Isomorphic Labs-এ AI-নকশা করা ওষুধ মানব পরীক্ষার আরও কাছাকাছি

AI drug-discovery নিয়ে বড় দাবি নতুন ধাপে পৌঁছাল

Google DeepMind-এর spinoff Isomorphic Labs, যা AlphaFold-চালিত drug discovery-কে কেন্দ্র করে গড়ে উঠেছে, বলছে তারা তাদের AI technology ব্যবহার করে তৈরি ওষুধের human trials শুরু করার প্রস্তুতি নিচ্ছে। এই আপডেটটি কোম্পানির president Max Jaderberg London-এর WIRED Health-এ দিয়েছিলেন, যেখানে তিনি বলেন startup একটি “broad and exciting pipeline of new medicines” তৈরি করেছে এবং এখন ক্লিনিকে প্রবেশের প্রস্তুতি নিচ্ছে।

এই বক্তব্য গুরুত্বপূর্ণ, কারণ এটি AI-drug গল্পকে laboratory promise থেকে clinical accountability-র দিকে নিয়ে যায়। বহু বছর ধরে biotech sector-এর কোম্পানিগুলো বলে আসছে machine learning আরও ভালো medicine দ্রুত খুঁজে পেতে সাহায্য করতে পারে। Human testing-ই সেই জায়গা, যেখানে এই ধারণা মাপা যায়।

Isomorphic কী গড়ে তুলছে

Isomorphic Labs 2021 সালে Google DeepMind থেকে spinoff হিসেবে প্রতিষ্ঠিত হয়। এর কাজ AlphaFold-এর সঙ্গে ঘনিষ্ঠভাবে যুক্ত, যা protein structure prediction বদলে দিয়েছিল। 2020 সালে DeepMind AlphaFold 2 উপস্থাপন করে, এবং পরের বছর broad scientific use-এর জন্য একটি open-source version প্রকাশ করা হয়। 2024 সালে DeepMind এবং Isomorphic Labs AlphaFold 3 চালু করে, system-টিকে proteins-এর বাইরে DNA ও RNA-এর মতো molecules এবং proteins-এর সঙ্গে তাদের interactions পর্যন্ত প্রসারিত করে।

এই অগ্রগতি drug discovery-র জন্য অত্যন্ত গুরুত্বপূর্ণ। source text অনুযায়ী, platform-টি একটি small molecule কীভাবে কোনও target-এ bind করবে এবং আর কোথায় bind করতে পারে তা অনুমান করতে সহায়তা করতে পারে। কার্যকর ও নিরাপদ medicine ডিজাইন করার ক্ষেত্রে এগুলো মূল প্রশ্ন।

বৈজ্ঞানিক পটভূমিও বড়। source বলছে, AlphaFold গবেষকদের জানা প্রায় 200 million proteins-এর structure অনুমান করেছে এবং 190টি দেশে 2 million-এরও বেশি মানুষ এটি ব্যবহার করেছে। Demis Hassabis এবং John Jumper chemistry Nobel Prize পাওয়ার মাধ্যমে এর প্রভাব সর্বোচ্চ স্বীকৃতি পেয়েছে।

ক্লিনিকাল ট্রায়ালই আসল পরীক্ষা কেন

AI in drug discovery-কে ঘিরে উত্তেজনা থাকলেও, এই ক্ষেত্রের জনসমক্ষে আলোচনার বড় অংশ রোগীর data-এর বদলে প্রতিশ্রুতির ওপর দাঁড়িয়েছে। কোম্পানিগুলো computational advances, target-selection improvements, preclinical pipelines দেখাতে পারে, কিন্তু এগুলো প্রমাণ করে না যে AI-নকশা করা molecules মানুষের মধ্যে সফল হবে। তাই Isomorphic-এর আপডেটটি আলাদা করে নজর কাড়ে।

Jaderberg অনুষ্ঠানে নির্দিষ্ট timeline দেননি, এবং প্রবন্ধে বলা হয়েছে এই পদক্ষেপ আগের প্রত্যাশার চেয়ে দেরিতে এসেছে। গত বছর CEO Demis Hassabis বলেছিলেন কোম্পানি 2025-এর শেষে AI-নকশা করা ওষুধ clinical trials-এ নিয়ে যাবে। তবু বর্তমান বার্তা স্পষ্ট: কোম্পানি বলছে তারা এখন সেই সীমার কাছাকাছি।

এখানেই efficiency, accuracy, molecular insight নিয়ে বিস্তৃত দাবিগুলোকে medicine development-এর বাস্তবতার মুখোমুখি হতে হয়। Human trials কেবল দেখে না একটি molecule target-এ আঘাত করতে পারে কি না, বরং সেটি সহ্য হয় কি না, দেহে প্রত্যাশিতভাবে আচরণ করে কি না, এবং অনুমান করা biology clinical benefit-এ রূপান্তরিত হয় কি না।

biotech-এর জন্য বৃহত্তর তাৎপর্য

Isomorphic যদি শিগগিরই clinical testing-এ প্রবেশ করে, তবে সেই milestone একটি startup-এর চেয়েও দূরে প্রতিধ্বনিত হবে। এটি সবচেয়ে পরিষ্কার প্রাথমিক সংকেতগুলোর একটি হবে যে AI enabling research tool থেকে সরাসরি therapeutic design engine-এ রূপ নিতে পারে কি না।

এর মানে এই নয় যে একক কোনও program-এর সাফল্য বা ব্যর্থতা পুরো বিষয়টি নির্ধারণ করে দেবে। Drug development এত সহজ নয়। কিন্তু প্রথম দফার clinical evidence investor, pharmaceutical partner, এবং regulator-দের কাছে AI-first biotech কোম্পানির এই ক্রমবর্ধমান ক্ষেত্রকে কীভাবে মূল্যায়ন করতে হবে তা গড়ে দেবে।

কোম্পানির অবস্থানও গুরুত্বপূর্ণ, কারণ এটি elite AI research এবং drug-development ambition-এর সংযোগস্থলে রয়েছে। AlphaFold ইতিমধ্যেই biology অধ্যয়নের পদ্ধতি বদলে দিয়েছে। পরের প্রশ্ন হলো, সেই বোঝাপড়া বড় পরিসরে approved therapies-তে রূপান্তর করা যায় কি না।

protein prediction থেকে medicine পর্যন্ত

Isomorphic-এর কাজের মূল প্রতিশ্রুতি শুধু দ্রুত computation নয়। এটি biological systems কীভাবে একসঙ্গে মেলে সেই বিষয়ে আরও বিস্তারিত দৃষ্টিভঙ্গি নিয়ে molecules ডিজাইন করার সম্ভাবনা। proteins, DNA, RNA, এবং অন্যান্য molecules-এর interactions model করার AlphaFold 3-এর ক্ষমতা platform-টিকে medicinal chemistry-র আসল প্রশ্নগুলোর আরও কাছে নিয়ে যায়।

এই কারণেই human trials-এর দিকে অগ্রসর হওয়া গুরুত্ব পায়। এটি scientific infrastructure থেকে clinical product development-এ রূপান্তর নির্দেশ করে। অনেক technology গবেষকদের biology আরও ভালোভাবে বুঝতে সাহায্য করে। খুব কমই সেই দীর্ঘ পথ পেরিয়ে medicine হয়ে ওঠে।

এখনকার জন্য, ঘোষণাটি প্রমাণিত ফল নয়, বরং একটি গুরুত্বপূর্ণ পদক্ষেপ হিসেবে পড়াই ভালো। কোম্পানি বলছে তারা ক্লিনিকের কাছাকাছি, আর আসন্ন trials দেখাবে AI-এর সবচেয়ে উদযাপিত scientific advances-এর একটি screen-এ prediction-এর বদলে রোগীদের মধ্যে ফল দিতে শুরু করতে পারে কি না।

এই প্রবন্ধটি Wired-এর রিপোর্টিং-এর ভিত্তিতে লেখা। মূল প্রবন্ধ পড়ুন.