A Proteome-Wide, Accelerated Deep Learning Framework for Structural Interactome Docking, Polygenic Disease Network Translation and Automated Druggability Assessment

प्रत्येक जीवित कोशिका के भीतर, प्रोटीन नामक हजारों सूक्ष्म मशीनें शरीर को चलाने के लिए मिलकर काम करती हैं। ये मशीनें अकेले काम नहीं करती हैं; वे लगातार एक-दूसरे से टकराती हैं, आपस में जुड़ती हैं, और मांसपेशियों के निर्माण, संक्रमण से लड़ने या रक्त पंप करने जैसे आवश्यक कार्यों को पूरा करने के लिए टीमें बनाती हैं। वैज्ञानिक इन संबंधों को प्रोटीन-प्रोटीन इंटरेक्शन (protein-protein interactions) कहते हैं। दशकों से, शोधकर्ता मानव शरीर में इन सभी कनेक्शनों का मानचित्र बनाने की कोशिश कर रहे हैं, जिसे 'इंटरेक्टोम' (interactome) के रूप में जाना जाता है। यह मानचित्र अत्यंत महत्वपूर्ण है क्योंकि जब ये संबंध गलत हो जाते हैं, तो अक्सर बीमारी का जन्म होता है। हालाँकि, इन कनेक्शनों को खोजना अविश्वसनीय रूप से कठिन रहा है। पारंपरिक तरीकों में वैज्ञानिकों को प्रयोगशाला में प्रोटीनों को मिलाना पड़ता है और यह देखना पड़ता है कि क्या वे आपस में जुड़ते हैं, जो एक ऐसी प्रक्रिया है जो धीमी, महंगी और अक्सर भ्रामक परिणाम देने वाली होती है। इसके अलावा, संभावित जोड़ों की संख्या इतनी विशाल है कि उन सभी का हाथ से परीक्षण करना असंभव है।

Partex.AI Technology की एक टीम द्वारा किए गए एक नए अध्ययन ने एक अलग मार्ग प्रस्तुत किया है। लैब द्वारा यह बताने का इंतज़ार करने के बजाय कि कौन सा प्रोटीन किससे जुड़ेगा, शोधकर्ताओं ने एक शक्तिशाली आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग किया जो यह भविष्यवाणी करता है कि प्रोटीन एक-दूसरे में कैसे फिट होते हैं, जो अनिवार्य रूप से कंप्यूटर पर पूरे मानव शरीर के इंटरेक्शन नेटवर्क का अनुकरण (simulation) करता है। उन्होंने विशेष रूप से हृदय रोग पर ध्यान केंद्रित किया, जो दुनिया भर में मृत्यु का एक प्रमुख कारण है, ताकि वे उपचार के नए तरीके खोज सकें। प्रोटीन के आकारों के उन्नत कंप्यूटर मॉडल को भारी कंप्यूटिंग शक्ति के साथ जोड़कर, वे कुछ ही दिनों में लाखों संभावित जोड़ों को स्कैन करने में सक्षम रहे। इसका परिणाम प्रोटीन के बीच नए, अत्यधिक संभावित कनेक्शनों की एक विशाल सूची है जो पहले अज्ञात थे, जिनमें से कई हृदय रोग में शामिल प्रतीत होते हैं। यह कार्य केवल एक मानचित्र को भरना नहीं है; यह दवाओं के लिए नए लक्ष्यों को खोजने का एक नया तरीका प्रदान करता है, जो एक सैद्धांतिक संभावना को भविष्य की दवा खोज के लिए एक व्यावहारिक मार्गदर्शिका में बदल देता है।

टीम के सामने जो चुनौती थी वह पैमाने (scale) की थी। मानव शरीर में लगभग 20,000 विभिन्न प्रकार के प्रोटीन होते हैं। यदि आप प्रत्येक प्रोटीन को दूसरे के साथ जोड़कर यह देखने की कोशिश करते हैं कि क्या वे परस्पर क्रिया कर सकते हैं, तो आप 11.5 करोड़ से अधिक संभावित संयोजनों तक पहुँच जाते हैं। अतीत में, पारंपरिक भौतिकी-आधारित तरीकों का उपयोग करके इनमें से एक छोटे से हिस्से की भी जाँच करने में सुपरकंप्यूटर का वर्षों का समय लग जाता। शोधकर्ताओं को पता था कि कई जोड़े वास्तव में कोशिका में कभी नहीं मिलेंगे क्योंकि वे शरीर के अलग-अलग हिस्सों में रहते हैं, जैसे तेल और पानी जो कभी नहीं मिलते। इसे हल करने के लिए, उन्होंने एक डिजिटल पाइपलाइन बनाई जिसने पहले AI का उपयोग करके सभी मानव प्रोटीनों के 3D आकार की भविष्यवाणी की, और फिर यह सिम्युलेट करने के लिए कि वे कैसे फिट हो सकते हैं, 'EquiDock' नामक एक विशेष डीप लर्निंग टूल का उपयोग किया। दुनिया के 460 सबसे शक्तिशाली ग्राफिक्स प्रोसेसरों पर चलने वाला यह टूल, प्रोटीन के एक जोड़े का मूल्यांकन घंटों के बजाय कुछ ही सेकंडों में कर सकता था।

टीम केवल आकारों का अनुकरण करने तक ही नहीं रुकी। उन्होंने असंभव को बाहर करने के लिए जैविक नियमों के एक सख्त सेट को लागू किया। उन्होंने उन जोड़ों को हटा दिया जहाँ प्रोटीन अलग-अलग कोशिकीय क्षेत्रों (cellular neighborhoods) में रहते थे, यह सुनिश्चित करते हुए कि केवल वे ही प्रोटीन रखे जाएं जो वास्तव में एक जीवित कोशिका में मिल सकते हैं। उन्होंने कनेक्शन की स्थिरता की भी जाँच की, और उन जोड़ों को हटा दिया जो तुरंत टूट जाते। इन फिल्टरों को चलाने के बाद, उन्होंने खोज को 11.5 करोड़ संभावनाओं से घटाकर लगभग 33 लाख जोड़ों तक सीमित कर दिया जो संरचनात्मक रूप से सुदृढ़ और जैविक रूप से व्यवहार्य थे। जब उन्होंने इस सूची की तुलना ज्ञात इंटरेक्शन के मौजूदा डेटाबेस से की, तो उन्होंने पाया कि उनका सिस्टम स्थापित कनेक्शनों के एक बड़े हिस्से को पुनः प्राप्त कर सकता है, जो उनकी विधि की सटीकता को सिद्ध करता है। इससे भी महत्वपूर्ण बात यह है कि उन्होंने 3.2 मिलियन से अधिक ऐसे इंटरेक्शन खोजे जो पहले कभी दर्ज नहीं किए गए थे। ये केवल रैंडम अनुमान नहीं थे; ये शारीरिक रूप से संभव कनेक्शन थे जिन्हें बस लैब में कभी देखा नहीं गया था।

इन निष्कर्षों को बीमारी के इलाज के लिए उपयोगी बनाने के लिए, शोधकर्ताओं ने अपना ध्यान हृदय पर केंद्रित किया। उन्होंने अपने नए इंटरेक्शन की विशाल सूची को लिया और विशेष रूप से कोरोनरी आर्टरी डिजीज से जुड़े प्रोटीनों वाले जोड़ों की तलाश की। सैकड़ों हजारों लोगों के जेनेटिक डेटा के साथ अपने परिणामों को क्रॉस-रेफरेंस करके, उन्होंने 962 उच्च-विश्वास वाले प्रोटीन जोड़ों के एक मुख्य समूह की पहचान की जो हृदय रोग को संचालित करने वाले प्राथमिकता योग्य परिकल्पनाओं (hypotheses) का प्रतिनिधित्व करते हैं। इन जोड़ों ने एक ऐसा नेटवर्क बनाया जिसने उन जीन्स को जोड़ा जो, अकेले होने पर, बीमारी का कारण बनने के लिए बहुत कमजोर लगते थे, लेकिन मिलकर एक शक्तिशाली जैविक संकेत पैदा करते थे। अध्ययन ने दिखाया कि ये नए कनेक्शन केवल रैंडम शोर नहीं थे; वे ऊर्जा उत्पादन और ऊतक रखरखाव (muscle tissue maintenance) से संबंधित ज्ञात जैविक मार्गों के आसपास केंद्रित थे, जो हृदय के कार्य करने के तरीके के केंद्र में हैं। हालांकि, शोधकर्ता इस बात पर जोर देते हैं कि ये कम्प्यूटेशनल भविष्यवाणियां और परिकल्पनाएं हैं जिन्हें भविष्य में प्रयोगात्मक सत्यापन की आवश्यकता है, क्योंकि वर्तमान अध्ययन में प्रत्यक्ष 'वेट-लैब' (wet-lab) पुष्टि का अभाव है।

अंतिम चरण यह निर्धारित करना था कि क्या इन नए लक्ष्यों का दवाओं के माध्यम से उपचार किया जा सकता है। कई प्रोटीनों को "अनड्रगेबल" (undruggable) माना जाता है क्योंकि उनमें वे गहरे पॉकेट (pockets) नहीं होते जहाँ दवा के अणु आमतौर पर जुड़ते हैं। टीम ने उनके नए प्रोटीन जोड़ों की सतहों को स्कैन करने के लिए 'PocketVec' नामक एक नई स्क्रीनिंग पद्धति का उपयोग किया ताकि किसी भी छिपे हुए दरार या खांच (crevice) का पता लगाया जा सके जहाँ दवा का अणु समा सके। उन्होंने पाया कि इनमें से कई अनदेखे प्रोटीनों में वास्तव में उपयुक्त पॉकेट मौजूद थे। इसका अर्थ है कि उनके द्वारा खोजे गए नए इंटरेक्शन केवल जैविक जिज्ञासाएँ नहीं हैं; वे नई दवाएं विकसित करने के लिए संभावित शुरुआती बिंदु हैं। शोधकर्ताओं ने महीनों बाद अपने भविष्यवाणियों को फिर से देखा और पाया कि जिन इंटरेक्शनों को उन्होंने नए के रूप में चिह्नित किया था, उन्हें अन्य वैज्ञानिकों द्वारा वास्तविक दुनिया में पहले ही पुष्ट किया जा चुका था, जो उनके दृष्टिकोण की गति और सटीकता को प्रमाणित करता है।

यह कार्य जटिल बीमारियों के प्रति वैज्ञानिकों के दृष्टिकोण में एक बदलाव का प्रतिनिधित्व करता है। केवल एक टूटे हुए हिस्से को देखने के बजाय, अब वे कनेक्शनों के पूरे नेटवर्क को मैप करने में सक्षम हैं जो गलत हो जाता है। आर्टिफिशियल इंटेलिजेंस का उपयोग करके प्रोटीन की भौतिक दुनिया का अनुकरण करके, टीम ने हृदय रोग और संभावित रूप से अन्य स्थितियों के लिए उपचार खोजने का एक ब्लूप्रिंट तैयार किया है। उन्होंने दिखाया है कि सही कंप्यूटिंग पावर और स्मार्ट फिल्टरिंग के साथ, कुछ ही दिनों में संपूर्ण मानव इंटरेक्टोम का पता लगाना संभव है, जिससे एक ऐसा कार्य जो कभी असंभव लगता था, एक नियमित खोज इंजन में बदल गया है। उनके द्वारा उत्पन्न नए इंटरेक्शन की सूची अब अन्य वैज्ञानिकों के परीक्षण के लिए उपलब्ध है, जो दुनिया की कुछ सबसे स्थायी स्वास्थ्य चुनौतियों के लिए अगली पीढ़ी की चिकित्सा खोजने में एक बड़ी बढ़त प्रदान करती है।