साइंस के लिए AIमध्यमपाठ 2536 मिनट का पाठ

दवा और नए पदार्थों की खोज के लिए AI

AI बहुत बड़ी संख्या में संभावित अणुओं (मॉलीक्यूल्स) की जांच कर सकता है और नए अणु डिज़ाइन भी कर सकता है। लेकिन हर संभावित अणु को अभी भी लैब टेस्ट और दवाओं के मामले में क्लिनिकल ट्रायल के एक लंबे सफर से गुज़रना पड़ता है।

✦ ट्यूटर से पूछें🧪 लैब · 30 min📝 पाठ का टेस्ट
पाठ वीडियो में

60 सेकंड में

दवा और नए पदार्थों की खोज के लिए AI

AI बहुत बड़ी संख्या में संभावित अणुओं (मॉलीक्यूल्स) की जांच कर सकता है और नए अणु डिज़ाइन भी कर सकता है। लेकिन हर संभावित अणु को अभी भी लैब टेस्ट और दवाओं के मामले में क्लिनिकल…

1/6
आसान शब्दों में
सोचिए कि आपको एक ताला खोलने के लिए सही चाबी ढूंढनी है, और आपके सामने चाबियों का एक पहाड़ है। एक समझदार मददगार उस पहाड़ को छांटकर आपको कुछ ऐसी चाबियों की एक छोटी थैली दे सकता है, जिनके ताले में फिट होने की सबसे ज़्यादा संभावना हो। फिर भी आपको हर चाबी को ताले में लगाकर देखना ही होगा। और कुछ चाबियां जो फिट हो जाती हैं, हो सकता है वे ताला ही तोड़ दें!
कोई नई दवा या नया पदार्थ ढूंढना असल में खोजबीन की एक समस्या है। मुमकिन अणुओं की संख्या इतनी विशाल है कि कोई भी उन सबको खुद बनाकर टेस्ट नहीं कर सकता। AI इस खोज को ज़्यादा स्मार्ट बनाकर मदद करता है। यह टेस्ट करने की ज़रूरत को खत्म नहीं करता।

AI दो तरीकों से मदद करता है

तरीकायह क्या करता हैउदाहरण के लिए उपयोग
स्क्रीनिंग (Screening)मॉडल पहले से मौजूद या आसानी से बनने वाले अणुओं की एक बड़ी सूची के गुणों का अनुमान लगाता है और उनकी रैंकिंग करता है।यह क्रम तय करना कि कौन से रसायन किसी टार्गेट प्रोटीन से जुड़ सकते हैं, या बैटरी के पदार्थ के रूप में स्थिर रह सकते हैं।
जेनरेटिव डिज़ाइन (Generative design)मॉडल ऐसे नए अणुओं या पदार्थों का प्रस्ताव देता है जो किसी सूची में नहीं हैं, ताकि मनचाहे गुण हासिल किए जा सकें।किसी अणु के एक नए आकार का सुझाव देना, जो प्रोटीन के खांचे में फिट हो सके और जिसे बनाना भी आसान हो।
दोनों ही तरीकों से उम्मीदवार (candidates) मिलते हैं। उम्मीदवार का मतलब है एक ऐसा अनुमान जिसके पीछे कोई ठोस वजह हो। कंप्यूटर पर अच्छे दिखने वाले बहुत से उम्मीदवार लैब में फेल हो जाते हैं: उन्हें बनाया नहीं जा सकता, वे टूटकर बिखर जाते हैं, या वे अनुमान के मुताबिक काम नहीं करते।

दवा बनने का लंबा सफर

  1. 1

    एक टार्गेट चुनें

    अक्सर किसी बीमारी से जुड़ा कोई प्रोटीन। संरचना (स्ट्रक्चर) के अनुमान इसमें मदद कर सकते हैं।
  2. 2

    उम्मीदवार खोजें

    स्क्रीनिंग और जेनरेटिव डिज़ाइन अणुओं का सुझाव देते हैं। आज के समय में AI यहीं सबसे ज़्यादा मदद करता है।
  3. 3

    लैब में बनाएं और टेस्ट करें

    केमिस्ट अणु बनाते हैं। टेस्ट से यह जांचा जाता है कि क्या वे टार्गेट और कोशिकाओं पर काम करते हैं।
  4. 4

    सुधार करें

    अणु में बदलाव करें ताकि वह बेहतर काम करे और उसके कम से कम साइड इफ़ेक्ट हों। इसे कई बार दोहराएं।
  5. 5

    सुरक्षा जांच (Safety tests)

    किसी भी इंसान के दवा लेने से पहले किए जाने वाले बेहद सावधानीपूर्वक अध्ययन।
  6. 6

    क्लिनिकल ट्रायल (Clinical trials)

    नैतिक मंज़ूरी (ethics approval) और लोगों की सहमति के साथ, अलग-अलग चरणों में इंसानों पर टेस्ट।
  7. 7

    नियामक की समीक्षा (Regulator review)

    भारत में, सेंट्रल ड्रग्स स्टैंडर्ड कंट्रोल ऑर्गनाइजेशन (CDSCO) नई दवाओं की समीक्षा करता है। दूसरे देशों के अपने नियामक (regulators) होते हैं।
ज़्यादातर उम्मीदवार इस रास्ते में कहीं न कहीं बाहर हो जाते हैं। AI शुरुआती कदमों को तेज़ी से पूरा करने या बेहतर उम्मीदवार चुनने में मदद कर सकता है। बाद के कदमों, खासकर क्लिनिकल ट्रायल में, अभी भी काफी लंबा समय लगता है क्योंकि असली इंसानों में सुरक्षा की जांच बहुत सावधानी से की जानी चाहिए।

सामग्रियां: बैटरियां, सोलर सेल और बहुत कुछ

यही विचार पदार्थों (materials) के लिए भी काम करता है। वैज्ञानिकों को बेहतर बैटरी सामग्री, सोलर सेल, रासायनिक प्रक्रियाओं को साफ़ करने वाले उत्प्रेरक (catalysts) और सस्ते वाटर फिल्टर के लिए सामग्री चाहिए। मॉडल यह अनुमान लगा सकते हैं कि किसी सामग्री के स्थिर रहने की संभावना है या नहीं और उसके गुण क्या हो सकते हैं। फिर होनहार सामग्रियों को असल में बनाकर उनकी जांच करनी होती है।
कंप्यूटर पर स्थिर दिखने वाली सामग्री को असल में बनाना बहुत मुश्किल हो सकता है, या वह बहुत महंगी हो सकती है, या उसमें दुर्लभ या ज़हरीले तत्वों का इस्तेमाल हो सकता है। असल दुनिया में इस्तेमाल से ऐसे कई सवाल खड़े होते हैं जिनका जवाब कोई मॉडल नहीं देता।

सुर्खियों को समझना

सावधान रहें
"AI ने खोजी नई दवा" जैसी सुर्खियां आम हैं। अक्सर असली खबर यह होती है कि किसी मॉडल ने एक उम्मीदवार का सुझाव दिया जिसने शुरुआती टेस्ट में अच्छा प्रदर्शन किया। यह दिलचस्प है, लेकिन यह ऐसी दवा बनने से अभी बहुत दूर है जिसे आप खरीद सकें। किसी खबर को देखकर कभी भी अपना इलाज न बदलें। डॉक्टर से बात करें।
  • यह किस स्टेज पर है? कंप्यूटर का अनुमान, लैब टेस्ट, जानवरों पर अध्ययन, या इंसानों पर ट्रायल?
  • AI ने असल में क्या किया? उम्मीदवारों की रैंकिंग की, अणु डिज़ाइन किया, या डेटा का विश्लेषण किया?
  • तुलना किससे की गई थी? किससे बेहतर है? क्या तुलना के लिए कोई निष्पक्ष पैमाना (baseline) था?
  • इसकी जांच किसने की? क्या कोई पीयर-रिव्यूड (विशेषज्ञों द्वारा जाँचा गया) रिसर्च पेपर है या सिर्फ एक प्रेस रिलीज़?
  • अभी भी क्या बातें अनजान हैं? अच्छे लेख यह ज़रूर बताते हैं कि अभी क्या साबित होना बाकी है।
हवाबाज़ी (Hype)
  • "AI ने बीमारी X का इलाज ढूंढ लिया"
  • स्टेज का कोई ज़िक्र नहीं
  • सिर्फ कंपनी की अपनी प्रेस रिलीज़
ईमानदार रिपोर्टिंग
  • "एक मॉडल ने एक उम्मीदवार का सुझाव दिया जिसने शुरुआती लैब टेस्ट में काम किया"
  • स्पष्ट स्टेज और आगे के कदम बताए गए हैं
  • एक ऐसा रिसर्च पेपर जिसे दूसरे लोग पढ़ और जांच सकते हैं
ख़तरा
अणुओं के लिए जेनरेटिव मॉडल सैद्धांतिक रूप से हानिकारक रसायनों का सुझाव भी उतनी ही आसानी से दे सकते हैं जितनी आसानी से मददगार रसायनों का। ज़िम्मेदार लैब इनकी पहुंच को नियंत्रित करती हैं, जोखिम भरे अनुरोधों की समीक्षा करती हैं और रसायनों व बायो-सेफ्टी के नियमों का पालन करती हैं। किसी सुपरवाइज़्ड लैब के बाहर, AI के सुझावों के आधार पर कभी भी रसायन बनाने की कोशिश न करें।
इसे आज़माएं। AI और किसी नई दवा या सामग्री के बारे में हाल ही की कोई एक खबर ढूंढें। ऊपर दिए गए पांच सवालों का उपयोग करके तय करें कि वह काम असल में किस स्टेज पर है।

और देखें और पढ़ें

लैब

विज्ञान से जुड़ी एक मार्क की हुई प्रेस रिलीज़, जिसमें संक्षेप में और निष्पक्ष रूप से बताया गया हो कि वह असल में क्या दर्शाती है।

~30 min

समस्या

दवा या पदार्थ की खोज में AI की मदद से जुड़ी कोई प्रेस रिलीज़ या समाचार लेख खोजें। अच्छी जगहें: किसी यूनिवर्सिटी का न्यूज़ पेज, कोई साइंस मैगज़ीन, या किसी राष्ट्रीय अखबार का साइंस सेक्शन। अगर आपको कोई लेख न मिले, तो नीचे दी गई काल्पनिक प्रेस रिलीज़ का इस्तेमाल करें।

"एक यूनिवर्सिटी लैब के शोधकर्ताओं ने घोषणा की कि उनके नए AI सिस्टम ने एक क्रांतिकारी कंपाउंड की खोज की है जो बुखार के इलाज को पूरी तरह बदल सकता है। AI ने कुछ ही दिनों में अणुओं की एक बड़ी लाइब्रेरी की स्क्रीनिंग की। सबसे बेहतरीन कंपाउंड ने लैब में उगाई गई कोशिकाओं में बुखार के एक मार्कर को कम कर दिया। टीम लीडर ने कहा, 'यह सब कुछ बदल सकता है।'"
  1. हवाबाज़ी (hype) लगने वाले हर शब्द को रेखांकित करें (उदाहरण के लिए "क्रांतिकारी", "सब कुछ बदल सकता है")।
  2. पाठ में दिए गए पांच सवालों के जवाब दें: स्टेज, AI ने क्या किया, तुलना किससे की गई, किसने जांच की, और क्या अनजान है।
  3. पहले दो वाक्यों को दोबारा इस तरह लिखें कि वे सटीक और शांत लगें।
  4. एक ऐसा सवाल लिखें जो आप शोधकर्ताओं से पूछना चाहेंगे।

आपका काम तब पूरा होगा जब

कठिन सवाल

उत्तर देखने से पहले ख़ुद जवाब देने की कोशिश करें। अगर आप इनके जवाब दे सकते हैं, तो आप पाठ समझ गए हैं।

Q1रिलीज़ में कहा गया है कि AI ने "दिनों में" अणुओं की स्क्रीनिंग की। सिर्फ गति ही सफलता का सही पैमाना क्यों नहीं है?दिखाएं

फ़ास्ट स्क्रीनिंग तभी फ़ायदेमंद है जब यह दूसरे तरीकों की तुलना में बेहतर कैंडिडेट्स चुने। सही सवाल यह है: किसी बेसलाइन तरीके की तुलना में, AI द्वारा चुने गए कैंडिडेट्स में से कितनों ने लैब में काम किया? शुरुआत में मिली तेज़ी का भी बहुत कम फ़ायदा होता है अगर बाद के लंबे चरण, जैसे सेफ़्टी टेस्ट और ट्रायल, वैसे के वैसे ही रहें।

Q2सेल्स में उम्मीद जगाने वाला नतीजा जानवरों या इंसानों में फ़ेल क्यों हो सकता है?दिखाएं

किसी डिश में रखे सेल्स बहुत सरल सिस्टम होते हैं। पूरे शरीर में, मॉलिक्यूल का शरीर में सोखा जाना, सही जगह पहुँचना, बहुत जल्दी न टूटना, और दूसरे अंगों को नुक़सान न पहुँचाना ज़रूरी होता है। यह दूसरे मॉलिक्यूल्स और दवाइयों के साथ भी इंटरैक्ट कर सकता है। इनमें से हर एक चीज़ फ़ेल होने का एक नया मौक़ा होती है, यही वजह है कि यह रास्ता लंबा होता है।

जारी रखने के लिए कृपया साइन इन करें।

अक्सर पूछे जाने वाले सवाल

क्या AI ने ऐसी कोई नई दवा बनाई है जिसे लोग आज ले रहे हैं?

AI टूल्स का इस्तेमाल अब दवा खोज के कई प्रोजेक्ट्स में किया जा रहा है, और AI की मदद से चुने गए कुछ उम्मीदवार क्लिनिकल ट्रायल में पहुंच चुके हैं। सीधे तौर पर यह कहना मुश्किल है कि "यह दवा AI ने बनाई है", क्योंकि इसमें कई लोग और तरीके शामिल होते हैं। सबसे ताज़ा और भरोसेमंद स्रोतों की जांच करें, और सनसनीखेज़ सुर्खियों से सावधान रहें।

अगर मॉडल बहुत अच्छा है, तो हम ट्रायल को छोड़ क्यों नहीं सकते?

मानव शरीर किसी भी मॉडल की तुलना में कहीं ज़्यादा जटिल है। कोई अणु अपने टार्गेट पर काम कर सकता है और फिर भी लीवर को नुकसान पहुंचा सकता है, या दूसरी दवाओं के साथ गलत असर कर सकता है। सुरक्षा नियमों और सहमति के साथ, इंसानों पर सावधानीपूर्वक की गई टेस्टिंग ही यह बात साबित कर सकती है।

बेसलाइन (baseline) क्या है और यह क्यों मायने रखती है?

बेसलाइन एक आसान तरीका है जिससे आप तुलना करते हैं, उदाहरण के लिए कोई रैंडम चुनाव या कोई पुराना, स्टैंडर्ड तरीका। अगर कोई AI तरीका किसी निष्पक्ष बेसलाइन से साफ तौर पर बेहतर नहीं है, तो नतीजा प्रभावशाली नहीं माना जाएगा, चाहे मॉडल कितना भी आधुनिक क्यों न हो।

क्या कोई छात्र इस क्षेत्र में काम कर सकता है?

हाँ। केमिस्ट्री, बायोलॉजी, कंप्यूटिंग और स्टैटिस्टिक्स (सांख्यिकी) सभी इसमें काम आते हैं। पब्लिक डेटा सेट और ओपन-सोर्स टूल छात्रों को असली अणुओं पर अभ्यास करने का मौका देते हैं। साइंस की बुनियादी बातों को अच्छी तरह सीखकर शुरुआत करें; उस आधार के साथ AI वाला हिस्सा सीखना आसान हो जाता है।

पाठ का टेस्ट

5 सवाल। पास होने और इस पाठ को पूरा करने के लिए 3 सही होने चाहिए (60%)।

टेस्ट देने और अपनी प्रोग्रेस सेव करने के लिए साइन इन करें