চাইনিজ একাডেমি অফ সায়েন্সের সাংহাই ইনস্টিটিউট অফ অর্গানিক কেমিস্ট্রির গবেষকরা একটি জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা মডেল তৈরি করেছেন যা পারমাণবিক রেজোলিউশনে প্রোটিন-প্রোটিন মিথস্ক্রিয়া সম্পর্কে ভবিষ্যদ্বাণী করে, 9 জুন, 2026-এ প্রসিডিংস অফ ন্যাশনাল একাডেমি অফ সায়েন্সেস (PNAS)-এ প্রকাশিত একটি সমীক্ষা অনুসারে। প্রথমে একটি সামগ্রিক প্রোটিন আকৃতি ভাস্কর্য করার পরিবর্তে পৃথক পরমাণু থেকে ঊর্ধ্বমুখী ইন্টারফেস।

কাজটির নেতৃত্বে ড. ইয়াং জিং, ইউয়ান জুনিং এবং জেমস জে চৌ, চীনা একাডেমি অফ সায়েন্সেস দ্বারা হাইলাইট করা হয়েছে এবং Phys.org দ্বারা রিপোর্ট করা হয়েছে৷ এটি একটি দ্রুত-চলমান ক্ষেত্রে একটি নতুন টুল যুক্ত করে যেখানে AI ক্রমবর্ধমানভাবে আণবিক মেশিন ডিজাইন করতে ব্যবহৃত হচ্ছে যা ওষুধ, উপকরণ এবং সিন্থেটিক জীববিজ্ঞানকে আন্ডারপিন করে। For more context on this story, see our ongoing more AI stories.

কেন প্রোটিন-প্রোটিনের মিথস্ক্রিয়া গুরুত্বপূর্ণ

প্রোটিন মানবদেহের আণবিক কর্মঘোড়া। তারা টিস্যু তৈরি করে, অণু পরিবহন করে, সেলুলার যোগাযোগ নিয়ন্ত্রণ করে এবং সংক্রমণের বিরুদ্ধে রক্ষা করে। ক্যান্সারের জন্য অ্যান্টিবডি থেরাপি এবং ডায়াবেটিসের জন্য ইনসুলিন সহ - অনেকগুলি গুরুত্বপূর্ণ ওষুধগুলি নির্দিষ্ট প্রোটিনের সাথে মিথস্ক্রিয়া করে বা অনুপস্থিত বা ত্রুটিযুক্ত ওষুধগুলি প্রতিস্থাপন করে কাজ করে।

যেহেতু অনেক জৈবিক প্রক্রিয়া প্রোটিন একে অপরের সাথে কীভাবে আবদ্ধ হয় তার উপর নির্ভর করে, প্রোটিন-প্রোটিন মিথস্ক্রিয়া সঠিকভাবে ভবিষ্যদ্বাণী করার এবং প্রকৌশলী করার ক্ষমতা ওষুধ আবিষ্কারকে ত্বরান্বিত করতে পারে এবং অপূরণীয় চিকিৎসা চাহিদাগুলিকে সমাধান করতে পারে। এখানে অগ্রগতি ডেলিভারি প্রযুক্তি যেমন অ্যাডেনো-সম্পর্কিত ভাইরাস ভেক্টর এবং mRNA লিপিড ন্যানো পার্টিকেলগুলির দ্রুত অগ্রগতির পরিপূরক করে, যা কোষে থেরাপিউটিক অণু ফেরি করে।

টপ-ডাউনের পরিবর্তে একটি বটম-আপ পদ্ধতি

প্রোটিন ডিজাইনের জন্য বিদ্যমান বেশিরভাগ এআই ফ্রেমওয়ার্ক একটি টপ-ডাউন কৌশল অনুসরণ করে: তারা প্রথমে একটি সামগ্রিক প্রোটিন স্ক্যাফোল্ড তৈরি করে যা একটি টার্গেট সাইটের সাথে খাপ খায় এবং তারপর বাইন্ডিং অপ্টিমাইজ করার জন্য একটি সিকোয়েন্স ডিজাইন করে। Void-X সেই যুক্তিকে উল্টে দেয়।

মডেলটি একটি পারমাণবিক ফিলিং সিস্টেম। এটি পারমাণবিক-স্কেল মিথস্ক্রিয়া প্যাটার্নগুলি সনাক্ত করতে এবং প্রোটিন ইন্টারফেসের মধ্যে "শূন্যতা" - ফাঁকগুলি পূরণ করতে প্রশিক্ষিত হয়। এর পথনির্দেশক অনুমান হল যে স্থিতিশীল ম্যাক্রোমোলিকুলার কমপ্লেক্সগুলি সর্বোত্তম পারমাণবিক প্যাকিং দ্বারা একত্রিত হয়, যা প্রতিবেশী পরমাণুর মধ্যে স্থানীয় মিথস্ক্রিয়া এবং সেইসাথে আরও দূরবর্তীগুলির সাথে উচ্চ-ক্রমের কাপলিং থেকে উদ্ভূত হয়। একটি সম্পূর্ণ প্রোটিন আকৃতি ডিজাইন করার পরিবর্তে, Void-X সরাসরি একটি নির্দিষ্ট কাঠামোগত অঞ্চলের মধ্যে আঁটসাঁট প্যাকিংয়ের জন্য অপ্টিমাইজ করা কমপ্যাক্ট পারমাণবিক ক্লাস্টার তৈরি করে, ডিজাইনটিকে একটি শারীরিকভাবে ভিত্তি করে।

আট মিলিয়ন পারমাণবিক ক্লাস্টারে প্রশিক্ষিত

Void-X প্রশিক্ষণের জন্য, গবেষকরা প্রোটিন ডেটা ব্যাঙ্কে জমা করা পরীক্ষামূলকভাবে নির্ধারিত কাঠামো থেকে 8 মিলিয়নেরও বেশি গোলাকার পারমাণবিক ক্লাস্টারের একটি ডেটাসেট একত্রিত করেছেন। প্রতিটি ক্লাস্টারের জন্য, প্রায় 30% পেরিফেরাল, স্থানিকভাবে সংলগ্ন পরমাণুগুলিকে মুখোশ করা হয়েছিল, যখন অবশিষ্ট পরমাণুগুলি "প্রসঙ্গ" হিসাবে কাজ করেছিল - কার্যকরভাবে একটি প্রম্পট - যে মডেলটি অনুপস্থিত পরমাণুগুলির পূর্বাভাস দিতে ব্যবহৃত হয়েছিল।

ফলস্বরূপ নেটওয়ার্কে 172 মিলিয়ন প্যারামিটার রয়েছে এবং শক্তিশালী ভবিষ্যদ্বাণীমূলক নির্ভুলতা অর্জন করেছে: ইন্ট্রা-চেইন পারমাণবিক ক্লাস্টারগুলির জন্য 78.3% এবং ইন্টার-চেইন ক্লাস্টারগুলির জন্য 68.2%, গবেষকরা রিপোর্ট করেছেন।

ড্রাগ আবিষ্কার এবং তার পরেও এর অর্থ কী

লেখকদের মতে, এই ক্ষমতাগুলি পারমাণবিক-রেজোলিউশন প্রোটিন মিথস্ক্রিয়াগুলির ডি নভো প্রজন্মকে সক্ষম করে, যা তারা প্রোটিন ডিজাইনের পরিপূরক এবং শারীরিকভাবে স্বজ্ঞাত পথ হিসাবে বর্ণনা করে। জেনারেটিভ মডেলিংয়ের সাথে পারমাণবিক-স্তরের বিশদ একত্রিত করে, Void-X যুক্তিসঙ্গতভাবে ইঞ্জিনিয়ারিং বায়োমোলিকুলার ইন্টারফেসের জন্য টুলকিটকে প্রসারিত করে।

এটি গুরুত্বপূর্ণ কারণ ইন্টারফেস ডিজাইন আধুনিক ওষুধের বিকাশের কেন্দ্রস্থলে বসে। একজন প্রার্থীর অণু কীভাবে তার প্রোটিন লক্ষ্যে আবদ্ধ হবে তা ভবিষ্যদ্বাণী করার জন্য আরও ভাল গণনামূলক সরঞ্জামগুলি ধারণা থেকে থেরাপির পথকে সংক্ষিপ্ত করতে পারে, ব্যয়বহুল ট্রায়াল-এন্ড-এরর পরীক্ষার উপর নির্ভরতা কমাতে পারে এবং সিন্থেটিক জীববিজ্ঞানে সম্পূর্ণ নতুন ফাংশনের জন্য প্রোটিন ডিজাইন করা সহজ করে তুলতে পারে।

একটি ক্রমবর্ধমান ক্ষেত্র

AI-চালিত প্রোটিন কাজের একটি ঢেউয়ের মধ্যে Void-X আসে। গঠন ভবিষ্যদ্বাণী থেকে সমস্ত-পরমাণু জেনারেটিভ ডিজাইন পর্যন্ত, গবেষকরা স্থিরভাবে পূর্ণ পারমাণবিক রেজোলিউশনে বায়োমোলিকুলার মিথস্ক্রিয়া মডেল করার ক্ষমতার দিকে এগিয়ে যাচ্ছেন। পূর্বে অল-এটম জেনারেটিভ সিস্টেম ইতিমধ্যেই সেই স্কেলে মিথস্ক্রিয়া ডিজাইন এবং ভবিষ্যদ্বাণী করার সম্ভাব্যতা প্রদর্শন করেছে, এবং Void-X একই প্রচেষ্টায় একটি স্বতন্ত্র, প্যাকিং-প্রথম কৌশল অবদান রাখে।

মাস্কিং ট্রিক যা এটি কাজ করে

Void-X এর প্রশিক্ষণ পদ্ধতি ভাষা-মডেল প্লেবুক থেকে একটি পৃষ্ঠা ধার করে। প্রতিটি প্রশিক্ষণ ক্লাস্টারে মোটামুটি 30% পরমাণুকে মাস্ক করে এবং মডেলটিকে আশেপাশের প্রেক্ষাপট থেকে অনুমান করতে বলে, গবেষকরা কাঠামোগত জীববিজ্ঞানকে একটি পূরণ-ইন-দ্য-শূন্য টাস্কে পরিণত করেছেন - একই নীতি যা বড় ভাষার মডেলগুলিকে একটি বাক্যে অনুপস্থিত শব্দগুলির পূর্বাভাস দেয়৷ পার্থক্য হল যে Void-X-এর "শব্দভান্ডার" ত্রিমাত্রিক স্থানে সাজানো পরমাণু নিয়ে গঠিত, এবং এটি যে ব্যাকরণ শিখে তা শারীরিক প্যাকিং নিয়মগুলিকে প্রতিফলিত করে যা প্রকৃত প্রোটিনগুলি কীভাবে ভাঁজ করে এবং বাঁধে তা নিয়ন্ত্রণ করে।

That structure-aware training is what separates Void-X from approaches that treat proteins as flat sequences of amino acids. কারণ মডেলটি একই সাথে স্থানীয় এবং দীর্ঘ-পরিসরের পারমাণবিক সংযোগের কারণ, এটি এমন ইন্টারফেস জ্যামিতি প্রস্তাব করতে পারে যা একটি স্থিতিশীল কমপ্লেক্সের শারীরিক সীমাবদ্ধতাকে সম্মান করে, বরং প্রশংসনীয়-সুদর্শন কিন্তু জৈবিকভাবে অস্থির নকশা তৈরি করে।

সীমাবদ্ধতা এবং খোলা প্রশ্ন

ফলাফলগুলি প্রতিশ্রুতিশীল, তবে গবেষকরা স্পষ্ট যে চ্যালেঞ্জগুলি রয়ে গেছে। 68.2%-এর আন্তঃ-শৃঙ্খল নির্ভুলতা - মাল্টি-প্রোটিন কমপ্লেক্সের সাথে প্রাসঙ্গিক যা সর্বাধিক বাস্তব-বিশ্বের ওষুধের লক্ষ্যগুলিকে সংজ্ঞায়িত করে - অর্থাত্মকভাবে আন্তঃ-শৃঙ্খল চিত্রের চেয়ে কম, দুটি পৃথক অণু কীভাবে একত্রিত হয় তা মডেল করার বৃহত্তর অসুবিধা প্রতিফলিত করে। একটি কম্পিউটেশনাল মডেলে শক্তভাবে আবদ্ধ একটি ইন্টারফেস ডিজাইন করাও শুধুমাত্র প্রথম ধাপ; প্রার্থীদের এখনও পরীক্ষামূলকভাবে সংশ্লেষিত এবং যাচাই করা আবশ্যক, এবং ভবিষ্যদ্বাণী করা মিথস্ক্রিয়া একটি জীবন্ত কোষের অগোছালো পরিবেশে বিপর্যস্ত হতে পারে।

প্রশিক্ষণের ডেটা স্কেল করা, নমনীয় বা বিশৃঙ্খল প্রোটিন অঞ্চলগুলির মডেলের পরিচালনাকে পরিমার্জন করা এবং পরিপূরক টপ-ডাউন সিস্টেমগুলির সাথে Void-X সংহত করা সম্ভবত পরবর্তী পদক্ষেপ। লেখকরা তাদের অবদানকে প্রতিস্থাপন প্রযুক্তির পরিবর্তে পরিপূরক হিসাবে ফ্রেম করেছেন - একটি শারীরিকভাবে ভিত্তিযুক্ত বিকল্প যা বিদ্যমান স্ক্যাফোল্ডগুলির সাথে মিলিত হতে পারে কারণ ক্ষেত্রটি নির্ভরযোগ্য, এন্ড-টু-এন্ড আণবিক ডিজাইনের দিকে দৌড় দেয়।

একটি বিস্তৃত প্রবণতা

DOI 10.1073/pnas.2607035123-এর অধীনে প্রকাশিত গবেষণাটি ইঙ্গিত দেয় যে আরও সুনির্দিষ্ট আণবিক নকশা সরঞ্জাম তৈরির প্রতিযোগিতা এখন ভালোভাবে চলছে — এবং সেই জেনারেটিভ এআই বায়োকেমিস্টের ওয়ার্কবেঞ্চের একটি অপরিহার্য অংশ হয়ে উঠছে। যেহেতু Void-X এর মত মডেলগুলি গণনা এবং পরীক্ষাগারের মধ্যে ব্যবধানকে সংকুচিত করে, আশা করা যায় যে গবেষকরা নতুন থেরাপিউটিক, এনজাইম এবং উপকরণগুলি আগের চেয়ে দ্রুত এবং আরও যুক্তিযুক্তভাবে ডিজাইন করতে সক্ষম হবেন৷

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →