प्रोटीन कठोर मूर्तियां नहीं हैं। वे अपने कार्य को समझने के लिए आवश्यक आंदोलनों को मोड़ते हैं, फ्लेक्स करते हैं, और कभी -कभी उजागर होते हैं। कुछ प्रोटीन, जैसे एंजाइम, अणुओं को हथियाने के लिए क्लैमशेल की तरह खुलते हैं। अन्य जैसे कि सिग्नलिंग प्रोटीन सेल प्रक्रियाओं को नियंत्रित करने के लिए आकार बदल देता है। फिर भी अन्य लोग संक्षेप में छिपे हुए अंतराल को प्रकट करते हैं जहां ड्रग्स बांध सकते हैं। आर्टिफिशियल इंटेलिजेंस (एआई) टूल जैसे अल्फफोल्ड ने स्ट्रक्चर प्रेडिक्शन रूटीन बना दिया है, लेकिन वे आमतौर पर सिर्फ एक स्थिर रूप देते हैं, जो वास्तव में एक चलती तस्वीर है, से एक एकल फ्रेम।
अमेरिका में राइस यूनिवर्सिटी में माइक्रोसॉफ्ट और शोधकर्ताओं द्वारा विकसित बायोएमू नामक एक नई डीप लर्निंग सिस्टम और जर्मनी में फ्रीई यूनिवर्सिटेट, एक प्रोटीन की पूरी श्रृंखला की भविष्यवाणी करता है, जो स्वाभाविक रूप से जैविक परिस्थितियों में पता चलता है। संतुलन पहनावा के रूप में जाना जाता है, यह धीमी, अधिक शास्त्रीय दृष्टिकोणों के विपरीत पैमाने पर उच्च-रिज़ॉल्यूशन प्रोटीन लचीलापन मॉडलिंग की अनुमति देता है। वर्णन करें विज्ञानबायोएमू तेजी से और सस्ता है, जो प्रोटीन फ़ंक्शन के बड़े पैमाने पर भविष्यवाणियों को सक्षम करता है।
बायोएमू के महत्व को समझने के लिए, यह देखने में मदद करता है कि यह किस खिलाफ है। मॉडलिंग प्रोटीन लचीलेपन के लिए सोने का मानक आणविक गतिशीलता (एमडी) है, जो ग्रोमैक या एंटोन जैसे उपकरणों का उपयोग करके एक अरबवें के एक अरबवें स्थान पर परमाणु आंदोलनों को ट्रैक करता है।
अपने अल्ट्राफाइन संकल्प और सटीकता के बावजूद, एमडी धीमी और महंगी है। माइक्रोसेकंड या मिलीसेकंड पर गतियों का अनुकरण करने से सुपर कंप्यूटर पर भी हजारों जीपीयू-घंटे लग सकते हैं।
Bioemu AI प्रसार मॉडल पर भरोसा करके इस अड़चन को दरकिनार कर देता है। बायोएमू को प्रशिक्षित करने के लिए, शोधकर्ताओं ने पहले इसे वास्तविक प्रोटीन संरचनाओं को खिलाया, लाखों अल्फाफोल्ड-पूर्वाभास वाली विधानसभाओं, 200 मिलीसेकंड एमडी सिमुलेशन से हजारों प्रोटीनों में फैले, और प्रयोगात्मक स्थिरता माप से आधा मिलियन उत्परिवर्ती अनुक्रम। यह एक चीनी क्यूब को एक गिलास पानी में छोड़ने जैसा है: मूल संरचना, स्पष्ट और परिभाषित, धीरे -धीरे भंग हो जाती है। Bioemu का असली कार्य यह सीखना है कि उस प्रक्रिया को रिवर्स में कैसे चलाया जाए: शोर से एक चीनी घन तक। एक बार प्रशिक्षित होने के बाद, यह खरोंच से हजारों प्रशंसनीय प्रोटीन अनुरूपता उत्पन्न कर सकता है।
Bioemu ने बेंचमार्क में उत्कृष्ट प्रदर्शन किया। इसने एंजाइमों में बड़े आकार के परिवर्तन पर कब्जा कर लिया, स्थानीय अनफोल्डिंग जो प्रोटीन को स्विच करता है या बंद करता है, और क्रिप्टिक पॉकेट्स को क्षणभंगुर करता है, अस्थायी दरारें जो ड्रग डॉकिंग साइटों के रूप में काम कर सकती हैं, जैसे कि कैंसर से जुड़े प्रोटीन आरएएस में। इसने 83% बड़ी पारियों और 70-81% छोटे परिवर्तनों की सटीक भविष्यवाणी की, जिसमें एडेनिलेट किनेज नामक एक महत्वपूर्ण एंजाइम के खुले और बंद रूप शामिल हैं। इसने उन प्रोटीनों की भविष्यवाणी करने के लिए कड़ी मेहनत की, जिनमें एक निश्चित 3 डी संरचना नहीं है और म्यूटेशन प्रोटीन स्थिरता को कैसे प्रभावित करते हैं।
तेजी से लेकिन पूरी तरह से विस्तृत नहीं
जबकि एमडी अनुकरण करता है कि कैसे समय के साथ प्रोटीन चलते हैं, जिसमें पानी और दवाओं के साथ बातचीत भी शामिल है, बायोएमू जल्दी से सभी स्थिर आकृतियों के स्नैपशॉट उत्पन्न करता है जो एक प्रोटीन को अपनाने की संभावना है। यह एक एकल GPU पर मिनटों से घंटों तक इन संरचनाओं के हजारों का उत्पादन कर सकता है। लेकिन यह नहीं दिखा सकता है कि एक प्रक्रिया कैसे सामने आती है।
एसआरएम इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी में बायोइनफॉर्मेटियन और असिस्टेंट प्रोफेसर कलैरसन पोनसवामी और सहायक प्रोफेसर कहते हैं, “अगर कोई शोधकर्ता यह समझना चाहता है कि एक दवा एक छिपी हुई बाध्यकारी साइट तक कैसे पहुंचती है, तो एमडी कदम-दर-चरण मार्ग को प्रकट कर सकता है,” एसआरएम इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी में जैव सूचनावीय और सहायक प्रोफेसर कलैरसन पोनसवामी कहते हैं। “बायोएमू अंतिम आकृतियों को दर्शाता है, न कि प्रोटीन वहां कैसे पहुंचता है।”
एमडी तापमान शिफ्ट, झिल्ली और अन्य स्थितियों को भी संभालता है जो बायोएमू की स्थैतिक भविष्यवाणियां अभी तक मॉडल नहीं कर सकती हैं।
Bioemu सेल की दीवारों, दवा अणुओं, पीएच परिवर्तन या अल्फफोल्ड की तरह भविष्यवाणी विश्वसनीयता नहीं दिखा सकता है। यह एकल श्रृंखलाओं तक भी सीमित है और यह नहीं बता सकता है कि प्रोटीन कैसे बातचीत करते हैं, अधिकांश जैविक प्रक्रियाओं और दवा लक्ष्यों का एक महत्वपूर्ण हिस्सा है।
“यह अंतिम निष्कर्ष के स्रोत की तुलना में एक परिकल्पना-उत्पन्न करने वाले उपकरण के रूप में बेहतर देखा जाता है,” पोनसवामी कहते हैं।
जैसे -जैसे सिस्टम अधिक जटिल प्रोटीन और रासायनिक इंटरैक्शन को संभालने के लिए बढ़ता है, शोधकर्ताओं को अभी भी यह बताने के लिए प्रयोगों या पुराने सिमुलेशन विधियों की आवश्यकता हो सकती है कि यह क्या प्रस्तावित करता है।
फिर भी, वैचारिक अग्रिम स्पष्ट है। यदि Alphafold ने प्रोटीन दुनिया का खाका प्रदान किया, तो Bioemu अपनी कोरियोग्राफी को स्केच करता है। हजारों प्रोटीनों में लचीलेपन को जल्दी से कैप्चर करके, यह बड़े पैमाने पर दवा की खोज और कम संसाधन बाधाओं के साथ कार्य अध्ययन में सक्षम बनाता है, पोंनस्वामी नोट्स: “हफ्तों में अब जो कार्यों में घंटों लगेंगे।”
हालांकि वह उचित प्रशिक्षण और कौशल-सेट अधिग्रहण की आवश्यकता पर जोर देता है।
“भविष्य के वैज्ञानिकों को न केवल भौतिकी और रसायन विज्ञान में एक गहरी ग्राउंडिंग की आवश्यकता होगी, उन्हें इस तरह के हाइब्रिड दृष्टिकोणों की वास्तविक क्षमता को अनलॉक करने के लिए मशीन लर्निंग और फिजिकल मॉडलिंग में प्रवाह की भी आवश्यकता होगी।”
शोधकर्ता बायोएएमयू और एमडी को पूरक उपकरण के रूप में देखते हैं। Bioemu जल्दी से प्रशंसनीय अनुरूपता की एक श्रृंखला उत्पन्न कर सकता है, जिसे एमडी तब विस्तार से पता लगा सकता है। यह हाइब्रिड दृष्टिकोण निष्ठा को संरक्षित करते हुए सिमुलेशन समय को बहुत कम कर सकता है।
अनिरान मुखोपाध्याय दिल्ली से प्रशिक्षण और विज्ञान संचारक द्वारा एक आनुवंशिकीविद् हैं।
