چائنیز اکیڈمی آف سائنسز کے شنگھائی انسٹی ٹیوٹ آف آرگینک کیمسٹری کے محققین نے ایک تخلیقی مصنوعی ذہانت کا ماڈل تیار کیا ہے جو 9 جون 2026 کو پروسیڈنگز آف نیشنل اکیڈمی آف سائنسز (PNAS) میں شائع ہونے والی ایک تحقیق کے مطابق، جوہری ریزولوشن میں پروٹین-پروٹین کے تعامل کی پیش گوئی کرتا ہے۔ پہلے ایک مجموعی پروٹین کی شکل کو مجسمہ بنانے کے بجائے انفرادی ایٹموں سے اوپر کی طرف انٹرفیس۔

کام، ڈاکٹرز کی قیادت میں. Yang Jing، Yuan Junying، اور James J. Chou کو چائنیز اکیڈمی آف سائنسز نے نمایاں کیا اور Phys.org نے رپورٹ کیا۔ یہ تیزی سے حرکت کرنے والے فیلڈ میں ایک نئے ٹول کا اضافہ کرتا ہے جس میں AI تیزی سے ان مالیکیولر مشینوں کو ڈیزائن کرنے کے لیے استعمال ہوتا ہے جو دوائیوں، مواد اور مصنوعی حیاتیات کو کم کرتی ہیں۔ For more context on this story, see our ongoing AI news.

پروٹین-پروٹین کے تعاملات کیوں اہم ہیں۔

پروٹین انسانی جسم کے مالیکیولر ورک ہارس ہیں۔ وہ ٹشوز بناتے ہیں، مالیکیولز کو نقل و حمل کرتے ہیں، سیلولر مواصلات کو منظم کرتے ہیں، اور انفیکشن سے دفاع کرتے ہیں۔ بہت سی اہم ترین دوائیں — بشمول کینسر کے لیے اینٹی باڈی تھراپی اور ذیابیطس کے لیے انسولین — مخصوص پروٹینوں کے ساتھ تعامل کرکے یا ان کو تبدیل کرکے کام کرتی ہیں جو غائب ہیں یا خراب ہیں۔

چونکہ بہت سارے حیاتیاتی عمل اس بات پر منحصر ہوتے ہیں کہ پروٹین کس طرح ایک دوسرے سے منسلک ہوتے ہیں، اس لیے پروٹین-پروٹین کے باہمی تعاملات کی درست پیش گوئی اور انجینئر کرنے کی صلاحیت منشیات کی دریافت کو تیز کر سکتی ہے اور طبی ضروریات کو پورا کر سکتی ہے۔ یہاں کی پیشرفت ڈیلیوری ٹیکنالوجیز جیسے کہ اڈینو سے وابستہ وائرس ویکٹرز اور ایم آر این اے لپڈ نینو پارٹیکلز میں تیزی سے ترقی کی تکمیل کرتی ہے، جو علاج کے مالیکیولز کو خلیوں میں لے جاتے ہیں۔

اوپر سے نیچے کی بجائے نیچے سے اوپر کا نقطہ نظر

پروٹین ڈیزائن کے لیے زیادہ تر موجودہ AI فریم ورک اوپر سے نیچے کی حکمت عملی کی پیروی کرتے ہیں: وہ سب سے پہلے ایک مجموعی پروٹین اسکافولڈ تیار کرتے ہیں جو ایک ہدف کی جگہ پر فٹ بیٹھتا ہے اور پھر بائنڈنگ کو بہتر بنانے کے لیے ایک ترتیب ڈیزائن کرتا ہے۔ Void-X اس منطق کو الٹ دیتا ہے۔

ماڈل ایک ایٹم فلنگ سسٹم ہے۔ اسے جوہری پیمانے پر تعامل کے نمونوں کو پہچاننے اور پروٹین انٹرفیس کے اندر "خالی" - خالی جگہوں کو پُر کرنے کی تربیت دی جاتی ہے۔ اس کا رہنما مفروضہ یہ ہے کہ مستحکم میکرو مالیکولر کمپلیکس زیادہ سے زیادہ جوہری پیکنگ کے ذریعہ ایک ساتھ رکھے جاتے ہیں، جو پڑوسی ایٹموں کے درمیان مقامی تعامل کے ساتھ ساتھ زیادہ دور والے جوڑے کے ساتھ اعلی ترتیب والے جوڑے سے ابھرتے ہیں۔ پورے پروٹین کی شکل کو ڈیزائن کرنے کے بجائے، Void-X براہ راست کمپیکٹ ایٹم کلسٹرز تیار کرتا ہے جو مخصوص ساختی علاقے کے اندر سخت پیکنگ کے لیے موزوں ہیں، جس سے ڈیزائن کو ایک جسمانی بنیاد فراہم ہوتی ہے۔

آٹھ ملین ایٹم کلسٹرز پر تربیت یافتہ

Void-X کو تربیت دینے کے لیے، محققین نے پروٹین ڈیٹا بینک میں جمع تجرباتی طور پر طے شدہ ڈھانچے سے تیار کردہ آٹھ ملین سے زیادہ کروی ایٹم کلسٹرز کا ڈیٹا سیٹ جمع کیا۔ ہر ایک جھرمٹ کے لیے، تقریباً 30% پردیی، مقامی طور پر متصل ایٹموں کو نقاب پوش کیا گیا تھا، جب کہ بقیہ ایٹموں نے "سیاق و سباق" کے طور پر کام کیا - مؤثر طور پر ایک اشارہ - جسے ماڈل لاپتہ ایٹموں کی پیش گوئی کرنے کے لیے استعمال کرتا تھا۔

نتیجے میں آنے والا نیٹ ورک 172 ملین پیرامیٹرز پر مشتمل ہے اور اس نے مضبوط پیشن گوئی کی درستگی حاصل کی: انٹرا چین ایٹم کلسٹرز کے لیے 78.3% اور انٹر چین کلسٹرز کے لیے 68.2%، محققین نے رپورٹ کیا۔

منشیات کی دریافت اور اس سے آگے کے لیے اس کا کیا مطلب ہے۔

مصنفین کے مطابق، یہ صلاحیتیں ایٹم ریزولوشن پروٹین کے تعاملات کی de novo نسل کو قابل بناتی ہیں، جو وہ پیش کرتی ہیں جسے وہ پروٹین ڈیزائن کے لیے ایک تکمیلی اور جسمانی طور پر بدیہی راستے کے طور پر بیان کرتے ہیں۔ جوہری سطح کی تفصیل کو جنریٹو ماڈلنگ کے ساتھ ملا کر، Void-X عقلی طور پر انجینئرنگ بائیو مالیکولر انٹرفیس کے لیے ٹول کٹ کو بڑھاتا ہے۔

یہ اہمیت رکھتا ہے کیونکہ انٹرفیس ڈیزائن جدید منشیات کی ترقی کے مرکز میں بیٹھتا ہے. یہ اندازہ لگانے کے لیے بہتر کمپیوٹیشنل ٹولز کہ کس طرح ایک امیدوار مالیکیول اپنے پروٹین کے ہدف سے جڑے گا، خیال سے تھراپی تک کا راستہ چھوٹا کر سکتا ہے، مہنگے ٹرائل اور ایرر تجربات پر انحصار کم کر سکتا ہے، اور مصنوعی حیاتیات میں مکمل طور پر نئے افعال کے لیے پروٹین کو ڈیزائن کرنا آسان بنا سکتا ہے۔

ایک بڑھتا ہوا میدان

AI سے چلنے والے پروٹین کے کام میں اضافے کے درمیان Void-X پہنچ گیا۔ ساخت کی پیشن گوئی سے لے کر تمام ایٹم پیدا کرنے والے ڈیزائن تک، محققین مکمل ایٹم ریزولوشن پر بائیو مالیکولر تعاملات کو ماڈل کرنے کی صلاحیت کی طرف مستقل طور پر آگے بڑھ رہے ہیں۔ اس سے پہلے تمام ایٹم پیدا کرنے والے نظام پہلے ہی اس پیمانے پر تعاملات کو ڈیزائن کرنے اور پیشین گوئی کرنے کی فزیبلٹی کا مظاہرہ کر چکے ہیں، اور Void-X اسی کوشش میں ایک الگ، پیکنگ پہلی حکمت عملی کا حصہ ڈالتا ہے۔

ماسکنگ کی چال جو اسے کام کرتی ہے۔

Void-X کا تربیتی طریقہ لینگویج ماڈل پلے بک سے ایک صفحہ لیتا ہے۔ ہر ٹریننگ کلسٹر میں تقریباً 30 فیصد ایٹموں کو ماسک کر کے اور ماڈل سے ارد گرد کے سیاق و سباق سے ان کا اندازہ لگانے کو کہہ کر، محققین نے ساختی حیاتیات کو خالی جگہوں کے کام میں تبدیل کر دیا - وہی اصول جو بڑے زبان کے ماڈلز کو ایک جملے میں گمشدہ الفاظ کی پیشین گوئی کرنے دیتا ہے۔ فرق یہ ہے کہ Void-X کی "الفاظ" تین جہتی جگہ میں ترتیب دیے گئے ایٹموں پر مشتمل ہوتی ہے، اور یہ جو گرامر سیکھتا ہے وہ جسمانی پیکنگ کے اصولوں کی عکاسی کرتا ہے جو اس بات پر حکمرانی کرتے ہیں کہ اصلی پروٹین کیسے جوڑتے اور باندھتے ہیں۔

ساخت سے آگاہی والی تربیت وہی ہے جو Void-X کو ان طریقوں سے الگ کرتی ہے جو پروٹین کو امینو ایسڈ کی فلیٹ ترتیب کے طور پر مانتے ہیں۔ چونکہ ماڈل بیک وقت مقامی اور طویل فاصلے تک جوہری جوڑے کی وجہ بتاتا ہے، اس لیے یہ ایسے انٹرفیس جیومیٹریوں کی تجویز کر سکتا ہے جو قابل فہم نظر آنے والے لیکن حیاتیاتی طور پر غیر مستحکم ڈیزائن تیار کرنے کے بجائے ایک مستحکم کمپلیکس کی جسمانی رکاوٹوں کا احترام کرتے ہیں۔

حدود اور کھلے سوالات

نتائج امید افزا ہیں، لیکن محققین واضح ہیں کہ چیلنجز باقی ہیں۔ 68.2% کی انٹر چین درستگی - ملٹی پروٹین کمپلیکس سے متعلقہ جو کہ زیادہ تر حقیقی دنیا کے منشیات کے اہداف کی وضاحت کرتی ہے - معنی خیز طور پر انٹرا چین کے اعداد و شمار سے کم ہے، جو ماڈلنگ کی زیادہ مشکل کی عکاسی کرتی ہے کہ دو الگ الگ مالیکیول کیسے اکٹھے ہوتے ہیں۔ کمپیوٹیشنل ماڈل میں مضبوطی سے جڑے ہوئے انٹرفیس کو ڈیزائن کرنا بھی صرف پہلا قدم ہے۔ امیدواروں کو ابھی بھی تجرباتی طور پر ترکیب اور توثیق کرنا ضروری ہے، اور پیش گوئی کی گئی تعاملات زندہ خلیے کے گندے ماحول میں خراب ہو سکتے ہیں۔

تربیتی اعداد و شمار کو بڑھانا، ماڈل کے لچکدار یا بے ترتیب پروٹین ریجنز کی ہینڈلنگ کو بہتر بنانا، اور Void-X کو تکمیلی ٹاپ-ڈاون سسٹمز کے ساتھ مربوط کرنا ممکنہ طور پر اگلے اقدامات ہیں۔ مصنفین اپنی شراکت کو متبادل ٹیکنالوجی کے بجائے تکمیلی کے طور پر مرتب کرتے ہیں - ایک جسمانی طور پر زمینی آپشن جس کو موجودہ سہاروں کے ساتھ جوڑا جائے کیونکہ فیلڈ ریس قابل اعتماد، آخر سے آخر تک مالیکیولر ڈیزائن کی طرف ہے۔

ایک وسیع تر رجحان

مطالعہ، جو DOI 10.1073/pnas.2607035123 کے تحت شائع ہوا ہے، اس بات کا اشارہ کرتا ہے کہ مالیکیولر ڈیزائن کے مزید درست ٹولز بنانے کا مقابلہ اب اچھی طرح سے جاری ہے — اور وہ تخلیقی AI بائیو کیمسٹ کے ورک بینچ کا ایک ناگزیر حصہ بن رہا ہے۔ جیسا کہ Void-X جیسے ماڈل کمپیوٹیشن اور لیبارٹری کے درمیان فرق کو کم کرتے ہیں، امید ہے کہ محققین نئے علاج، خامروں، اور مواد کو پہلے سے کہیں زیادہ تیز اور زیادہ عقلی طور پر ڈیزائن کرنے کے قابل ہو جائیں گے۔

---

Stay Ahead of AI

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

Read more AI news →