शोधकर्ता नए दवाओं की पहचान करने के लिए गहरे शिक्षण का उपयोग करते हैं

कोरिया में ग्वांगजू इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं ने एक नए गहरे शिक्षण मॉडल का विकास किया है जो दवा और लक्ष्य अणु के बीच बंधन की भविष्यवाणी कर सकता है। एसोसिएट प्रोफेसर होजुंग नाम और पीएचडी छात्र इंगू ली के नेतृत्व में टीम ने नए मॉडल को “हाइलाइट्स ऑन टार्गेट सीक्वेंस” (हॉट्स) कहा।

इस शोध को जーナल ऑफ केमिनफॉर्मेटिक्स में प्रकाशित किया गया है।

दवा खोज प्रक्रिया

दवा खोज प्रक्रिया में, दवाओं को उनकी लक्ष्य अणुओं के साथ बंधन या परस्पर क्रिया करने की क्षमता के लिए परीक्षण किया जाता है। गहरे शिक्षण मॉडल इस प्रक्रिया को अधिक प्रभावी बनाने में उपयोगी साबित हुए हैं, लेकिन उनकी भविष्यवाणियां हमेशा व्याख्या नहीं करती हैं। यही कारण है कि टीम ने हॉट्स बनाया, जो दवा-लक्ष्य परस्पर क्रिया की बेहतर भविष्यवाणी करता है और व्याख्या करने योग्य भी है।

यह निर्धारित करना महत्वपूर्ण है कि एक दवा अपने लक्ष्य अणु से कितनी अच्छी तरह बंधती है, और यह आमतौर पर एक दवा और इसके लक्ष्य प्रोटीन की 3डी संरचना को विभिन्न कॉन्फ़िगरेशन में संरेखित करके किया जाता है। इस प्रक्रिया को “डॉकिंग” कहा जाता है। इसके बाद, डॉकिंग सिमुलेशन को बार-बार एक लक्ष्य अणु के लिए कई दवा उम्मीदवारों के साथ चलाकर पसंदीदा बंधन साइटों की खोज की जाती है। गहरे शिक्षण मॉडल इन सिमुलेशन को करने के लिए उपयोग किए जाते हैं।

हॉट्स मॉडल

नव विकसित मॉडल दवा-लक्ष्य परस्पर क्रिया (डीटीआई) की भविष्यवाणी भी कर सकता है बिना सिमुलेशन या 3डी संरचना के।

“सबसे पहले, हम मॉडल को सिखाते हैं कि प्रोटीन अनुक्रम के कौन से हिस्से दवा के साथ परस्पर क्रिया करेंगे पूर्व ज्ञान का उपयोग करके,” प्रोफेसर नाम बताते हैं। “प्रशिक्षित मॉडल का उपयोग तब दवा और लक्ष्य प्रोटीन के बीच परस्पर क्रिया को पहचानने और भविष्यवाणी करने के लिए किया जाता है, जो बेहतर भविष्यवाणी प्रदर्शन प्रदान करता है। इसका उपयोग करके, हमने एक मॉडल बनाया है जो लक्ष्य प्रोटीन के बंधन क्षेत्रों और दवाओं के साथ उनकी परस्पर क्रिया की भविष्यवाणी कर सकता है बिना 3डी-कॉम्प्लेक्स के।”

मॉडल को पूरे प्रोटीन अनुक्रम की आवश्यकता नहीं है। इसके बजाय, यह प्रोटीन के उन हिस्सों पर आधारित भविष्यवाणी कर सकता है जो डीटीआई परस्पर क्रिया से संबंधित हैं।

“हमने मॉडल को सिखाया कि कहां ‘फोकस’ करना है ताकि यह प्रोटीन के महत्वपूर्ण उप-क्षेत्रों को समझ सके जो दवा उम्मीदवारों के साथ परस्पर क्रिया की भविष्यवाणी करने में महत्वपूर्ण हैं,” प्रोफेसर नाम जारी रखते हैं।

यह मॉडल को मौजूदा मॉडलों की तुलना में डीटीआई की अधिक सटीक भविष्यवाणी करने में सक्षम बनाता है।

इन नए निष्कर्षों से भविष्य के डॉकिंग सिमुलेशन के लिए एक अच्छा प्रारंभ बिंदु प्रदान किया जा सकता है ताकि नए दवा उम्मीदवारों की भविष्यवाणी की जा सके।

“हमारे अध्ययन में उपयोग किया गया यह मॉडल दवा खोज प्रक्रिया को अधिक पारदर्शी बना देगा, साथ ही साथ कम जोखिम और कम लागत वाला भी। यह शोधकर्ताओं को एक ही बजट और समय के लिए अधिक दवाओं की खोज करने की अनुमति देगा,” प्रोफेसर नाम निष्कर्ष निकालते हैं।