Crystal Structure, DFT Studies, Molecular Docking and In Vitro Antibacterial–Antifungal Evaluation of 2,4-Dinitro-1-naphthyl 4-Toluenesulfonate (PTN): A Combined Experimental–Theoretical Study with an Outlook on AI Applications

सूक्ष्म दुनिया में जहाँ बैक्टीरिया और कवक (फंगस) फलते-फूलते हैं, जीवन अक्सर एक एकल रासायनिक 'हैंडशेक' (हाथ मिलाने की प्रक्रिया) पर निर्भर करता है। ये नन्हे जीव जीवित रहने के लिए विशिष्ट प्रोटीनों पर भरोसा करते हैं, जो उनकी वृद्धि और प्रजनन के लिए आवश्यक मशीनरी के रूप में कार्य करते हैं। जो वैज्ञानिक इन रोगजनकों (पैथोजन्स) को रोकने के तरीके का अध्ययन करते हैं, वे ऐसे अणुओं की तलाश करते हैं जो इन प्रोटीन मशीनों में घुस सकें और उनके गियर को जाम कर सकें। इसे प्रभावी ढंग से करने के लिए, उन्हें दो चीजों को समझने की आवश्यकता होती है: जिस अणु का वे परीक्षण कर रहे हैं उसका सटीक आकार, और उस प्रोटीन का आकार जिसे वह रोकने की कोशिश कर रहा है। यह तीन-आयामी फिट (3D fit) का खेल है, जहाँ अणु की संरचना में एक मामूली सा घुमाव भी सफलता और विफलता के बीच का अंतर तय कर सकता है। दशकों से, शोधकर्ता शक्तिशाली कंप्यूटरों का उपयोग यह अनुमान लगाने के लिए करते रहे हैं कि एक संभावित दवा कितनी अच्छी तरह फिट हो सकती है, लेकिन ये भविष्यवाणियाँ केवल उतनी ही अच्छी होती हैं जितनी कि वह 'मैप' (मानचित्र) जिससे वे शुरुआत करते हैं। यदि अणु का मैप थोड़ा भी गलत है, तो भविष्यवाणी गलत होगी। यही कारण है कि किसी अणु की संरचना के सटीक भौतिक माप को कंप्यूटर सिमुलेशन के साथ जोड़ना, यह समझने का सबसे विश्वसनीय तरीका बना हुआ है कि एक नया रसायन संक्रमण से कैसे लड़ सकता है।

चेन्नई, भारत के प्रेसीडेंसी कॉलेज के शोधकर्ताओं की एक टीम ने हाल ही में 2,4-डिनिट्रो-1-नैफ्थिल 4-टोल्यूनिसल्फोनेट, जिसे संक्षेप में PTN कहा जाता है, नामक एक विशिष्ट रासायनिक यौगिक पर यह कठोर दृष्टिकोण लागू किया। यह अणु उन रसायनों के वर्ग से संबंधित है जिन्होंने सूक्ष्मजीवों से लड़ने में आशाजनक परिणाम दिखाए हैं, लेकिन शरीर में इसके सटीक व्यवहार को पूरी तरह से समझा नहीं गया था। शोधकर्ता यह देखना चाहते थे कि क्या वे भौतिक साक्ष्य और कंप्यूटर मॉडलिंग दोनों के माध्यम से यह सिद्ध कर सकते हैं कि PTN हानिकारक बैक्टीरिया और कवक को रोकने के लिए एक मजबूत उम्मीदवार है। उन्होंने इस पदार्थ का एक आदर्श, एकल क्रिस्टल उगाकर शुरुआत की और इसके माध्यम से एक्स-रे प्रवाहित किया। इस प्रक्रिया को, जिसे एक्स-रे क्रिस्टलोग्राफी कहा जाता है, ने उन्हें अणु के प्रत्येक परमाणु का एक सटीक, तीन-आयामी मानचित्र बनाने की अनुमति दी, जिससे यह दिखाया जा सके कि वे अंतरिक्ष में ठीक कैसे व्यवस्थित हैं। उन्होंने पाया कि परमाणु एक विशिष्ट आकार बनाते हैं जहाँ एक केंद्रीय सल्फर परमाणु एक लचीले बंधन में ऑक्सीजन परमाणु से जुड़ता है, जिससे एक ऐसी संरचना बनती है जो पूरी तरह से सपाट होने के बजाय थोड़ी मुड़ी हुई (twisted) है।

इस भौतिक मानचित्र के साथ, टीम ने कंप्यूटर सिमुलेशन की ओर रुख किया ताकि यह देखा जा सके कि जब PTन क्रिस्टल में कैद नहीं होता है, तो वह कैसा व्यवहार करता है। उन्होंने 'डेंसिटी फंक्शनल थ्योरी' नामक पद्धति का उपयोग किया, जो यह गणना करती है कि परमाणुओं के चारों ओर इलेक्ट्रॉन कैसे घूमते हैं ताकि अणु की स्थिरता और प्रतिक्रियाशीलता निर्धारित की जा सके। कंप्यूटर मॉडल ने पुष्टि की कि क्रिस्टल में जो आकार उन्होंने देखा था वह काफी हद तक सही था, जिसमें केवल उस लचीले सल्फर-ऑक्सीजन बंधन की लंबाई में एक बहुत मामूली अंतर था—एक ऐसा बदलाव जो ठोस क्रिस्टल से मुक्त-प्रवाहित अणु में जाने पर अपेक्षित है। गणनाओं ने यह भी खुलासा किया कि अणु में एक मजबूत विद्युत खिंचाव है, जिसमें धनात्मक और ऋणात्मक आवेशों का महत्वपूर्ण अलगाव है। यह विद्युत असंतुलन यह सुझाव देता है कि अणु जैविक प्रोटीनों की आवेशित सतहों के साथ परस्पर क्रिया करने के लिए सुसज्जित है, जो एक दवा के काम करने के लिए एक प्रमुख आवश्यकता है।

शोधकर्ताओं ने अगला कदम उठाया, कंप्यूटर का उपयोग करके यह सिम्युलेट किया कि PTN उन विशिष्ट प्रोटीनों के साथ कैसे परस्पर क्रिया करेगा जो खतरनाक सूक्ष्मजीवों को जीवित रखते हैं। उन्होंने तीन अलग-अलग लक्ष्यों के विरुद्ध इस अणु का परीक्षण किया: एक प्रोटीन जो स्टैफिलोकोकस ऑरियस (Staphylococcus aureus) नामक सामान्य त्वचा बैक्टीरिया को डीएनए बनाने में मदद करता है, एक प्रोटीन जो शिगेला (Shigella) बैक्टीरिया को अपनी कोशिका भित्ति बनाने में मदद करता है, और एक प्रोटीन जो कैंडिडा एल्बिकन्स (Candida albicans) कवक को अपनी कोशिका झिल्ली बनाने में मदद करता है। हर मामले में, कंप्यूटर ने भविष्यवाणी की कि PTN इन प्रोटीनों से उन मानक दवाओं की तुलना में अधिक मजबूती से जुड़ेगा जिनका वर्तमान में उपचार के लिए उपयोग किया जाता है। उदाहरण के लिए, कवक प्रोटीन के विरुद्ध परीक्षण किए जाने पर, सिमुलेशन ने दिखाया कि PTN फ्लुकोनाज़ोल (fluconazole), जो एक सामान्य एंटीफंगल दवा है, की तुलना में काफी बेहतर मजबूती के साथ पकड़ बनाए रखता है। यह एक उल्लेखनीय परिणाम था, विशेष रूप से इसलिए क्योंकि शोधकर्ताओं ने प्रयोगशाला में इस यौगिक की वास्तविक दुनिया की प्रभावशीलता का भी परीक्षण किया था।

जब टीम ने प्रयोगशाला में वास्तव में बैक्टीरिया और कवक को PTN के संपर्क में लाया, तो परिणाम उनके कंप्यूटर अनुमानों से मेल खा गए। यौगिक ने सफलतापूर्वक स्टैफिलोकोकस ऑरियस, शिगेला और कैंडिडा एल्बिकन्स की वृद्धि को रोक दिया। सबसे महत्वपूर्ण बात यह है कि इसने कैंडिडा के एक ऐसे स्ट्रेन के खिलाफ भी काम किया जो फ्लुकोनाज़ोल, जो कि मानक उपचार है, के प्रति पूरी तरह से प्रतिरोधी (immune) था। इसने पुष्टि की कि कंप्यूटर द्वारा अनुमानित मजबूत बंधन वास्तविक था और यह अणु वास्तव में इन सूक्ष्म मशीनों के गियर को जाम कर सकता है। शोधकर्ताओं ने यह भी नोट किया कि जबकि कंप्यूटर ने कवक लक्ष्य के विरुद्ध सबसे मजबूत बंधन की भविष्यवाणी की थी, प्रयोगशाला डिश में बैक्टीरिया वास्तव में अधिक संवेदनशील थे। उन्होंने स्पष्ट किया कि यह अंतर कोई विरोधाभास नहीं है, बल्कि एक अनुस्मारक है कि कंप्यूटर मॉडल यह मापते हैं कि एक अणु प्रोटीन से कितनी मजबूती से चिपकता है, जबकि एक लैब टेस्ट यह भी मापता है कि अणु कितनी आसानी से जेल के माध्यम से गुजर सकता है और सूक्ष्मजीव तक पहुँच सकता है। दोनों विधियाँ अलग-अलग चीजें मापती हैं, लेकिन मिलकर एक सुसंगत कहानी बताती हैं: PTN एक शक्तिशाली एजेंट है जो उन लक्ष्यों में अच्छी तरह से फिट बैठता है जिन्हें हिट करने के लिए इसे डिज़ाइन किया गया है।

आगे देखते हुए, लेखक सुझाव देते हैं कि कृत्रिम बुद्धिमत्ता (AI) की मदद से उपयोग किए जाने वाले उपकरणों को और भी शक्तिशाली बनाया जा सकता है। हालांकि वर्तमान विधियाँ विश्वसनीय हैं, लेकिन वे धीमी और गणनात्मक रूप से महंगी हो सकती हैं। नए AI तकनीकें संभावित रूप से किसी अणु के सही आकार को खोजने या यह भविष्यवाणी करने की प्रक्रिया को तेज कर सकती हैं कि यह प्रोटीन के साथ कैसे बंधेगा, जिससे वैज्ञानिक कुछ को परीक्षण करने में लगने वाले समय में हजारों उम्मीदवारों का परीक्षण कर सकेंगे। हालाँकि, शोधकर्ता चेतावनी देते हैं कि ये AI उपकरण अभी भी हर प्रकार के रसायन के लिए पूर्ण नहीं हैं, विशेष रूप से उन जिनमें जटिल या असामान्य संरचनाएं जैसे कि अध्ययन किए गए यौगिक में होती हैं। फिलहाल, भौतिक क्रिस्टल माप और सावधानीपूर्वक कंप्यूटर सिमुलेशन का संयोजन 'गोल्ड स्टैंडर्ड' बना हुआ है। यह अध्ययन PTN को समझने के लिए एक पूर्ण और पुनरुत्पादक ब्लूप्रिंट प्रदान करता है, जो भविष्य के वैज्ञानिकों को इस यौगिक के और भी बेहतर संस्करणों को डिजाइन करने के लिए एक स्पष्ट मार्ग प्रदान करता है ताकि दवा-प्रतिरोधी संक्रमणों के बढ़ते खतरे से लड़ा जा सके।