कैसे एआई कैनसर ड्रग्स की खोज में मदद कर रहा है: BIOPTIC के मॉलिक्यूलर डिस्कवरी इंजन के अंदर

नई दवा की खोज अक्सर खेत में सुई खोजने के रूप में वर्णित की जाती है। वास्तव में, समस्या बहुत बड़ी है: "खेत" में अरबों - या यहां तक कि खरबों - संभावित अणु हो सकते हैं।

यहां कृत्रिम बुद्धिमत्ता प्रयोगशाला में प्रवेश करती है।

BIOPTIC, एक एआई-प्रथम जैव प्रौद्योगिकी कंपनी है जो उद्यमी और पूर्व गूगल कार्यकारी आंद्रे डोरोनिचेव से जुड़ी है, तकनीक विकसित कर रही है जो मशीन लर्निंग का उपयोग करके विशाल रासायनिक पुस्तकालयों में उन अणुओं की खोज करती है जो अंततः नए दवाओं में विकसित हो सकते हैं। कंपनी के सबसे दिलचस्प कार्यक्रमों में से एक कैंसर पर केंद्रित है, जहां उसके एआई सिस्टम का उपयोग ट्यूमर एंजियोगेनेसिस में शामिल जैविक लक्ष्य VEGFR-3 के चयनात्मक अवरोधकों की पहचान करने के लिए किया गया है।

यहां महत्वपूर्ण शब्द अंततः है। एआई बटन दबाने और एक तैयार कैंसर दवा का उत्पादन नहीं करता है। इसके बजाय, यह वैज्ञानिकों को यह तय करने में मदद करता है कि कौन से अणु संश्लेषण और असली दुनिया में परीक्षण के लायक हैं।

BIOPTIC क्या है और इसका एआई वास्तव में क्या करता है?

BIOPTIC कृत्रिम बुद्धिमत्ता, सांण्द्र रसायन विज्ञान, और दवा खोजने के बीच के चौराहे पर काम करता है। इसका मुख्य विचार रासायनिक खोज को आंशिक रूप से एक खोज समस्या के रूप में मानना है।

एक पारंपरिक दवा खोज कार्यक्रम एक जैविक लक्ष्य से शुरू हो सकता है - एक प्रोटीन जो एक बीमारी में शामिल है - और फिर उस लक्ष्य के साथ वांछित तरीके से बातचीत करने में सक्षम एक अणु की खोज की जा सकती है। चुनौती यह है कि सिद्धांत रूप से संभावित दवा जैसे अणुओं की संख्या विशाल है।

BIOPTIC का B1 प्रणाली इस खोज को संचालित करने का प्रयास करता है।

यह प्रणाली अणुओं का गणितीय प्रतिनिधित्व करती है, संक्षिप्त संख्यात्मक एम्बेडिंग बनाती है जो रासायनिक संरचनाओं की उच्च गति पर तुलना करने की अनुमति देती है। कंपनी के पीयर-रिव्यू किए गए शोध के अनुसार, B1 पुस्तकालयों की खोज कर सकता है जिसमें दर्जनों अरब यौगिक होते हैं और उन अणुओं को पुनर्प्राप्त कर सकता है जिनमें समान जैविक गुण हो सकते हैं भले ही उनकी रासायनिक संरचनाएं महत्वपूर्ण रूप से भिन्न हों।

इसलिए एआई प्रयोगशाला का प्रतिस्थापन नहीं कर रहा है। यह प्रयोगशाला के काम की शुरुआत से पहले एक अत्यंत तेज़ फ़िल्टर के रूप में कार्य कर रहा है।

BIOPTIC B1 अरबों अणुओं की खोज कैसे करता है?

B1 की तकनीकी नींव एक लिगैंड-आधारित वर्चुअल स्क्रीनिंग सिस्टम है।

एक लिगैंड एक अणु है जो जैविक लक्ष्य से बंध सकता है, जैसे किसी प्रोटीन। यदि वैज्ञानिक पहले से ही कई उपयोगी गतिविधियों वाले अणुओं को जानते हैं, तो उन अणुओं का एक नई खोज के लिए प्रारंभिक बिंदुओं के रूप में उपयोग किया जा सकता है।

B1 आणविक जानकारी को संक्षिप्त वेक्टर प्रतिनिधित्व में रूपांतरित करता है। प्रकाशित प्रणाली में, प्रत्येक अणु को फ्लोट16 सटीकता का उपयोग करके स्टोर किए गए 60-आयामी एम्बेडिंग के रूप में दर्शाया गया है। फिर मॉडल एक क्वेरी अणु की तुलना पूर्व-इंडेक्स किए गए आणविक प्रतिनिधित्वों से कर सकता है और विशाल पैमाने पर समानता की गणना कर सकता है।

प्रणाली को Enamine REAL Space पर परीक्षण किया गया, जो लगभग 40 अरब निर्दिष्ट अणुओं वाला वर्चुअल रासायनिक पुस्तकालय है।

इस पैमाने ने एक इंजीनियरिंग समस्या के रूप में साथ ही एक वैज्ञानिक समस्या को उत्पन्न किया। BIOPTIC के शोधकर्ताओं ने प्रक्रिया को दो चरणों में विभाजित किया:

• स्कैनिंग: न्यूरल नेटवर्क अणुओं को प्रोसेस करते हैं और एम्बेडिंग उत्पन्न करते हैं।
• खोज: पूर्व-गणना की गई एम्बेडिंग को सबसे प्रासंगिक उम्मीदवारों को पुनर्प्राप्त करने के लिए तुलना की जाती है।

प्रकाशित बेंचमार्क में, 40 अरब यौगिकों की लाइब्रेरी में खोज लगभग दो मिनट पंद्रह सेकंड में की जा सकती थी, SSD-आधारित खोज सेटअप का उपयोग करते हुए जिसे पेपर में वर्णित किया गया था। एक RAM-आधारित कॉन्फ़िगरेशन काफी तेज था।

इसका मतलब यह नहीं है कि एआई जीवविज्ञान को उसी तरीके से समझता है जैसे एक वैज्ञानिक करता है। इसका मतलब यह है कि प्रणाली गणितीय रसायन क्षेत्र के मानचित्र को तेजी से चलाने में सक्षम है और उन उम्मीदवारों की पहचान करने में सक्षम है जो गहन ध्यान के योग्य हैं।

कैंसर प्रोजेक्ट: चयनात्मक VEGFR-3 अवरोधकों की खोज

BIOPTIC का कैंसर कार्यक्रम इस दृष्टिकोण के काम करने के एक ठोस उदाहरण प्रदान करता है।

लक्ष्य VEGFR-3 है, जिसे FLT4 भी कहा जाता है, एक रिसेप्टर जो एंजियोगेनेसिस से जुड़े सिग्नलिंग पथों में शामिल है - नए रक्त वाहिकाओं का निर्माण। ट्यूमर इस एंजियोगेनेसिस का फायदा उठा सकते हैं ताकि वे अपनी वृद्धि को समर्थन दे सकें, जिससे यह मार्ग कैंसर शोध का एक महत्वपूर्ण क्षेत्र बन जाता है।

चुनौती चयनात्मकता है।

दवाएं जो अनेक VEGF रिसेप्टर्स पर व्यापक प्रभाव डालती हैं वे अन्य जैविक प्रणालियों के साथ बातचीत कर सकती हैं, संभावित रूप से विषाक्तता बढ़ा सकती हैं। BIOPTIC की परियोजना का लक्ष्य VEGFR-3 के लिए अधिक चयनात्मक छोटे अणुओं की पहचान करना था।

कंपनी ने एक दो-मॉडल पाइपलाइन का उपयोग किया:

SMILES एक पाठ-आधारित नोटेशन है जिसका उपयोग आणविक संरचनाओं का वर्णन करने के लिए किया जाता है। यह रसायन शास्त्र को भाषा-निर्माण तकनीकों के साथ आश्चर्यजनक रूप से संगत बनाता है: एक अणु को प्रतीकों की एक अनुक्रम के रूप में प्रस्तुत किया जा सकता है, जो एआई प्रणालियों को रासायनिक डेटा में पैटर्न सीखने में सक्षम बनाते हैं।

प्रथम मॉडल द्वारा एक अल्ट्रा-बड़ी लाइब्रेरी के 40 अरब यौगिकों को छानने के बाद, ग्राफ न्यूरल नेटवर्क का उपयोग एक दूसरे फ़िल्टर के रूप में किया गया। पाठ अनुक्रम के विपरीत, एक ग्राफ परमाणुओं को नोड्स के रूप में और रासायनिक बंधनों को कनेक्शनों के रूप में दर्शाता है, जिससे GNNs आणविक संरचना और संबंधों का मॉडल करने में उपयोगी बनते हैं।

डिजिटल भविष्यवाणी से असली अणु की ओर

यह वह बिंदु है जहां एआई की कहानी वास्तविक विज्ञान बन जाती है।

कंप्यूटर यह भविष्यवाणी कर सकता है कि एक अणु आशाजनक लगता है, लेकिन उस अणु को अभी भी संश्लेषित और प्रयोगात्मक रूप से परीक्षण करना होगा।

VEGFR-3 परियोजना में, BIOPTIC ने काइनज प्रोफाइलिंग एसे का उपयोग करते हुए 110 यौगिकों का परीक्षण किया। कई अणुओं ने VEGFR-3 के खिलाफ गतिविधि दिखाई, और तीन एकल VEGFR लक्ष्य के लिए चयनात्मक थे। एक उम्मीदवार ने रिपोर्ट की गई प्रयोगों में VEGFR-1 और VEGFR-2 पर 45 गुना से अधिक चयनात्मकता प्रदर्शित की। निष्कर्ष 2025 ASCO वार्षिक बैठक के लिए एक अमूर्त में प्रस्तुत किए गए थे और जर्नल ऑफ क्लिनिकल ऑन्कोलॉजी में एक बैठक की अमूर्त के रूप में प्रकाशित किए गए थे।

शोधकर्ताओं ने फिर आणविक खोज को RNA अनुक्रमण विश्लेषण के साथ मिलाया। ओन्कोबॉक्स एल्गोरिदम का उपयोग करते हुए, उन्होंने अनुमान लगाया कि कौन से कैंसर प्रकार चयनात्मक VEGFR-3 अवरोध पर सबसे अधिक उत्तरदायी हो सकते हैं, हजारों ट्यूमर एक्सप्रेशन प्रोफाइल का विश्लेषण किया। आगे की जांच के लिए रिपोर्ट किए गए उम्मीदवारों में पैपिलरी थायरॉइड कैंसर, क्लियर-सेल किडनी कैंसर, अग्नाशय कैंसर, डिम्बग्रंथि कैंसर और सरकोमस शामिल थे।

ये अनुसंधान निष्कर्ष हैं - यह证 है कि एक तैयार कैंसर दवा मरीजों के लिए तैयार है।

BIOPTIC B1 के पीछे का वैज्ञानिक साक्ष्य

BIOPTIC की तकनीक को भी पीयर-रिव्यू किए गए वैज्ञानिक साहित्य में वर्णित किया गया है।

2025 में, शोधकर्ताओं ने जर्नल ऑफ केमिकल इंफॉर्मेशन एंड मॉडलिंग में एक अध्ययन प्रकाशित किया जिसमें BIOPTIC B1 का वर्णन किया गया और इसका उपयोग LRRK2 को लक्षित करने वाले संभावित दवा खोज प्रयोग में किया गया, जो पार्किंसंस रोग से जुड़ा एक प्रोटीन है।

सिस्टम ने 40 अरब-अणु रासायनिक क्षेत्र की खोज की और LRRK2 के सामान्य और उत्परिवर्तित रूपों के लिए नए लिगैंड पहचाने। सर्वश्रेष्ठ प्रयोगात्मक रूप से मान्य यौगिकों ने 110 नैनोमोला के रूप में कम विघटन स्थिरांक प्राप्त किए।

अगला चरण एआई-सहायता प्राप्त दवा खोज के लिए समझने में विशेष रूप से महत्वपूर्ण है। प्रारंभिक हिट को अंतिम उत्तर के रूप में नहीं माना गया। वैज्ञानिकों ने सर्वश्रेष्ठ यौगिकों का उपयोग अनुक्रमिक खोज के लिए प्रारंभिक बिंदुओं के रूप में किया, संरचनात्मक रूप से संबंधित अणुओं को पुनर्प्राप्त किया, उन्हें व्यावहारिक गुणों के लिए फ़िल्टर किया और उन उम्मीदवारों को चयनित किया जिन्हें वास्तव में संश्लेषित किया जा सकता था।

48 चयनित एनालॉग्स में से 47 को सफलतापूर्वक संश्लेषित किया गया। परिणामी यौगिकों का फिर से परीक्षण किया गया, जिससे गणना, रसायन विज्ञान और जीवविज्ञान के बीच एक फीडबैक लूप बना।

क्यों एआई दवा वैज्ञानिकों का स्थान नहीं ले सकता

"एआई दवाएं खोजता है" वाक्यांश आकर्षक है, लेकिन अधूरा है।

एआई डेटा से सीखे गए पैटर्न के आधार पर अणुओं को रैंक कर सकता है। यह वर्चुअल स्क्रीनिंग को तेज कर सकता है और रासायनिक संबंधों की पहचान कर सकता है जिन्हें मैन्युअल रूप से खोजने में कठिनाई हो सकती है। लेकिन एक भविष्यवाणी तब तक एक भविष्यवाणी बनी रहती है जब तक प्रयोगात्मक कार्य इसकी पुष्टि नहीं करता।

वैज्ञानिकों को अभी भी बुनियादी सवालों के उत्तर देने की आवश्यकता है:

• क्या अणु वास्तव में लक्ष्य से बंधता है?
• क्या यह लक्षित जैविक पथ को प्रभावित करता है?
• क्या यह पर्याप्त चयनात्मक है?
• क्या यह विषाक्त है?
• क्या यह सही ऊतक तक पहुंचता है?
• क्या इसे सुरक्षित रूप से मेटाबॉलाइज़ किया गया है?
• क्या यह जानवरों में काम करता है?
• क्या यह मानव मरीजों की मदद करता है?

एक आशाजनक अणु किसी भी समय विफल हो सकता है।

यही कारण है कि BIOPTIC B1 जैसे प्रणालियों का वास्तविक मूल्य जादू के बजाय गति हो सकता है। यदि एआई अरबों सिद्धांतों की संभावनाओं को कुछ सौ अणुओं तक सीमित कर सकता है जो परीक्षण के योग्य हैं, तो यह दवा खोज के प्रारंभिक चरणों को अधिक कुशल बना सकता है।

एआई-प्रेरित चिकित्सा का भविष्य

BIOPTIC का काम जैव प्रौद्योगिकी में एक व्यापक परिवर्तन को दर्शाता है। एआई तेजी से शोध अवसंरचना का एक हिस्सा बनता जा रहा है - रासायनिक क्षेत्र की खोज करने, प्रयोगों को प्राथमिकता देने और आणविक डेटा को जैविक जानकारी से जोड़ने के लिए एक प्रणाली।

कंपनी का कैंसर शोध विशेष रूप से दिलचस्प है क्योंकि इसमें गणना के कई स्तरों को जोड़ा गया है: आणविक स्क्रीनिंग, चयनात्मकता मॉडलिंग और ट्यूमर जीवविज्ञान के RNA-seq विश्लेषण।

लेकिन इस प्रक्रिया का अंतिम उत्पाद कोई एआई-निर्मित प्रिस्क्रिप्शन नहीं है। यह वैज्ञानिकों के लिए परीक्षण करने के लिए परिकल्पनाओं की एक संक्षिप्त सूची है।

यह अंतर महत्वपूर्ण है।

एआई शोधकर्ताओं को अरबों अणुओं की खोज करने में पारंपरिक तरीकों से तेजी से मदद कर सकता है। यह अपरिचित रासायनिक ढांचे को उजागर कर सकता है और प्रयोगशालाओं को उन उम्मीदवारों की ओर इंगित कर सकता है जो अन्यथा छिपे रहेंगे। फिर भी अणु को रसायन विज्ञान, जीवविज्ञान, विष विज्ञान, प्री-क्लिनिकल अनुसंधान और नैदानिक परीक्षणों को पार करना होगा।

दूसरे शब्दों में, एआई कैंसर के इलाज की खोज करने वाले वैज्ञानिक का स्थान नहीं ले रहा है।

यह उस वैज्ञानिक को एक अत्यधिक शक्तिशाली खोज इंजन प्रदान कर रहा है।