ഔഷധരംഗത്ത് ഏറെ പ്രാധാന്യമുള്ള 'അസിമട്രിക് രാസത്വരകങ്ങള്‍' വേഗം തിരിച്ചറിയാന്‍ മെഷീന്‍ ലേണിങ് വിദ്യ വികസിപ്പിക്കുകയാണ് തിരുവനന്തപുരം സ്വദേശിയായ രാഘവന്‍ ബി. സുനോജും സംഘവും ചെയ്തത്

പുതിയ ഔഷധങ്ങളുടെ കണ്ടുപിടുത്തം നഷ്ടസാധ്യത ഏറെയുള്ള സംഗതിയാണ്. ലോകത്തെ ഏറ്റവും വലിയ ഫാര്‍മസ്യൂട്ടിക്കല്‍ കമ്പനികള്‍ പോലും, ഒന്നുകൂടി ആലോചിച്ചേ ഇതിനായി മുന്നോട്ടു വരാറുള്ളൂ. എവിടെയെങ്കിലും പിഴച്ചാല്‍, കമ്പനി പോലും പൂട്ടിപ്പോകും! അത്രയ്ക്ക് റിസ്‌ക്കുള്ള ഏര്‍പ്പാടാണിത്. 

ആദ്യം സാധ്യതയുള്ള ഔഷധതന്മാത്ര തിരിച്ചറിയണം. പിന്നീട് പരിശോധനകളും ക്ലിനിക്കല്‍ പരീക്ഷണങ്ങളും വഴി അത് ഫലംചെയ്യുമെന്നും സുരക്ഷിതമാണെന്നും ഉറപ്പുവരുത്തണം. എന്നിട്ടേ പുതിയൊരു മരുന്ന് വിപണിയിലെത്തിക്കാന്‍ കഴിയൂ. ഏറെ സമയവും ഭീമമായ ചെലവും വേണ്ടിവരുന്ന പ്രവര്‍ത്തനമാണിത്. പുതിയൊരു മരുന്ന് പരമ്പരാഗത രീതിയില്‍ കണ്ടെത്തി ചികിത്സയ്‌ക്കെത്തിക്കാന്‍ 10 മുതല്‍ 15 വര്‍ഷം വരെ വേണ്ടിവരും. ശരാശരി ചെലവ് 400 കോടി ഡോളറും! (ഏകദേശം 28,000 കോടി രൂപ!)

ഈ പശ്ചാത്തലത്തിലാണ്, മലയാളി ഗവേഷകന്‍ രാഘവന്‍ ബി. സുനോജും സംഘവും ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സിന്റെ സഹായത്തോടെ നടത്തുന്ന മുന്നേറ്റം ശ്രദ്ധേയമാകുന്നത്. ഇന്ത്യന്‍ ഇന്‍സ്റ്റിട്ട്യൂട്ട് ഓഫ് ടെക്‌നോളജി ബോംബെ (IIT Bombay) യിലെ കെമിസ്ട്രി വിഭാഗം പ്രൊഫസറാണ് തിരുവനന്തപുരം സ്വദേശിയായ പ്രൊഫ.സുനോജ്. ഔഷധങ്ങളുടെ കണ്ടെത്തല്‍ വേഗത്തിലാക്കാന്‍ സഹായിക്കുന്നതാണ് പ്രൊഫ.സുനോജും സംഘവും നടത്തുന്ന ഗവേഷണം. എന്‍ജിനീറിങ് പ്രൊഫസര്‍ പി.ബാലമുരുഗനും പഠനത്തില്‍ പങ്കുചേര്‍ന്നു. 

ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് (AI) അഥവാ നിര്‍മിതബുദ്ധി എന്ന മേഖലയുടെ ഭാഗമാണ് 'മെഷീന്‍ ലേണിങ്' (ML). ഔഷധരംഗത്ത് ഏറെ പ്രാധാന്യമുള്ള 'അസിമട്രിക് രാസത്വരകങ്ങള്‍' (asymmetric catalysts) വേഗം കണ്ടെത്താന്‍ മെഷീന്‍ ലേണിങ് വിദ്യ വികസിപ്പിക്കുകയാണ് പ്രൊഫ.സുനോജും സംഘവും ചെയ്തത്. അമേരിക്കന്‍ ഗവേഷണജേര്‍ണലായ 'പ്രൊസീഡിങ്‌സ് ഓഫ് നാഷണല്‍ അക്കാദമി ഓഫ് സയന്‍സി്'ല്‍ പഠനറിപ്പോര്‍ട്ട് പ്രസിദ്ധീകരിച്ചു (PNAS Jan 8, 2020).

Machine Learning, AI, Artificial intelligence
മെഡിക്കല്‍ രംഗത്തും നിര്‍മിതബുദ്ധിയുടെ കാലം. Pic Credit: analyticsinsight.net/

രാസതന്മാത്രകളുടെ സിമട്രി (symmetry) അഥവാ പ്രതിസാമ്യത എന്ന സവിശേഷതയ്ക്ക് ഔഷധമേഖലയില്‍ വലിയ പ്രാധാന്യമുണ്ട്. സിമട്രിയുമായി ബന്ധപ്പട്ട്, ഒരു തന്മാത്രയും അതിന്റെ കണ്ണാടി പ്രതിബിംബവും വ്യത്യസ്തമായിരിക്കുന്നതിന് 'കൈരാലിറ്റി' (chirality) എന്നാണ് പറയുക. 'വലതുകൈയ്ക്കുള്ള ഗ്ലൗസ് ഇടതുകൈയിലിട്ടാല്‍ പൊരുത്തക്കേട് ഉണ്ടാകില്ലേ. അതുപോലെ, വലതുകാലിന്റെ ചെരുപ്പ് മറ്റേ കാലിലിട്ടാലും യോജിക്കില്ല. കൈരാലിറ്റി മൂലമാണിത്'-പ്രൊഫ.സുനോജ് വിശദീകരിക്കുന്നു. 'ഈ സവിശേഷത മനസിലാക്കാന്‍ നമുക്ക് ഷേക്ക്ഹാന്‍ഡിന്റെ കാര്യമെടുക്കാം. വലതുകൈയ്ക്ക് വലതുകൈ എന്നായാലേ ഷേക്ക്ഹാന്‍ഡ് വിജയിക്കൂ. അവ പരസ്പരം പൊരുത്തത്തോടെ ചേരും. അല്ലാതെ, ഒരാളുടെ വലതുകൈയും രണ്ടാമന്റെ ഇടതുകൈയും കൊണ്ടുള്ള ഷേക്ക്ഹാന്‍ഡ് വിജയിക്കില്ല'. 

'ഒരു ഔഷധസംയുക്തത്തിന്റെ കാര്യമെടുത്താല്‍, അതിനൊരു ലക്ഷ്യസ്ഥാനമുണ്ടാകും, ഒരു റിസപ്ടര്‍. വൈറസിന്റെയോ ബാക്ടീരിയത്തിന്റെയോ ഡി.എന്‍.എ.പോലുള്ള ഒന്നാകും റിസപ്ടര്‍. താഴില്‍ താക്കോലിടുന്ന കാര്യം ഓര്‍ക്കുക. ശരിയായ താക്കോലാണെങ്കില്‍, താക്കോല്‍പഴുതില്‍ അത് കുറ്റമറ്റ രീതിയില്‍ ഫിറ്റാകും. അതുപോലെ, റിസപ്ടറില്‍ കുറ്റമറ്റ രീതിയില്‍ ഇഴചേരുന്നതാകണം (ബൈന്‍ഡ് ചെയ്യുന്നതാകണം) ഔഷധതന്മാത്രയുടെ ആകൃതി. അങ്ങനെയല്ലെങ്കില്‍, ഔഷധം യഥാര്‍ഥ ലക്ഷ്യത്തില്‍ ഇഴചേരില്ല, മരുന്നു ഫലിക്കില്ല'-ടെലിഫോണ്‍ ഇന്റര്‍വ്യൂവില്‍ പ്രൊഫ.സുനോജ് പറഞ്ഞു. 'ലക്ഷ്യത്തിലെത്താതെ, നമ്മള്‍ ചിന്തിക്കാത്ത ഒരിടത്താണ് ഒരു ഔഷധതന്മാത്ര പോയി ബൈന്‍ഡ് ചെയ്യുന്നതെങ്കില്‍ വളരെ മോശം ഫലമാകും ഉണ്ടാവുക'. 

കണ്ണാടി പ്രതിബിംബത്തില്‍ വ്യത്യസ്തമായി കാണപ്പെടുന്ന തന്മാത്രയുടെ രണ്ടു ഘടനകള്‍ക്കും കൂടി 'സ്റ്റീരിയോഐസോമെര്‍' (stereoisomer) എന്നാണ് പേര്. 'നമ്മുടെ ഇടതുകരവും വലതുകരവും പോലെയാണ് സ്റ്റീരിയോഐസോമെറുകള്‍'-പ്രൊഫ.സുനോജ് പറയുന്നു. ഇതില്‍ ഒരെണ്ണത്തിനാകും ഔഷധമായി ഉപയോഗിക്കുമ്പോള്‍ ഫലം കിട്ടുക. ആ തന്മാത്ര മാത്രം രാസപ്രക്രിയ വഴി രൂപപ്പെടുത്തുക എന്നത് വലിയ വെല്ലുവിളിയാണ്. 'വലംകൈയന്‍ തന്മാത്രയാണ് ഔഷധമായി ഉപയോഗിക്കുന്നതെങ്കില്‍, നിര്‍മാണപ്രക്രിയയില്‍ അതു മാത്രമേ ഉണ്ടാകാന്‍ പാടുള്ളൂ. ഇടംകൈയന്‍ തന്മാത്രകള്‍ ഉണ്ടാകരുത്'.  

stereoisomer
വലതുകൈയ്ക്ക് വലതുകൈ എന്നായാലേ ഷേക്ക്ഹാന്‍ഡ് വിജയിക്കൂ. അതുപോലെ, റിസപ്ടറില്‍ കുറ്റമറ്റ രീതിയില്‍ ഇഴചേരുന്നതാകണം ഔഷധതന്മാത്രയുടെ ആകൃതി. Pic Credit: Royal Society of Chemistry

സാധാരണ ലബോറട്ടറി പ്രക്രിയകളില്‍, 'ഈ രണ്ടുതരം തന്മാത്രകളും തുല്യ അളവില്‍ ഉണ്ടാകും. അത് നിയന്ത്രിക്കുക ബുദ്ധിമുട്ടാണ്'-പ്രൊഫ.സുനോജ് അറിയിക്കുന്നു. 'ഇതില്‍ ഒറ്റ കൈരാലിറ്റി മാത്രമുള്ള തന്മാത്ര ഉണ്ടാകാന്‍ പാകത്തില്‍ എങ്ങനെ രാസപ്രവര്‍ത്തനം നിയന്ത്രിക്കാം എന്നത് വലിയ ചോദ്യമാണ്'. ഈ വെല്ലുവിളി നേരിടാന്‍ ഗവേഷകരെ സഹായിക്കുന്നത് അനുയോജ്യമായ അസിമട്രിക് രാസത്വരകങ്ങളാണ്. അതിനാല്‍, ഇത്തരം രാസത്വരകങ്ങള്‍ വളരെ പ്രധാനപ്പെട്ടതാണ്. ഔഷധനിര്‍മ്മാണത്തിലും മറ്റും അസിമട്രിക് രാസത്വരകങ്ങളുടെ ആവശ്യം ദിനംപ്രതി വര്‍ധിക്കുകയാണ്.  

'വലിയൊരു ഗവേഷണ മേഖലയാണിത്. എങ്കിലും, ഈ രംഗത്ത് നിര്‍മിതബുദ്ധിയുടെ സാധ്യത ആരും കാര്യമായി ഉപയോഗിച്ചിട്ടില്ല, ഞങ്ങളുടെ ഈ പഠനം വരെ'-പ്രൊഫ.സുനോജ് അറിയിച്ചു. 15 വര്‍ഷമായി കമ്പ്യൂട്ടേഷണല്‍ കെമിസ്ട്രി മേഖലയില്‍ പ്രവര്‍ത്തിക്കുന്നയാളാണ് പ്രൊഫ.സുനോജ്. അതിന്റെ യുക്തിപരമായ തുടര്‍ച്ച തന്നെയാണ് മെഷീന്‍ ലേണിങ് ഉപയോഗിച്ച് നടത്തിയ ഇപ്പോഴത്തെ പഠനവും. എങ്കിലും, ഇത് പുതിയ മേഖലയാണ്. അതിനാല്‍, കാര്യങ്ങള്‍ പഠിച്ചെടുക്കാന്‍ രണ്ടരവര്‍ഷം വേണ്ടിവന്നു. ഇപ്പോള്‍ തന്റെ പഠനമേഖല 70 ശതമാനത്തോളം ഇതിലേക്ക് മാറിക്കഴിഞ്ഞതായി ഡോ.സുനോജ് അറിയിക്കുന്നു.

വലിയ തോതില്‍ ഡേറ്റയും കമ്പ്യൂട്ടിങ് ശക്തിയും ഉപയോഗിച്ച്, നമുക്ക് വേണ്ട വിധത്തില്‍ മെഷീന്‍ ലേണിങ് ആല്‍ഗരിതത്തെ കാര്യങ്ങള്‍ ട്രെയിന്‍ ചെയ്‌തെടുക്കുകയാണ് ചെയ്യുക. ഓപ്പണ്‍ സോഴ്‌സ് മെഷീന്‍ ലേണിങ് സോഫ്റ്റ്‌വേറായ 'സൈക്കിറ്റ്-ലേണ്‍' (Scikit-learn) ഇതിനായി ഉപയോഗിച്ചു. 'ആ കോഡിനെ ഫൈന്‍ട്യൂണ്‍ ചെയ്ത് ഞങ്ങളുടെ ആവശ്യത്തിനനുസരിച്ച് വികസിപ്പിച്ചു. അതിന് വലിയ പരിശ്രമം നടത്തേണ്ടി വന്നു. പക്ഷേ, അതില്‍ ഞങ്ങള്‍ വിജയിച്ചു'-അഭിമാനത്തോടെ പ്രൊഫ.സുനോജ് പറഞ്ഞു. കമ്പ്യൂട്ടിങ് പവറിന് ഐഐടി മുംബൈയിലെ 'സ്‌പേസ്‌ടൈം 2' (Spacetime 2) സൂപ്പര്‍കമ്പ്യൂട്ടറും ഉപയോഗിച്ചു.

Drug Discovery, Raghavan B Sunoj, Machine Learning
ഔഷധതന്മാത്രകളുടെ കണ്ടെത്തല്‍ വേഗത്തിലാക്കാനും നിര്‍മിതബുദ്ധി സഹായിക്കും. Pic Credit: IIT Bombay

മെഷീന്‍ ലേണിങിലെ 'റാന്‍ഡം ഫോറസ്റ്റ്' (random forest), 'ഡിസിഷന്‍ ട്രീ' (decision tree) തുടങ്ങിയ വിദ്യകള്‍ വഴി മികച്ച അസിമട്രിക് രാസത്വരകങ്ങള്‍ ചെലവു കുറഞ്ഞ രീതിയില്‍ വേഗം കണ്ടെത്താന്‍ കഴിയുമെന്ന് പ്രൊഫ.സുനോജും സംഘവും തെളിയിച്ചു. 'എംഎല്‍-അധിഷ്ഠിത ഗണിത മാതൃക' (ML-based mathematical model) യെ അറിയപ്പെടുന്ന രാസത്വരകങ്ങളുടെ വിവരങ്ങള്‍ നല്‍കി പരിശീലിപ്പിക്കുയാണ് അവര്‍ ചെയ്തത്. അതുവഴി, പുതിയ രാസത്വരകങ്ങളുടെ ഫലപ്രാപ്തി പ്രവചിക്കാന്‍ കഴിഞ്ഞു. കൂടുതല്‍ ഡേറ്റ ഉപയോഗിച്ച് പല തവണ ട്രെയിനിങ് നടത്തിയപ്പോള്‍, കൂടുതല്‍ മികച്ച ഫലം നല്‍കുന്ന സ്ഥിതിയായി-ഐഐടി മുബൈ വാര്‍ത്താക്കുറിപ്പില്‍ പറയുന്നു. 

പരമ്പരാഗത 'ട്രയല്‍ ആന്‍ഡ് എറര്‍' രീതി പിന്തുടര്‍ന്നാല്‍, ഒരു റിയാക്ഷന്‍ ഫലപ്രദമാണോ എന്നറിയാന്‍ നമ്മള്‍ ഒടുവിലത്തെ ഫലം വരെ കാക്കണം. അതിന് രണ്ടു ദിവസത്തോളമെടുക്കും. പകരം മെഷീന്‍ ലേണിങിന്റെ സഹായം തേടുമ്പോള്‍, ആ റിയാക്ഷന്‍കൊണ്ട് പ്രയോജനം ഉണ്ടാകുമോ എന്നകാര്യം അറിയാന്‍ വെറും അരമണിക്കൂര്‍ മതി. 'സമയം ലാഭം, റിസോഴ്‌സസ് ലാഭം. പ്രയോജനം ചെയ്യുമെന്ന് കണ്ടാല്‍ മാത്രം തുടര്‍ന്നാല്‍ മതിയല്ലോ'-പ്രൊഫ.സുനോജ് വിവരിക്കുന്നു. പരമ്പരാഗത രീതിയില്‍ ഇത്തരം നൂറോ അതിലധികമോ ഫലങ്ങള്‍ കിട്ടാന്‍ ഒരുവര്‍ഷമെടുക്കും. 'അത്രയും സമയം ചെലവിടണോ, അതോ വിജയസാധ്യതയുള്ള അമ്പതെണ്ണം പ്രവചിച്ച് അതുമായി മുന്നോട്ടു പോകണോ എന്ന് തീരുമാനിക്കാം. ഇതുവഴി ഔഷധങ്ങള്‍ കണ്ടെത്താനുള്ള പ്രക്രിയ വേഗത്തിലാകും'-അദ്ദേഹം പറയുന്നു. 

'കൗണ്‍സില്‍ ഓഫ് സയന്റിഫിക് ആന്‍ഡ് ഇന്‍ഡസ്ട്രിയല്‍ റിസര്‍ച്ച്' (CISR), 2019 ല്‍ 'ശാന്തി സ്വരൂപ് ഭട്‌നാഗര്‍ പുരസ്‌കാരം' നല്‍കി ആദരിച്ച ഗവേഷകനാണ് ഡോ.സുനോജ്. ഓര്‍ഗാനിക് രസപ്രവര്‍ത്തനങ്ങള്‍ സമഗ്രമായി പഠിച്ച് അതെപ്പറ്റി തന്മാത്രാതലത്തില്‍ പുതിയ ഉള്‍ക്കാഴ്ചകള്‍ അവതരിപ്പിച്ചതിനാണ് ഈ ബഹുമതി. അഞ്ചുലക്ഷം രൂപ സമ്മാനത്തുകയും, പ്രശസ്തിപത്രവും, 65 വയസ്സുവരെ ഫെലോഷിപ്പായി പ്രതിമാസം 15,000 രൂപയും അടങ്ങിയതാണ് പുരസ്‌കാരം.

തിരുവനന്തപുരത്ത് പേരൂര്‍ക്കടയില്‍ മണിയുടെയും, ദേശീയ അധ്യാപക അവാര്‍ഡ് ജേതാവ് കെ.വി. വസന്തകുമാരിയുടെയും മകനാണ് സുനോജ്. തിരുവനന്തപുരം സെന്റ് ജോസഫ്‌സ് സ്‌കൂള്‍, യൂണിവേഴ്‌സിറ്റി കോളേജ് എന്നിവിടങ്ങളിലെ പഠനത്തിനു ശേഷം, ബാംഗ്ലൂരിലെ 'ഇന്ത്യന്‍ ഇന്‍സ്റ്റിട്ട്യൂട്ട് ഓഫ് സയന്‍സസി'ല്‍ നിന്ന് പിഎച്ച്ഡി നേടി. അമേരിക്കയിലെ ഒഹായോ സ്‌റ്റേറ്റ് യൂണിവേഴ്‌സിറ്റിയില്‍ ഗവേഷണം നടത്തിയ ശേഷം, ഐഐടി ബോംബെയില്‍ ഇരുപത്തിയൊമ്പതാം വയസില്‍ അധ്യാപകനായി ചേര്‍ന്നു. സിവില്‍ എഞ്ചിനിയറായ ഡോ.വിജയശ്രീ ആണ് ഭാര്യ. മകന്‍ ദര്‍ശന്‍. 

അവലംബം -

* A unified machine-learning protocol for asymmetric catalysis as a proof of concept demonstration using asymmetric hydrogenation. By Sukriti Singh et al. Proceedings of the National Academy of Sciences (PNAS), Jan 8, 2020.
* Machine Learning for Faster Drug Discovery. Public Release, IIT Bombay.
* Prof R B Sunoj from IIT Bombay awarded the Shanti Swarup Bhatnagar Prize 2019 for his research on organic chemical reactions. IIT Bombay.
* How is Machine Learning Revolutionizing Drug Discovery? By Sandeep Agarwal. Towards Data Science, Oct 9, 2019 

* മാതൃഭൂമി നഗരം പേജില്‍ പ്രസിദ്ധീകരിച്ചത്

Content Highlights: Drug Discovery, Raghavan B Sunoj, Machine Learning, AI, Artificial intelligence, Asymmetric Catalysts, IIT Bombay, Computational Chemistry