Deep Ensemble Learning with Graph Attention Mechanisms for Molecular Classification of HIV Inhibitors

नई दवाओं की खोज अक्सर घास के ढेर में सुई खोजने जैसी लगती है, लेकिन वह घास का ढेर अरबों सूक्ष्म, जटिल आकृतियों से बना है जिन्हें अणु (मॉलिक्यूल्स) कहा जाता है। दशकों से, वैज्ञानिक इस बात का परीक्षण करने के लिए भौतिक प्रयोगों पर निर्भर रहे हैं कि कौन सी आकृतियाँ किसी वायरस को रोक सकती हैं, जो एक धीमी, महंगी और अक्सर निराशाजनक रूप से अक्षम प्रक्रिया है। हाल के वर्षों में, इस खोज को गति देने के लिए एक नया उपकरण उभरा है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। हर एक अणु का लैब में परीक्षण करने के बजाय, शोधकर्ता अब कंप्यूटर को उन आणविक संरचनाओं के पैटर्न को पहचानना सिखा सकते हैं जो यह संकेत देते हैं कि कोई दवा काम करेगी। ऐसा करने के लिए, वे रासायनिक सूत्रों को दो अलग-अलग भाषाओं में अनुवादित करते हैं जिन्हें कंप्यूटर समझ सके। एक भाषा अणु को विशेषताओं की एक लंबी सूची में तोड़ देती है, जैसे कि एक फिंगरप्रिंट जो उसके स्थानीय विवरणों को कैप्चर करता है। दूसरी भाषा अणु को एक मानचित्र (मैप) की तरह मानती है, जहाँ परमाणु शहर हैं और रासायनिक बंधन वे सड़कें हैं जो उन्हें जोड़ती हैं, जिससे उस आकार और संबंधों को सुरक्षित रखा जाता है जो अणु के व्यवहार को परिभाषित करते हैं।

नॉर्थ साउथ यूनिवर्सिटी और वेबर यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इन डिजिटल उपकरणों को आधुनिक चिकित्सा की सबसे स्थायी चुनौतियों में से एक: मानव इम्यूनोडेफिशिएंसी वायरस (एचआईवी) को रोकने के नए तरीके खोजने में लागू किया। उपचारों के अस्तित्व के बावजूद, यह वायरस दुनिया भर में लाखों लोगों को प्रभावित करता रहता है, और यह अक्सर मौजूदा दवाओं के प्रति प्रतिरोध विकसित कर लेता है, जिससे नए अवरोधकों (इनहिबिटर्स) की खोज एक अत्यंत महत्वपूर्ण प्राथमिकता बन जाती है। शोधकर्ताओं ने 41,000 से अधिक आणविक संरचनाओं वाले एक विशाल सार्वजनिक डेटाबेस का रुख किया, जिनमें से प्रत्येक को एचआईवी के विरुद्ध सक्रिय या निष्क्रिय के रूप में लेबल किया गया था। हालाँकि, इस डेटासेट ने एक बड़ी बाधा पेश की: अधिकांश अणु वायरस से लड़ने में कुछ भी नहीं करते थे, जिनमें से केवल लगभग 3.5 प्रतिशत ही सक्रियता दिखा रहे थे। यह असंतुलन एक बाल्टी में नीले मोतियों के बीच मुट्ठी भर लाल मोतियों को खोजने जैसा है; इस डेटा पर प्रशिक्षित एक कंप्यूटर मॉडल केवल "नीला" बताने का अनुमान लगा सकता है और अभी भी अत्यधिक सटीक दिखाई दे सकता है, जबकि वह वास्तव में लाल मोतियों को खोजने के अपने वास्तविक कार्य में पूरी तरह विफल हो जाएगा।

इसे हल करने के लिए, टीम ने कई अलग-अलग आर्टिफिशियल इंटेलिजेंस मॉडल बनाए और उनका परीक्षण किया, जिनमें से प्रत्येक आणविक डेटा को पढ़ने का एक अनूठा दृष्टिकोण अपनाता है। उन्होंने पारंपरिक मशीन लर्निंग विधियों के साथ शुरुआत की जो "फिंगरप्रिंट" शैली के डेटा पर निर्भर करती थीं, और ऐसे एल्गोरिदम का उपयोग किया जो जटिल जानकारी को छाँटने की अपनी क्षमता के लिए जाने जाते हैं। उन्होंने एक अधिक उन्नत प्रणाली भी बनाई जो डीप लर्निंग पर आधारित थी और जो अणुओं को मानचित्रों के रूप में मानती थी, जिसमें 'ग्राफ अटेंशन नेटवर्क' नामक तकनीक का उपयोग किया गया था। यह विशिष्ट प्रकार का नेटवर्क परमाणुओं के बीच के संबंधों को देखने और यह तय करने के लिए डिज़ाइन किया गया है कि अणु की सक्रियता के लिए कौन से हिस्से सबसे महत्वपूर्ण हैं, ठीक वैसे ही जैसे एक मानव विशेषज्ञ किसी ब्लूप्रिंट के सबसे महत्वपूर्ण विवरणों पर ध्यान केंद्रित करता है। सक्रिय अणुओं की कमी को संभालने के लिए, शोधकर्ताओं ने अपने प्रशिक्षण डेटा को सावधानीपूर्वक समायोजित किया, यह सुनिश्चित करते हुए कि कंप्यूटर दुर्लभ सक्रिय उदाहरणों पर उतना ही ध्यान दे जितना कि सामान्य निष्क्रिय उदाहरणों पर। उन्होंने अपने सर्वश्रेष्ठ प्रदर्शन करने वाले मॉडलों को एक एकल "स्टैकिंग" एन्सेम्बल (समूह) में भी जोड़ा, जहाँ कई अलग-अलग सिस्टम मिलकर काम करते हैं, और एक अंतिम फीडफॉरवर्ड न्यूरल नेटवर्क निर्णायक (रेफरी) के रूप में अंतिम निर्णय लेता है।

परिणामों ने दिखाया कि हालांकि विभिन्न दृष्टिकोणों की अपनी ताकत थी, लेकिन उन्हें संयोजित करने से सबसे विश्वसनीय भविष्यवाणियां प्राप्त हुईं। पारंपरिक मशीन लर्निंग मॉडल बहुत अच्छा प्रदर्शन करते थे, जहाँ XGBoost ने सक्रिय अवरोधकों की लगभग 85.7 प्रतिशत बार सही पहचान की। ग्राफ-आधारित डीप लर्निंग मॉडल, जिसने सीधे आणविक मानचित्रों से सीखा, उसने थोड़ी कम सटीकता हासिल की लेकिन सक्रिय और निष्क्रिय यौगिकों के बीच अंतर करने में उत्कृष्ट प्रदर्शन किया, जो कि ड्रग डिस्कवरी के लिए एक महत्वपूर्ण कौशल है। हालाँकि, सबसे सफल दृष्टिकोण एन्सेम्बल विधि थी, जिसने शीर्ष चार मशीन लर्निंग मॉडलों (रैंडम फॉरेस्ट, लाइटजीएमबीएम, कैटबूस्ट और एक्सजीबूस्ट) और न्यूरल नेटवर्क रेफरी की शक्तियों को एक साथ लाया। इस संयुक्त प्रणाली ने लगभग 85.2 प्रतिशत की सटीकता प्राप्त की और सही उम्मीदवारों को गलत वालों से ऊपर रैंक करने की उच्च क्षमता प्रदर्शित की। शायद सबसे महत्वपूर्ण बात यह है कि ग्राफ-आधारित मॉडल ने अपनी सोच की एक झलक दी। यह विश्लेषण करके कि नेटवर्क किन परमाणुओं पर सबसे अधिक ध्यान केंद्रित करता है, शोधकर्ता देख सके कि कंप्यूटर सही ढंग से उन विशिष्ट रासायनिक समूहों की पहचान कर रहा था जो वायरस के साथ परस्पर क्रिया (इंटरैक्ट) करने के लिए जाने जाते हैं, जैसे कि कुछ ऑक्सीजन और नाइट्रोजन परमाणु। यह सुझाव देता है कि मॉडल केवल यादृच्छिक पैटर्न के आधार पर अनुमान नहीं लगा रहा था, बल्कि वास्तव में उन वास्तविक रासायनिक नियमों को सीख रहा था जो इन दवाओं के काम करने के तरीके को नियंत्रित करते हैं।

अध्ययन निष्कर्ष निकालता है कि हालांकि कोई भी एकल विधि पूर्ण नहीं है, भविष्य की औषधि खोज कई दृष्टिकोणों को एक साथ उपयोग करने में निहित है। फिंगरप्रिंट-आधारित मॉडल सामान्य पैटर्न को पहचानने में तेज़ और प्रभावी हैं, जबकि ग्राफ-आधारित मॉडल आणविक आकार और परस्पर क्रिया की गहरी समझ प्रदान करते हैं। इन दृष्टिकोणों को जोड़कर, वैज्ञानिक संभावित दवाओं की स्क्रीनिंग के लिए अधिक मजबूत उपकरण बना सकते हैं। शोधकर्ताओं ने इस बात पर भी जोर दिया कि उनकी यह क्षमता कि वे देख सकें कि कंप्यूटर अणु के किन हिस्सों को महत्वपूर्ण पाता है, विश्वास और स्पष्टता की एक परत जोड़ती है, जो आर्टिफिशियल इंटेलिजेंस को एक "ब्लैक बॉक्स" (जो बिना स्पष्टीकरण के उत्तर देता है) से बदलकर एक पारदर्शी साथी में बदल देती है जो अपना काम दिखा सकता है। यह कार्य एचआईवी के इलाज का दावा नहीं करता है, लेकिन यह रासायनिक संभावनाओं को छानने का एक परिष्कृत, अधिक कुशल तरीका प्रदान करता है, जो कंप्यूटर स्क्रीन से जीवन रक्षक दवा तक की यात्रा को तेज कर सकता है।