शोधकर्ता दवा की खोज की गति को बढ़ाने के लिए एआई के साथ बंधन क्षमता की गणना करने का लक्ष्य रखते हैं

एमआईटी के शोधकर्ताओं ने हाल ही में एक नई एआई-संचालित तकनीक विकसित की है जो दवा की खोज की गति को बढ़ाने के लिए बंधन क्षमता का मूल्यांकन करने के लिए उपयोग की जाने वाली गणनाओं की गति को बढ़ाकर दवा की खोज की गति को बढ़ाने के लिए है।

एक दवा को प्रोटीन से चिपकने में सक्षम होना चाहिए ताकि वह अपने डिज़ाइन किए गए कार्य को पूरा कर सके। दवा की खोज और स्क्रीनिंग प्रक्रिया में एक दवा के प्रोटीन से चिपकने की क्षमता का मूल्यांकन करना एक बड़ा हिस्सा है, और मशीन लर्निंग तकनीक इस महत्वपूर्ण दवा विशेषता का मूल्यांकन करने में बिताए गए समय को कम कर सकती है।

एमआईटी की शोध टीम, जिसने नई दवा मूल्यांकन तकनीक विकसित की है, इसे डीपबीएआर कहती है। डीपबीएआर मशीन लर्निंग अल्गोरिदम को पारंपरिक रसायन विज्ञान गणनाओं के साथ जोड़ती है। डीपबीएआर एक दिए गए उम्मीदवार दवा और उस दवा के लक्ष्य प्रोटीन के बंधन क्षमता की गणना करती है। नई विश्लेषण तकनीक पारंपरिक विधियों की तुलना में बहुत तेजी से बंधन क्षमता के अनुमान प्रदान करती है, और आशा है कि यह तकनीक दवा की खोज की गति को बढ़ा सकती है।

एक दवा की बंधन क्षमता को बंधन मुक्त ऊर्जा नामक एक मीट्रिक के माध्यम से मापा जाता है, जहां एक छोटा संख्या अधिक बंधन क्षमता को दर्शाती है। एक कम बंधन मुक्त ऊर्जा स्कोर का अर्थ है कि एक दवा अन्य अणुओं के साथ प्रतिस्पर्धा करने में बहुत अच्छी है, उनकी भूमिका निभाती है और एक प्रोटीन के सामान्य कार्य को बाधित करती है। दवा उम्मीदवार की बंधन मुक्त ऊर्जा और उस दवा की प्रभावशीलता के बीच एक उच्च संबंध है। हालांकि, बंधन मुक्त ऊर्जा को मापना बहुत मुश्किल हो सकता है।

बंधन मुक्त ऊर्जा को मापने के लिए दो आम तकनीकें हैं। एक विधि बंधन मुक्त ऊर्जा की सटीक मात्रा की गणना करना है, जबकि दूसरी विधि बंधन मुक्त ऊर्जा की मात्रा का अनुमान लगाना है। अनुमान सटीक माप से कम गणनात्मक रूप से महंगे हैं, लेकिन वे स्पष्ट रूप से अस्थिरता में एक व्यापार बंद करते हैं।

डीपबीएआर विधि सटीक मापन विधियों की तुलना में गणनात्मक शक्ति का एक अंश उपयोग करती है, लेकिन बंधन ऊर्जा के बहुत सटीक अनुमान प्रदान करती है। डीपबीएआर “बेनेट स्वीकृति अनुपात” का उपयोग करता है, जो बंधन मुक्त ऊर्जा की गणना के लिए आमतौर पर उपयोग किया जाने वाला अल्गोरिदम है। बेनेट स्वीकृति अनुपात के लिए दो बेसलाइन/एंडपॉइंट स्टेट और विभिन्न मध्यवर्ती स्टेट (जो आंशिक बंधन की स्थिति हैं) का उपयोग करने की आवश्यकता होती है। डीपबीएआर दृष्टिकोण बंधन ऊर्जा का अनुमान लगाने के लिए आवश्यक गणनाओं को कम करने का प्रयास करता है जो बेनेट स्वीकृति अनुपात के साथ-साथ मशीन-लर्निंग फ्रेमवर्क और गहरे उत्पादक मॉडल का उपयोग करता है। मशीन लर्निंग मॉडल प्रत्येक एंडपॉइंट के लिए एक संदर्भ राज्य उत्पन्न करते हैं और ये एंडपॉइंट वास्तविक एंडपॉइंट के लिए पर्याप्त रूप से सटीक हैं ताकि एक बेनेट स्वीकृति अनुपात तैनात किया जा सके।

एमआईटी शोध टीम द्वारा डिज़ाइन किया गया गहरा उत्पादक मॉडल कंप्यूटर दृष्टि तकनीकों पर आधारित है। मूल रूप से, डीपबीएआर हर एक आणविक संरचना का विश्लेषण करता है जिसे वह एक छवि के रूप में विश्लेषण करता है, “छवि” की विशेषताओं को सीखने के लिए। शोध टीम को 3डी संरचनाओं के विश्लेषण के लिए अल्गोरिदम में हल्के बदलाव करने थे, क्योंकि कंप्यूटर दृष्टि अल्गोरिदम आमतौर पर 2डी छवियों पर काम करते हैं।

प्रारंभिक परीक्षणों में, डीपबीएआर पारंपरिक तकनीकों की तुलना में लगभग 50 गुना तेजी से बंधन मुक्त ऊर्जा की गणना करने में सक्षम था। अभी भी मॉडल पर काम करने की जरूरत है। इसे अधिक जटिल, प्रयोगात्मक डेटा के खिलाफ मान्य करने की आवश्यकता है जो कि शुरू में परीक्षण किए गए डेटा की तुलना में बहुत सरल है, जिसमें काफी सरल डेटा शामिल था। एमआईटी शोध टीम बड़े प्रोटीन के लिए बंधन मुक्त ऊर्जा की गणना करने की डीपबार की क्षमता को सुधारने के लिए कंप्यूटर विज्ञान में हाल के अग्रिमों का उपयोग करके मॉडल को परिष्कृत करने का लक्ष्य रखती है।

डीपबीएआर दवा की खोज पाइपलाइन में गति बढ़ाने के लक्ष्य के साथ एआई को लागू करने का पहला प्रयास नहीं है। कई अन्य शोध परियोजनाओं ने भी दवा की खोज पाइपलाइन के हिस्सों को स्वचालित करने और अपनी दक्षता में सुधार करने के लिए एआई का उपयोग किया है। हालांकि, रणनीतियों की प्रभावशीलता को सीमित करने वाली एक प्राकृतिक बोतलेंक हो सकती है।

जैसा कि डेरेक लोव ने हाल ही में साइंसमैग.ऑर्ग पर एक ब्लॉग में तर्क दिया, यदि लक्ष्य दवा की खोज की गति को बढ़ाना है, तो “सही समस्याओं पर हमला” करना महत्वपूर्ण है। दवाओं की नैदानिक प्रभावशीलता और सुरक्षा का मूल्यांकन करने में एक महत्वपूर्ण समय लगता है और नैदानिक विफलता दर को कम करने के लिए एआई का उपयोग करने के तरीके खोजना मुश्किल है। अंततः, दवा की खोज में एआई विधियों द्वारा बचाया जा सकने वाले समय की एक निचली सीमा हो सकती है, कम से कम तब तक जब तक कि एआई को नैदानिक मूल्यांकन प्रक्रिया में अर्थपूर्ण रूप से एकीकृत नहीं किया जा सकता। फिर भी, सुधार सुधार हैं, और जैसे ही अधिक शोध जैसे डीपबीएआर किया जाता है, वैज्ञानिकों के पास दवा की खोज पाइपलाइन के अन्य क्षेत्रों में एआई का उपयोग करने के तरीके खोजने के लिए अधिक समय होगा।