आर्टिफिशियल इंटेलिजेंस हाई-एफिनिटी एंटीबॉडी दवाओं की पहचान करने में करता है मदद

सैन डिएगो (कैलिफोर्निया) (एएनआई): यूनिवर्सिटी ऑफ कैलिफोर्निया सैन डिएगो स्कूल ऑफ मेडिसिन के शोधकर्ताओं द्वारा आर्टिफिशियल इंटेलिजेंस (एआई) पर आधारित हाई-एफिनिटी एंटीबॉडी थेरेप्यूटिक्स खोजने की एक विधि बनाई गई है।

नेचर कम्युनिकेशंस में प्रकाशित अध्ययन के निष्कर्षों में, शोधकर्ताओं ने एक नए एंटीबॉडी की पहचान करने के लिए दृष्टिकोण का उपयोग किया जो एक मौजूदा एंटीबॉडी दवा की तुलना में एक प्रमुख कैंसर लक्ष्य को 17 गुना सख्त बांधता है। लेखकों का कहना है कि पाइपलाइन कैंसर और अन्य बीमारियों जैसे कि COVID-19 और संधिशोथ के खिलाफ उपन्यास दवाओं की खोज में तेजी ला सकती है।

एक सफल दवा बनने के लिए, एक एंटीबॉडी को अपने लक्ष्य से मजबूती से बांधना पड़ता है। ऐसे एंटीबॉडी खोजने के लिए, शोधकर्ता आम तौर पर एक ज्ञात एंटीबॉडी अमीनो एसिड अनुक्रम से शुरू करते हैं और उस क्रम के बदलावों के साथ नए एंटीबॉडी की श्रृंखला बनाने के लिए बैक्टीरिया या खमीर कोशिकाओं का उपयोग करते हैं। इसके बाद इन म्यूटेंट का लक्ष्य प्रतिजन को बांधने की उनकी क्षमता के लिए मूल्यांकन किया जाता है। एंटीबॉडी के सबसेट जो सबसे अच्छा काम करते हैं, फिर उत्परिवर्तन और मूल्यांकन के एक और दौर के अधीन होते हैं, और यह चक्र तब तक दोहराता है जब तक कि कसकर बाध्यकारी फाइनलिस्ट का एक सेट उभर नहीं आता।

इस लंबी और महंगी प्रक्रिया के बावजूद, कई परिणामी एंटीबॉडी अभी भी नैदानिक परीक्षणों में प्रभावी होने में विफल रहे हैं। नए अध्ययन में, यूसी सैन डिएगो के वैज्ञानिकों ने इन प्रयासों में तेजी लाने और उन्हें कारगर बनाने के लिए एक अत्याधुनिक मशीन लर्निंग एल्गोरिदम तैयार किया।

दृष्टिकोण इसी तरह से शुरू होता है, शोधकर्ताओं ने लगभग आधा मिलियन संभावित एंटीबॉडी अनुक्रमों की एक प्रारंभिक लाइब्रेरी तैयार की और एक विशिष्ट प्रोटीन लक्ष्य के लिए उनकी आत्मीयता के लिए उनकी स्क्रीनिंग की। लेकिन इस प्रक्रिया को बार-बार दोहराने के बजाय, वे डेटासेट को बायेसियन न्यूरल नेटवर्क में फीड करते हैं जो जानकारी का विश्लेषण कर सकता है और इसका उपयोग अन्य अनुक्रमों के बाध्यकारी संबंध की भविष्यवाणी करने के लिए कर सकता है।

यूसी सैन डिएगो में सेलुलर और आण्विक चिकित्सा के प्रोफेसर वरिष्ठ लेखक वी वांग ने कहा, "हमारे मशीन लर्निंग टूल्स के साथ अनुक्रम उत्परिवर्तन और चयन के इन बाद के दौरों को प्रयोगशाला के बजाए कंप्यूटर पर तेज़ी से और कुशलता से किया जा सकता है।" औषधि विद्यलय।

उनके एआई मॉडल का एक विशेष लाभ इसकी प्रत्येक भविष्यवाणी की निश्चितता की रिपोर्ट करने की क्षमता है। वांग ने कहा, "कई एआई विधियों के विपरीत, हमारा मॉडल वास्तव में हमें बता सकता है कि यह अपनी प्रत्येक भविष्यवाणियों में कितना आश्वस्त है, जो हमें एंटीबॉडी को रैंक करने और यह तय करने में मदद करता है कि दवाओं के विकास में किसे प्राथमिकता दी जाए।"

पाइपलाइन को मान्य करने के लिए, प्रोजेक्ट वैज्ञानिकों और अध्ययन के सह-प्रथम लेखक जोनाथन पार्किंसन, पीएचडी, और रयान हार्ड, पीएचडी, प्रोग्राम्ड डेथ लिगैंड 1 (पीडी-एल 1) के खिलाफ एक एंटीबॉडी डिजाइन करने के लिए तैयार हैं, जो कैंसर में अत्यधिक व्यक्त प्रोटीन है और कई व्यावसायिक रूप से उपलब्ध कैंसर रोधी दवाओं का लक्ष्य। इस दृष्टिकोण का उपयोग करते हुए, उन्होंने एक उपन्यास एंटीबॉडी की पहचान की जो पीडी-एल 1 से 17 गुना बेहतर एटेज़ोलिज़ुमाब (ब्रांड नाम टेसेंट्रिक) से बेहतर है, यू.एस. फूड एंड ड्रग एडमिनिस्ट्रेशन द्वारा नैदानिक ​​उपयोग के लिए स्वीकृत जंगली प्रकार का एंटीबॉडी।

शोधकर्ता अब इस दृष्टिकोण का उपयोग SARS-CoV-2 जैसे अन्य एंटीजन के खिलाफ होनहार एंटीबॉडी की पहचान करने के लिए कर रहे हैं। वे अतिरिक्त एआई मॉडल भी विकसित कर रहे हैं जो नैदानिक परीक्षण की सफलता के लिए महत्वपूर्ण अन्य एंटीबॉडी गुणों के लिए अमीनो एसिड अनुक्रमों का विश्लेषण करते हैं, जैसे स्थिरता, घुलनशीलता और चयनात्मकता।

वांग ने कहा, "इन एआई उपकरणों के संयोजन से, वैज्ञानिक बेंच के बजाय कंप्यूटर पर अपने एंटीबॉडी खोज प्रयासों की बढ़ती हिस्सेदारी का प्रदर्शन करने में सक्षम हो सकते हैं, जिससे संभावित रूप से तेज और कम विफलता वाली खोज प्रक्रिया हो सकती है।" "इस पाइपलाइन में बहुत सारे अनुप्रयोग हैं, और ये निष्कर्ष वास्तव में सिर्फ शुरुआत हैं।" (एएनआई)