બેંગલુરુના સ્ટાર્ટઅપે મેયો ક્લિનિકના સહયોગથી 'અનડ્રગેબલ' કેન્સર પ્રોટીનને ટાર્ગેટ કરવા AIનો ઉપયોગ કર્યો

વર્ષોથી, કેન્સર દવાની શોધ એ એક તણાવયુક્ત પડકાર રહ્યો છે: વૈજ્ઞાનિકો જે ટાર્ગેટને અગત્યના ગણે છે પરંતુ દવાથી તેના ઉપર અસરકારક રીતે હુમલો કરી શકાતો નથી. એવું જ એક ટાર્ગેટ GIPC1 છે, જે એક પ્રોટીન છે અને તે ટ્યુમરના વિકાસ અને સારવાર સામેના પ્રતિકારમાં સામેલ છે. તે ખાસ કરીને પેન્ક્રિયાટિક ડક્ટલ એડેનોકાર્સિનોમા (PDAC) સાથે સંકળાયેલું છે, જે કેન્સરના સૌથી આક્રમક સ્વરૂપોમાંથી એક છે.

હવે, બેંગલુરુ સ્થિત એક વેન્ચર તેને ટાર્ગેટ કરવાની દિશામાં એક અગત્યનું પગલું ભરવામાં મદદે આવ્યું છે. 2020 માં કિશન ગુર્રામ, રામનારાયણન જીવી અને શિવકુમાર એસ. દ્વારા સ્થાપવામાં આવેલી શ્રાવથી AIએ GIPC1 સામે સ્મોલ-મોલેક્યુલ ઇન્હિબિટર શોધવા માટે USA ના મેયો ક્લિનિકના સંશોધકો સાથે કામ કર્યું છે.

31 જુલાઈ, 2026 ના રોજ પીઅર-રિવ્યુડ જર્નલ 'સેલ રિપોર્ટ્સ'માં પ્રકાશિત થયેલા પરિણામો દર્શાવે છે કે પ્રયોગાત્મક અણુએ પેન્ક્રિયાટિક કેન્સરના પ્રી-ક્લિનિકલ મોડેલોમાં ટ્યુમરના વિકાસને અટકાવ્યો હતો અને જીવન અવધિ વધારી હતી. તેણે કીમોથેરાપીની દવા 'જેમસાઇટાબાઇન' ની કેન્સર વિરોધી અસર પેદા કરવામાં પણ વધારો કર્યો છે.

જોકે, અહીં ધ્યાનમાં રાખવાની અગત્યની બાબત એ છે કે, આ હજુ પણ પ્રયોગાત્મક સંશોધન છે. માનવો પર આ દવાનું પરીક્ષણ હજુ બાકી છે અને ક્લિનિકલ ટ્રાયલ્સ શરૂ કરતાં પહેલા તેમાં વધુ અભ્યાસની જરૂર છે.

GIPC1 શું છે?

GIPC1 એ એક સ્કેફોલ્ડિંગ પ્રોટીન છે જે પેન્ક્રિયાટિક ડક્ટલ એડેનોકાર્સિનોમામાં વધુ પ્રમાણમાં જોવા મળે છે અને તે ટ્યુમરના વિકાસ તથા સારવાર સામેના પ્રતિકારમાં ભૂમિકા ભજવે છે. સમસ્યા એ છે કે તેના PDZ ડોમેનને પરંપરાગત સ્મોલ-મોલેક્યુલ દવાઓ વડે ટાર્ગેટ કરવું ઐતિહાસિક રીતે મુશ્કેલ રહ્યું છે. નવો અભ્યાસ સિલેક્ટિવ GIPC1 ઇન્હિબિટર (જેને GIPCi તરીકે ઓળખવામાં આવે છે) ની ઓળખની જાણ કરે છે, જે પ્રોટીનના PDZ ડોમેન સાથે સીધું જોડાય છે.

અને અહીં આ કથામાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો પ્રવેશ થાય છે. લેબોરેટરીમાં એક પછી એક વિશાળ સંખ્યામાં અણુઓનું પરીક્ષણ કરવાને બદલે, સંશોધકોએ શક્યતાઓને મર્યાદિત રાખવા માટે કોમ્પ્યુટેશનલ સાધનોનો ઉપયોગ કર્યો. મેયો ક્લિનિકના જણાવ્યા અનુસાર, આ સહયોગથી GIPC1 ને બ્લોક કરી શકે તેવા અણુની ઓળખ કરતા પહેલાં "લગભગ 40,000 સંભવિત સંયોજનો" નું સ્ક્રીનિંગ કરવામાં આવ્યું હતું.

શ્રાવથી AI માટે, આ સમગ્ર કવાયતનો હેતુ માત્ર અસ્તિત્વમાં રહેલી દવાઓનું વિશ્લેષણ કરવાનો નથી, પરંતુ "નવા અણુઓને ડિઝાઇન કરવા અને શોધવામાં" મદદ કરવાનો છે.

AI એ અણુ શોધવામાં કેવી રીતે મદદ કરી?

શોધ પ્રક્રિયામાં કોમ્પ્યુટેશનલ સ્ક્રીનિંગના અનેક લેવલ સામેલ હતા. સૌપ્રથમ, જનરેટિવ AI નો ઉપયોગ સંભવિત અણુઓનું મોટું જૂથ બનાવવા માટે કરવામાં આવ્યો હતો. ત્યારબાદ પ્રેડિક્ટિવ મોડેલ્સે તે જૂથને ઘટાડવા માટે વિવિધ ફિલ્ટર્સ લાગુ કર્યા. મોલેક્યુલર મોડેલિંગે ઉમેદવારોને વધુ મર્યાદિત કર્યા, જ્યારે ભૌતિકશાસ્ત્ર-આધારિત પદ્ધતિઓએ તપાસ કરી કે અણુઓ ખરેખર ટાર્ગેટ સાથે જોડાઈ શકે છે કે નહીં.

ત્યારબાદ મોલેક્યુલર સ્ટ્રક્ચરને સમજવા અને કયા અણુઓ ધાર્યું કેમિકલ કાર્ય કરી શકે છે તે ઓળખવા માટે ક્વાન્ટમ કેમિસ્ટ્રીનો ઉપયોગ કરવામાં આવ્યો હતો. પરિણામે ઉમેદવારોનું ખૂબ જ નાનું જૂથ મળ્યું જેને લેબોરેટરી પરીક્ષણ માટે આગળ લઈ જઈ શકાયું. એકવાર શ્રાવથી AI એ સૌથી આશાસ્પદ અણુની ઓળખ કરી લીધી, ત્યારબાદ મેયો ક્લિનિકના સંશોધકોએ તેને સંશ્લેષિત (synthesise) કર્યું અને કોષો તથા પ્રાણીઓના મોડેલોમાં તેનું પરીક્ષણ કર્યું.

પરિણામો ઉત્સાહજનક હતા. પ્રી-ક્લિનિકલ પેન્ક્રિયાટિક કેન્સર મોડેલોમાં, GIPCi એ ટ્યુમરનો વિકાસ ઘટાડ્યો અને સર્વાઇવલમાં સુધારો કર્યો. જોકે, માનવ પરીક્ષણો અંગે વિચાર કરવામાં આવે તે પહેલાં અણુએ વધારાના પ્રી-ક્લિનિકલ સુરક્ષા અને અસરકારકતાના અભ્યાસોમાંથી પસાર થવું પડશે.

પેન્ક્રિયાટિક કેન્સર શા માટે આટલું મુશ્કેલ ટાર્ગેટ છે?

પેન્ક્રિયાટિક ડક્ટલ એડેનોકાર્સિનોમા એ સૌથી આક્રમક કેન્સરમાંનું એક છે અને તેનું નિદાન અવારનવાર મોડેથી થાય છે. ઝડપથી આગળ વધવાની અને સારવારનો પ્રતિકાર કરવાની તેની ક્ષમતા ખરાબ પરિણામો તરફ દોરી જાય છે. 'સેલ રિપોર્ટ્સ' અભ્યાસ નોંધે છે કે PDAC માટે પાંચ વર્ષનો સર્વાઇવલ રેટ 13.3% થી ઓછો છે. એટલા માટે સંશોધકો એવી નબળાઈઓ શોધી રહ્યા છે જેનો ઉપયોગ હાલની થેરાપીઓ યોગ્ય રીતે કરી શકતી નથી.

GIPC1 એ આવી જ એક નબળાઈ છે. પ્રોટીન કેન્સર કોષોને વિકાસ અને પ્રતિકાર સાથે સંકળાયેલા માર્ગોને સક્રિય કરવામાં મદદ કરે છે. જોકે, તેની સંરચના પરંપરાગત દવાની શોધને મુશ્કેલ બનાવે છે.

તેથી, સંશોધકોની સિદ્ધિ માત્ર કેન્સરના કોષોને મારી નાખતો બીજો અણુ શોધવાની નથી. તે એ સાબિત કરવાની છે કે "AI-સહાયિત શોધ એવા ટાર્ગેટ સાથે જોડાઈ શકે તેવા અણુને ઓળખવામાં મદદ કરી શકે છે જેને ડ્રગ આપવું મુશ્કેલ મનાતું હતું."

ભારતીય દવાની શોધની એક અલગ પ્રકારની વાત

શ્રાવથી AI ના સ્થાપક કિશન ગુર્રામ માટે, આનું મોટું મહત્વ માત્ર એક અણુથી પરે છે. ભારત જેનરિક દવાઓમાં પહેલાથી જ એક વૈશ્વિક શક્તિ છે અને ફાર્માસ્યુટિકલ મેન્યુફેક્ચરિંગ, સેવાઓ અને કોન્ટ્રાક્ટ રિસર્ચમાં નોંધપાત્ર ક્ષમતાઓ ધરાવે છે. પરંતુ દેશ પાસે ઐતિહાસિક રીતે સંપૂર્ણપણે નવી દવાઓ શોધવાના ક્ષેત્રે ઘણો નાનો ટ્રેક રેકોર્ડ રહ્યો છે.

શ્રાવથીની મહત્વાકાંક્ષા આ સ્થિતિ બદલવાની છે. કંપનીની સ્થાપના ગુર્રામ, રામનારાયણન જી. વી. અને શિવકુમાર એસ. દ્વારા કરવામાં આવી હતી, જેમણે અગાઉ GE અને SABIC સાથે જોડાયેલા ટેકનોલોજી સેન્ટરોમાં કામ કર્યું હતું. આ પ્લેટફોર્મ બનાવવા માટે ડેટા સાયન્સ, બાયોઇન્ફોર્મેટિક્સ, બાયોલોજી, બાયોફિઝિક્સ અને કેમિસ્ટ્રીને એકસાથે લાવવાની જરૂર હતી. ગુર્રામ તેમની ભૂમિકાને આ વિવિધ વૈજ્ઞાનિક ક્ષમતાઓના જોડાણ તરીકે વર્ણવે છે. AI- સંચાલિત દવા શોધ ક્ષેત્ર કેવું વધી રહ્યું છે તેનું આ એક ઉપયોગી વર્ણન છે. AI એક રૂમમાં બેસીને પોતાની જાતે દવાઓ શોધી રહ્યું નથી. તે વૈજ્ઞાનિકો, ડેટાસેટ્સ, અલ્ગોરિધમ્સ, કેમિસ્ટ્રી અને બાયોલોજીની ખૂબ જ જટિલ ટીમની વચ્ચે રહેલું છે.

જો દવા નિષ્ફળ જાય તો શું થાય?

રસપ્રદ વાત એ છે કે, સ્થાપકો કહે છે કે નિષ્ફળતા પણ ઉપયોગી માહિતી પૂરી પાડી શકે છે. જો કોઈ અણુ કામ કરતું નથી, તો AI-આધારિત ડિસ્કવરી પ્લેટફોર્મ સંભવિતપણે તેના મોડેલોને ફરીથી તાલીમ આપવા (retrain), ઉમેદવારોને ફરીથી ડિઝાઇન કરવા અને પરંપરાગત શોધ અભિગમો કરતાં વધુ ઝડપથી ઓપ્ટિમાઇઝેશન પ્રક્રિયાની ફરીથી શરૂઆત કરવા માટે નવા પ્રયોગાત્મક ડેટાનો ઉપયોગ કરી શકે છે.

તે દવાની શોધના અર્થશાસ્ત્રને બદલી શકે છે. પરંપરાગત દવાની શોધમાં વર્ષોની લેબોરેટરી કામગીરી અને મોટી સંખ્યામાં નિષ્ફળ ઉમેદવારો સામેલ થઈ શકે છે. AI-સહાયિત સિસ્ટમ નિષ્ફળતાને નાબૂદ કરતી નથી. તે જે સંભવિતપણે કરી શકે છે તે છે, ડિઝાઇન → ટેસ્ટ → લર્ન → રીડિઝાઇનના ચક્રને ઝડપી બનાવવું.

કેન્સર દવાની મોટી પાઇપલાઇન

GIPC1 પ્રોગ્રામ એ કંપનીનો એકમાત્ર પ્રોજેક્ટ નથી. શ્રાવથી AI એ એક અગ્રણી દૈનિકને જણાવ્યું હતું કે તેની પાઇપલાઇનમાં પેન્ક્રિયાટિક અને કિડનીના કેન્સર, સોલિડ ટ્યુમર, ઇમ્યુનો-ઓન્કોલોજી, ટ્રિપલ-નેગેટિવ બ્રેસ્ટ કેન્સર અને અન્ય ઓન્કોલોજી ટાર્ગેટનો સમાવેશ થાય છે. કંપનીનું કહેવું છે કે તેણે નવ માલિકીની અસ્કયામતો (proprietary assets) ની પાઇપલાઇન બનાવી છે, જેમાં પ્રોજેક્ટ્સ સ્વતંત્ર રીતે તેમજ પ્રતિભાગીઓ દ્વારા વિકસાવવામાં આવી રહ્યા છે.

તેના કાર્યને આંતરરાષ્ટ્રીય માન્યતા પણ મળી છે. કંપની 2024 સ્ટાન્ડર્ડ ઇન્ડસ્ટ્રીઝ કેમિકલ ઇનોવેશન ચેલેન્જમાં ટોચના ચારમાં અને 2025 માં L'Oréal Big Bang SAPMENA સ્પર્ધામાં ચાર વિજેતાઓમાંની એક હતી. જો આગામી સંશોધન સફળ થાય છે, તો આ સહયોગ ભારતની માત્ર દવાઓનું ઉત્પાદક હોવાની ઓળખ સિવાયની નવી ઓળખ ઊભી કરવા તરફ આગળ વધશે, જ્યાં "નવી દવાઓ શોધાય છે."

રેફરન્સ:

https://www.cell.com/cell-reports/fulltext/S2211-1247(26)00855-7

https://www.sciencedirect.com/science/article/pii/S2211124726008557

આ પણ વાંચો:

• સ્વાસ્થ્ય માટે જોખમી એનાલોગ પનીરના ઉત્પાદકો અને વેચાણકર્તાઓ આટલા બેફામ કેમ?
• ગુજરાતમાં ચાંદીપુરા વાયરસનો વધતો કહેર: આરોગ્યમંત્રી પ્રફુલ પાનશેરિયા સાથે વિશેષ વાતચીત