BioGraphX-Sol: A Structure-Free, Fully Interpretable Protein Solubility Predictor Exceeds AlphaFold3-Based Methods and Reveals Nine Universal Cross-Species Determinants

प्रोटीन जीवन के कार्यवाहक हैं, सूक्ष्म आणविक मशीनें जो प्रत्येक जीवित कोशिका के भीतर कार्य करने के लिए विशिष्ट आकारों में मुड़ती हैं। वैज्ञानिकों और इंजीनियरों के लिए, इन प्रोटीनों को कोशिका के बाहर काम करने के योग्य बनाना एक बड़ी बाधा है। जब शोधकर्ता प्रयोगशाला में प्रोटीन बनाने की कोशिश करते हैं, जो अक्सर दवाएं या औद्योगिक एंजाइम बनाने के लिए किया जाता है, तो उनमें से एक महत्वपूर्ण हिस्सा ठीक से घुलने से इनकार कर देता है। घोल में स्वतंत्र रूप से तैरने के बजाय, वे आपस में जुड़कर ठोस, बेकार गांठों में बदल जाते हैं। यह प्रक्रिया, जिसे एग्रीगेशन (एकत्रीकरण) कहा जाता है, एक ऐसी बाधा है जो दवा विकास और जैव प्रौद्योगिकी की गति को धीमा कर देती है। इसे हल करने के लिए, वैज्ञानिक लंबे समय से यह अनुमान लगाने की कोशिश कर रहे हैं कि कौन से प्रोटीन अनुक्रम (sequences) घुलनशील रहेंगे और कौन से गुच्छे बनाएंगे, इस उम्मीद में कि वे किसी टेस्ट ट्यूब में रसायन मिलाने से पहले ही बेहतर प्रोटीन डिजाइन कर सकें।

वर्षों तक, इन भविष्यवाणियों के लिए सबसे शक्तिशाली उपकरण दो भारी दृष्टिकोणों पर निर्भर रहे। एक विधि ने प्रोटीन के सटीक त्रि-आयामी (3D) आकार का अनुमान लगाने की कोशिश की, जो एक ऐसी प्रक्रिया है जिसमें भारी कंप्यूटर शक्ति की आवश्यकता होती है और यह अक्सर उन प्रोटीनों के लिए विफल हो जाती है जो स्वाभाविक रूप से लचीले या अव्यवस्थित होते हैं। दूसरी विधि ने अरबों प्रोटीन अनुक्रमों पर प्रशिक्षित विशाल कृत्रिम बुद्धिमत्ता (AI) मॉडल का उपयोग किया ताकि पैटर्न खोजे जा सकें, लेकिन ये मॉडल इतने जटिल हैं कि वे 'ब्लैक बॉक्स' की तरह कार्य करते हैं, और यह स्पष्ट व्याख्या नहीं देते कि कोई प्रोटीन क्यों विफल हो सकता है। दोनों दृष्टिकोण महंगे हार्डवेयर की मांग करते हैं और अक्सर शोधकर्ताओं को प्रोटीन के व्यवहार के अंतर्नि realizó भौतिक कारणों के बारे में अनुमान लगाने पर छोड़ देते हैं।

एक नया अध्ययन एक अलग मार्ग प्रस्तुत करता है, जो 3D आकारों या विशाल AI प्रशिक्षण की आवश्यकता को दरकिनार करता है। शोधकर्ता, अबुबकर सईद ने BioGraphX-Sol नामक एक टूल विकसित किया है, जो केवल प्रोटीन को बनाने वाले अमीनो एसिड के कच्चे अनुक्रम (raw sequence) का उपयोग करके प्रोटीन की घुलनशीलता की भविष्यवाणी करता है। प्रोटीन की 3D संरचना को पुनर्गठित करने या विशाल लैंग्वेज मॉडल पर निर्भर रहने के बजाय, यह टूल भौतिकी के सरल, ज्ञात नियमों के आधार पर इंटरैक्शन का एक मानचित्र बनाता है। यह प्रोटीन अनुक्रम को कनेक्शन के एक नेटवर्क की तरह मानता है, और गणना करता है कि श्रृंखला के विभिन्न हिस्से उनके रासायनिक गुणों, जैसे कि चार्ज और हाइड्रोफोबिसिटी (जलविरागी गुण) के आधार पर कैसे परस्पर क्रिया करेंगे। यह दृष्टिकोण अनुक्रम से दो सौ विशिष्ट भौतिक विशेषताओं को निकालता है, जिससे प्रोटीन के व्यवहार का एक विस्तृत प्रोफाइल तैयार होता है, बिना कभी उसके अंतिम मुड़े हुए आकार को जाने।

इस नई विधि के परिणाम आश्चर्यजनक हैं। जब इसे प्रोटीन घुलनशीलता के मानक बेंचमार्क के विरुद्ध परखा गया, तो इस नए टूल ने वर्तमान में उपलब्ध सबसे उन्नत और जटिल प्रणालियों के प्रदर्शन से बराबरी की। इसने उस अग्रणी विधि के समान प्रदर्शन किया जो तीन अलग-अलग बड़े लैंग्वेज मॉडल को जोड़ती है और एक अन्य जो अनुमानित 3D संरचनाओं पर निर्भर करती है। उल्लेखनीय रूप से, इस नए टूल ने यह सब बहुत कम कंप्यूटेशनल संसाधनों का उपयोग करके हासिल किया। जहाँ जटिल विधियों को शक्तिशाली ग्राफिक्स प्रोसेसर की आवश्यकता होती है और एक एकल प्रोटीन का विश्लेषण करने में मिनटों का समय लगता है, वहीं यह नया टूल मिलीसेकंड में एक मानक कंप्यूटर प्रोसेसर पर कुशलतापूर्वक चलता है। इसे 3D संरचना की भविष्यवाणी करने की आवश्यकता नहीं है, और न ही इसे काम करने के लिए किसी विशाल विकासवादी परिवार का हिस्सा होने की आवश्यकता है।

सबसे महत्वपूर्ण निष्कर्ष यह है कि यह नया टूल वास्तव में उन विधियों से बेहतर प्रदर्शन करता है जो अनुमानित 3D संरचनाओं का उपयोग करती हैं। एक प्रणाली जो विकासवादी डेटा के साथ 3D निर्देशांकों (coordinates) को जोड़ती है, इस नए स्ट्रक्चर-फ्री (संरचना-मुक्त) दृष्टिकोण को हराने में विफल रही। यह सुझाव देता है कि घुलनशीलता की भविष्यवाणी करने के लिए आवश्यक विशिष्ट संरचनात्मक जानकारी को सही भौतिक नियमों का उपयोग करके सीधे अनुक्रम से प्राप्त किया जा सकता है, जिससे पूर्ण 3D आकार की भविष्यवाणी करने वाला महंगा चरण अनावश्यक हो जाता है। अध्ययन ने यह भी खुलासा किया कि यह नई विधि विभिन्न प्रजातियों के लिए बहुत बेहतर तरीके से सामान्यीकृत (generalize) होती है। जब यीस्ट (yeast) के प्रोटीनों पर परीक्षण किया गया, जो प्रशिक्षण मॉडल के लिए उपयोग किए गए बैक्टीरिया से पूरी तरह से अलग जीव है, तो इस नए टूल ने उच्च सटीकता बनाए रखी, जबकि विकासवादी पैटर्न पर निर्भर करने वाली विधियाँ प्रशिक्षण प्रजातियों से संघर्ष करती रहीं। यह इंगित करता है कि प्रोटीन के गुच्छे बनाने के पीछे के भौतिक नियम सार्वभौमिक हैं, जबकि विशाल AI मॉडल द्वारा सीखे गए पैटर्न अक्सर उन जीवों के लिए विशिष्ट होते हैं जिनके लिए उन्हें प्रशिक्षित किया गया है।

केवल संख्याओं की भविष्यवाणी करने से परे, यह नया टूल इस बात की स्पष्ट खिड़की खोलता है कि प्रोटीन वास्तव में कैसे व्यवहार करते हैं। क्योंकि इसका प्रत्येक फीचर एक ज्ञात भौतिक सिद्धांत पर आधारित है, शोधकर्ता देख सकते हैं कि कौन से कारक एक भविष्यवाणी को संचालित कर रहे हैं। इसने नौ विशिष्ट भौतिक विशेषताओं की पहचान की जो विभिन्न प्रजातियों में निरंतर घुलनशीलता को निर्धारित करती हैं। इनमें प्रोटीन श्रृंखला के साथ विद्युत आवेशों (electric charges) का वितरण, चिपचिपे हाइड्रोफोबिक क्षेत्रों का अंतराल, और संभावित क्लंपिंग साइट्स की ज्यामिति शामिल हैं। अध्ययन में पाया गया कि ये भौतिक कारक लगभग 59 प्रतिशत भविष्य कहनेवाला शक्ति (predictive power) के लिए जिम्मेदार हैं, जबकि शेष विकासवादी जानकारी के कारण है। यह संतुलन बताता है कि घुलनशीलता जैसे कार्यों के लिए, भौतिकी के नियम विकास के इतिहास जितने ही महत्वपूर्ण हैं।

इस कार्य के निहितार्थ केवल बेहतर भविष्यवाणियों तक ही सीमित नहीं हैं। यह इस प्रचलित विचार को चुनौती देता है कि बड़े, अधिक जटिल मॉडल हमेशा बेहतर होते हैं। डोमेन ज्ञान को सीधे फीचर्स में शामिल करके, शोधकर्ता ने दिखाया कि एक संक्षिप्त, व्याख्या योग्य प्रणाली विशाल न्यूरल नेटवर्क का मुकाबला कर सकती है। यह दृष्टिकोण "ग्रीन AI" की ओर बढ़ते आंदोलन के अनुरूप है, जो कृत्रिम बुद्धिमत्ता की ऊर्जा और हार्डवेयर लागत को कम करने का प्रयास करता है। यह टूल संसाधन-सीमित परिवेशों में काम करने वाले शोधकर्ताओं को बिना सुपरकंप्यूटर तक पहुंच के, हजारों प्रोटीन डिजाइनों को तेजी से और सस्ते में स्क्रीन करने का एक तरीका प्रदान करता है। यह प्रोटीन इंजीनियरों के लिए एक स्पष्ट मार्गदर्शक भी है, जो सीधे उन रासायनिक बदलावों की ओर संकेत करता है जो प्रोटीन को घुलनशील रखने के लिए आवश्यक हैं, जैसे कि चार्ज किए गए अवशेषों के अंतराल को समायोजित करना या चिपचिपे अमीनो एसिड के समूहों को तोड़ना।

अध्ययन की कुछ सीमाएँ भी हैं। भविष्यवाणियों को मौजूदा डेटा पर आधारित कम्प्यूटेशनल बेंचमार्क का उपयोग करके मान्य किया गया था, और इस टूल का अभी तक वास्तविक 'वेट लैब' (wet lab) प्रयोगों का मार्गदर्शन करने के लिए परीक्षण नहीं किया गया है। प्रशिक्षण डेटा एक विशिष्ट प्रकार के सेल-फ्री सिस्टम से आया था, जो जीवित कोशिका के भीतर के जटिल वातावरण से भिन्न है। हालाँकि, यीस्ट के लिए ज्ञान को बिना पुनः प्रशिक्षण के स्थानांतरित करने की क्षमता यह दर्शाती है कि इसके अंतर्निहित सिद्धांत सुदृढ़ हैं। शोधकर्ता का प्रस्ताव है कि भविष्य का कार्य इन अंतर्दृष्टि का उपयोग नए प्रोटीनों के डिजाइन के लिए किया जा सकता है, जिससे यह पहचाना जा सके कि गुच्छे बनने से रोकने के लिए अनुक्रम के किन हिस्सों को बदलने की आवश्यकता है। यह अनुमान लगाने और जांच करने से हटकर, प्रोटीन व्यवहार को नियंत्रित करने के लिए एक अधिक प्रत्यक्ष, भौतिकी-आधारित समझ की ओर एक बदलाव है।

अंततः, यह कार्य प्रदर्शित करता है कि कभी-कभी सबसे शक्तिशाली उपकरण वह नहीं होता जो सबसे बड़ा हो। प्रोटीन को घोलने या गुच्छे बनाने वाले मौलिक भौतिक बलों पर ध्यान केंद्रित करके, यह नई विधि उच्च सटीकता के साथ सरलता और गति प्राप्त करती है। यह सिद्ध करता है कि इस समस्या को हल करने के लिए आवश्यक संरचनात्मक जानकारी अनुक्रम के भीतर ही छिपी हुई है, जो सही प्रकार के मानचित्र द्वारा अनलॉक होने की प्रतीक्षा कर रही है। उन वैज्ञानिकों के लिए जो प्रोटीनों की शक्ति का उपयोग करने की कोशिश कर रहे हैं, यह एक स्पष्ट, कुशल और समझने योग्य मार्ग प्रदान करता है, जो एक जटिल जैविक रहस्य को कार्रवाई योग्य भौतिक नियमों के सेट में बदल देता है।