ओपनएआई टूल्स द्वारा आकार दी गई दवा की खोज को छोटा करने में एक प्रौद्योगिकीविद् की यात्रा

एक दवा को बाज़ार में लाने में औसतन 10 से 15 साल और लगभग एक से दो बिलियन डॉलर का समय लगता है। यह संख्या कोई बाहरी नहीं है—यह उद्योग मानक है। और यह अभी भी अक्सर विफलता में समाप्त होता है। अकेले प्रीक्लिनिकल चरण में, एक अणु के मानव शरीर में प्रवेश करने से पहले, चार से छह साल और 100 से 200 मिलियन डॉलर खर्च हो जाते हैं। उस समय का अधिकांश समय प्रयोगों को चलाने, असफल होने, ड्राइंग बोर्ड पर वापस जाने, एक अणु को संशोधित करने और उन्हें फिर से चलाने में व्यतीत होता है।

यह वह चक्र है जिसमें फार्मा दशकों से फंसा हुआ है। बायोटेक में हर साल अधिक डेटा उत्पन्न होता है, लेकिन उस डेटा को व्यवहार्य दवा में बदलने की प्रक्रिया मौलिक रूप से नहीं बदली है। सिंथेटिक रसायनज्ञ अभी भी आणविक संरचनाओं के साथ मैन्युअल रूप से छेड़छाड़ करते हैं। प्रयोगशालाएँ अभी भी उनमें से कुछ को खोजने के लिए सैकड़ों पुनरावृत्तियाँ चलाती हैं जो काम करती हैं। लागत बढ़ती रहती है.

ऋत्विक विप्र पाश तोड़ना चाहता है। उनका बेंगलुरु स्थित स्टार्टअप, मेडवोल्ट ए.आईप्रीक्लिनिकल चरण को संपीड़ित करने के लिए एक मंच का निर्माण कर रहा है – वैज्ञानिकों को प्रतिस्थापित करके नहीं, बल्कि सही उत्तर पाने के लिए आवश्यक प्रयोगों की संख्या में कटौती करके।

कम निशाने, बेहतर निशाना

विप्रा एक आईआईटी रूड़की टेक्नोलॉजिस्ट हैं, जीवविज्ञानी नहीं। उनके सह-संस्थापक और सीईओ, डॉ. मदुरा, जीवन विज्ञान में तीन दशकों का अनुभव, कैंसर जीव विज्ञान में पीएचडी और निदान और उपचार विज्ञान में लगभग 10 व्यावसायिक उत्पाद लाते हैं। जोड़ी जानबूझकर बनाई गई है। मेडवोल्ट की पूरी थीसिस वैज्ञानिकों और एआई के एक ही लूप में काम करने पर निर्भर करती है, समानांतर में नहीं।

शुरू से ही, मेडवोल्ट ने औषधीय रसायनज्ञों और जीवविज्ञानियों के साथ अपना मंच बनाया; अंत में समीक्षक के रूप में नहीं, बल्कि समग्र रूप से सहयोगी के रूप में। परिणाम एक ऐसी प्रणाली है जो एक दवा खोज परियोजना को परिकल्पना से शॉर्टलिस्ट किए गए अणुओं तक ले जा सकती है, जो कि जेनेरिक रसायन विज्ञान और भौतिकी-आधारित सिमुलेशन का उपयोग करके यह अनुमान लगाती है कि उम्मीदवार अणु शरीर में लक्ष्य प्रोटीन के साथ कैसे बातचीत करेंगे।

विप्रा एक सरल पिच बनाता है: 100 प्रायोगिक पुनरावृत्तियों को चलाने के बजाय, मेडवोल्ट का प्लेटफ़ॉर्म एक टीम को 30 में समान परिणाम प्राप्त करने में मदद करता है। यह प्रोजेक्ट टर्नअराउंड समय में 3 गुना तक की कमी और लागत में 10 गुना तक की कमी है।

जहां OpenAI स्टैक के अंदर फिट बैठता है

मेडवोल्ट के मुख्य जनरेटिव रसायन विज्ञान मॉडल को घर में ही प्रशिक्षित किया जाता है, डेटासेट पर टीम ने डोमेन विशेषज्ञों के साथ क्यूरेटिंग और सत्यापन में वर्षों बिताए हैं। लेकिन OpenAI उपकरण प्लेटफ़ॉर्म पर ऐसे तरीकों से चलते हैं जो कम दिखाई देते हैं और यकीनन उतने ही महत्वपूर्ण हैं।

ज्ञान खोज घटक, अनिवार्य रूप से प्लेटफ़ॉर्म का साहित्य और डेटा इंटेलिजेंस परत, अपनी नींव के रूप में ओपनएआई एम्बेडिंग का उपयोग करता है। इन्हें बायोमेडिकल उपयोग के मामलों के लिए विशिष्ट बनाने के लिए मेडवोल्ट के स्वयं के क्यूरेटेड डेटासेट पर ठीक से ट्यून किया जाता है, और फिर एक पुनर्प्राप्ति-संवर्धित पीढ़ी पाइपलाइन को शक्ति प्रदान करता है जो ज्ञान आधार को लगातार अद्यतन रखता है।

विप्रा का कहना है, ”हमने एजेंटिक इंफ्रास्ट्रक्चर पक्ष पर काफी शोध किया।” “और हम अभी भी ओपनएआई और उनके मॉडल पर पहुंचे हैं, क्योंकि वे सबसे भरोसेमंद हैं। बशर्ते आप सही संदर्भ दें और आपकी त्वरित इंजीनियरिंग पर्याप्त रूप से विस्तृत हो, आपको बहुत अच्छे परिणाम मिलते हैं।”

GPT मॉडल उनके बेंचमार्क बने हुए हैं। कंपनी दैनिक गतिविधियों में ओपनएआई टूल का उपयोग करती है – डेवलपर्स डिबगिंग कोड, केमिस्ट वर्कफ़्लो में सुधार करते हैं, और विपणन और व्यवसाय विकास टीम सामग्री का मसौदा तैयार करती है जिसे वैज्ञानिक रूप से बनाए रखना होता है।

वह अंतिम उपयोग का मामला जितना लगता है उससे कहीं अधिक मायने रखता है। मेडवोल्ट वैज्ञानिकों को बेचता है—उपभोक्ता दर्शकों को नहीं। विश्वसनीयता का पैमाना ऊँचा है। विप्रा का कहना है, “आप उपभोक्ता दर्शकों के लिए मार्केटिंग नहीं कर रहे हैं। आपके पास मार्केटिंग के बुनियादी सिद्धांतों की आधार रेखा होनी चाहिए, लेकिन अगर आप वैज्ञानिक रूप से मजबूत नहीं हैं, तो कोई भी आपको गंभीरता से नहीं लेगा।” सही सन्दर्भ दिए जाने पर ChatGPT, अंतर को पाट देता है।

अब देखिए

महीनों में नहीं, हफ़्तों में योजना बनाएं

मेडवोल्ट के हालिया सहयोगों में से एक भारत के सबसे प्रतिष्ठित कैंसर अनुसंधान संस्थान टाटा मेमोरियल सेंटर के अनुसंधान प्रभाग ACTREC के साथ है। इस कार्य में ट्रिपल नेगेटिव स्तन कैंसर शामिल है, जो इलाज के लिए कठिन उपप्रकारों में से एक है।

मेडवोल्ट ने पहले ही अपने प्लेटफ़ॉर्म के माध्यम से उम्मीदवार अणुओं को शॉर्टलिस्ट कर लिया है, और अब ACTREC में इन विट्रो और विवो परीक्षण चल रहा है। लेकिन उन प्रयोगों के लिए शुरुआती लाइन तक पहुंचना, प्रयोगात्मक योजना को डिजाइन करना, दस्तावेज़ीकरण टेम्पलेट बनाना, समयसीमा पर संरेखित करना, अपने आप में एक महत्वपूर्ण काम है।

विप्रा का कहना है, “परंपरागत रूप से, इस तरह की योजना के लिए कम से कम दो महीने तक एक साथ काम करने वाले पांच या छह डोमेन विशेषज्ञों की आवश्यकता होगी।” “हमने विस्तृत निष्पादन योजना और टेम्पलेट बनाने के लिए चैटजीपीटी का उपयोग करते हुए एक वरिष्ठ डोमेन विशेषज्ञ और दो कनिष्ठ लोगों के साथ इसे 15 दिनों में किया।”

इसका कारण यह है कि यदि आपका प्रयोगात्मक डिज़ाइन त्रुटिपूर्ण है, तो आप यह नहीं बता सकते कि खराब परिणाम का मतलब है कि आपका अणु गलत था या आपका परीक्षण था। शुरुआत में ख़राब योजना नीचे की ओर सब कुछ भ्रष्ट कर देती है। इसे शीघ्रता से ठीक करना केवल दक्षता हासिल करना नहीं है; यही विज्ञान को भरोसेमंद बनाता है।

महीनों का काम हफ्तों में देना

एक यूरोपीय ग्राहक के साथ, एक चीनी फार्मा कंपनी की एक फ्रांसीसी सहायक कंपनी, मेडवोल्ट को एक एप्टामर डिज़ाइन प्रोजेक्ट सौंपा गया था। ग्राहक को संपूर्ण साहित्य विश्लेषण, उसके आधार पर लिए गए महत्वपूर्ण निर्णय और इष्टतम आणविक डिज़ाइन वितरित करने की आवश्यकता थी। उनकी मूल अपेक्षा चार से पांच महीने की थी।

मेडवोल्ट ने एक महीने में डिलीवरी कर दी। यह मेडवोल्ट के ज्ञान खोज इंजन (आंशिक रूप से ओपनएआई एम्बेडिंग मॉडल द्वारा संचालित), इसके जेनरेटिव केमिस्ट्री प्लेटफॉर्म और एआई टूल्स द्वारा सक्षम तेज़ क्लाइंट संचार का संयोजन था।

विप्रा का कहना है, “यदि कोई जटिल ग्राहक आवश्यकता आती है और उसे समझने और उसका जवाब देने में आपको दो सप्ताह लगते हैं, तो आप पहले ही दो सप्ताह खो चुके हैं।” “यदि आप उन्हीं संसाधनों के साथ तीन या चार दिनों में उनके पास वापस जा सकते हैं, तो यह तेजी से बढ़ता है।”

परियोजना ने यह भी दिखाया कि कैसे गति डाउनस्ट्रीम में लागत बचत में तब्दील हो जाती है। ग्राहक ने मूल रूप से 50 से 60 आणविक डिज़ाइनों को संश्लेषित और परीक्षण करने की योजना बनाई थी। मेडवोल्ट ने उन्हें 20 से 25 की एक परिष्कृत शॉर्टलिस्ट दी, जिसमें आवश्यक प्रयोगशाला पुनरावृत्तियों की संख्या को आधा करने के लिए फ़िल्टरिंग में पर्याप्त आत्मविश्वास था।

भारत और फार्मा के लिए इसका क्या मतलब हो सकता है?

एआई दवा खोज इस समय विश्व स्तर पर सबसे गर्म क्षेत्रों में से एक है। अमेरिका और चीन आगे हैं; यूरोप पीछे है; भारत पकड़ बना रहा है. पहली पूरी तरह से एआई-डिज़ाइन की गई दवा उम्मीदवार नैदानिक ​​​​परीक्षणों में प्रवेश कर रहे हैं। कुछ वर्षों के भीतर रोगियों तक पहुंच सकते हैं।

विशेष रूप से भारत के लिए, विप्र एक विशेष अवसर देखता है। फार्मा आर एंड डी पूंजी गहन है। भारत के पारिस्थितिकी तंत्र में अमेरिका या यूरोप जितनी पूंजी की गहराई नहीं है। एक ऐसी तकनीक जो वास्तव में प्रीक्लिनिकल कार्य की लागत को कम कर सकती है – यहां तक ​​​​कि 25 से 50% तक, सैद्धांतिक 10x सीमा से भी काफी कम – भारतीय अनुसंधान संस्थानों और कंपनियों के लिए जो संभव है उसे बदल देती है।

विप्रा का कहना है, “सटीकता या दक्षता में एक प्रतिशत अंक का सुधार भी इस क्षेत्र में बहुत अधिक मूल्य बढ़ाता है।” “अगर आप एक दवा की कीमत एक अरब डॉलर से घटाकर 500 मिलियन कर देते हैं, तो भी 500 मिलियन की बचत होती है। यह बहुत बड़ी रकम है।”

मेडवोल्ट भारत सरकार के साथ काम कर रहा है और इस क्षमता को घरेलू फार्मा पारिस्थितिकी तंत्र में बड़े पैमाने पर लाने के लिए सार्वजनिक-निजी भागीदारी के लिए खुला है। तीन दशकों तक दवा विकास को परिभाषित करने वाला चक्र अंततः छोटा हो रहा है।

अब देखिए