अल्फाफोल्ड

AlphaFold एक Deep learning प्रणाली है जिसे DeepMind द्वारा विकसित किया गया है, जो किसी प्रोटीन की अमीनो अम्ल अनुक्रम से उसकी त्रि-आयामी संरचना की भविष्यवाणी करती है। अमीनो अम्लों की एक रैखिक श्रृंखला किस प्रकार जटिल त्रि-आयामी आकार में मुड़ती है, जो प्रोटीन के जैविक कार्य को निर्धारित करता है, यह संरचनात्मक जीव विज्ञान में लगभग पचास वर्षों से एक खुली समस्या थी, जिसे प्रोटीन फोल्डिंग समस्या के रूप में जाना जाता है, क्योंकि एक्स-रे क्रिस्टलोग्राफी या क्रायो-इलेक्ट्रॉन माइक्रोस्कोपी जैसी विधियों से प्रयोगात्मक रूप से संरचनाओं का निर्धारण धीमा और महंगा है।

CASP14 और 2020 की सफलता

AlphaFold का दूसरा संस्करण, AlphaFold2, ने 2020 की क्रिटिकल असेसमेंट ऑफ प्रोटीन स्ट्रक्चर प्रेडिक्शन प्रतियोगिता, जिसे CASP14 के रूप में जाना जाता है, में एक परिणाम प्राप्त किया, जिसे आयोजकों और स्वतंत्र संरचनात्मक जीवविज्ञानियों ने अधिकांश प्रोटीनों के लिए प्रोटीन फोल्डिंग समस्या को प्रभावी रूप से हल करने के रूप में वर्णित किया। CASP एक द्विवार्षिक अंध प्रतियोगिता है जिसमें शोध दल उन प्रोटीनों की संरचनाओं की भविष्यवाणी करते हैं जिनकी वास्तविक संरचनाएं प्रयोगात्मक रूप से निर्धारित की गई हैं लेकिन अभी तक प्रकाशित नहीं हुई हैं, जिससे आयोजकों को अप्रकाशित वास्तविकता के विरुद्ध भविष्यवाणियों का मूल्यांकन करने की अनुमति मिलती है। AlphaFold2 ने अधिकांश लक्ष्य प्रोटीनों के लिए प्रयोगात्मक विधियों के संकल्प के साथ प्रतिस्पर्धी औसत सटीकता स्कोर प्राप्त किया, जो सटीकता का एक स्तर था जिसे किसी भी पिछली कम्प्यूटेशनल विधि ने नहीं छुआ था और जिसे CASP के अपने मूल्यांकनकर्ताओं और बाहरी जीवविज्ञानियों ने क्षेत्र के लिए एक परिवर्तनकारी परिणाम कहा।

वास्तुकला

AlphaFold2 ने एक Transformer (architecture)-आधारित वास्तुकला का उपयोग किया जिसमें Evoformer नामक एक घटक शामिल था, जो अमीनो अम्ल अनुक्रम और कई अनुक्रम संरेखणों से प्राप्त विकासवादी जानकारी, विभिन्न प्रजातियों में संबंधित प्रोटीन अनुक्रम, ज्यामितीय बाधाओं के साथ संसाधित करता था, ताकि एक अनुमानित संरचना को पुनरावृत्त रूप से परिष्कृत किया जा सके। DeepMind ने 2021 में AlphaFold2 मॉडल वास्तुकला और कोड प्रकाशित किया, और UniProt डेटाबेस में ज्ञात अनुक्रमों वाले लगभग सभी प्रोटीनों के लिए अनुमानित संरचनाएं जारी कीं, जो यूरोपीय जैव सूचना विज्ञान संस्थान के साथ एक संयुक्त प्रयास, स्वतंत्र रूप से सुलभ AlphaFold प्रोटीन संरचना डेटाबेस (AlphaFold DB) के माध्यम से उपलब्ध थीं, अंततः 200 मिलियन से अधिक प्रोटीन संरचनाओं को कवर करती थीं।

प्रभाव और नोबेल पुरस्कार

AlphaFold के कोड और अनुमानित संरचनाओं दोनों के खुले रिलीज को संरचनात्मक जीव विज्ञान, दवा खोज और एंजाइम डिजाइन में अनुसंधान को तेज करने का श्रेय व्यापक रूप से दिया गया, क्योंकि शोधकर्ता जिन्हें पहले महीनों के प्रयोगात्मक कार्य की आवश्यकता होती थी या संरचना निर्धारण सुविधाओं तक पहुंच की कमी होती थी, वे मिनटों में उच्च-विश्वास वाली अनुमानित संरचना प्राप्त कर सकते थे। 2024 में, DeepMind के सह-संस्थापक Demis Hassabis और AlphaFold के प्रमुख शोधकर्ता जॉन जम्पर ने AlphaFold के विकास के लिए रसायन विज्ञान में नोबेल पुरस्कार का आधा हिस्सा साझा किया, जिसका दूसरा आधा हिस्सा डेविड बेकर को अलग कम्प्यूटेशनल प्रोटीन डिजाइन कार्य के लिए दिया गया; यह पुरस्कार व्यापक रूप से AI के नोबेल-स्तर की वैज्ञानिक उपलब्धि में प्रत्यक्ष योगदान की ऐतिहासिक मान्यता के रूप में कवर किया गया। DeepMind ने बाद में 2024 में AlphaFold3 जारी किया, जो भविष्यवाणी क्षमता को एकल प्रोटीन से आगे बढ़ाकर प्रोटीन, DNA, RNA और छोटे-अणु लिगैंड के बीच अंतःक्रियाओं तक विस्तारित करता है, जो दवा खोज के लिए विशेष रूप से प्रासंगिक है।

स्वागत और सीमाएं

AlphaFold को व्यापक रूप से भाषा और दृष्टि के बाहर गहन शिक्षण की सबसे महत्वपूर्ण अनुप्रयुक्त सफलताओं में से एक माना जाता है, जिसे अक्सर AlphaGo के साथ DeepMind की अनुसंधान रणनीति के प्रमाण के रूप में उद्धृत किया जाता है, जो स्पष्ट मूल्यांकन मानदंडों के साथ सुव्यवस्थित वैज्ञानिक समस्याओं पर Reinforcement learning और गहन शिक्षण विधियों को लागू करने की रणनीति है। शोधकर्ताओं ने सीमाओं पर ध्यान दिया, जिसमें आंतरिक रूप से अव्यवस्थित प्रोटीनों के लिए कम विश्वसनीयता शामिल है जिनमें एक स्थिर संरचना का अभाव होता है, और प्रोटीनों के गतिशील रूप से आकार बदलने या जीवित कोशिका के भीतर अंतःक्रिया करने की भविष्यवाणी के लिए, जो AlphaFold3 के रिलीज के बाद भी सक्रिय अनुसंधान दिशाएं बनी रहीं।