किसी नई दवा की खोज में एक दशक से अधिक का शोध और अरबों पाउंड का निवेश लगता था। इस प्रक्रिया में कई उम्मीदवार असफल हो जाते थे, और फार्मा उद्योग अकेले असफल कैंसर दवाओं के परीक्षणों पर अनुमानित 50 से 60 अरब डॉलर प्रति वर्ष खर्च करता था। हालांकि, एआई एल्गोरिदम प्रमुख यौगिक की पहचान करने में लगने वाले समय को कुछ हफ्तों, या शायद दिनों तक कम कर सकते हैं।

ब्रिटेन के कैम्ब्रिज विश्वविद्यालय में बायोफिज़िक्स की प्रोफेसर मिशेल वेंड्रुस्कोलो कहती हैं, 'दवा की खोज में पहला कदम एक 'हिट' या लीड कंपाउंड की पहचान करना है, और इसे एआई द्वारा पूरी तरह से हल कर लिया गया है।'

परंपरागत रूप से, दवा की खोज हजारों रासायनिक यौगिकों की 'उच्च-स्तरीय स्क्रीनिंग' से शुरू होती है ताकि यह पता लगाया जा सके कि कौन से यौगिक लक्ष्य प्रोटीन से जुड़ते हैं और उसके साथ परस्पर क्रिया करते हैं, जिसमें दो साल तक का समय लग सकता है। कृत्रिम बुद्धिमत्ता इस प्रक्रिया को नाटकीय रूप से तेज कर सकती है। रासायनिक पुस्तकालयों में लाखों अणुओं के बारे में जानकारी होती है, जिसमें उनकी रासायनिक संरचना और भौतिक विशेषताएं शामिल हैं।

इस जानकारी के आधार पर, एआई मॉडल बड़ी मात्रा में डेटा का तेजी से विश्लेषण करके यह अनुमान लगा सकते हैं कि कोई अणु अपने लक्ष्य प्रोटीन से कैसे जुड़ेगा और उसके साथ कैसे परस्पर क्रिया करेगा। लाखों संभावित उम्मीदवारों की जांच की जा सकती है, जिससे शोधकर्ताओं को सबसे आशाजनक विकल्पों पर ध्यान केंद्रित करने में मदद मिलती है।

'हमारे पास अब एक्स-रे क्रिस्टलोग्राफी और माइक्रो स्पेक्ट्रोस्कोपी अध्ययनों से दशकों के परिणाम मौजूद हैं,' वेंड्रुस्कोलो बताते हैं। 'हम लाखों प्रोटीनों की संरचना जानते हैं। कृत्रिम बुद्धिमत्ता संरचनात्मक डेटा की इस विशाल मात्रा से सीखने में बहुत सक्षम है।'

उच्चतर थ्रूपुट

वेंड्रुस्कोलो के अनुसार, प्रोटीन संरचनाओं और छोटे अणुओं के साथ उनकी परस्पर क्रिया का अनुमान लगाने में कृत्रिम बुद्धिमत्ता अब प्रायोगिक स्क्रीनिंग विधियों जितनी ही सटीक है। हालांकि, अभी तक यह केवल उन प्रोटीनों के लिए ही सही साबित हुआ है जो तह प्रक्रिया से गुजरकर 3डी स्थिर संरचनाएं बनाते हैं जिनमें बंधन जेबें होती हैं जिनमें छोटे अणु समा सकते हैं।

'प्रोटीन की मानक परिभाषा यह है कि वे अपनी मूल अवस्था में परिवर्तित हो जाते हैं और फिर कार्य करने लगते हैं,' वेंड्रुस्कोलो कहते हैं। 'लेकिन यह पता चला है कि लगभग एक तिहाई मानव प्रोटीन ऐसा नहीं करते हैं।'

ये अन्य 'आंतरिक रूप से अव्यवस्थित' प्रोटीन एक ही संरचना प्राप्त नहीं करते हैं, इसलिए इनकी संरचना को मानक प्रायोगिक और गणनात्मक विधियों द्वारा निर्धारित नहीं किया जा सकता है। इनमें से कई मानव रोगों में शामिल हैं, जिनमें अल्जाइमर और पार्किंसंस जैसी तंत्रिका संबंधी रोग शामिल हैं। हाल तक इन प्रोटीनों को 'असाध्य' माना जाता था।

'दवा खोज में बंधन की पारंपरिक अवधारणा को ताला-चाबी कहा जाता है, जिसमें प्रोटीन की सतह पर ताले की तरह खांचे होते हैं, और फिर छोटा अणु उस खांचे में फिट हो जाता है, जो चाबी की तरह काम करता है,' वेंड्रुस्कोलो कहते हैं। 'लेकिन अगर प्रोटीन की कोई निश्चित संरचना नहीं है, तो न ताला है और न चाबी। घुलित प्रोटीन को लक्षित करने वाली कोई भी दवा नैदानिक ​​उपयोग के लिए स्वीकृत नहीं है क्योंकि ऐसे खांचे नहीं होते।'

वेंड्रुस्कोलो और उनकी टीम ने कृत्रिम बुद्धिमत्ता का उपयोग करके बंधन का एक नया तरीका खोजा है, जिसमें छोटे अणुओं को पॉकेट की आवश्यकता नहीं होती है। टीम ने एमिलॉयड बीटा पर ध्यान केंद्रित किया, जो अल्जाइमर रोग में शामिल एक आंतरिक रूप से अव्यवस्थित प्रोटीन है। एमिलॉयड बीटा के गुच्छे प्लाक नामक संरचनाएं बनाते हैं, जो न्यूरॉन्स के आसपास जमा हो जाते हैं, जिससे उनकी मृत्यु हो जाती है।

जल्द ही प्रकाशित होने वाले शोध में, टीम ने कृत्रिम बुद्धिमत्ता (AI) का उपयोग करके लाखों छोटे अणुओं वाली एक रासायनिक लाइब्रेरी की त्वरित जांच की और आगे की जांच के लिए पांच यौगिकों की पहचान की। ये यौगिक किसी पॉकेट से नहीं जुड़ते, बल्कि अव्यवस्थित एमाइलॉइड बीटा प्रोटीन के चारों ओर 'घूमते' हैं और फिर प्रोटीन अणुओं से जुड़कर उन्हें स्थिर करते हैं और उन्हें आपस में गुच्छे बनने से रोकते हैं। 

वेंड्रुस्कोलो कहते हैं, 'अव्यवस्थित बंधनों के नियम ताला-चाबी के नियमों की तुलना में कहीं अधिक जटिल होने की संभावना है। हालांकि, खरबों मापदंडों वाले डीप न्यूरल नेटवर्क पर आधारित एआई प्रोग्राम इन्हें समझना सीख सकते हैं।'

रोगाणुरोधी खोज

प्रोटीन से अणुओं के जुड़ने के तरीके का अनुमान लगाने की कृत्रिम बुद्धिमत्ता (AI) की क्षमता का उपयोग शोधकर्ताओं द्वारा एंटीबायोटिक दवाओं के नए वर्ग विकसित करने में भी किया गया है। आज उपयोग में आने वाली अधिकांश एंटीबायोटिक दवाओं की खोज 50 वर्ष से भी अधिक पहले हुई थी, और फार्मा कंपनियों ने बैक्टीरिया के प्रतिरोध की तीव्र गति के कारण नई एंटीबायोटिक दवाओं को विकसित करने की खोज को लगभग छोड़ दिया है।

आशा है कि कृत्रिम बुद्धिमत्ता असामान्य स्थानों पर रोगाणुरोधी पदार्थों की खोज करके या प्रकृति में मौजूद न होने वाले बिल्कुल नए अणुओं को डिजाइन करके इस समस्या का समाधान कर सकती है। ऐसे पदार्थों के प्रति बैक्टीरिया के लिए प्रतिरोधक क्षमता विकसित करना कठिन हो सकता है।

अमेरिका के पेन्सिलवेनिया विश्वविद्यालय में राष्ट्रपति एसोसिएट प्रोफेसर सेसर डे ला फुएंते ने रोगाणुरोधी अणुओं की खोज में आनुवंशिक डेटाबेस खंगालने के लिए एआई का उपयोग करते हुए एक दशक से अधिक समय बिताया है। 2023 में, उन्होंने और उनकी टीम ने विलुप्त निएंडरथल और डेनिसोवन के डीएनए की खोज की, जिसमें ऐसे जीन की तलाश की गई जो रोगाणुरोधी पेप्टाइड के लिए कोड कर सकते हैं।

उन्होंने एक पेप्टाइड, निएंडरथलिन-1 की खोज की, जो प्रयोगशाला में पुन: निर्मित होने पर चूहों में जीवाणु संक्रमण के इलाज में प्रभावी था। फिर 2024 में उन्होंने विज्ञान के लिए उपलब्ध अनुक्रमित जीनोम वाले 208 विलुप्त जीवों के 'एक्सटिनक्टोम' की छानबीन करने के लिए APEX नामक एक नए AI डीप लर्निंग मॉडल का उपयोग किया।

हाल ही में, डी ला फुएंते ने आर्किया की 233 प्रजातियों - प्राचीन एकलकोशिकीय सूक्ष्मजीवों - को स्कैन करने के लिए एआई का उपयोग किया, जिससे 12,000 से अधिक एंटीबायोटिक उम्मीदवार प्राप्त हुए। इनमें से लगभग 80 को संश्लेषित किया गया, परीक्षणों से पता चला कि प्रयोगशाला में छह सामान्य रोगजनक बैक्टीरिया को बेअसर करने में 93% प्रभावी थे

'हम यह देखने के लिए प्रयोग कर रहे हैं कि विभिन्न बैक्टीरिया अलग-अलग अणुओं के प्रति प्रतिरोध कैसे विकसित करते हैं,' डी ला फुएंते कहते हैं। 'हम यह प्रयोग बैक्टीरिया के दृष्टिकोण से भी कर रहे हैं, जिसमें हम प्राचीन बैक्टीरिया के जीनोम का अध्ययन करके यह देखते हैं कि कौन से उत्परिवर्तन उत्पन्न होते हैं, और साथ ही अणु के दृष्टिकोण से भी यह देखते हैं कि अमीनो एसिड के कौन से विशेष अनुक्रम प्रतिरोध उत्पन्न करने की संभावना कम रखते हैं।'

ऐसी उम्मीद है कि एआई का उपयोग यह अनुमान लगाने के लिए किया जा सकता है कि बैक्टीरिया किसी भी नई दवा के प्रति प्रतिरोध कब और कैसे विकसित कर सकते हैं।