एआई को 'गट फीलिंग' कैसे दें कि कौन से अणु सर्वश्रेष्ठ दवा बनाएंगे

अंतर्ज्ञान और एआई एक अजीब जोड़ी बनाते हैं।

अंतर्ज्ञान का वर्णन करना कठिन है। यह वह आंतरिक भावना है जो आपको कचोटती है, भले ही आप नहीं जानते कि क्यों। हम स्वाभाविक रूप से अनुभव के माध्यम से अंतर्ज्ञान का निर्माण करते हैं। मन की भावनाएँ हमेशा सही नहीं होतीं; लेकिन वे अक्सर निर्णय लेते समय तर्क और तर्क को पूरक करने के लिए हमारे अवचेतन में घुस जाते हैं।

इसके विपरीत, एआई लाखों ठंडे, कठिन डेटा बिंदुओं को पचाकर तेजी से सीखता है, और अपने इनपुट के आधार पर विशुद्ध रूप से विश्लेषणात्मक - यदि हमेशा उचित नहीं होता है - परिणाम उत्पन्न करता है।

अभी, एक नए अध्ययन in संचार प्रकृति विषम जोड़ी से विवाह करता है, जिसके परिणामस्वरूप एक मशीन लर्निंग सिस्टम बनता है जो दवा के विकास के लिए एक रसायनज्ञ के अंतर्ज्ञान को पकड़ लेता है।

स्विट्जरलैंड स्थित फार्मास्युटिकल कंपनी नोवार्टिस के 35 केमिस्टों की प्रतिक्रिया का विश्लेषण करके, टीम ने एक एआई मॉडल विकसित किया जो दवा विकास के बेहद कठिन चरण में मानव विशेषज्ञता से सीखता है: हमारे जीव विज्ञान के साथ संगत आशाजनक रसायनों को ढूंढना।

सबसे पहले, रसायनज्ञों ने अपने अंतर्ज्ञान का उपयोग करके यह चुना कि 5,000 रासायनिक युग्मों में से किसमें उपयोगी दवा बनने की अधिक संभावना है। इस फीडबैक से, एक सरल कृत्रिम तंत्रिका नेटवर्क ने उनकी प्राथमिकताएँ सीखीं। जब नए रसायनों के साथ चुनौती दी गई, तो एआई मॉडल ने प्रत्येक को एक अंक दिया, जिससे यह पता चला कि क्या यह दवा के रूप में आगे के विकास के लिए उपयुक्त है।

रासायनिक संरचनाओं पर किसी भी विवरण के बिना, एआई ने "सहज ज्ञान" से कुछ संरचनात्मक घटकों को, जो अक्सर मौजूदा दवाओं में पाए जाते हैं, दूसरों की तुलना में अधिक स्कोर किया। आश्चर्यजनक रूप से, इसने उन अस्पष्ट गुणों को भी पकड़ लिया जो पिछले कंप्यूटर मॉडलिंग प्रयासों में स्पष्ट रूप से प्रोग्राम नहीं किए गए थे। DALL-E जैसे जनरेटिव AI मॉडल के साथ मिलकर, रोबो-केमिस्ट ने संभावित लीड के रूप में कई नए अणुओं को डिज़ाइन किया।

टीम ने लिखा, कई आशाजनक दवा उम्मीदवार "सहयोगात्मक जानकारी" पर आधारित थे।

यह अध्ययन नोवार्टिस और यूके स्थित माइक्रोसॉफ्ट रिसर्च एआई4साइंस के बीच एक सहयोग है।

रासायनिक खरगोश के छेद के नीचे

हमारी रोजमर्रा की अधिकांश दवाएं छोटे अणुओं से बनती हैं - दर्द के लिए टाइलेनॉल, मधुमेह प्रबंधन के लिए मेटफॉर्मिन, जीवाणु संक्रमण से लड़ने के लिए एंटीबायोटिक्स।

लेकिन इन अणुओं को ढूंढना कष्टकारी है।

सबसे पहले, वैज्ञानिकों को यह समझने की ज़रूरत है कि बीमारी कैसे काम करती है। उदाहरण के लिए, वे जैव रासायनिक प्रतिक्रियाओं की श्रृंखला को समझते हैं जो आपको तेज़ सिरदर्द देती है। फिर वे श्रृंखला की सबसे कमजोर कड़ी, जो अक्सर एक प्रोटीन होती है, ढूंढते हैं और उसका आकार बनाते हैं। हाथ में संरचना, वे उन कोनों और दरारों को इंगित करते हैं जिनमें अणु प्रोटीन के कार्य को बाधित करने के लिए जाम हो सकते हैं, जिससे जैविक प्रक्रिया रुक जाती है - वॉइला, अब कोई सिरदर्द नहीं।

की बदौलत प्रोटीन भविष्यवाणी एआई, जैसे अल्फ़ाफ़ोल्ड, रोज़टीटीएफ़ोल्ड और उनकी शाखाएं, अब लक्ष्य प्रोटीन की संरचना को मॉडल करना आसान है। ऐसा अणु ढूंढना जो इसमें फिट बैठता हो, दूसरी बात है। दवा को केवल लक्ष्य की गतिविधि को बदलने की आवश्यकता नहीं है। इसे आसानी से अवशोषित किया जाना चाहिए, लक्ष्य अंग या ऊतक तक फैलाया जाना चाहिए, और शरीर से सुरक्षित रूप से चयापचय और समाप्त किया जाना चाहिए।

यहीं पर औषधीय रसायनज्ञ आते हैं। ये वैज्ञानिक कंप्यूटर मॉडलिंग को अपनाने में अग्रणी हैं. दो दशक पहले, इस क्षेत्र ने आशाजनक सुरागों की तलाश में रसायनों के विशाल डेटाबेस को छानने के लिए सॉफ्टवेयर का उपयोग करना शुरू किया था। आगे के विकास से पहले प्रत्येक संभावित लीड का मूल्यांकन रसायनज्ञों की एक टीम द्वारा किया जाता है।

इस प्रक्रिया के माध्यम से, औषधीय रसायनज्ञ एक अंतर्ज्ञान का निर्माण करते हैं उन्हें कुशलतापूर्वक निर्णय लेने की अनुमति देता है होनहार दवा उम्मीदवारों की समीक्षा करते समय। उनकी कुछ ट्रेनिंग हो सकती है नियमों में आसवित सीखने के लिए कंप्यूटर के लिए—उदाहरण के लिए, यह संरचना संभवतः मस्तिष्क में नहीं जाएगी; जो कि लीवर को नुकसान पहुंचा सकता है। इन विशेषज्ञ नियमों से प्रारंभिक जांच में मदद मिली है। लेकिन अब तक, कोई भी कार्यक्रम उनके निर्णय लेने की सूक्ष्मताओं और पेचीदगियों को पकड़ नहीं सका है, आंशिक रूप से क्योंकि रसायनज्ञ इसे स्वयं नहीं समझा सकते हैं।

मुझे एक एहसास हो रहा है

नए अध्ययन में एआई मॉडल में अस्पष्टता को पकड़ने की कोशिश की गई।

टीम ने दुनिया भर के विभिन्न नोवार्टिस केंद्रों में 35 विशेषज्ञ रसायनज्ञों की भर्ती की, जिनमें से प्रत्येक की विशेषज्ञता अलग थी। कुछ लोग कोशिकाओं और ऊतकों के साथ काम करते हैं, उदाहरण के लिए, अन्य कंप्यूटर मॉडलिंग के साथ।

अंतर्ज्ञान को मापना कठिन है। यह बिल्कुल विश्वसनीय भी नहीं है. आधार रेखा के रूप में, टीम ने यह पता लगाने के लिए एक मल्टीप्लेयर गेम डिज़ाइन किया कि क्या प्रत्येक रसायनज्ञ अपनी पसंद में सुसंगत था और क्या उनकी पसंद दूसरों की पसंद से मेल खाती थी। प्रत्येक रसायनज्ञ को 220 अणु जोड़े दिखाए गए और जानबूझकर अस्पष्ट प्रश्न पूछा गया। उदाहरण के लिए, कल्पना करें कि आप एक प्रारंभिक आभासी स्क्रीनिंग अभियान में हैं, और हमें एक ऐसी दवा की आवश्यकता है जिसे गोली के रूप में लिया जा सके - आप कौन सा अणु पसंद करेंगे?

लक्ष्य अत्यधिक सोचने को कम करना था, रसायनज्ञों को अपने अंतर्ज्ञान पर भरोसा करने के लिए प्रेरित करना था कि कौन सा रसायन रहता है और कौन सा जाता है। यह सेटअप सामान्य मूल्यांकन से भिन्न होता है, जहां रसायनज्ञ पूर्वानुमानित मॉडल के साथ विशिष्ट आणविक गुणों की जांच करते हैं - यानी, कठिन डेटा।

रसायनज्ञ अपने-अपने निर्णय में सुसंगत थे, लेकिन हमेशा एक-दूसरे से सहमत नहीं थे - संभवतः अलग-अलग व्यक्तिगत अनुभवों के कारण। हालाँकि, एक अंतर्निहित पैटर्न बनाने के लिए पर्याप्त ओवरलैप था जिससे एक एआई मॉडल सीख सकता था, टीम ने समझाया।

इसके बाद उन्होंने 5,000 अणु जोड़े का डेटासेट तैयार किया। अणुओं, प्रत्येक पर इसकी संरचना और अन्य विशेषताओं की जानकारी के साथ लेबल किया गया था, का उपयोग एक सरल कृत्रिम तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए किया गया था। प्रशिक्षण के साथ, एआई नेटवर्क ने रसायनज्ञों की प्रतिक्रिया के आधार पर अपने आंतरिक कामकाज को और समायोजित किया, अंततः प्रत्येक अणु को एक अंक दिया।

विवेक जांच के रूप में, टीम ने अपने प्रशिक्षण डेटासेट में मौजूद रासायनिक युग्मों से भिन्न रासायनिक युग्मों पर मॉडल का परीक्षण किया। जैसे-जैसे उन्होंने प्रशिक्षण नमूनों की संख्या बढ़ाई, प्रदर्शन में वृद्धि हुई।

जबकि पहले के कंप्यूटर प्रोग्राम आणविक संरचना के आधार पर एक आशाजनक दवा बनाने के लिए नियमों पर निर्भर थे, नए मॉडल के स्कोर सीधे तौर पर इनमें से किसी भी नियम को प्रतिबिंबित नहीं करते थे। एआई ने एक रसायन के बारे में अधिक समग्र दृष्टिकोण प्राप्त किया - एक बिल्कुल अलग दृष्टिकोण दवाओं की खोज क्लासिक रोबो-केमिस्ट सॉफ़्टवेयर में उपयोग किए जाने वाले की तुलना में।

एआई का उपयोग करते हुए, टीम ने एक रासायनिक डेटाबैंक से सैकड़ों एफडीए-अनुमोदित दवाओं और हजारों अणुओं की जांच की। स्पष्ट प्रशिक्षण के बिना भी, मॉडल ने रासायनिक संरचनाएँ निकालीं - जिन्हें "टुकड़े" कहा जाता है - जो दवाओं के रूप में आगे के विकास के लिए अधिक उपयुक्त हैं। एआई की स्कोरिंग प्राथमिकताएं मौजूदा दवा जैसे अणुओं से मेल खाती हैं, जिससे पता चलता है कि इसने संभावित नेतृत्व के सार को समझ लिया है।

रासायनिक रोमांस

नोवार्टिस मानव-रोबोट रासायनिक रोमांस का पता लगाने वाली पहली कंपनी नहीं है।

इससे पहले, फार्मास्युटिकल कंपनी मर्क भी टैप किया गया वांछित गुण के लिए रसायनों को रैंक करने के लिए उनकी घरेलू विशेषज्ञता में। उद्योग के बाहर, एक टीम ग्लासगो विश्वविद्यालय में अकार्बनिक रासायनिक प्रयोगों के लिए अंतर्ज्ञान-आधारित रोबोट का उपयोग करने का पता लगाया गया।

यह अभी भी एक छोटा अध्ययन है, और लेखक मानवीय भ्रांतियों से इंकार नहीं कर सकते। कुछ रसायनज्ञ व्यक्तिगत पूर्वाग्रहों के आधार पर एक अणु का चयन कर सकते हैं जिससे पूरी तरह बचना मुश्किल है। हालाँकि, सेटअप का उपयोग दवा खोज के अन्य चरणों का अध्ययन करने के लिए किया जा सकता है जिन्हें प्रयोगात्मक रूप से पूरा करना महंगा है। और जबकि मॉडल अंतर्ज्ञान पर आधारित है, इसके प्रदर्शन को और बेहतर बनाने के लिए इसके परिणामों को नियम-आधारित फ़िल्टर द्वारा बढ़ाया जा सकता है।

टीम ने समझाया, हम ऐसे युग में हैं जहां मशीन लर्निंग हजारों अणुओं को डिजाइन कर सकती है। अंतर्ज्ञान से लैस एक सहायक एआई रसायनज्ञ, दवा की खोज के महत्वपूर्ण प्रारंभिक चरण में उम्मीदवारों को सीमित करने में मदद कर सकता है, और बदले में, पूरी प्रक्रिया को तेज कर सकता है।

छवि क्रेडिट: यूजेनिया कोज़ीर / Unsplash

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://singularityhub.com/2023/11/03/how-to-give-ai-a-gut-feeling-for-which-molecules-will-make-the-best-drugs/