ञानिकों को दशकों के डेटा को देखने और उन पैटर्न की पहचान करने की अनुमति देता है जो पहले छिपे हुए थे, जिससे अगली पीढ़ी की पेप्टाइड दवाओं के लिए एक स्पष्ट रोडमैप मिलता है। जैसे-जैसे शोधकर्ता बिना सुइयों के इन दवाओं को वितरित करने के नए तरीके विकसित करना और अधिक स्थिर अणुओं को इंजीनियर करना जारी रखते हैं, अतीत का यह व्यापक दृष्टिकोण भविष्य में कौन सी रणनीतियाँ सफल होंगी, इसके लिए एक ठोस आधार प्रदान करता है।