9 जून, 2026 को नेशनल एकेडमी ऑफ साइंसेज (पीएनएएस) की कार्यवाही में प्रकाशित एक अध्ययन के अनुसार, चाइनीज एकेडमी ऑफ साइंसेज में शंघाई इंस्टीट्यूट ऑफ ऑर्गेनिक केमिस्ट्री के शोधकर्ताओं ने एक जनरेटिव आर्टिफिशियल इंटेलिजेंस मॉडल विकसित किया है, जो परमाणु रिज़ॉल्यूशन पर प्रोटीन-प्रोटीन इंटरैक्शन की भविष्यवाणी करता है। Void-X नामक मॉडल, पहले एक समग्र प्रोटीन आकार को मूर्तिकला करने के बजाय अलग-अलग परमाणुओं से ऊपर की ओर इंटरफेस बनाकर प्रोटीन डिजाइन के लिए एक मौलिक रूप से अलग दृष्टिकोण लेता है।
डॉ. के नेतृत्व में यह कार्य किया गया। यांग जिंग, युआन जुनयिंग और जेम्स जे. चाउ को चीनी विज्ञान अकादमी द्वारा हाइलाइट किया गया था और Phys.org द्वारा रिपोर्ट किया गया था। यह तेजी से आगे बढ़ने वाले क्षेत्र में एक नया उपकरण जोड़ता है जिसमें दवाओं, सामग्रियों और सिंथेटिक जीव विज्ञान को रेखांकित करने वाली आणविक मशीनों को डिजाइन करने के लिए एआई का तेजी से उपयोग किया जाता है। For more context on this story, see our ongoing artificial intelligence updates.
प्रोटीन-प्रोटीन अंतःक्रिया क्यों मायने रखती है
प्रोटीन मानव शरीर के आणविक वर्कहॉर्स हैं। वे ऊतकों का निर्माण करते हैं, अणुओं का परिवहन करते हैं, सेलुलर संचार को नियंत्रित करते हैं और संक्रमण से बचाव करते हैं। कई सबसे महत्वपूर्ण दवाएं - जिनमें कैंसर के लिए एंटीबॉडी थेरेपी और मधुमेह के लिए इंसुलिन शामिल हैं - विशिष्ट प्रोटीन के साथ बातचीत करके या गायब या खराब हो चुके प्रोटीन को प्रतिस्थापित करके काम करती हैं।
चूँकि बहुत सारी जैविक प्रक्रियाएँ इस बात पर निर्भर करती हैं कि प्रोटीन एक-दूसरे से कैसे जुड़ते हैं, प्रोटीन-प्रोटीन इंटरैक्शन की सटीक भविष्यवाणी करने और इंजीनियर करने की क्षमता दवा की खोज में तेजी ला सकती है और अधूरी चिकित्सा आवश्यकताओं को पूरा कर सकती है। यहां की प्रगति एडेनो-जुड़े वायरस वैक्टर और एमआरएनए लिपिड नैनोकणों जैसी डिलीवरी प्रौद्योगिकियों में तेजी से प्रगति की भी पूरक है, जो चिकित्सीय अणुओं को कोशिकाओं में पहुंचाती है।
ऊपर से नीचे की बजाय नीचे से ऊपर का दृष्टिकोण
प्रोटीन डिजाइन के लिए अधिकांश मौजूदा एआई फ्रेमवर्क एक टॉप-डाउन रणनीति का पालन करते हैं: वे पहले एक समग्र प्रोटीन मचान उत्पन्न करते हैं जो एक लक्ष्य साइट पर फिट बैठता है और फिर बाइंडिंग को अनुकूलित करने के लिए एक अनुक्रम डिजाइन करते हैं। शून्य-एक्स उस तर्क को उलट देता है।
मॉडल एक परमाणु भरण प्रणाली है. इसे परमाणु-स्तर के इंटरैक्शन पैटर्न को पहचानने और प्रोटीन इंटरफेस के भीतर "खाली जगह" - अंतराल - को भरने के लिए प्रशिक्षित किया गया है। इसकी मार्गदर्शक धारणा यह है कि स्थिर मैक्रोमोलेक्युलर कॉम्प्लेक्स को इष्टतम परमाणु पैकिंग द्वारा एक साथ रखा जाता है, जो पड़ोसी परमाणुओं के साथ-साथ अधिक दूर के परमाणुओं के साथ उच्च-क्रम युग्मन के बीच स्थानीय बातचीत से उभरता है। संपूर्ण प्रोटीन आकार को डिज़ाइन करने के बजाय, Void-X सीधे एक निर्दिष्ट संरचनात्मक क्षेत्र के भीतर तंग पैकिंग के लिए अनुकूलित कॉम्पैक्ट परमाणु क्लस्टर उत्पन्न करता है, जिससे डिज़ाइन को भौतिक रूप से जमीनी आधार मिलता है।
आठ मिलियन परमाणु समूहों पर प्रशिक्षण दिया गया
वॉयड-एक्स को प्रशिक्षित करने के लिए, शोधकर्ताओं ने प्रोटीन डेटा बैंक में जमा प्रयोगात्मक रूप से निर्धारित संरचनाओं से तैयार किए गए आठ मिलियन से अधिक गोलाकार परमाणु समूहों का एक डेटासेट इकट्ठा किया। प्रत्येक क्लस्टर के लिए, लगभग 30% परिधीय, स्थानिक रूप से सन्निहित परमाणुओं को छुपाया गया था, जबकि शेष परमाणुओं ने "संदर्भ" के रूप में कार्य किया - प्रभावी रूप से एक संकेत - जिसका उपयोग मॉडल लापता परमाणुओं की भविष्यवाणी करने के लिए करता था।
शोधकर्ताओं ने बताया कि परिणामी नेटवर्क में 172 मिलियन पैरामीटर शामिल हैं और इसने मजबूत पूर्वानुमान सटीकता हासिल की है: इंट्रा-चेन परमाणु समूहों के लिए 78.3% और इंटर-चेन समूहों के लिए 68.2%।
दवा की खोज और उससे आगे के लिए इसका क्या मतलब है
लेखकों के अनुसार, ये क्षमताएं परमाणु-रिज़ॉल्यूशन प्रोटीन इंटरैक्शन की डे नोवो पीढ़ी को सक्षम बनाती हैं, जिसे वे प्रोटीन डिज़ाइन के लिए एक पूरक और शारीरिक रूप से सहज मार्ग के रूप में वर्णित करते हैं। जेनेरिक मॉडलिंग के साथ परमाणु-स्तर के विवरण को जोड़कर, वॉयड-एक्स तर्कसंगत रूप से इंजीनियरिंग बायोमोलेक्यूलर इंटरफेस के लिए टूलकिट का विस्तार करता है।
यह मायने रखता है क्योंकि इंटरफ़ेस डिज़ाइन आधुनिक दवा विकास के केंद्र में है। यह अनुमान लगाने के लिए बेहतर कम्प्यूटेशनल उपकरण कि एक उम्मीदवार अणु अपने प्रोटीन लक्ष्य से कैसे बंधेगा, विचार से चिकित्सा तक का रास्ता छोटा कर सकता है, महंगे परीक्षण-और-त्रुटि प्रयोगों पर निर्भरता को कम कर सकता है, और सिंथेटिक जीवविज्ञान में पूरी तरह से नए कार्यों के लिए प्रोटीन डिजाइन करना आसान बना सकता है।
एक बढ़ता हुआ क्षेत्र
एआई-संचालित प्रोटीन कार्य में वृद्धि के बीच वॉयड-एक्स का आगमन हुआ। संरचना की भविष्यवाणी से लेकर सभी-परमाणु जनरेटिव डिज़ाइन तक, शोधकर्ता लगातार पूर्ण परमाणु रिज़ॉल्यूशन पर बायोमोलेक्यूलर इंटरैक्शन को मॉडल करने की क्षमता पर जोर दे रहे हैं। इससे पहले ऑल-एटम जेनरेटर सिस्टम ने पहले से ही उस पैमाने पर इंटरैक्शन को डिजाइन करने और भविष्यवाणी करने की व्यवहार्यता का प्रदर्शन किया है, और वॉयड-एक्स उसी प्रयास में एक विशिष्ट, पैकिंग-पहली रणनीति का योगदान देता है।
मास्किंग ट्रिक जो इसे काम में लाती है
Void-X की प्रशिक्षण पद्धति भाषा-मॉडल प्लेबुक से एक पृष्ठ उधार लेती है। प्रत्येक प्रशिक्षण क्लस्टर में लगभग 30% परमाणुओं को छिपाकर और मॉडल को आसपास के संदर्भ से उनका अनुमान लगाने के लिए कहकर, शोधकर्ताओं ने संरचनात्मक जीव विज्ञान को रिक्त स्थान भरने के कार्य में बदल दिया - वही सिद्धांत जो बड़े भाषा मॉडल को एक वाक्य में गायब शब्दों की भविष्यवाणी करने देता है। अंतर यह है कि वॉयड-एक्स की "शब्दावली" में त्रि-आयामी अंतरिक्ष में व्यवस्थित परमाणु शामिल हैं, और यह जो व्याकरण सीखता है वह भौतिक पैकिंग नियमों को दर्शाता है जो नियंत्रित करते हैं कि वास्तविक प्रोटीन कैसे मोड़ते हैं और बांधते हैं।
वह संरचना-जागरूक प्रशिक्षण वह है जो वॉयड-एक्स को उन दृष्टिकोणों से अलग करता है जो प्रोटीन को अमीनो एसिड के फ्लैट अनुक्रम के रूप में मानते हैं। क्योंकि मॉडल स्थानीय और लंबी दूरी के परमाणु युग्मन के बारे में एक साथ तर्क देता है, यह इंटरफ़ेस ज्यामिति का प्रस्ताव कर सकता है जो प्रशंसनीय दिखने वाले लेकिन जैविक रूप से अस्थिर डिज़ाइन बनाने के बजाय एक स्थिर परिसर की भौतिक बाधाओं का सम्मान करता है।
सीमाएँ और खुले प्रश्न
परिणाम आशाजनक हैं, लेकिन शोधकर्ता स्पष्ट हैं कि चुनौतियाँ बनी हुई हैं। 68.2% की अंतर-श्रृंखला सटीकता - बहु-प्रोटीन परिसरों के लिए प्रासंगिक है जो अधिकांश वास्तविक दुनिया के दवा लक्ष्यों को परिभाषित करती है - अंतर-श्रृंखला के आंकड़े से सार्थक रूप से कम है, जो मॉडलिंग की अधिक कठिनाई को दर्शाती है कि दो अलग-अलग अणु एक साथ कैसे आते हैं। एक इंटरफ़ेस डिज़ाइन करना जो एक कम्प्यूटेशनल मॉडल में कसकर बांधता है, वह भी केवल पहला कदम है; उम्मीदवारों को अभी भी प्रयोगात्मक रूप से संश्लेषित और मान्य किया जाना चाहिए, और भविष्यवाणी की गई बातचीत जीवित कोशिका के गंदे वातावरण में लड़खड़ा सकती है।
प्रशिक्षण डेटा को बढ़ाना, लचीले या अव्यवस्थित प्रोटीन क्षेत्रों के मॉडल की हैंडलिंग को परिष्कृत करना, और पूरक टॉप-डाउन सिस्टम के साथ Void-X को एकीकृत करना संभवतः अगले चरण हैं। लेखक अपने योगदान को प्रतिस्थापन प्रौद्योगिकी के बजाय पूरक के रूप में प्रस्तुत करते हैं - एक भौतिक रूप से आधारित विकल्प जिसे मौजूदा मचान के साथ जोड़ा जा सकता है क्योंकि क्षेत्र विश्वसनीय, एंड-टू-एंड आणविक डिजाइन की ओर दौड़ता है।
एक व्यापक प्रवृत्ति
डीओआई 10.1073/पीएनएएस.2607035123 के तहत प्रकाशित अध्ययन संकेत देता है कि अधिक सटीक आणविक डिजाइन उपकरण बनाने की प्रतिस्पर्धा अब अच्छी तरह से चल रही है - और जेनरेटिव एआई बायोकेमिस्ट के कार्यक्षेत्र का एक अनिवार्य हिस्सा बन रहा है। चूंकि वॉयड-एक्स जैसे मॉडल गणना और प्रयोगशाला के बीच अंतर को कम करते हैं, उम्मीद है कि शोधकर्ता पहले से कहीं अधिक तेजी से और अधिक तर्कसंगत रूप से नए चिकित्सीय, एंजाइम और सामग्री को डिजाइन करने में सक्षम होंगे।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
