Generative Molecular Design for Senescence-Associated Secretory Phenotype (SASP) Reversal: A REINVENT4 Pipeline Trained on Real LINCS L1000 Transcriptomic Data
यह अध्ययन एक REINVENT4 पाइपलाइन प्रस्तुत करता है जिसे वास्तविक LINCS L1000 ट्रांसक्रिप्टोमिक डेटा पर प्रशिक्षित किया गया है जो सफलतापूर्वक नवीन, ड्रग-लाइक अणुओं को उत्पन्न करता है जो सेनेसेंस-एसोसिएटेड सेक्रेटरी फेनोटाइप (SASP) को उलटने की भविष्यवाणी करते हैं, साथ ही विविधता फ़िल्टरिंग और रिवॉर्ड ट्यूनिंग के माध्यम से एक महत्वपूर्ण स्कैफोल्ड-कोलैप्स विफलता मोड की पहचान और समाधान भी करता 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
जैसे-जैसे हम उम्र में बढ़ते हैं, हमारी कोशिकाएं केवल लुप्त नहीं होतीं; उनमें से कई एक स्थायी ठहराव की स्थिति में चली जाती हैं। वे विभाजित होना बंद कर देती हैं लेकिन मरना भी नहीं चाहतीं, शरीर में शांत, जिद्दी किरायेदारों की तरह टिकी रहती हैं। हालांकि ये सुप्त कोशिकाएं कम संख्या में हानिरहित होती हैं, लेकिन समय के साथ ये जमा होने लगती हैं और सूजन संबंधी संकेतों का एक विषाक्त मिश्रण स्रावित करने लगती हैं। यह स्राव, जिसे 'सेनेसेंस-एसोसिएटेड सेक्रेटरी फेनोटाइप' (SASP) कहा जाता है, एक धीमी जलती हुई आग की तरह काम करता है, जो इसके आसपास के स्वस्थ ऊतकों को नुकसान पहुंचाता है और बुढ़ापे की प्रक्रिया के साथ-साथ उम्र से संबंधित बीमारियों को भी बढ़ावा देता है। वैज्ञानिक लंबे समय से इस क्षति को उलटने का तरीका खोज रहे हैं, इस उम्मीद में कि कोई ऐसा अणु मिल सके जो इन सूजन संबंधी संकेतों को शांत कर सके और शरीर के संतुलन को बहाल कर सके। चुनौती इस विशिष्ट समस्या को बिना कहीं और नुकसान पहुँचाए सुलझाने के लिए सही रासायनिक कुंजी खोजने की रही है।
एगे यूनिवर्सिटी (Ege University) के एक शोधकर्ता ने कंप्यूटर को शून्य से नए अणुओं को डिजाइन करना सिखाकर इस पहेली को सुलझाने की दिशा में एक साहसी कदम उठाया है। प्रयोगशाला में हजारों मौजूदा रसायनों का परीक्षण करने के बजाय, उन्होंने एक शक्तिशाली कृत्रिम बुद्धिमत्ता (AI) प्रणाली का उपयोग किया ताकि पूरी तरह से नई संरचनाओं की कल्पना की जा सके और उन्हें बनाया जा सके। लक्ष्य ऐसे यौगिक बनाना था जो विशेष रूप से इन उम्र बढ़ने वाली कोशिकाओं के विषाक्त हस्ताक्षरों को उलट सकें। इस डिजिटल वास्तुकार को प्रशिक्षित करने के लिए, शोधकर्ता ने इसे वास्तविक दुनिया के डेटा का एक विशाल पुस्तकालय दिया: मानव कोशिकाओं पर 21,000 से अधिक विभिन्न यौगिकों के प्रभाव, जो LINCS नामक एक सार्वजनिक डेटाबेस में दर्ज हैं। उन्होंने कंप्यूटर का ध्यान 106 विशिष्ट जीनों की सूची पर केंद्रित किया जो कोशिकीय उम्र बढ़ने के फिंगरप्रिंट के रूप में कार्य करते हैं। कंप्यूटर का काम एक अणु के आकार और उम्र बढ़ने वाले इन जीनों की तीव्रता को कम करने की उसकी क्षमता के बीच के संबंध को सीखना था।
प्रक्रिया एक महत्वपूर्ण बाधा के साथ शुरू हुई। शोधकर्ता ने पहले एक मौजूदा, पूर्व-प्रशिक्षित कंप्यूटर मॉडल का उपयोग करने का प्रयास किया जिसे रसायनों के जीनों पर प्रभाव की भविष्यवाणी करने के लिए बनाया गया था। हालांकि, जब उन्होंने इस मॉडल का परीक्षण उन ज्ञात दवाओं के विरुद्ध किया जो बुढ़ापे से लड़ने के लिए प्रसिद्ध हैं, तो यह पूरी तरह विफल रहा। मॉडल ने गलत भविष्यवाणी की कि ये सहायक दवाएं बुढ़ापे को और बदतर बना देंगी। यह विफलता अपने आप में एक महत्वपूर्ण खोज थी; इसने दिखाया कि एक सामान्य, पूर्व-निर्मित उपकरण पर निर्भर रहने से वैज्ञानिक गलत रास्ते पर जा सकते हैं। इसके बजाय, शोधकर्ता ने अपना स्वयं का कस्टम प्रेडिक्शन टूल, या "ओरेकल" (oracle) बनाया, जिसे सीधे वास्तविक प्रयोगात्मक डेटा पर प्रशिक्षित किया गया था। इस नए टूल ने सीखा कि कौन सी रासायनिक विशेषताएं उम्र बढ़ने के हस्ताक्षर को उलटने से जुड़ी थीं, जिससे डिजाइन प्रक्रिया के लिए एक विश्वसनीय मार्गदर्शक तैयार हुआ।
इस कस्टम गाइड के साथ, शोधकर्ता ने एक 'रीइन्फोर्समेंट लर्निंग पाइपलाइन' शुरू की, जो एक ऐसी विधि है जहाँ कंप्यूटर लाखों संभावित अणुओं को उत्पन्न करता है और अपनी सफलताओं और विफलताओं से सीखता है। सिस्टम को ऐसे अणु बनाने के लिए पुरस्कृत किया गया जो वास्तविक दवाओं की तरह दिखते थे, रासायनिक रूप से नवीन थे, और प्रयोगशाला में संश्लेषित किए जा सकने योग्य थे, साथ ही उम्र बढ़ने के हस्ताक्षर को उलटने की उच्च क्षमता रखते थे। पहले प्रयास में, कंप्यूटर एक जाल में फंस गया। इसने पाया कि एक बहुत ही सरल, सामान्य रासायनिक संरचना बनाना आसान था और उसे एक अच्छा स्कोर प्राप्त हुआ, इसलिए इसने इस एकल संरचना की हजारों लगभग समान प्रतियां बनाना शुरू कर दिया। इसे "मोड कोलैप्स" (mode collapse) के रूप में जाना जाता है, जहाँ सिस्टम अन्वेषण करना बंद कर देता है और एक आसान उत्तर पर अटक जाता है। शोधकर्ता ने इस त्रुटि को समझा और सिस्टम के नियमों को समायोजित किया, विविधता की आवश्यकताओं को कड़ा किया और तुरंत एक पूर्ण स्कोर खोजने के दबाव को कम किया।
दूसरे, सुधारे गए रन में, कंप्यूटर ने रासायनिक संभावनाओं के एक बहुत व्यापक परिदृश्य का अन्वेषण किया। इसने 92,000 से अधिक अद्वितीय, वैध अणु उत्पन्न किए, जिनमें से अधिकांश में एक ही पैटर्न को दोहराने के बजाय विशिष्ट रासायनिक बैकबोन (backbone) थी। परिणाम उत्साहजनक थे: इन नए, कंप्यूटर-डिजाइन किए गए अणुओं का औसत स्कोर प्रशिक्षण के लिए उपयोग किए गए 21,000 वास्तविक यौगिकों के पूरे पुस्तकालय के औसत से काफी अधिक था। यह सुझाव देता है कि सिस्टम ने केवल मौजूदा दवाओं को याद नहीं किया बल्कि वास्तव में नए रासायनिक पैटर्न की खोज की जो डेटा के अनुसार प्रभावी होने चाहिए थे। शीर्ष उम्मीदवारों में से एक विशिष्ट संरचनात्मक मोटिफ—जुड़े हुए रासायनिक समूहों के साथ एक रिंग जैसी आकृति—बार-बार दिखाई दी, फिर भी यह विशिष्ट आकृति मूल प्रशिक्षण पुस्तकालय से लगभग पूरी तरह से अनुपस्थित थी। यह इंगित करता है कि सिस्टम ने केवल वही कॉपी नहीं किया जो उसने देखा था, बल्कि दवा डिजाइन के लिए एक वास्तविक नया दिशा ढूँढ ली थी।
अध्ययन यह निष्कर्ष निकालता है कि उम्र बढ़ने की विशिष्ट जीव विज्ञान को लक्षित करने वाले नए अणुओं को डिजाइन करने के लिए सार्वजनिक डेटा और ओपन-सोर्स सॉफ्टवेयर का उपयोग किया जा सकता है। शोधकर्ता ने एक पूर्ण, पुनरुत्पादक पाइपलाइन प्रदान की है जिसे अन्य लोग समान समस्याओं को हल करने के लिए उपयोग कर सकते हैं। हालांकि, वे सावधानी बरतते हुए कहते हैं कि ये केवल आभासी उम्मीदवार हैं; अभी तक कोई भौतिक संश्लेषण या प्रयोगशाला परीक्षण नहीं किया गया है। अणु केवल कंप्यूटर मॉडल के रूप में मौजूद हैं, और जीवित जीवों में उम्र बढ़ने को वास्तव में उलटने की उनकी क्षमता अभी सिद्ध किया जाना बाकी है। यह कार्य एक 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य करता है, जो यह प्रदर्शित करता है कि वास्तविक जैविक डेटा को जेनेरेटिव डिजाइन के साथ जोड़कर, वैज्ञानिक जटिल रोगों के लिए नवीन समाधान खोजने के लिए विशाल रासायनिक स्थान में नेविगेट कर सकते हैं, बशर्ते वे स्वचालित डिजाइन के खतरों के प्रति सतर्क रहें।
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।