Integrated Machine Learning and Structure-Based Computational Prioritization of KIF11 Inhibitor Candidates for CNS-Oriented Drug Discovery
यह अध्ययन एक एकीकृत मशीन लर्निंग और संरचना-आधारित कम्प्यूटेशनल वर्कफ़्लो प्रस्तुत करता है जिसने सीएनएस-उन्मुख ऑन्कोलॉजी ड्रग डिस्कवरी के लिए उच्च अनुमानित क्षमता और ब्लड-ब्रेन बैरियर पारगम्यता वाले पांच संरचनात्मक रूप से विविध KIF11 अवरोधक उम्मीदवारों को सफलतापूर्वक प्राथमिकता दी 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
कैंसर अनियंत्रित विकास की एक बीमारी है, जहाँ कोशिकाएं बिना रुके विभाजित होती रहती हैं। इस बेकाबू प्रक्रिया को रोकने के लिए, वैज्ञानिक अक्सर उस मशीनरी को बाधित करने के तरीके खोजते हैं जो कोशिकाओं को दो भागों में विभाजित होने देती है। इस मशीनरी का एक महत्वपूर्ण हिस्सा KIF11 नामक प्रोटीन है, जो कोशिका विभाजन के लिए आवश्यक आंतरिक ढांचे (scaffolding) को व्यवस्थित करने के लिए एक आणविक मोटर (molecular motor) के रूप में कार्य करता है। जब इस प्रोटीन को रोका जाता है, तो कोशिका ठीक से विभाजित नहीं हो पाती और अंततः मर जाती है। यह KIF11 को नए कैंसर उपचारों के लिए एक आशाजनक लक्ष्य बनाता है। हालाँकि, मस्तिष्क में उत्पन्न होने वाले कैंसर, जैसे कि ग्लियोब्लास्टोमा, का इलाज करना एक अनूठी चुनौती पेश करता है। मस्तिष्क एक जैविक बाधा द्वारा संरक्षित होता है जो अधिकांश पदार्थों को बाहर रखता है, जिसका अर्थ है कि एक दवा को विशेष रूप से इस दीवार को पार करने के लिए डिज़ाइन किया जाना चाहिए ताकि वह ट्यूमर तक पहुँच सके। एक ऐसे अणु को खोजना जो कैंसर को रोकने के लिए पर्याप्त शक्तिशाली भी हो और मस्तिष्क में प्रवेश करने के लिए पर्याप्त छोटा भी हो, शोधकर्ताओं के लिए एक कठिन संतुलन कार्य है।
हाल ही में एक अध्ययन में, भारत के वैज्ञानिकों की एक टीम ने एक नई कंप्यूटर-आधारित रणनीति विकसित की है जिससे इस समस्या को हल करने वाले संभावित दवाओं को खोजा जा सके। प्रयोगशाला में एक-एक करके हजारों रसायनों का परीक्षण करने के बजाय, जो धीमा और महंगा है, उन्होंने उन्नत कंप्यूटर प्रोग्रामों का उपयोग यह सिम्युलेट करने के लिए किया कि विभिन्न अणु KIF11 प्रोटीन के साथ कैसे परस्पर क्रिया कर सकते हैं। शोधकर्ताओं ने विभिन्न रसायनों का KIF11 पर कैसे प्रभाव पड़ता है, इस पर मौजूदा डेटा का एक विशाल संग्रह एकत्र करके शुरुआत की, और जानकारी को सटीक और सुसंगत बनाने के लिए उसे साफ किया। इसके बाद उन्होंने एक कंप्यूटर सिस्टम को इन अणुओं के आकार और रासायनिक गुणों में पैटर्न पहचानने के लिए प्रशिक्षित किया, जिससे सिस्टम यह भविष्यवाणी कर सका कि कौन से नए, अनपरीक्षित रसायन प्रभावी अवरोधक (inhibitors) हो सकते हैं। यह सुनिश्चित करने के लिए कि उनकी भविष्यवाणियाँ विश्वसनीय हों, उन्होंने एक कठोर पद्धति का उपयोग किया जहाँ कंप्यूटर ने रसायनों के एक समूह से सीखा और फिर एक पूरी तरह से अलग समूह पर इसका परीक्षण किया जिसे उसने पहले कभी नहीं देखा था, जिससे सिस्टम को केवल उत्तर याद करने से रोका जा सके।
कंप्यूटर मॉडल ने कई आशाजनक उम्मीदवारों की पहचान सफलतापूर्वक की, लेकिन शोधकर्ता वहीं नहीं रुके। वे जानना चाहते थे कि क्या ये अणु वास्तव में KIF11 प्रोटीन के उस विशिष्ट पॉकेट (pocket) में फिट हो सकते हैं जहाँ उन्हें अपना काम करने के लिए जुड़ना होता है। 'मॉलिक्यूलर डॉकिंग' नामक तकनीक का उपयोग करके, उन्होंने प्रोटीन संरचना और शीर्ष उम्मीदवारों के बीच भौतिक संपर्क का अनुकरण (simulate) किया। यह प्रक्रिया पूरी तरह से कंप्यूटर के भीतर एक चाबी को ताले में फिट करने की कोशिश करने जैसी है ताकि यह देखा जा सके कि क्या आकार मेल खाता है। सिमुलेशन ने दिखाया कि चयनित अणु वास्तव में प्रोटीन पर सही स्थान पर बैठ सकते हैं। टीम ने यह जांचने के लिए भी परीक्षण किए कि क्या ये अणु रक्त-मस्तिष्क बाधा (blood-brain barrier) को पार कर सकेंगे और मस्तिष्क तक पहुँच पाएंगे, और साथ ही यह भी कि क्या वे शरीर के लिए सुरक्षित होंगे। उन्होंने पाया कि शीर्ष उम्मीदवारों में मस्तिष्क में प्रवेश करने की बहुत उच्च संभावना थी, जो मस्तिष्क के ट्यूमर के इलाज के लिए एक महत्वपूर्ण आवश्यकता है।
पहचाने गए अणुओं में से, एक सबसे अधिक आशाजनक बनकर उभरा। यह यौगिक, जिसे CHEMBL392148 कोड से जाना जाता है, KIF11 प्रोटीन को रोकने में अत्यधिक प्रभावी होने और मस्तिष्क में प्रवेश करने का उत्कृष्ट अवसर रखने के लिए अनुमानित था। शोधकर्ताओं ने इस अणु और अन्य के रासायनिक ढांचे का बारीकी से निरीक्षण भी किया ताकि यह सुनिश्चित किया जा सके कि उनमें ऐसे हिस्से न हों जो विषाक्त या अस्थिर माने जाते हैं। जबकि एक उम्मीदवार ने एक विशिष्ट रासायनिक विशेषता के संबंध में एक छोटा चेतावनी संकेत दिखाया, शीर्ष विकल्प कंप्यूटर मॉडल के आधार पर स्वच्छ और सुरक्षित दिखाई दिया। अध्ययन ने एक संभावित सुरक्षा चिंता को भी उजागर किया: सभी पांच सर्वश्रेष्ठ उम्मीदवारों ने एक संकेत दिखाया कि वे हृदय की विद्युत प्रणाली को प्रभावित कर सकते हैं, जो कि मानव उपयोग से पहले वास्तविक लैब में परीक्षण किए जाने योग्य एक जोखिम है।
शोधकर्ता इस बात पर जोर देते हैं कि ये निष्कर्ष एक शुरुआती बिंदु हैं, न कि एक तैयार उत्पाद। उनके द्वारा पहचाने गए अणु अभी केवल कंप्यूटर भविष्यवाणियां हैं। अगला कदम इन रसायनों को प्रयोगशाला में बनाना और वास्तविक प्रोटीन और कोशिकाओं पर इनका परीक्षण करना होगा ताकि यह देखा जा सके कि क्या वे वैसा ही व्यवहार करते हैं जैसा कंप्यूटर ने भविष्यवाणी की थी। यह अध्ययन एक स्पष्ट, तर्कसंगत मार्ग प्रदान करता है, जो विशिष्ट रासायनिक संरचनाओं की एक संक्षिप्त सूची देता है जिनका आगे जांच की जानी चाहिए। मशीन लर्निंग को विस्तृत संरचनात्मक विश्लेषण के साथ जोड़कर, टीम ने नए मस्तिष्क-कैंसर की दवा की खोज को कुछ उच्च-गुणवत्ता वाले उम्मीदवारों तक सीमित कर दिया है, जिससे समय और संसाधनों की बचत हुई है और प्रयासों को सबसे संभावित समाधानों पर केंद्रित किया गया है।
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।