ایک پروٹین کو ڈیزائن کرنا ایک کابینہ بنانے جیسا ہی ہے۔ پہلا قدم ریڑھ کی ہڈی کی تعمیر کر رہا ہے جو پروٹین کو ایک ساتھ رکھتا ہے۔ لیکن پھر مشکل حصہ آتا ہے: یہ معلوم کرنا کہ سہاروں پر قلابے کہاں نصب کیے جائیں—یعنی بہترین "ہاٹ سپاٹ" تلاش کریں—دروازوں، شیلفوں اور دیگر منسلکات کو لگانے کے لیے جو بالآخر کابینہ کو مکمل طور پر فعال بنا دیتے ہیں۔
ایک طرح سے، پروٹینوں کے ڈھانچے میں ہاٹ سپاٹ بھی شامل ہوتے ہیں۔ ان کے نام کے مطابق، "فنکشنل سائٹس"، یہ دلچسپ نوکیں اور کرینیاں دوسرے پروٹینوں یا دوائیوں کو پکڑنے کے لیے پیچیدہ گودیاں بناتی ہیں۔ سائٹس ہمارے بنیادی حیاتیاتی عمل کو انجام دینے میں مرکزی حیثیت رکھتی ہیں۔ وہ نئے علاج اور طبی ادویات کو ڈیزائن کرنے کے لیے سونے کی ایک بڑی کان بھی ہیں۔
مسئلہ؟ فنکشنل سائٹس کا نقشہ بنانا مشکل ہے۔ سائنس دانوں کو روایتی طور پر پروٹین پر مشتبہ علاقوں کو ایک ایک کرکے تبدیل کرنا پڑتا تھا - ایک امینو ایسڈ کو دوسرے میں تبدیل کرنا - عین مطابق پابند جگہوں کو ختم کرنے کے لیے۔ ایک جاسوس کی طرح سینکڑوں مشتبہ افراد کی اسکریننگ کرنا، جن میں سے بہت سے ہو سکتے ہیں، یہ انتہائی تکلیف دہ ہے۔
A نئے مطالعہ in سائنس پوری گیم بک کو اکھاڑ پھینکا۔ یونیورسٹی آف واشنگٹن میں ڈاکٹر ڈیوڈ بیکر کی سربراہی میں، ایک ٹیم نے شروع سے ہی فنکشنل سائٹس کے بے شمار خواب دیکھنے کے لیے AI کے "تخیل" کو استعمال کیا۔ یہ ایک مشینی دماغ کی "تخلیقیت" ہے جو اپنی بہترین طور پر ہے - ایک گہری سیکھنے کا الگورتھم جو پروٹین کی فنکشنل سائٹ کے عمومی علاقے کی پیش گوئی کرتا ہے، لیکن پھر ساخت کو مزید مجسمہ بناتا ہے۔
حقیقت کی جانچ کے طور پر، ٹیم نے نئے سافٹ ویئر کا استعمال ایسی ادویات تیار کرنے کے لیے کیا جو کینسر سے لڑتی ہیں اور عام، اگر کبھی کبھی جان لیوا، وائرس کے خلاف ویکسین تیار کرتی ہیں۔ ایک معاملے میں، ڈیجیٹل ذہن نے ایک ایسا حل نکالا جو الگ تھلگ خلیوں میں آزمانے پر، ایک عام وائرس کے خلاف موجود اینٹی باڈی کے لیے بہترین میچ تھا۔ دوسرے لفظوں میں، الگورتھم نے وائرل پروٹین سے ایک ہاٹ سپاٹ کا "تصور" کیا، جس سے اسے نئے علاج کو ڈیزائن کرنے کے ہدف کے طور پر کمزور بنا دیا گیا۔
الگورتھم ان کے افعال کے ارد گرد پروٹین بنانے کے لیے گہری سیکھنے کا پہلا قدم ہے، جو علاج کے لیے ایک دروازہ کھولتا ہے جو پہلے ناقابل تصور تھے۔ لیکن سافٹ ویئر قدرتی پروٹین ہاٹ سپاٹ تک محدود نہیں ہے۔ بیکر نے ایک پریس ریلیز میں کہا کہ "جو پروٹین ہمیں فطرت میں ملتے ہیں وہ حیرت انگیز مالیکیولز ہیں، لیکن ڈیزائن کردہ پروٹین بہت کچھ کر سکتے ہیں۔" الگورتھم "ایسا کرنا ہے جو ہم میں سے کسی نے نہیں سوچا تھا کہ یہ قابل ہوگا۔"
پروٹین ہاٹ سپاٹ
بیکر کی ٹیم مصنوعی دماغ کے ساتھ پروٹین کی پیشن گوئی کرنے میں کوئی اجنبی نہیں ہے۔ کچھ سال پہلے، انہوں نے Rosetta کو جاری کرکے ساختی حیاتیات کے شعبے کو ہلا کر رکھ دیا، ایک ایسا سافٹ ویئر جو صرف امینو ایسڈ کی ترتیب کی بنیاد پر پروٹین کے 3D ڈھانچے کی پیش گوئی کر سکتا ہے۔ انہوں نے مزید پروٹین کمپلیکس کا نقشہ بنایا اور پروٹین "اسکریو ڈرایور" کو شروع سے ہی ناپسندیدہ پروٹین کے تعاملات کو الگ کرنے کے لیے ڈیزائن کیا۔ گزشتہ سال کے آخر میں، انہوں نے ایک جاری کیا گہری سیکھنے کا نیٹ ورک ٹرروزیٹا کا نام دیا گیا، ایک AI "آرکیٹیکٹ" جو عام طور پر بتاتا ہے کہ کس طرح امینو ایسڈ کے تار نانوسکل پر پیچیدہ ڈھانچے میں ترتیب دیتے ہیں۔
آئیے بیک اپ کریں۔
پروٹین کی تصویر بنانا آسان ہے جیسا کہ میں اس جملے کو ٹائپ کر رہا ہوں جس میں گوشت دار، چکن ونگ کاٹ رہا ہوں۔ لیکن سالماتی سطح پر، وہ کہیں زیادہ خوبصورت ہیں۔ تصور کریں کہ ایک سے زیادہ لیگو بلاکس—امائنو ایسڈ—ایک تار کے ذریعے ایک ساتھ رکھے ہوئے ہیں۔ اب اس کے ارد گرد گھمائیں، زنجیر کو گھماتے ہوئے یہاں تک کہ کچھ بلاکس ایک دوسرے پر پھنس جائیں۔ یہ ایک نازک ڈھانچہ بناتا ہے جو اکثر ہیلکس یا رمپلڈ بیڈ شیٹس سے ملتا ہے۔ کچھ پروٹینوں میں، یہ بلڈنگ بلاکس مزید کمپلیکس میں جمع ہو جاتے ہیں — مثال کے طور پر، ایک چینل تیار کرنا جو سیل کی حفاظتی جھلی کے ذریعے گشت کرنے والی بین ریاستی شاہراہ کی طرح سرنگ کرتا ہے۔
پروٹین ہر ایک حیاتیاتی عمل کو طاقت دیتے ہیں، اکثر دوسرے پروٹینز یا دوائیوں کے ساتھ تعامل کے جھڑپ کے ذریعے، جو کہ پارٹنر پر منحصر ہے، مکمل طور پر مختلف نتائج پیدا کر سکتے ہیں: کیا سیل کو زندہ رہنا چاہیے یا مرنا؟ ممکنہ حملہ آور پر حملہ کریں یا کھڑے ہو جائیں؟ دوسرے لفظوں میں، پروٹین زندگی کے بنیادی حصے ہیں، اور ان کی ساخت کو پارس کرنا یہ ہے کہ ہم زندگی کو کیسے ہیک کر سکتے ہیں۔
یہاں بات یہ ہے: پروٹین کے تمام حصے برابر نہیں بنائے جاتے ہیں۔ اگر ایک پروٹین انسانی جسم ہے تو، فعال جگہیں اس کے "ہاتھ" ہیں - جہاں یہ کسی دوسرے پروٹین یا دوا کو پکڑتا ہے، انزیمیٹک رد عمل کو جنم دیتا ہے، یا حملہ آور پیتھوجینز سے لڑتا ہے۔ پروٹین کے ڈھانچے میں براہ راست سرایت شدہ، ان سائٹس کو پن کرنا مشکل ہے اور دوبارہ بنانا بھی مشکل ہے۔
نئی تحقیق نے روزیٹا کے ایک ورژن کے ساتھ اس مسئلے سے نمٹا: کچھ سابقہ علم کے ساتھ، کیا یہ ممکن ہے کہ کمپیوٹر کے لیے امائنو ایسڈز کی ایک زنجیر کا خواب دیکھا جائے جو قدرتی طور پر ایک فعال جگہ میں بن جائے؟
خواب دیکھنے والا اور حقیقت پسند
مسئلہ غیر ملکی معلوم ہو سکتا ہے، لیکن ایک پچھلی مثال ہے—ایک مختلف فیلڈ میں۔ ایک نیورل نیٹ ورک کا استعمال کرتے ہوئے، OpenAI نے صرف ٹیکسٹ کیپشن سے تصاویر کی ایک وسیع رینج بنائی۔ راک اسٹار AI ٹیکسٹ جنریٹر کا اسپن آف GPT-3، DALL·E الگورتھم نے اپنی تربیت سے نمونوں کا پتہ لگا کر سادہ متن کے اشارے پر مبنی شاندار لیکن حقیقت پسندانہ نظر آنے والی تصاویر تیار کیں۔ "یہ آپ کے تخیل کے گہرے، تاریک ترین دوروں کو لیتا ہے اور اسے کسی ایسی چیز میں پیش کرتا ہے جو انتہائی مناسب ہے۔" نے کہا ٹول کی ابتدائی ریلیز کے بعد یو سی برکلے میں ڈاکٹر ہانی فرید۔
پروٹین فنکشنل سائٹ کی تعمیر اسی طرح کی ہے۔ یہاں، امینو ایسڈ حروف ہیں اور پروٹین فنکشنل سائٹ امیج ہے۔ "خیال ایک ہی ہے: عصبی نیٹ ورکس کو ڈیٹا میں پیٹرن دیکھنے کے لیے تربیت دی جا سکتی ہے۔ ایک بار تربیت حاصل کرنے کے بعد، آپ اسے فوری طور پر دے سکتے ہیں اور دیکھ سکتے ہیں کہ آیا یہ ایک خوبصورت حل پیدا کر سکتا ہے،" ڈاکٹر جوزف واٹسن نے کہا، نئے کام کے سرکردہ مصنف۔ سوائے ناول لکھنے کے، الگورتھم زندگی کو دوبارہ لکھنے میں مدد کر سکتا ہے۔
ٹیم نے پچھلی تخلیق، ٹرروسیٹا کے ساتھ آغاز کیا۔ یہ ایک نیورل نیٹ ورک ہے جو اصل میں امینو ایسڈ کی ترتیب پر مبنی نئے پروٹینوں کا خواب دیکھنے کے لیے ڈیزائن کیا گیا ہے جبکہ ان کی ساخت کی پیشین گوئی کرنے کے قابل ہے — کچھ قدرتی سے اتنے اجنبی ہیں کہ ٹیم نے گہری سیکھنے کے اندرونی کام کو "ہیلوسینیشن" کا نام دیا۔ الگورتھم کامل لگ رہا تھا: یہ پروٹین کے امینو ایسڈ کی ترتیب اور اس کی ساخت دونوں کی پیش گوئی کر سکتا ہے۔
ہچکی؟ یہ واقعی کام نہیں کیا. اس کے برعکس میں، او جی پروٹین کی ساخت کی پیشن گوئی، RoseTTAFold، چیمپئن کی طرح کارکردگی کا مظاہرہ کیا۔ الگورتھم کی طاقت اس کے ڈیزائن سے آتی ہے: نانوسکل پر ہر امینو ایسڈ کی ماڈلنگ، ہر ایٹم کو کوآرڈینیٹ فراہم کرنا۔ گوگل میپس کا استعمال کرتے ہوئے کسی جغرافیائی سائٹ کو پن کرنے کی طرح، یہ اس ڈھانچے کے لیے زمینی سچائی کی ایک سطح فراہم کرتا ہے جس پر ایک AI مزید جھنجھوڑ سکتا ہے—ایک طرح کا "مجبور فریب"۔
ترجمہ؟ RoseTTAFold ایک فنکشنل ڈھانچے کی پیشین گوئی کر سکتا ہے—جو ہاتھ میں موجود مسئلے کے لیے مخصوص ہے—اور حتمی ڈیزائن کے طور پر ایک کھردرا خاکہ پیش کر سکتا ہے۔
اس کے بعد ایک اور چالاک چال آئی، جسے "inpainting" کا نام دیا گیا۔ یہاں، ٹیم نے پروٹین کی ترتیب یا ساخت کے حصوں کو چھپا دیا. سافٹ ویئر کو یہ سیکھنا تھا کہ بنیادی طور پر شور مچانے والے ریڈیو انٹرسیپشن سے معلومات کو کیسے سمجھنا ہے، جہاں آپ صرف ابتدائی چند الفاظ سن سکتے ہیں لیکن خالی جگہوں کو پُر کرکے اس کے معنی کو سمجھنے کی کوشش کرتے ہیں۔ RoseTTAFold نے جوش و خروش کے ساتھ "گمشدہ معلومات کی بازیابی کے مسئلے" سے نمٹا، اعلیٰ مخلصی کے ساتھ ایک دیئے گئے فعال خطے کی تعمیر کے لیے امینو ایسڈ کی ترتیب اور ساخت دونوں کو خود بخود مکمل کیا۔
RoseTTAFold ایک ہی وقت میں امینو ایسڈ کی ترتیب بنانے اور سائٹ کے لیے ریڑھ کی ہڈی بنانے کے مسائل سے نمٹ سکتا ہے۔ یہ کاغذ پر الفاظ ڈالنے کے مترادف ہے: مصنف اس بات کو یقینی بناتا ہے کہ ہر حرف صحیح جگہ پر ہے، یہ جانچتے ہوئے کہ گرامر اور معنی معنی خیز ہیں۔
حقیقت کی نوعیت پر سوال اٹھانا
اپنی نئی تخلیق کو جانچتے ہوئے، ٹیم نے کئی دوائیوں اور ویکسین کے ڈیزائن تیار کیے جو ممکنہ طور پر وائرس اور کینسر سے لڑ سکتے ہیں یا کم آئرن والے صحت کے مسائل میں مدد کرسکتے ہیں۔
مصنف ڈاکٹر جیو وانگ کی قیادت کرنے کے لیے، الگورتھم غیر متوقع طور پر مناسب ہو گیا۔ پروجیکٹ پر کام کرتے ہوئے، اس کے دو سالہ بیٹے کو RSV (Respiratory Syncytial Virus) کے پھیپھڑوں کے انفیکشن کی وجہ سے ایمرجنسی یونٹ میں ہسپتال میں داخل کرایا گیا تھا - ایک وائرس جو عام طور پر سردی جیسی علامات ظاہر کرتا ہے، لیکن نوجوانوں میں مہلک ہو سکتا ہے۔ بزرگ
اس وقت، وانگ نئے علاج کو ڈیزائن کرنے کے لیے الگورتھم کا استعمال کر رہا تھا، جس میں RSV پر ممکنہ سائٹس کے خلاف ویکسین اور ادویات کی مزید جانچ کے لیے شامل تھے۔ یہ نسبتاً اچھی طرح سے نقش شدہ ڈھانچہ ہے۔ سافٹ ویئر نے ایسے ڈیزائنوں کو دھوکہ دیا جس نے ممکنہ طور پر پابند ہونے کے لیے ویکسین کے لیے دو سائٹوں کو دوبارہ تیار کیا۔ ہیلوسینیٹڈ پروٹین کا استعمال کرتے ہوئے ٹیسٹ، بیکٹیریا میں دوبارہ تشکیل دیے گئے، موجودہ اینٹی باڈیز پر تیزی سے پکڑے گئے — اس بات کی علامت کہ وہ فعال ہیں اور یہ کہ گہری سیکھنے کا طریقہ کام کرتا ہے۔
وانگ نے کہا کہ اس واقعے نے "مجھے یہ احساس دلایا کہ یہاں تک کہ 'ٹیسٹ' کے مسائل جن پر ہم کام کر رہے تھے، وہ دراصل کافی معنی خیز تھے۔
کئی اضافی ٹیسٹوں میں، ٹیم نے ایک انزائم، پروٹین بائنڈنگ پروٹینز، اور ایسے پروٹینز کے لیے فنکشنل سائٹس ڈیزائن کیں جو دھاتی آئنوں پر گرفت کرتے ہیں — بنیادی طور پر، آپ لوہے اور دیگر اہم دھاتوں کو کیسے جذب کرتے ہیں۔
اگرچہ طاقتور ہے، ترقی کی گنجائش ہے۔ یہ طریقہ قدرتی پروٹینوں کو غیر واضح کرنے کا دروازہ کھولتا ہے، بلکہ ممکنہ طور پر مصنوعی حیاتیات کے لیے نئے ڈیزائن بھی کرتا ہے۔ بیکر نے کہا، "یہ بہت طاقتور نئے طریقے ہیں، لیکن ابھی بھی بہتری کی بہت گنجائش ہے۔"
مجموعی طور پر، یہ گہرائی سے سیکھنے کی ایک اور جیت ہے اور اس بات کی ایک دلچسپ نمائش ہے کہ AI اور بیالوجی کس طرح ہم آہنگ ہو سکتے ہیں۔ بیکر نے کہا، "گہری سیکھنے نے پچھلے دو سالوں میں پروٹین کے ڈھانچے کی پیشن گوئی کو تبدیل کر دیا، اب ہم پروٹین کے ڈیزائن کی اسی طرح کی تبدیلی کے درمیان ہیں۔"
تصویری کریڈٹ: ایان سی ہیڈن/UW انسٹی ٹیوٹ برائے پروٹین ڈیزائن. پروٹین کے ڈھانچے پر تربیت یافتہ مصنوعی ذہانت کا نیا سافٹ ویئر چند لمحوں میں فعال پروٹین بنا سکتا ہے، بشمول سانس کے وائرس RSV کے لیے یہ امیدوار ویکسین۔
