एआई ने "दवा बनाने वाले सूक्ष्मजीवों" के घटकों को डिज़ाइन किया, उत्पादन मात्रा लगभग 3 गुना तक बढ़ी

AI ने "दवा बनाने वाले कारखाने" के हिस्सों को डिजाइन किया

नई दवाओं की खोज करते समय, संभावित पदार्थ को खोजना और उस पदार्थ को पर्याप्त मात्रा में बनाना अलग-अलग चुनौतियाँ होती हैं।

सूक्ष्मजीवों द्वारा उत्पन्न प्राकृतिक पदार्थों में ऐसे तत्व होते हैं जो औषधि विकास की ओर ले जा सकते हैं। हालांकि, प्रकृति में पाए गए पदार्थों को मानव उपचार के लिए उपयुक्त रूप में सुधारना या शोध के लिए आवश्यक मात्रा में सुनिश्चित करना आसान नहीं है। ऐसा इसलिए है क्योंकि कोशिकाओं के भीतर पदार्थ बनाने की प्रक्रिया अत्यंत जटिल होती है।

उस उत्पादन प्रणाली के कुछ हिस्सों को कृत्रिम बुद्धिमत्ता द्वारा पुनः डिजाइन करने का शोध प्रगति पर है।

जर्मनी के हेल्महोल्त्ज़ फार्मास्युटिकल रिसर्च इंस्टीट्यूट सारलैंड (HIPS) की शोध टीम ने प्राकृतिक पदार्थों को जोड़ने वाले विशाल एंजाइम के भीतर काम करने वाले प्रोटीन भागों को AI द्वारा डिजाइन किया। उन्होंने इसे जीवित कोशिकाओं में आजमाया और कुछ हिस्सों के कार्यशील होने का प्रमाण दिया। एक विशेष एंजाइम प्रणाली में, प्राकृतिक भागों की तुलना में उत्पादन मात्रा लगभग तीन गुना तक बढ़ गई।

यह कहानी AI द्वारा एक नई दवा के निर्माण की नहीं है। यह शोध इस संभावना को दिखाता है कि दवा के उम्मीदवारों की खोज के लिए सूक्ष्मजीवों की "निर्माण प्रणाली" को सुधारा जा सकता है।

सूक्ष्मजीवों के भीतर मौजूद, सटीक "अणु असेंबली लाइन"

शोध का विषय "नॉन-राइबोसोमल पेप्टाइड सिंथेसिस एंजाइम" कहलाने वाले विशाल एंजाइम समूह हैं। अंग्रेजी के प्रारंभिक अक्षरों से इसे NRPS कहा जाता है।

केवल तकनीकी शब्दों से समझना कठिन हो सकता है, लेकिन इसका कार्य एक कारखाने की असेंबली लाइन के समान होता है। कई हिस्से अपनी भूमिकाओं को विभाजित करते हैं, सामग्री को प्राप्त करते हैं, उसे संसाधित करते हैं, और अगले चरण में स्थानांतरित करते हैं। उनके समन्वय से विशेष रासायनिक यौगिक बनते हैं।

NRPS द्वारा बनाए गए प्राकृतिक पदार्थों में एंटीबायोटिक्स, इम्यूनोसप्रेसेंट्स, और कैंसर रोधी दवाओं के विकास के आधार होते हैं। इसलिए, यदि इस प्रणाली को स्वतंत्र रूप से पुनः संयोजित किया जा सकता है, तो यह संभव है कि पारंपरिक से भिन्न गुणों वाले पदार्थ उत्पन्न किए जा सकें।

हालांकि, जीवों की असेंबली लाइन को वाणिज्यिक ब्लॉकों की तरह आसानी से बदला नहीं जा सकता।

किसी हिस्से के डिजाइन को बदलने पर, पड़ोसी हिस्से के साथ समन्वय बिगड़ सकता है। सामग्री का हस्तांतरण रुक सकता है, और एंजाइम का पूरा कार्य रुक सकता है। भले ही एकल भाग का आकार सही हो, यह उत्पादन प्रणाली के भीतर कार्यशील नहीं हो सकता।

AI ने डिजाइन किया, सामग्री को स्थानांतरित करने वाला "वाहक"

केनान बोझुयुक डॉक्टर की टीम ने NRPS के भीतर "थियोलेशन डोमेन", जिसे T डोमेन कहा जाता है, पर ध्यान केंद्रित किया।

यह उत्पादन के दौरान अणु को प्राप्त करता है और इसे अगले प्रसंस्करण स्थल तक ले जाता है। इसे कारखाने में स्थानांतरित करने पर, यह चरणों को जोड़ने वाले एक चलायमान आर्म के समान होता है।

शोध टीम ने कई प्रशिक्षित AI मॉडलों और प्रयोगों को मिलाकर 76 नए T डोमेन डिजाइन किए। उन्होंने इन भागों को विभिन्न NRPS में शामिल किया और सैकड़ों प्रकार के एंजाइमों के विविधताओं को जीवित कोशिकाओं में परीक्षण किया।

मुख्य बिंदु यह है कि AI द्वारा प्रस्तावित डिजाइन को केवल गणना के मूल्यांकन पर समाप्त नहीं किया गया। इसे वास्तविक रूप से बनाया, शामिल किया, और उत्पाद उत्पन्न हो सकता है या नहीं, इसकी जांच की।

परिणामस्वरूप, AI द्वारा डिजाइन किए गए कुछ हिस्से कार्यशील थे। कुछ ने कृत्रिम रूप से संयोजित एंजाइम प्रणाली में पदार्थ का उत्पादन संभव बनाया, जबकि कुछ ने उत्पादन मात्रा को बढ़ाया। कम से कम एक डिजाइन प्रोटीन में, यह पाया गया कि यह प्राकृतिक समकक्ष की तुलना में अधिक घुलनशील और गर्मी के प्रति स्थिर था।

"लगभग 3 गुना" का क्या अर्थ है

इस उपलब्धि में ध्यान आकर्षित करने वाला पहलू यह है कि उत्पादन मात्रा लगभग 3 गुना बढ़ गई।

हालांकि, यह सभी डिजाइन भागों या सभी पदार्थों के लिए प्राप्त परिणाम नहीं है। यह विशेष एंजाइम प्रणाली और शर्तों के तहत देखा गया सुधार है, और इसका मतलब यह नहीं है कि दवा की प्रभावशीलता 3 गुना बढ़ गई या दवा विकास का समय एक तिहाई हो गया।

फिर भी, उत्पादन मात्रा में सुधार का शोध में महत्व है।

यदि नया पदार्थ बनता है, लेकिन मात्रा बहुत कम है, तो इसकी संरचना या गुणों की गहराई से जांच करना कठिन हो जाता है। पर्याप्त मात्रा सुनिश्चित करने पर, यह जांचना आसान हो जाता है कि यह किस प्रकार का अणु है और इसके क्या प्रभाव हैं।

इसका अर्थ है कि उत्पादन दक्षता बढ़ाने की तकनीक केवल भविष्य के बड़े पैमाने पर उत्पादन से संबंधित नहीं है। दवा विकास के प्रारंभिक चरण में, उम्मीदवार पदार्थों को "गहराई से जांचने योग्य स्थिति" में लाने के लिए भी यह महत्वपूर्ण है।

सफलता की कुंजी, भागों के प्रदर्शन से अधिक "पड़ोसी के साथ संगतता"

इस शोध को समझने के लिए महत्वपूर्ण है कि डिजाइन किए गए भागों को उनके आस-पास के वातावरण के अनुसार समायोजित किया गया।

भले ही वाहक अकेले स्थिर हो, यदि यह सामग्री को प्राप्त करने वाले या स्थानांतरित करने वाले के साथ सही ढंग से संपर्क नहीं कर सकता, तो असेंबली लाइन काम नहीं करेगी। उत्पादन के दौरान अणु को सही स्थान पर स्थानांतरित करना आवश्यक है।

शोध टीम ने T डोमेन को एक स्वतंत्र प्रोटीन के रूप में मानने के अलावा, इसे शामिल किए जाने वाले एंजाइम के भीतर, आसन्न क्षेत्रों के साथ कैसे बातचीत करता है, इस पर ध्यान केंद्रित किया।

यह दिखाता है कि जब जीवविज्ञान के डिजाइन में AI का उपयोग किया जाता है, तो यह कितना कठिन हो सकता है। "विश्वसनीय भाग" बनाने और "जटिल उपकरण के भीतर काम करने वाले भाग" बनाने के बीच एक दूरी होती है।

बोझुयुक डॉक्टर भी बताते हैं कि AI प्रयोगों की जगह नहीं लेता, बल्कि यह कई उम्मीदवारों में से संभावित को कुशलता से चुनने में मदद करता है। शोध को आगे बढ़ाने का कार्य डिजाइन और प्रयोग को दोहराने की प्रक्रिया है।

SNS पर शोधकर्ताओं की उम्मीदें, शर्तों के साथ सफलता पर जोर

इस शोध के संबंध में SNS पर देखी गई पोस्ट मुख्य रूप से शोधकर्ता स्वयं या संबंधित शोध संगठनों द्वारा LinkedIn पर की गई हैं। आम उपयोगकर्ताओं के बीच व्यापक चर्चा का कोई संकेत नहीं मिला, और यहाँ केवल शोध से सीधे संबंधित पोस्ट का परिचय दिया गया है।

बोझुयुक डॉक्टर ने, समीक्षा से पहले के पेपर के चरण में परिणामों को प्रस्तुत किया, 76 प्रकार के T डोमेन डिजाइन किए, और 578 प्रकार के पुनः संयोजित NRPS को कोशिकाओं में निर्मित और परीक्षण किया। उत्पादन मात्रा में लगभग 3 गुना सुधार के बारे में भी, उन्होंने स्पष्ट किया कि यह आसपास की संरचना आदि पर निर्भर है।

इसके अलावा, उन्होंने भागों के जोड़ और उनके साथ बातचीत करने वाले के बारे में डिजाइन पर राय मांगी। यह केवल सफलता का प्रचार करने के बजाय, यह चर्चा करने की कोशिश है कि किन शर्तों के तहत डिजाइन काम करता है।

संबंधित शोध संगठन PharmaScienceHub ने भी इस शोध को पुनः साझा किया और भविष्य के विकास की उम्मीद जताई।

ये 2026 के अक्टूबर में समाचार के प्रकाशन के बाद एकत्रित सामान्य पाठकों की प्रतिक्रियाएँ नहीं हैं, बल्कि इससे पहले के प्रीप्रिंट चरण से शोध समुदाय के भीतर की पोस्ट हैं। इस संदर्भ को ध्यान में रखते हुए पढ़ने पर, ध्यान देने योग्य बिंदु यह है कि "केवल AI से दवा बन सकती है" की अपेक्षा से अधिक, जटिल एंजाइमों को सुधारने के लिए ठोस उपायों की वृद्धि में है।

जापान के लिए दवा विकास में क्या महत्वपूर्ण है

जापान के संदर्भ में इस उपलब्धि पर विचार करते समय, ध्यान देने योग्य है कि संभावित पदार्थों की भविष्यवाणी करने की तकनीक और उन्हें वास्तव में बनाने की तकनीक को जोड़ने वाला हिस्सा।

भले ही गणना में कोई पदार्थ आकर्षक लगे, यदि पर्याप्त मात्रा में नहीं बनाया जा सकता, तो आगे के मूल्यांकन को आगे बढ़ाना कठिन हो जाता है। इस तरह से उत्पादन प्रणाली को सुधारने पर, पहले से कठिन माने जाने वाले पदार्थों को शोध के लिए चुना जा सकता है।

इसके अलावा, यदि प्राकृतिक पदार्थों को प्रारंभिक बिंदु के रूप में लेकर थोड़ा भिन्न संरचना वाले पदार्थों को अलग-अलग बनाया जा सके, तो तुलना करके जांचे जा सकने वाले उम्मीदवारों की सीमा भी बढ़ सकती है। हालांकि, केवल इस उपलब्धि से यह साबित नहीं होता कि इस तरह का विस्तार व्यापक रूप से संभव होगा।

जापान की विश्वविद्यालयों और फार्मास्युटिकल कंपनियों के लिए अनुप्रयोग पर विचार करते समय, AI की प्रस्ताव क्षमता ही पर्याप्त नहीं होगी। सूक्ष्मजीवों को संभालने की तकनीक, प्रोटीन का मूल्यांकन करने की तकनीक, और बने पदार्थों का विश्लेषण करने की तकनीक को जोड़ना महत्वपूर्ण होगा।

यह शोध दिखाता है कि AI के मूल्य को अंततः प्रयोगशाला में भी सत्यापित किया जाना चाहिए।

नई दवाओं की राह जारी है। फिर भी "बनाने की दीवार" को कम करने का मूल्य है

यह रिपोर्ट जीवों की उत्पादन प्रणाली को सुधारने के लिए एक बुनियादी शोध है। यह नई उपचार दवाओं के बारे में नहीं है, जिनकी मानव में प्रभावशीलता या सुरक्षा की पुष्टि की गई हो।

भविष्य में, यह देखना होगा कि क्या अन्य एंजाइम प्रणालियों में भी यही तरीका लागू हो सकता है, कौन से हिस्सों के संयोजन कार्यशील होंगे, और क्या इसे स्थिर उत्पादन की ओर ले जाया जा सकता है। यदि उत्पन्न पदार्थ दवा के उम्मीदवार बनते हैं, तो उनके प्रभाव और सुरक्षा की गहराई से जांच की आवश्यकता होगी।

फिर भी, प्राकृतिक रूप से पाए जाने वाले उत्पादन प्रणाली का उपयोग करने के अलावा अन्य विकल्पों की वृद्धि का अर्थ महत्वपूर्ण है।

सूक्ष्मजीवों द्वारा बनाए गए जटिल अणुओं को अधिक लचीले ढंग से और अधिक जांचने योग्य मात्रा में प्राप्त करना। इसके लिए छोटे वाहक भागों को AI द्वारा डिजाइन किया जाता है।

दवा विकास का भविष्य केवल "नई दवा उम्मीदवारों" की खोज में नहीं है, बल्कि इन उम्मीदवारों को वास्तव में बनाने में सक्षम बनाने के लिए ऐसे भागों के सुधार में भी हो सकता है।

स्रोत

1. Phys.org:
   21 अक्टूबर 2026 को प्रकाशित। HIPS द्वारा AI डिजाइन T डोमेन, कोशिका में परीक्षण, उत्पादन मात्रा में सुधार, शोधकर्ता के स्पष्टीकरण को प्रस्तुत किया गया।
   https://phys.org/news/2026-10-ai-functional-enzyme-components-drug.html

2. Nature Communications: शोध पत्र का प्रकाशन विवरण
   Emre F. Bülbül और अन्य "Generative AI designs functional thiolation domains for reprogramming non-ribosomal peptide synthetases"। 22 सितंबर 2026 को प्रकाशित। शोध परिचय लेख की प्रकाशन तिथि से भिन्न।Nature Communications
   https://doi.org/10.1038/s41467-026-77963-6

3. Kenan Bozhüyük की LinkedIn पोस्ट: शोधकर्ता द्वारा SNS पर पोस्ट
   प्रीप्रिंट चरण के परिणामों का परिचय। 76 प्रकार के डिजाइन, 578 प्रकार के पुनः संयोजित NRPS का परीक्षण, शर्तों पर निर्भर उत्पादन मात्रा में सुधार, डिजाइन पर राय की मांग की गई।Kenan Bozhüyük
   https://www.linkedin.com/posts/kenan-bozh%C3%BCy%C3%BCk-16a29924b_proteindesign-syntheticbiology-nrps-activity-7435231632892207104-qbGo

4. PharmaScienceHub की LinkedIn पोस्ट: संबंधित शोध संगठन की प्रतिक्रिया
   शोध के पुनः साझा करने और भविष्य के विकास की उम्मीद को दर्शाने वाली पोस्ट। आम जनता की राय नहीं, बल्कि शोध संबंधी संगठन की प्रतिक्रिया के रूप में प्रस्तुत।PharmaScienceHub (PSH)
   https://www.linkedin.com/posts/pharmascihub_were-excited-to-reshare-a-new-preprint-by-activity-7435264559105417216-677m