Protein language models predict artemisinin partial resistance and prioritize genetic modifiers in Plasmodium falciparum
यह अध्ययन प्रदर्शित करता है कि प्रोटीन लैंग्वेज मॉडल्स, विशेष रूप से ESM-3, स्थापित K13 वेरिएंट्स से परे *Plasmodium falciparum* में आर्टेमिसिनिन आंशिक प्रतिरोध की प्रभावी ढंग से भविष्यवाणी कर सकते हैं और उन संदर्भ-निर्भर जेनेटिक मॉडिफायर जैसे EXO E415G को सफलतापूर्वक प्राथमिकता दे सकते हैं जो केवल विशिष्ट जेनेटिक बैकग्राउंड में प्रतिरोध को बढ़ाते हैं।
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
मलेरिया मानव स्वास्थ्य के लिए सबसे निरंतर खतरों में से एक बना हुआ है, जिससे सालाना करोड़ों संक्रमण और लाखों मौतें होती हैं, जिसका सबसे भारी बोझ अफ्रीकी महाद्वीप पर पड़ता है। इस बीमारी के खिलाफ प्राथमिक हथियार 'आर्टेमिसिनिन-आधारित संयोजन चिकित्सा' (artemisinin-based combination therapies) नामक दवाओं का एक वर्ग है। ये दवाएं रक्त में मलेरिया परजीवी को तेजी से मारकर काम करती हैं, लेकिन एक खतरनाक घटना जिसे 'आंशिक प्रतिरोध' (partial resistance) कहा जाता है, उभर कर सामने आई है। प्रतिरोधी मामलों में, दवा परजीवियों को उतनी तेजी से नहीं मार पाती जितनी तेजी से उसे मारना चाहिए, जिससे वे शरीर में लंबे समय तक बने रहते हैं। यह देरी उपचार को संयोजन में मौजूद साथी दवा (partner drug) पर अधिक निर्भर होने के लिए मजबूर करती है, जिससे अंततः उपचार पूरी तरह विफल हो सकता है। वर्षों से, वैज्ञानिक 'PfK13' नामक एक विशिष्ट प्रोटीन में होने वाले परिवर्तनों को देखकर इस प्रतिरोध की निगरानी करते आए हैं, जो परजीवी के अस्तित्व के लिए एक आणविक स्विच (molecular switch) की तरह कार्य करता है। हालांकि, केवल एक स्विच पर निर्भर रहना अब अपर्याप्त होता जा रहा है। परजीवी जटिल तरीकों से विकसित हो रहा है, और इसके जेनेटिक कोड के अन्य हिस्सों में नए उत्परिवर्तन (mutations) दिखाई दे रहे हैं जो इसे जीवित रहने में मदद कर सकते हैं, लेकिन इन्हें उन पारंपरिक तरीकों से पहचानना कठिन है जो केवल पूर्व-निर्धारित ज्ञात परिवर्तनों को देखते हैं।
शोधकर्ताओं के एक दल ने अब परजीवी के प्रोटीनों को व्यक्तिगत भागों की एक सूची के रूप में नहीं, बल्कि एक पूर्ण, विकसित होती भाषा के रूप में मानकर, इन छिपे हुए पैटर्न को देखने का एक नया तरीका विकसित किया है। एक एकल ज्ञात उत्परिवर्तन की जांच करने के बजाय, उन्होंने एक प्रकार के कृत्रिम बुद्धिमत्ता (AI) का उपयोग किया जिसे लाखों प्राकृतिक प्रोटीन अनुक्रमों (sequences) पर प्रशिक्षित किया गया था ताकि परजीवी के प्रोटीनों की संपूर्ण संरचना को समझा जा सके। यह दृष्टिकोण कंप्यूटर को प्रोटीन के आकार और संरचना में उन सूक्ष्म बदलावों को पहचानने की अनुमति देता है जो प्रतिरोध का संकेत देते हैं, भले ही वे विशिष्ट परिवर्तन पहले कभी न देखे गए हों। शोधकर्ताओं ने इस पद्धति का परीक्षण दक्षिण-पूर्व एशिया से कई वर्षों में मरीजों से एकत्र किए गए 1,200 से अधिक मलेरिया परजीवियों पर किया। उन्होंने डेटा को नमूने एकत्र किए जाने के समय के आधार पर समूहों में विभाजित किया, कंप्यूटर को पुराने नमूनों पर प्रशिक्षित किया और फिर नए, अनदेखे नमूनों की प्रतिरोध स्थिति की भविष्यवाणी करने के लिए कहा। यह प्रणाली उल्लेखनीय रूप से सटीक सिद्ध हुई, जिसने उच्च विश्वसनीयता के साथ भविष्य के संग्रहों में प्रतिरोधी परजीवियों की सही पहचान की। इससे भी महत्वपूर्ण बात यह है कि इसने अफ्रीका के परजीवियों में प्रतिरोध की सफलतापूर्वक भविष्यवाणी की, जो एक ऐसा क्षेत्र है जहाँ बीमारी स्वतंत्र रूप से विकसित हो रही है, भले ही कंप्यूटर को केवल दक्षिण-पूर्व एशिया के डेटा पर प्रशिक्षित किया गया था। यह सुझाव देता है कि AI ने प्रोटीन के बदलने के मौलिक नियमों को सीखा है, न कि केवल विशिष्ट उत्परिवर्तनों को याद किया है।
इस पद्धति की शक्ति मुख्य स्विच, PfK13 से परे तक विस्तृत है। शोधकर्ताओं ने उसी भाषा-आधारित विश्लेषण को 167 अन्य जीनों पर लागू किया जिन्हें प्रतिरोध में भूमिका निभाने का संदिग्ध माना गया था। प्रत्येक जीन के पूर्ण प्रोटीन अनुक्रम को देखकर, मॉडल यह प्राथमिकता निर्धारित कर सका कि कौन से जीन परजीवी की उत्तरजीविता रणनीति में शामिल होने की सबसे अधिक संभावना रखते हैं। परिणामों ने उन कई जीनों की पुष्टि की जिनके बारे में वैज्ञानिक पहले से जानते थे, लेकिन उन्होंने उन नए उम्मीदवारों को भी उजागर किया जिन्हें नजरअंदाज कर दिया गया था। अपने कंप्यूटर-आधारित भविष्यवाणियों को वास्तविक साबित करने के लिए, टीम ने 'EXO' नामक एक विशिष्ट जीन और उसके भीतर एक विशिष्ट परिवर्तन, जिसे 'E415G' के रूप में जाना जाता है, को प्रयोगशाला में परीक्षण करने के लिए चुना। उन्होंने एक सटीक जीन-संपादन उपकरण (gene-editing tool) का उपयोग करके इस परिवर्तन को दो अलग-अलग प्रकार के मलेरिया परजीवियों में पेश किया: एक जिसमें पहले से ही मुख्य प्रतिरोध स्विच मौजूद था और एक जिसमें वह नहीं था। प्रयोग ने एक महत्वपूर्ण विवरण प्रकट किया: EXO जीन में परिवर्तन ने परजीवी को अपने आप में अधिक प्रतिरोधी नहीं बनाया। इसने परजीवी के अस्तित्व को केवल तभी बढ़ाया जब वह पहले से ही मुख्य प्रतिरोध स्विच लेकर मौजूद था। यह खोज पुष्टि करती है कि प्रतिरोध केवल एक खराब उत्परिवर्तन के बारे में नहीं है, बल्कि इस बारे में है कि विभिन्न आनुवंशिक परिवर्तन एक साथ मिलकर कैसे कार्य करते हैं। इसके विपरीत, उनके द्वारा परीक्षण किए गए एक अन्य जीन, ATP4 ने दोनों ही स्थितियों में उत्तरजीविता पर कोई प्रभाव नहीं दिखाया, जो यह दर्शाता है कि कंप्यूटर मॉडल सार्थक संकेतों और शोर (noise) के बीच अंतर करने में सक्षम था।
यह कार्य मलेरिया परजीवी के विकास पर नज़र रखने के लिए एक नया ढांचा स्थापित करता है। प्रोटीन भाषा मॉडल (protein language models) का उपयोग करके, वैज्ञानिक अब परजीवी के संपूर्ण जेनेटिक कोड को देख सकते हैं और भविष्यवाणी कर सकते हैं कि यह उपचार के प्रति कैसी प्रतिक्रिया दे सकता है, यहाँ तक कि किसी विशिष्ट उत्परिवर्तन के सामान्य होने से पहले ही। अध्ययन यह दर्शाता है कि प्रतिरोध एक जटिल लक्षण है जो परजीवी के संपूर्ण जीनोम की पृष्ठभूमि से आकार लेता है, न कि केवल एक एकल जीन से। हालांकि कंप्यूटर मॉडल अभी प्रयोगशाला परीक्षण की आवश्यकता को प्रतिस्थापित नहीं कर सकता है, लेकिन यह उभरते खतरों को स्कैन करने और यह प्राथमिकता देने के लिए एक शक्तिशाली तरीका प्रदान करता है कि किन आनुवंशिक परिवर्तनों पर सबसे अधिक ध्यान देने की आवश्यकता है। जैसे-जैसे परजीवी अनुकूलित होता जा रहा है, अपने प्रोटीनों की पूर्ण भाषा को पढ़ने की यह क्षमता एक महत्वपूर्ण उपकरण प्रदान करती है, जिससे यह सुनिश्चित होता है कि हम जिन उपचारों पर भरोसा करते हैं वे लंबे समय तक प्रभावी बने 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।