فائدہ:
- تعین کے لحاظ سے حساب کی گئی خصوصیات اور شماریاتی طور پر تخمینہ شدہ خصوصیات کے درمیان فرق کرنے اور اعتماد کی سطح کا تعین کرنے کی صلاحیت
- قابل اطلاق ڈومین کے تصور کا استعمال کرتے ہوئے اس خطے کا اندازہ کرنے کی اہلیت جس میں ماڈل قابل اعتماد ہے۔
- یہ سمجھنے کی صلاحیت کہ کسی کو امیدواروں کی درجہ بندی کرنے اور تجربے کے ذریعے حتمی فیصلہ کرنے کے لیے خاصیت کی پیشن گوئیوں کا استعمال کرنا چاہیے۔
مالیکیول کی ترکیب کرنے سے پہلے، ہم اکثر پوچھتے ہیں: "کیا یہ پانی میں گھلنشیل ہے؟ یہ کتنا تیزابیت والا ہے؟ کیا یہ خلیے کی جھلی کو پار کرتا ہے؟ کیا یہ منشیات کے امیدوار کے طور پر قابل فہم ہے؟" تجربے سے پہلے ان سوالات کے جوابات کی پیشن گوئی کرنا بہت وقت بچاتا ہے۔ AI اور اس کے خصوصی ماڈلز (خاص طور پر QSAR - مقداری ڈھانچہ-سرگرمی کا رشتہ، یعنی شماریاتی ماڈل جو مالیکیول کے ساختی وضاحت کنندگان سے کسی خاصیت کی پیش گوئی کرتا ہے) ان پیشین گوئیوں میں طاقتور ہیں۔ لیکن یہ پیشین گوئیاں امکانات کی پیشین گوئیاں ہیں، پیمائش نہیں۔ اس یونٹ میں، ہم خصوصیت کی پیشن گوئی، اس کی طاقت اور سب سے اہم تصور، قابل اطلاق زون (وہ خطہ جہاں ماڈل قابل اعتماد ہے) کے بارے میں سیکھیں گے۔
کن خصوصیات کی پیش گوئی کی جاتی ہے؟
- logP: مالیکیول کا تیل/پانی کی تقسیم کا گتانک؛ یہ lipophilicity (چربی پسند) کو ظاہر کرتا ہے۔ منشیات کے جذب میں اہم۔
- حل پذیری (logS): یہ پانی میں کتنا گھلنشیل ہے۔
- pKa: تیزابیت/ الکلائینس؛ pH جس پر ایک گروپ آئنائز کرتا ہے۔
- TPSA: ٹاپولوجیکل قطبی سطح کا علاقہ؛ یہ پارگمیتا کے تخمینے میں استعمال ہوتا ہے۔
- لیپنسکی "پانچ کا اصول": مالیکیولر وزن، لاگ پی، زبانی منشیات کے امیدواروں کے H-بانڈ عطیہ دہندگان / قبول کرنے والوں کی تعداد کے لیے عملی حد۔
ان میں سے کچھ قدروں کا حساب مقررہ طور پر کیا جاتا ہے (مثال کے طور پر TPSA، H-bond نمبرز) ٹولز جیسے RDKit؛ ان میں سے کچھ شماریاتی تخمینے ہیں (لاگ ایس، حیاتیاتی سرگرمی)۔ اس فرق کو جاننا اس بات کا تعین کرتا ہے کہ آپ کتنا بھروسہ کرتے ہیں۔
اشارہ: فرق کریں کہ آیا کوئی خصوصیت "حساب شدہ" ہے (قاعدہ پر مبنی، دوبارہ قابل) یا "پیش گوئی" (ماڈل سے، غیر یقینی)۔ حسابات میں اعلیٰ اعتماد، پیشین گوئیوں میں محتاط اعتماد، اور تجربے کے ذریعے پیشین گوئیوں کی تصدیق کریں۔
قابل اطلاق کا دائرہ: سب سے اہم تصور
QSAR ماڈل ان مالیکیولز پر اچھی طرح کام کرتا ہے جو ان مالیکیولز سے ملتے جلتے ہیں جن پر اسے تربیت دی گئی تھی۔ اگر آپ کوئی ایسا مالیکیول دیتے ہیں جو تربیتی اعداد و شمار سے بہت مختلف ہے (مثال کے طور پر، ایک بہت بڑا، غیر معمولی کنکال)، تو ماڈل پھر بھی ایک عدد پیدا کرے گا، لیکن وہ نمبر ناقابل بھروسہ ہوگا۔ اسے "قابل اطلاق کے دائرہ سے باہر ہونا" کہا جاتا ہے۔ ماڈل ہمیشہ ایک جواب دیتا ہے؛ یہ بتانا آپ کا کام ہے کہ آیا جواب قابل اعتماد ہے یا نہیں۔
جب زبان کا ماڈل ایک انتساب کی قدر دیتا ہے تو یہ اور بھی زیادہ خطرہ ہوتا ہے: یہ نمبر کو "ممکنہ نظر آنے والی" قدر کے طور پر پیدا کرتا ہے، جس کا کوئی بنیادی حساب نہیں ہے۔ لہٰذا اگر ممکن ہو تو، ڈیٹرمنسٹک ٹول (RDKit) یا QSAR ماڈل سے فیچر ویلیوز حاصل کریں جو کہ غیر یقینی صورتحال پیدا کرتا ہے، زبان کے ماڈل سے نہیں۔
مرحلہ وار: محفوظ خصوصیت کی پیشن گوئی
- مالیکیول کی تصدیق کریں: RDKit (یونٹ 2) کے ساتھ مسکراہٹوں کو پارس کریں۔
- ڈیٹرمنسٹک کا حساب لگائیں: MA، logP (حساب شدہ)، TPSA، RDKit سے H-بانڈ نمبر۔
- پیشین گوئیوں کو الگ سے نشان زد کریں: ماڈل کی پیشین گوئیاں جیسے لاگ ایس، سرگرمی وغیرہ کو "پیش گوئی" ٹیگ کے ساتھ رکھیں۔
- قابل اطلاق ڈومین چیک کریں: کیا مالیکیول ٹریننگ ڈیٹا کی طرح نظر آتا ہے؟ کیا یہ بہت بڑا/غیر معمولی ہے؟
- درجہ بندی کے لیے استعمال کریں، فیصلہ نہیں: امیدواروں کی درجہ بندی کے لیے پیشین گوئیاں استعمال کریں۔ حتمی انتخاب تجربہ ہے۔
- تجربے کے ذریعے بند کریں: پیمائش کے ذریعے اہم خصوصیات (حل پذیری، pKa) کی تصدیق کریں۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) RDKit کے ساتھ تعییناتی خصوصیات:
rdkit امپورٹ Chemfrom rdkit.Chem امپورٹ ڈسکرپٹرس سے، rdMolDescriptorsmol = Chem.MolFromSmiles("CC(=O)Oc1cccc1C(=O)O") # aspirinprint("MA:", round(Descriptors.MolWt(mol),2", calculated (Printculated) راؤنڈ(Descriptors.MolLogP(mol),2))print("TPSA:", round(Descriptors.TPSA(mol),1))print("H-bond donor:", rdMolDescriptors.CalcNumHBD(mol))print("H-bond قبول کنندہ:", rdMolDescriptors())
2) لپنسکی اصول کی تشخیص:
مالیکیول (مسکراہٹ): [SMILES]ٹاسک: MA, logP, HBD, HBA اقدار کے ساتھ پانچ کے Lipinski قاعدے کی تعمیل کا اندازہ کریں جن کا RDKit سے حساب لیا جانا ہے۔ ہر کسوٹی کو پاس/فیل کے طور پر الگ سے نشان زد کریں۔ قاعدہ: نمبر نہ بنائیں۔ میں اسے RDKit سے حاصل کروں گا، آپ تبصرہ کریں۔
3) خصوصیت کا تخمینہ + غیر یقینی کی درخواست:
مالیکیول (مسکراہٹ): [مسکراہٹ]ٹاسک: پانی میں حل پذیری (لاگ ایس) (اعلی/درمیانی/کم) کا ایک معیاری تخمینہ دیں اور ساختی خصوصیات کے ساتھ دلیل کی وضاحت کریں۔ صحیح نمبر نہ دیں؛ بیان کریں کہ یہ ایک پیشین گوئی ہے اور اس کی تصدیق تجربے سے کرنے کی ضرورت ہے۔ خبردار کریں کہ اگر مالیکیول کی ساخت غیر معمولی ہے (قابل اطلاق خطرہ)۔
4) امیدواروں کی درجہ بندی (پیش گوئی کے لحاظ سے ترجیح):
ذیل میں 5 مالیکیولز کے SMILES ہیں۔ ٹاسک: ساختی خصوصیات (قطبی گروپوں کی تعداد، حلقے، لیپوفلیسیٹی) کی بنیاد پر پانی میں حل پذیری (سب سے زیادہ گھلنشیل سے کم از کم) کے لحاظ سے درجہ بندی کریں۔ ہر درجہ بندی کے فیصلے کے لیے جواز لکھیں۔ نوٹ: یہ ایک ابتدائی ترتیب ہے؛ حتمی انتخاب پیمائش کے ذریعہ کیا جائے گا۔
کمزور فوری / مضبوط اشارہ
کمزور:
اس مالیکیول کی حل پذیری کیا ہے؟
AI ایک ایسی تعداد بناتا ہے جو حساب کے تحت موجود نہیں ہے (مثال کے طور پر "12 mg/mL")؛ یہ اعتماد دیتا ہے لیکن غلط ہو سکتا ہے.
مضبوط:
مالیکیول (مسکراہٹ): [مسائل]۔ٹاسک: 1) میں RDKit کے ساتھ حساب کرنے کے لیے logP, TPSA, HBD/HBA دوں گا: [values]۔ بیان کریں کہ یہ ایک اندازہ ہے اور تجربات کی ضرورت ہے۔
فرق: ہم نے گاڑی سے تعییناتی قدریں لیں اور AI کو صرف ان کی ترجمانی کی۔ ہم نے واضح طور پر غیر یقینی صورتحال اور تجربے کی ضرورت کے لیے کہا۔
خصوصیت کی اقسام اور اعتماد کی سطح
خصوصیت
کیسے حاصل کرنا ہے۔
اعتماد
نوٹ
سالماتی وزن
آر ڈی کٹ (ڈیٹرمنسٹک)
بہت اعلی
فارمولے سے کاٹ دیں۔
TPSA، HBD/HBA
آر ڈی کٹ (ڈیٹرمنسٹک)
اعلی
اصول پر مبنی
لاگ پی (حساب شدہ)
آر ڈی کٹ ماڈل
درمیانے درجے کا
تجرباتی سے ہٹ سکتا ہے۔
logS (ریزولوشن)
QSAR تخمینہ
درمیانہ
قابل اطلاق کے علاقے پر منحصر ہے
pKa
خصوصی ماڈل
درمیانہ
یہ ایک پیچیدہ ڈھانچے میں آتا ہے۔
حیاتیاتی سرگرمی
QSAR/ML
متغیر
جانچ اور تصدیق ضرور کریں۔
چھوٹے مقدمات
کیس 1 - نصب کردہ قراردادوں کی تعداد۔ ایک طالب علم نے AI سے مرکب کی حل پذیری کے بارے میں پوچھا؛ اسے جواب "25 mg/mL" ملا اور اس کے مطابق تجرباتی ڈیزائن ترتیب دیا۔ پیمائش میں اصل قدر ~ 2 mg/mL تھی، ایک 10 گنا فرق۔ اے آئی نے نمبر بنا لیا تھا۔ سبق: ریزولوشن جیسی خصوصیات کو زبان کے ماڈل سے اعداد کے طور پر نہ لیں۔ معیار کی پیشن گوئی + پیمائش۔
کیس 2 - قابل اطلاق کے دائرہ کار سے باہر۔ ایک QSAR ماڈل نے کہا کہ "سرگرمی زیادہ ہے" ایک بڑے میکرومولکول کے لیے جو تربیتی سیٹ سے بہت مختلف تھا۔ صارف نے دیکھا کہ مالیکیول تربیتی اعداد و شمار سے مشابہت نہیں رکھتا اور پیشین گوئی کو ناقابل اعتبار سمجھا۔ تجربے نے واقعی کم سرگرمی دی۔ سبق: ماڈل ہمیشہ جواب دیتا ہے۔ اگر یہ دائرہ کار سے باہر ہے تو جواب بیکار ہے۔
کیس 3 - Lipinski کا درست استعمال۔ ایک امیدوار مالیکیول پر، AI نے RDKit: MA 512 (> 500، بارڈر لائن)، logP 4.8 (سازگار)، HBD 2، HBA 7 کی اقدار کے ساتھ Lipinski کا جائزہ لیا۔ صارف نے صحیح طریقے سے "ایک معیار باقی ہے لیکن اصول مطلق نہیں ہے" کی ترجمانی کی اور انو کو ختم نہیں کیا۔ سبق: قواعد رہنما اصول ہیں، حد نہیں؛ سیاق و سباق کے ساتھ تشریح کریں۔
عام غلطیاں
- زبان کے ماڈل سے خصوصیت کی گنتی حاصل کرنا۔ جن قدروں کا حساب نہیں لگایا جاتا وہ من گھڑت ہیں؛ غیر یقینی صورتحال کے ساتھ تعییناتی ٹول یا ماڈل استعمال کریں۔
- قابل اطلاق فیلڈ کو نظر انداز کرنا۔ ماڈل ہر مالیکیول کے لیے نمبر تیار کرتا ہے۔ میدان سے باہر ناقابل اعتماد.
- تخمینہ شدہ پیمائش پر غور کرنا۔ logS ایک تخمینہ ہے؛ یہ تجرباتی حل کا متبادل نہیں ہے۔
- Lipinski کو مطلق اصول پر غور کرنا۔ جو امیدوار سرحد پر ہے وہ خود بخود ختم نہیں ہوتا۔ بہت سی دوائیں اصول کی خلاف ورزی کرتی ہیں۔
- مبہم "حساب شدہ" کے ساتھ "تخمینہ"۔ TPSA کا حساب لگایا جاتا ہے (قابل اعتماد)، سرگرمی کا تخمینہ لگایا جاتا ہے (غیر یقینی)۔
احتیاط: فیچر کی پیشین گوئیاں امیدواروں کی درجہ بندی اور ترجیح دینے کے لیے بہترین ہیں۔ لیکن اکیلے فیصلہ کرنے کے لئے نہیں. "ماڈل نے کہا گھلنشیل" ایک مفروضہ ہے۔ "میں نے ناپا، یہ گھل جاتا ہے" نتیجہ ہے۔
خلاصہ میں
- سالماتی خصوصیات کی پیشن گوئی تجربے سے پہلے کی جا سکتی ہے اور بہت زیادہ وقت بچاتا ہے۔
- کچھ خصوصیات کا حساب متعین طور پر لگایا جاتا ہے (MA, TPSA, HBD/HBA)، کچھ شماریاتی تخمینے (logS، سرگرمی)۔
- لاگو ہونے کا ڈومین سب سے اہم تصور ہے: ماڈل ہمیشہ جواب دیتا ہے، لیکن ڈومین کے باہر ناقابل اعتبار ہے۔
- RDKit یا ابہام کے ماڈل سے خصوصیت کی گنتی حاصل کریں، زبان کے ماڈل سے نہیں۔
- امیدواروں کی درجہ بندی کے لیے پیشین گوئیاں استعمال کریں۔ تجربہ کرکے حتمی فیصلہ کریں۔
درخواست کا کام
پانچ مالیکیولز کا انتخاب کریں (مثلاً دوائیوں کی سیریز)۔ RDKit کے ساتھ ہر ایک کے لیے MA، logP، TPSA، HBD، HBA کا حساب لگائیں اور Lipinski کا اندازہ لگائیں۔ علیحدہ طور پر، AI سے ہر ایک مالیکیول کی حل پذیری اور قابل اطلاق انتباہ کے شعبے کے معیار کے تخمینہ (ایک عدد نہیں) کے لیے پوچھیں۔ ایک جدول میں طے شدہ اقدار اور AI پیشین گوئیاں جمع کریں۔ کس مالیکیول نے سب سے زیادہ منشیات جیسا پروفائل دیا؟ غیر یقینی صورتحال سب سے زیادہ کہاں ہے؟
چیک لسٹ
- [ ] میں deterministic calculated اور predicted پراپرٹیز کے درمیان فرق کرتا ہوں۔
- [ ] میں RDKit/model سے پراپرٹی ویلیوز حاصل کر رہا ہوں، زبان کے ماڈل سے نہیں۔
- [ ] میں قابل اطلاق کے دائرہ سے باہر مالیکیولز کو دیکھتا ہوں۔
- میں Lipinski کو بطور رہنما استعمال کرتا ہوں، مطلق اصول نہیں۔
- میں درجہ بندی کے لیے پیشین گوئیاں اور تجربے کے لیے فیصلہ استعمال کرتا ہوں۔
- میرے پاس پیمائش کے ذریعے اہم خصوصیات کی تصدیق کرنے کا منصوبہ ہے۔