News & Updates

The global effort to counteract the SARS-CoV-2 virus has shifted toward identifying robust therapeutic agents capable of inhibiting viral replication. A peer-reviewed study published in the Journal of Biomolecular Structure and Dynamics, titled "Exploration of potential inhibitors against the main protease ($M^{pro}$) of SARS-CoV-2 from Bangladeshi medicinal plants: an integrated in silico study," highlights the therapeutic potential of regional biodiversity in managing viral outbreaks. Led by Sk. Faisal Ahmed and his research colleagues, this study utilizes an advanced computational pipeline to identify high-affinity lead compounds from indigenous medicinal flora that can effectively neutralize the virus's primary replication machinery. The Significance of the Main Protease ($M^{pro}$) The Main Protease ($M^{pro}$), also known as $3CL^{pro}$, is a critical enzyme for the maturation of the SARS-CoV-2 virus. Since it plays a central role in processing the polyproteins translated from viral RNA, inhibiting $M^{pro}$ effectively halts the viral life cycle. Because this enzyme has no close human homolog, it serves as an ideal target for drug design with minimal risk of off-target effects. Methodological Rigor: An Integrated In Silico Approach The research team employed a multi-layered screening process to ensure the accuracy and reliability of the identified leads: Molecular Docking: Hundreds of phytochemicals derived from Bangladeshi medicinal plants were screened against the $M^{pro}$ binding pocket to assess their binding orientations and affinities. ADMET Profiling: Potential candidates were filtered based on their Absorption, Distribution, Metabolism, Excretion, and Toxicity profiles to ensure pharmacological viability and safety. Molecular Dynamics (MD) Simulation: 100-nanosecond simulations were conducted to evaluate the structural stability and conformational flexibility of the protein-ligand complexes under physiological conditions. Binding Free Energy (MM-PBSA): The thermodynamic stability of the interactions was further validated using MM-PBSA calculations, confirming the strength of the molecular bonds. Key Breakthroughs The study identified several phytochemicals—including those from prominent local species—that exhibited binding affinities superior to many conventional antiviral drugs. These compounds demonstrated exceptional stability within the catalytic site of $M^{pro}$, suggesting they could serve as effective scaffolds for the development of novel, natural-source antiviral therapies. Conclusion: Nature as a Blueprint for Resilience This research underscores the critical importance of documenting and digitizing botanical chemical spaces. By leveraging bioinformatics to validate traditional medicinal knowledge, this study provides a clear roadmap for the rapid development of sustainable and accessible antiviral treatments. As viral variants continue to emerge, such in silico frameworks will remain indispensable in our global health security infrastructure.

Deciphering the 3D architecture of proteins is fundamental to biology and medicine, yet a significant challenge has long persisted: predicting how multiple, large protein domains assemble into functional, complex molecules. A groundbreaking study published in Scientific Reports (2025) has introduced a sophisticated deep learning architecture that drastically improves our ability to predict the structures of these intricate, multi-domain assemblies directly from sequence data. While systems like AlphaFold revolutionized single-chain prediction, predicting multi-domain assemblies, where disjointed parts must fold and fuse correctly, has remained computationally prohibitive. This new research leverages a novel multi-scale, attention-based deep learning model designed to handle the hierarchical complexity of large protein folds. Beyond Single Folds: The Assembly Challenge Protein domains are distinct, independently folding units within a larger protein chain. Conventional AI models often struggle to manage the dynamic spatial relationships between these domains, especially when linked by flexible regions. The Scientific Reports article introduces an 'assembly-aware' transformer model that treats domain folding and inter-domain orientation as a unified computational task. Key Innovations and Architectural Breakthroughs The research team's model operates on two critical views: Sequence-to-Local View: A refined evolutionary transformer predicts local domain structures with high accuracy. Domain-to-Global Fusion View: A specialized graph neural network models the interaction landscape between domains, effectively assembling them like a complex jigsaw puzzle while predicting optimal conformation. By fusing these views, the model achieved unprecedented accuracy on a benchmark of previously computationally resistant multi-domain structures, surpassing conventional fusion methods by a significant margin. Implications for Drug Design and Biological Understanding This advance holds profound implications for rational drug design. Many therapeutic targets are multi-domain proteins; accurately predicting their full structure, including flexible linkers, is essential for designing effective inhibitors or modulators. Furthermore, this tool will accelerate our understanding of vital cellular processes controlled by large macromolecular complexes, from cell signaling to DNA replication. Conclusion: The Age of Holistic Protein Prediction This publication marks a pivotal step toward the holistic prediction of cellular components. Bioinformatics is transitioning from simply mapping sequence to structure, to mapping sequence to complex, dynamic, functional systems. The Scientific Reports study confirms that AI, tailored for hierarchical biological data, will continue to unlock the most fundamental secrets of life's machinery.

Neuroinflammation is a complex and highly regulated process linked to numerous neurodegenerative diseases. While much attention has been focused on protein-coding genes, recent research from Qi Cong, Wenbo Wang, and colleagues, published in Biochemical and Biophysical Research Communications (2025), has identified a critical non-coding RNA that could offer a new therapeutic strategy. The study, titled "MicroRNA-148a-3p suppresses neuroinflammation by targeting the TRAF6/NF-κB pathway," elucidates how a small regulatory molecule, miR-148a-3p, plays a pivotal role in mitigating microglial activation—a hallmark of brain inflammation. Bridging the Gap: MicroRNAs as Key Regulators MicroRNAs (miRNAs) are short, functional RNA molecules that do not code for proteins but instead regulate gene expression. In the context of the brain, dysregulation of miRNAs has been implicated in conditions such as Alzheimer’s and Parkinson’s diseases. This new research provides mechanistic insights into how miR-148a-3p functions to dampen the overactive inflammatory response. Key Insights: A Double-Edged Sword for Inflammatory Signaling The authors utilized a model of microglial cell activation to simulate neuroinflammation. Their findings demonstrate that: Selective Suppression: miR-148a-3p is significantly downregulated in activated, pro-inflammatory microglia. Targeting TRAF6: The study identifies TRAF6 (TNF receptor-associated factor 6) as a direct and functionally relevant target of miR-148a-3p. By binding to TRAF6, the miRNA inhibits its expression. Inhibiting NF-κB: The consequence of this interaction is the suppression of the downstream NF-κB signaling pathway, which is a master regulator of inflammatory gene expression. The final result is a marked reduction in the production of pro-inflammatory cytokines. Implications for Future Therapy The potential significance of these findings cannot be overstated. By acting as a molecular brake on neuroinflammation, miR-148a-3p could serve as both a diagnostic biomarker and a therapeutic target. Developing methods to boost its expression in affected areas of the brain may open new avenues for treating chronic neurodegenerative conditions. This research reinforces the growing understanding that the seemingly "junk" non-coding regions of the genome hold the keys to complex regulatory networks. Bioinformatics and molecular biology continue to merge, revealing elegant mechanisms of control in both health and disease.

Managing Diabetic Foot Ulcers (DFUs) remains one of the most formidable challenges in modern endocrinology, often leading to severe complications including lower extremity amputations. A groundbreaking study recently published in Scientific Reports (2025), titled "In silico evaluation of Ocimum sanctum phytochemicals for diabetic foot ulcer therapy through docking, ADMET, DFT, and molecular dynamics," explores a promising natural alternative to conventional treatments. Led by Sk. Faisal Ahmed and his research team, the study utilizes advanced computational bioinformatics to identify potent inhibitors of MMP-9—an enzyme whose elevated levels are directly linked to delayed wound healing in diabetic patients. Targeting the MMP-9 Barrier In chronic diabetic wounds, the over-expression of MMP-9 disrupts the delicate balance of the extracellular matrix (ECM), hindering the migration of keratinocytes and preventing effective re-epithelialization. This research systematically screened phytochemicals from Ocimum sanctum (Holy Basil) against the known inhibitor (R)-ND-336 to find more effective and safer therapeutic candidates. Key Findings: The Power of Apigenin Through a rigorous multi-stage in silico pipeline—including molecular docking, ADMET profiling, and Density Functional Theory (DFT)—the team identified several high-affinity compounds: Top Candidates: Cianidanol, Luteolin, Rosmarinic acid, Apigenin, and Quercetin showed binding affinities ranging from -9.1 to -9.8 kcal/mol. Stability & Safety: Apigenin emerged as the standout candidate. Molecular dynamics (MD) simulations confirmed its exceptional stability, robust receptor binding, and favorable drug-like properties without hepatotoxicity or neurotoxicity. Clinical Significance The study underscores the potential of plant-derived compounds to restore ECM homeostasis. By specifically inhibiting MMP-9, apigenin could potentially accelerate the "Design-Build-Test-Learn" cycle for new DFU treatments, offering a natural, effective path toward wound recovery and reducing the 5-year mortality risk associated with diabetic complications. Conclusion As bioinformatics continues to bridge the gap between traditional medicine and modern pharmacology, the discovery of apigenin’s role as an MMP-9 inhibitor marks a significant milestone. This research not only validates the therapeutic potential of Ocimum sanctum but also provides a robust computational framework for future drug development in the fight against diabetes-related morbidity.

In the rapidly evolving landscape of bioinformatics, the transition from static computational tools to dynamic, autonomous systems marks a pivotal shift in how we approach biological inquiry. A comprehensive new survey published in Briefings in Bioinformatics (2026), titled "Artificial Intelligence agents for biological research," provides a systematic exploration into this new frontier. This research highlights how AI agents—autonomous entities capable of reasoning, planning, and iterative learning—are redefining traditional workflows across clinical analytics, molecular design, and multi-omics integration. Beyond Predictive Modeling: The Agentic Shift For decades, bioinformatics has relied on specialized models designed for specific tasks, such as protein folding or genomic sequence alignment. While powerful, these models often operate in isolation. The authors, Cong Qi, Wenbo Wang, and their colleagues, argue that the next generation of biological research lies in AI Agents. Unlike traditional AI, these agents possess the capability to perceive complex biological environments, make informed decisions, and execute multi-step scientific protocols with minimal human intervention. The 5D Taxonomy: A New Framework for Discovery The survey introduces a robust "5D" taxonomy to categorize the current state of biological AI research: Task Domains: Mapping agents to specific biological challenges, from drug discovery to knowledge synthesis. Architectural Paradigms: Analyzing the underlying structures, such as Large Language Model (LLM)-based reasoning engines. Evaluation Strategies: Establishing rigorous benchmarks for agent reliability and scientific accuracy. Interaction Modes: How these agents collaborate with human scientists and other digital tools. Resource Integration: The seamless connection of agents with biological databases and wet-lab automation. Future Implications for Drug Discovery and Omics One of the most exciting prospects discussed is the role of AI agents in molecular and drug design. By autonomously navigating vast chemical spaces and simulating drug-target interactions, these agents can significantly accelerate the "Design-Build-Test-Learn" cycle. Furthermore, in multi-omics analysis, agents can synthesize disparate data types—genomic, transcriptomic, and proteomic—to reveal holistic biological insights that were previously obscured by data fragmentation. Conclusion: A Collaborative Future As we stand on the brink of this "Agentic Revolution," the integration of AI into biological research is no longer just about faster processing; it is about smarter, more autonomous discovery. While challenges in scalability and reliability remain, the roadmap provided by this survey serves as a cornerstone for researchers aiming to build the next generation of digital scientists.

লিভার ক্যান্সারের চিকিৎসায় নতুন দিগন্ত: বাংলাদেশি বায়োইনফরমেটিক্সের যুগান্তকারী পদক্ষেপ লিভার ক্যান্সারের মতো মরণব্যাধির চিকিৎসায় নতুন আশার আলো দেখাচ্ছেন বাংলাদেশের একদল তরুণ গবেষক। তাদের এই উদ্ভাবনী গবেষণার মূলে রয়েছেন বায়োইনফরমেটিক্স এবং মলিকিউলার ডায়নামিক্স সিমুলেশন । ফয়সাল আহমেদ ও তার দল দেশীয় প্রযুক্তির মাধ্যমে লিভার ক্যান্সারের চিকিৎসায় একটি সাশ্রয়ী ও কার্যকর পদ্ধতির উদ্ভাবনের পথে এগিয়ে যাচ্ছেন, যা বাংলাদেশের স্বাস্থ্যখাতে এক বৈপ্লবিক পরিবর্তন আনতে পারে। গবেষণার মূল উদ্ভাবন টার্গেটেড থেরাপি: ফারহিম আহমেদের গবেষণা দল মূলত লিভার ক্যান্সারের কোষের বিরুদ্ধে কাজ করে এমন প্রাকৃতিক উপাদান বা ওষুধের কার্যকারিতা নিয়ে কাজ করছে। তারা এমন কিছু অণু চিহ্নিত করেছেন যা ক্যান্সার কোষের বৃদ্ধি রোধ করতে পারে।   কম্পিউটেশনাল মডেলিং: এই গবেষকরা অত্যাধুনিক কম্পিউটার মডেলিং এবং বায়োইনফরমেটিক্স টুলস ব্যবহার করে নিশ্চিত করেছেন যে নির্বাচিত অণুগুলো মানবদেহে কী ধরনের প্রভাব ফেলবে এবং কীভাবে সবচেয়ে কার্যকরভাবে ক্যান্সার কোষকে লক্ষ্যবস্তু করবে। এই পদ্ধতি চিকিৎসার পার্শ্বপ্রতিক্রিয়া কমাতে সাহায্য করবে।   সাশ্রয়ী সমাধান: এই উদ্ভাবন স্থানীয় ও সহজলভ্য উপাদান ব্যবহার করে চিকিৎসা পদ্ধতির ব্যয় উল্লেখযোগ্যভাবে হ্রাস করতে পারে, যা উন্নত চিকিৎসা অনেকের জন্য সহজলভ্য করবে।

গত ৮ বছরেরও বেশি সময় বায়োইনফরমেটিক্সে কাজের সুবাধে, এই ফিল্ডের বিভিন্ন সেক্টরে আমার গবেষণা করা হয়েছে। আর এই গবেষণার পথচলায় যখনই নতুন কোন ড্রাগ বা ভ্যাকসিনের কাজ করেছি, তখনই প্রায় নিয়মিতই আমাকে Molecular Dynamics Simulation রান দিতে হয়েছে— যেটি মূলত ছিল প্রোটিন-লিগ্যান্ড বা প্রোটিন-প্রোটিন ইন্টার‌্যাকশনের গভীর রহস্য উন্মোচনে এটি এক অনন্য হাতিয়ার। আজ আমার এই লেখায় আমি এমন একজন বিজ্ঞানীর কথা বলবো, যিনি আজকের এই আধুনিক MD simulation এর তাত্ত্বিক ভিত্তি গড়ে দিয়েছিলেন (Erwin Schrödinger)। মূলত Erwin Schrödinger ছিলেন একজন অস্ট্রিয়ান পদার্থবিজ্ঞানী। যিনি ১৯৩৩ সালে তাঁর বৈপ্লবিক "Schrödinger Equation"-এর জন্য Nobel Prize পেয়েছিলেন , যা তখন কোয়ান্টাম মেকানিক্স-এর ভিত্তি নির্মাণে অসাধারণ ভূমিকা রেখেছিল। যদিও তিনি সরাসরি বায়োইনফরমেটিক্স বা ড্রাগ ডিজাইনের সাথে কাজ করেননি, কিন্তু তাঁর গবেষণার ফল আজও এই ফিল্ডে আমরা ব্যবহার করছি জীবনরহস্যের নতুন কিছু উন্মোচনে। যদি আমি MD Simulation-নিয়ে একটু বলি, এটি আসলে একটা মলিকিউল কীভাবে সময়ের সাথে সাথে তার আচরণ পরিবর্তন করে, সেটাকে বোঝার একটি পক্রিয়া। আমাদের ভাষায় আমরা এটিকে বলি "atomistic motion over time"। আর এই গতির পিছনে যে গাণিতিক কাঠামো কাজ করে, তার ভিত্তি যে বিষয়টির উপর দাঁড়িয়ে আছে সেটি হল Schrödinger Equation। অবাক করা বিষয় হল এই সমীকরণটা কিন্তু কেবল পদার্থবিজ্ঞানের জন্য নয়—জীববিজ্ঞানের অণু-পর্যায়ের সমস্যাগুলো বোঝার জন্যও অপরিহার্য। আমরা যখন একটা প্রোটিন আর একটা সম্ভাব্য ড্রাগ মলিকিউলের ইন্টার‌অ্যাকশন দেখি—তখন আমরা মূলত তাদের কণাগুলোর quantum-level behavior-এর একটা simplification-এর উপর ভিত্তি করে সিদ্ধান্ত নেই। এবং এই simplification-এ Schrödinger-এর কাজই হলো ভিত্তিভূমি। আশ্চর্যের বিষয় হলো—আজকে আমরা যারা computational drug design-এ কাজ করি, তারা অনেকেই “Schrödinger Suite” নামক এক বিশাল সফটওয়্যার প্যাকেজ ব্যবহার করি—যা protein-ligand docking, MD simulation, binding energy calculation থেকে শুরু করে নানা ধরণের বিশ্লেষণ করতে সক্ষম। অথচ আমরা অনেকেই জানি না এর ইতিহাস কি, কিংবা কোন ইকুয়েশনে এটি কাজ করে। সত্যি বলতে এই সফটওয়্যারের নাম শুধু শ্রদ্ধা স্বরূপ নয়, বরং এই নামের মাধ্যমে আমরা এক বৈজ্ঞানিক উত্তরাধিকারের ধারক-ভবিষ্যৎ বাহক হয়ে উঠি। অবশেষে এটা বলাই বাহুল্য Schrödinger Equation ছাড়া হয়তো কখনোই MD Simulation আজকের মতো কার্যকরী হতে পারত না। আর MD Simulation ছাড়া বর্তমান যুগে ওষুধ আবিষ্কারের যে যুগান্তকারী পরিবর্তন সাধন হয়েছে সেটিও হত না। একজন বায়োইনফরমেটিসিয়ান হিসেবে, যখন আমি GROMACS বা Desmond দিয়ে simulation রান করেছি তখনি এই মানুষটির কথা স্মরণে এসেছে, এবং তার একটি বিখ্যাত উক্তি মনের মধ্যে বরাবরি একটু উকি দিয়ে গেছে: "What is life?" হয়তো এই প্রশ্নের উত্তর খুঁজতেই আজও আমি বায়োইনফরমেটিক্সে পথে !

আমরা যখন বায়োইনফরমেটিক্স নিয়ে কাজ করি, কম্পিউটারের স্ক্রিনে বসে বিভিন্ন Protein Sequening Data Analysis করি কিংবা নতুন কোন Protein Structure এর পরিবর্তন নিয়ে চিন্তিত হই , তখন কি কখনো মনে হয় এই ফিল্ডটার শুরু কোথা থেকে হয়েছিল, কিংবা কে প্রথম ভেবেছিল, কম্পিউটারের কিছু কোডের ভাজে, আমরা আমাদের জীবন রহস্যের কোডগুলোও ভাঙতে পারবো? এই প্রশ্নের উত্তর খুঁজতে গিয়েই আমি একদিন আবিষ্কার করেছিলাম এক অসাধারণ নারী বিজ্ঞানীকে—Margaret Oakley Dayhoff (The Dawn of Bioinformatics) যার নামটি ইতিহাসের পাতায় হয়তো কখনোই ঐভাবে আলোচিত ছিলনা , কিন্তু যেদিন প্রথম protein FASTA ফাইলটা খুলে হাতে নিয়েছিলাম, PAM matrix টি ব্যবহার করে Protein sequence alignment করেছিলাম—সেদিন হয়তো নিজের অজান্তেই হেঁটেছি তাঁর রেখে যাওয়া পথে। আর এরপর যতই বায়োইনফরমেটিক্সের গভীরে যাত্রা শুরু করেছি, ততই জেনেছি এই মানুষটার সম্পর্কে, জেনেছি তাঁর হাত ধরে তৈরি হওয়া প্রথম প্রোটিন সিকোয়েন্স ডাটাবেস, যেটিই ছিল বায়োইনফরমেটিক্সে সেই সময়ের একমাত্র ডাটাবেস, এখানে বলে রাখা ভালো যে সালটা তখন ১৯৬৫ । আর এরপর তার দেয়া PAM Matrix, যেটি এখনও সকলে নিজের অজানতেই ব্যবহার করে চলেছে, PBLAST এর আড়ালে,এছাড়াও তিনি তৈরি করেছিলেন “Atlas of Protein Sequence and Structure” । সবচেয়ে অবাক করার বিষয় হল এই মানুষটি যে সময়ে এই অসাধারণ কাজগুলো করেছে তখন বায়োইনফরমেটিক্সের সূচনাতো ঘটেইনি আর না ঐভাবে ঘটেছিল কম্পিউটারের বিকাশ ! একজন নারী হয়ে তিনি যেভাবে ১৯৬০–৭০ দশকে এই অসাধারণ কাজগুলো করেছিলেন, সেটা শুধু আমার কাছেই নয় বরং সকলের কাছেই অনেক বড় অনুপ্রেরণা। আর আমি যখনই PBLAST রান করি, কিংবা কোন Protein sequence নিয়ে কাজ করি—তখনই মনে হয়, কোনো এক সন্ধ্যায় এই মানুষটি হয়তো ভেবেছিল এই অসম্ভব চিন্তাটা—"Can biology be digitized?" হয়তো সেই ভাবনার উত্তর খুঁজতে গিয়েই শুরু হয়েছিল বায়োইনফরমেটিক্সের গল্পটি (Dawn of Bioinformatics)। আর যেই গল্পের সূচনাকার ছিলেন—Margaret Oakley Dayhoff। আজও যখন কোন তরুণ গবেষক আমার কোন বায়োইনফরমেটিক্স ক্লাসে বসে প্রশ্ন করে, কিভাবে শুরু হল এই বায়োইনফরমেটিক্সের যাত্রা, আমি তখন গর্বের সাথে বলি—এই পথটা এসেছিল একজন স্বপ্নবাজ নারীর হাতে গড়া একটি অসম্ভব স্বপ্ন থেকে। তিনি ছিলেন না কোনো বিজ্ঞান-পুষ্ট নায়ক, না ছিলেন কোনো নোবেলজয়ী। কিন্তু তাঁর উত্তরাধিকার আজ কোটি কোটি মানুষের জীবন রক্ষায় নিয়োজিত, খুঁজে বেড়াতে ব্যস্ত কঠিন সব রোগের সমাধানের কোড । আর আমার নিজের এই বায়োইনফরমেটিক্স যাত্রায় যখনই ক্লান্তি আসে, তখনই এই প্রশ্নটা নিজের মধ্যে জেগে উঠে - "তুমি যেটা করছো, সেটা কি আগামী দিনের কারো জীবন বদলে দিতে পারবে?”