AI अब प्रोटीन की शक्ल मिनटों में बता देता है। पर शक्ल जान लेना यह जानना नहीं कि वह करता क्या है

प्रोटीन कारख़ाने से एक लड़ी की तरह निकलता है। कोशिका जीन पढ़ती है और अमीनो अम्लों को क्रम से जोड़ती जाती है, और राइबोसोम से जो बाहर आता है वह एक ढीली-ढाली डोरी है जिसमें कोई काम का गुण नहीं होता। कुछ माइक्रोसेकंड में वह सिमटकर एक ख़ास त्रि-आयामी शक्ल ले लेती है, और तभी वह एंज़ाइम बनती है, रिसेप्टर बनती है, एंटीबॉडी बनती है, मोटर बनती है। क्रम डीएनए में लिखा है। शक्ल नहीं लिखी — वह नतीजा है, और पचास साल तक कोई उस डोरी से यह नतीजा भरोसे के साथ नहीं निकाल पाया।

यह अचानक बदला। 2020 से 2022 के बीच संरचना का अनुमान एक खुली समस्या से ऐसी चीज़ बन गया जिसे कोई विद्यार्थी दोपहर के खाने के बीच ब्राउज़र में चला ले, और 2024 का रसायन का नोबेल आधा डेविड बेकर को कंप्यूटर से प्रोटीन डिज़ाइन करने के लिए और आधा संयुक्त रूप से डेमिस हसाबिस और जॉन जम्पर को यही समस्या हल करने के लिए मिला। जो बात कम समझी गई है वह यह है कि यह हल कैसे निकला — क्योंकि यह तरीक़ा फ़ोल्डिंग का सिमुलेशन करता ही नहीं, और इसी एक तथ्य से इसकी ताक़त और इसकी बची हुई हर कमज़ोरी, दोनों समझ आती हैं।

शक्ल ही पूरी कहानी क्यों है

जीवविज्ञान में काम का मतलब ज्यामिति है। एंज़ाइम इसलिए काम करता है कि उसकी सतह की एक खाँच किसी एक ही अणु में बैठती है, किसी और में नहीं, और उसे ऐसी तनी हुई हालत में पकड़ती है जिससे प्रतिक्रिया आसान हो जाए। रिसेप्टर इसलिए काम करता है कि उसकी नाली संकेत देने वाले अणु की शक्ल से मेल खाती है। एंटीबॉडी इसलिए काम करती है कि उसके सिरे का एक लूप रोगाणु की सतह के एक हिस्से का उल्टा साँचा होता है।

शक्ल बिगड़ी तो काम पूरा का पूरा चला जाता है — इसीलिए ग़लत फ़ोल्डिंग अपने आप में बीमारियों की एक श्रेणी है। अल्ज़ाइमर के अमाइलॉइड जमाव और प्रायन रोग ऐसे प्रोटीन हैं जिन्होंने वह स्थिर बनावट अपना ली जो उन्हें नहीं अपनानी थी, और फिर अपने पड़ोसियों को भी उसी में खींच लिया। दवा भी आम तौर पर ऐसा अणु ही होती है जो किसी ख़ास खाँच में बैठने के लिए गढ़ा गया हो। डिज़ाइन का काम उस खाँच को जानने से ही शुरू होता है।

इस क्षेत्र के अधिकांश इतिहास में यह शक्ल प्रयोग से मिलती रही: एक्स-रे क्रिस्टलोग्राफ़ी, एनएमआर, और हाल के वर्षों में क्रायो-इलेक्ट्रॉन माइक्रोस्कोपी। ये तरीक़े काम करते हैं और आज भी असली प्रमाण यही हैं, पर एक अकेली संरचना में महीनों से साल लग सकते थे — और क्रिस्टलोग्राफ़ी के लिए प्रोटीन का क्रिस्टल बनना ज़रूरी है, जो कई अहम प्रोटीन साफ़ मना कर देते हैं। नतीजा एक स्थायी असंतुलन रहा। प्रोटीन डेटा बैंक में प्रयोग से निकाली गई कुछ दो लाख संरचनाएँ हैं। क्रम के डेटाबेस में प्रोटीन करोड़ों में हैं। जिन चीज़ों के बारे में हम जानते थे, उनमें से लगभग सब सिर्फ़ एक डोरी के रूप में जानी जाती थीं।

सीधा हिसाब लगाकर हल क्यों नहीं हो सकता था

सबसे सीधा रास्ता यही लगता है कि भौतिकी का सिमुलेशन चलाइए और डोरी को मुड़ने दीजिए। यहाँ वह गिनती आड़े आती है जिसकी ओर साइरस लेविंथल ने 1969 में इशारा किया था। रीढ़ के हर बंधन के कई घूर्णन-रूप संभव हैं, इसलिए सौ अमीनो अम्लों की डोरी के संभावित रूप खगोलीय संख्या में होते हैं। परमाणु-स्तर के समय-पैमाने पर उन्हें एक-एक कर खोजा जाए तो ब्रह्मांड की उम्र से ज़्यादा वक़्त लग जाए।

फिर भी असली प्रोटीन माइक्रोसेकंड से मिलीसेकंड में मुड़ जाते हैं। यही लेविंथल का विरोधाभास है, और इसका समाधान — कि फ़ोल्डिंग बेतरतीब खोज नहीं, कीप जैसी ऊर्जा-ढलान पर फिसलना है — अच्छी भौतिकी थी, पर व्यावहारिक भविष्यवक्ता नहीं दे पाई। मॉलिक्युलर डायनामिक्स सिमुलेशन बहुत सारी गणना-शक्ति देकर छोटे प्रोटीन मोड़ सकता है। पूरे जीनोम पर उसे छोड़ा नहीं जा सकता था।

मॉडल असल में पढ़ क्या रहा है

सफलता तब मिली जब भौतिकी वाला सवाल छोड़कर क्रम-विकास वाला सवाल पूछा गया।

जिस प्रोटीन में आपकी दिलचस्पी है, उसके हर उस जीव से मिलते-जुलते क्रम इकट्ठे कीजिए जहाँ विकास ने उसका कोई रूप बचाकर रखा है — इसे मल्टिपल सीक्वेंस अलाइनमेंट कहते हैं, जो अक्सर हज़ारों पंक्तियों गहरा होता है। अब खड़े स्तंभों में देखिए। ज़्यादातर जगहें एक-दूसरे से स्वतंत्र बदलती हैं। पर कुछ जोड़े साथ-साथ बदलते हैं: जब एक में बदलाव आता है, दूसरा भी भरपाई करने वाला बदलाव कर लेता है। इसकी संरचनात्मक वजह सीधी है — वे दोनों अवशेष एक-दूसरे को छू रहे हैं। जो बदलाव उस संपर्क को तोड़ देता, वह तभी टिकता है जब साथी भी बदलकर फ़िट दोबारा बना दे।

संपर्क के संकेत के रूप में सह-विकास AlphaFold से पहले भी पता था। डीप लर्निंग ने जो जोड़ा वह इसे ढंग से बरतने की क्षमता थी — एक ट्रांसफ़ॉर्मर ढाँचा जो सीक्वेंस अलाइनमेंट और अवशेष-जोड़ों के नक़्शे के बीच जानकारी आगे-पीछे भेजता है, दोनों को साथ-साथ निखारता है, और फिर एक आख़िरी हिस्सा उस अमूर्त नक़्शे को सीधे परमाणु निर्देशांकों में बदल देता है — मोड़-मोड़कर नहीं, एक ही बार में। 2020 की CASP14 जाँच में — 1994 से हर दो साल पर होने वाली वह प्रतियोगिता जिसमें टीमें ऐसी संरचनाओं का अनुमान लगाती हैं जो हल तो हो चुकी हैं पर छपी नहीं — इस तरीक़े ने 100 में से 90 से ऊपर का माध्य स्कोर दिया, यानी वह स्तर जिसे आम तौर पर प्रयोग के बराबर माना जाता है। क्षेत्र की प्रतिक्रिया यह नहीं थी कि कोई प्रतियोगिता जीत ली गई, बल्कि यह कि एक समस्या बंद हो गई।

2022 में इससे बना डेटाबेस बढ़ाकर लगभग हर उस प्रोटीन तक ले जाया गया जो मानक क्रम-डेटाबेसों में है — बीस करोड़ से ज़्यादा अनुमानित संरचनाएँ, सबके लिए खुली। 2024 की अगली पीढ़ी ने यही मशीनरी जटिल संरचनाओं तक बढ़ा दी: डीएनए, आरएनए, आयनों और छोटे अणुओं से जुड़े प्रोटीन — यानी वह रूप जिसमें दवा-खोज के असली सवाल पूछे जाते हैं।

यह अणु का सिमुलेशन नहीं कर रहा। यह पढ़ रहा है कि अरबों साल में विकास पहले ही क्या-क्या आज़माकर छाँट चुका है। इसीलिए जहाँ विकास का रिकॉर्ड गहरा है वहाँ यह शानदार है, और ठीक वहीं डगमगाता है जहाँ वह रिकॉर्ड पतला है।

चार जगहें जहाँ यह आज भी चूकता है

जिनके रिश्तेदार ही नहीं। अगर अलाइनमेंट उथला है — कोई अकेला पड़ा जीन, तेज़ी से बदलता वायरस प्रोटीन, या प्रयोगशाला में डिज़ाइन किया गया अणु — तो सह-विकास का संकेत कमज़ोर या नदारद होता है और सटीकता गिर जाती है। ESMFold जैसे नए प्रोटीन भाषा-मॉडल अलाइनमेंट के बिना ही क्रम की सामान्य नियमितताएँ सीखकर इसे कुछ हद तक हल्का करते हैं, पर "पहले कुछ ऐसा देखा हो" वाली निर्भरता मिटाते नहीं।

जो प्रोटीन हिलते हैं। अनुमान एक ठहरी हुई तस्वीर होता है, आम तौर पर सबसे स्थिर रूप की। असली प्रोटीन मशीनें हैं: ट्रांसपोर्टर खुलते-बंद होते हैं, काइनेज़ सक्रिय और निष्क्रिय हालत के बीच स्विच करते हैं, मोटर एक-एक क़दम खिसकते हैं। जो संरचना ठहरी हुई हालत के बारे में सही है, वह उस बदलाव के बारे में चुप रह सकती है जो असल में उसका काम है।

एक अक्षर का बदलाव। यह बात लोगों को चौंकाती है। ये मॉडल किसी क्रम की समग्र बनावट बताने में बेहतरीन हैं और यह बताने में अक्सर कमज़ोर कि एक अमीनो अम्ल बदल जाने से वह बनावट कितनी अस्थिर हो जाएगी — क्योंकि बनावट पूरे कुल से निकाली गई है, और एक अक्षर बदलने से कुल का संकेत मुश्किल से हिलता है। क्लीनिकल वेरिएंट की व्याख्या के लिए यह कमी मायने रखती है।

जिनकी कोई तय शक्ल है ही नहीं। मानव प्रोटीन-समूह का एक बड़ा हिस्सा आंतरिक रूप से अव्यवस्थित है — सचमुच लचीला, और काम ही इसलिए करता है कि वह जमा हुआ नहीं है। यहाँ मॉडल की अपनी अनिश्चितता ही काम की जानकारी है। हर अवशेष का भरोसा-स्कोर pLDDT 0 से 100 तक चलता है, और लगभग 50 से नीचे वाले हिस्से अव्यवस्था से गहरा मेल खाते हैं। कम भरोसे वाला हिस्सा अक्सर असफल अनुमान नहीं, यह सही बयान होता है कि वहाँ जमी हुई कोई चीज़ है ही नहीं जिसका अनुमान लगाया जाए।

इन चारों के पीछे एक ही अनुशासन है: अनुमानित संरचना एक परिकल्पना है। बहुत अच्छी परिकल्पना — इतनी अच्छी कि उसके इर्द-गिर्द प्रयोग रचे जा सकें, क्रिस्टलीकरण के लक्ष्य चुने जा सकें, क्रायो-ईएम के नक़्शे जल्दी पढ़े जा सकें। पर क्रियाविधि का प्रमाण वह नहीं है, और जिन प्रयोगात्मक तरीक़ों की जगह लेने की बात कही गई थी वे आज पहले से ज़्यादा व्यस्त हैं, क्योंकि अब पूछने लायक़ ठोस सवाल कहीं ज़्यादा हैं।

वही विचार, उल्टी दिशा में

2024 के पुरस्कार का ज़्यादा दूरगामी आधा हिस्सा दूसरा था। अगर कोई नेटवर्क क्रम से शक्ल तक पहुँच सकता है, तो उल्टा रास्ता भी खुल जाता है: मनचाही शक्ल बताइए और ऐसा क्रम बनवाइए जो उसी में मुड़े। यही डी नोवो प्रोटीन डिज़ाइन है, और इससे ऐसे बाइंडर बने हैं जो चुने हुए लक्ष्य को जकड़ लेते हैं, ऐसे नए एंज़ाइम बने हैं जिनकी प्रतिक्रिया का प्रकृति में कोई जोड़ नहीं, और टीकों के लिए ख़ुद जुड़ जाने वाले नैनोकण ढाँचे बने हैं।

यहीं यह विषय वर्णन करना छोड़कर इंजीनियरिंग बन जाता है — और इसीलिए जिस समुदाय ने इस उपलब्धि का जश्न मनाया, उसी ने संश्लेषण करने वाली कंपनियों के लिए जाँच के नियम बनाने में देर नहीं की। जो तकनीक फ़रमाइश पर चिपकने वाले प्रोटीन गढ़ सकती है, उस पर यह ध्यान देर से नहीं, जल्दी दिया जाना चाहिए।

विद्यार्थियों और शोधकर्ताओं के लिए क्यों मायने रखता है

अड़चन वहीं खिसक गई है जहाँ जीनोमिक्स में खिसकी थी। संरचनाओं की कमी नहीं रही; बीस करोड़ संरचनाएँ मुफ़्त डाउनलोड हैं। कमी उस समझ की है जो उन्हें बरत सके — भरोसा-स्कोर को ठीक से पढ़ना, यह पहचानना कि कब अनुमान आपके विशिष्ट वेरिएंट का नहीं बल्कि पूरे कुल का औसत बता रहा है, और यह जानना कि कौन-से सवाल आज भी बीमलाइन या माइक्रोस्कोप माँगते हैं।

यह समझ दो ऐसे क्षेत्रों के जोड़ पर बैठती है जो पहले अलग-अलग डिग्रियाँ थीं। जो व्यक्ति यह भी समझता है कि ट्रांसफ़ॉर्मर सीक्वेंस अलाइनमेंट के साथ कर क्या रहा है और यह भी कि सक्रिय स्थल में हाइड्रोजन बंधन का काम क्या है — वह न कोड से खेलने वाला जीवविज्ञानी है, न जीवविज्ञान का एक पेपर पढ़ चुका इंजीनियर। दवा-खोज, एंज़ाइम इंजीनियरिंग और सिंथेटिक बायोलॉजी में आज यही मानक नौकरी का विवरण है, और अप्लाइड AI तथा बायोइंजीनियरिंग के पाठ्यक्रम को इसी ओर तैयार करना चाहिए।

अक्सर पूछे जाने वाले सवाल

प्रोटीन फ़ोल्डिंग की समस्या क्या है?

यह सिर्फ़ अमीनो अम्लों के क्रम से प्रोटीन की त्रि-आयामी शक्ल का अनुमान लगाने की समस्या है। शक्ल ही प्रोटीन का काम तय करती है, पर वह जीन में सीधे लिखी नहीं होती, और लगभग पचास साल तक उसे भरोसे के साथ निकालने का कोई तरीक़ा नहीं था।

AlphaFold संरचना का अनुमान कैसे लगाता है?

यह फ़ोल्डिंग का सिमुलेशन नहीं करता। यह दूसरे जीवों से मिलते-जुलते क्रम इकट्ठे करता है और उन जगहों को पहचानता है जो साथ-साथ बदलती हैं — यह इस बात का संकेत है कि मुड़े हुए प्रोटीन में वे अवशेष एक-दूसरे को छूते हैं — और फिर डीप न्यूरल नेटवर्क उस सह-विकास के नमूने को परमाणु निर्देशांकों में बदल देता है।

क्या अनुमानित संरचना प्रयोग से निकली संरचना जितनी अच्छी है?

जिन प्रोटीन-कुलों का प्रतिनिधित्व भरपूर है, वहाँ सटीकता अक्सर प्रयोग के बराबर होती है, पर अनुमान फिर भी एक परिकल्पना ही रहता है। क्रियाविधि की पुष्टि, वैकल्पिक अवस्थाएँ पकड़ने और दवा जुड़ने पर प्रोटीन का बर्ताव समझने के लिए क्रिस्टलोग्राफ़ी, एनएमआर और क्रायो-ईएम आज भी ज़रूरी हैं।

pLDDT स्कोर का मतलब क्या है?

यह हर अवशेष के लिए 0 से 100 तक का भरोसा-अनुमान है। ऊँचा मान बताता है कि वहाँ की स्थानीय संरचना अच्छी तरह तय है, जबकि लगभग 50 से नीचे का मान आम तौर पर आंतरिक अव्यवस्था का संकेत है — जो प्रोटीन के बारे में असली जानकारी है, मॉडल की चूक भर नहीं।

डी नोवो प्रोटीन डिज़ाइन क्या है?

यह अनुमान का उल्टा है: मनचाही शक्ल या काम तय कीजिए और कंप्यूटर से ऐसा अमीनो अम्ल क्रम बनवाइए जो उसी में मुड़े। इससे ऐसे बाइंडर, एंज़ाइम और टीका-ढाँचे बने हैं जो प्रकृति में मौजूद नहीं हैं, और 2024 के रसायन नोबेल में इसे मान्यता मिली।