TECHNOLOGY

इस एआई सॉफ्टवेयर ने ओमाइक्रोन की मुश्किल संरचना की लगभग भविष्यवाणी कर दी थी

ओमिक्रॉन के स्पाइक प्रोटीन पर प्रयोगों से पहले जिस तरह से भविष्यवाणियां हुईं, वह एआई द्वारा लाए गए आणविक जीव विज्ञान में हाल के समुद्री परिवर्तन को दर्शाती है। प्रोटीन संरचनाओं की सटीक भविष्यवाणी करने में सक्षम पहला सॉफ्टवेयर ओमिक्रॉन के प्रकट होने के कुछ महीने पहले ही व्यापक रूप से उपलब्ध हो गया, धन्यवाद प्रतिस्पर्धी अनुसंधान दल अल्फाबेट की यूके स्थित एआई लैब में दीपमाइंड और वाशिंगटन विश्वविद्यालय में।

फोर्ड ने दोनों पैकेजों का उपयोग किया, लेकिन क्योंकि ओमिक्रॉन जैसे उत्परिवर्तन के कारण होने वाले छोटे परिवर्तनों की भविष्यवाणी के लिए न तो डिजाइन या मान्य किया गया था, उसके परिणाम निश्चित से अधिक विचारोत्तेजक थे। कुछ शोधकर्ताओं ने उन्हें संदेह की नजर से देखा। लेकिन तथ्य यह है कि वह शक्तिशाली प्रोटीन भविष्यवाणी एआई के साथ आसानी से प्रयोग कर सकता है, यह दर्शाता है कि हाल की सफलताएं पहले से ही जीवविज्ञानी के काम करने और सोचने के तरीकों को बदल रही हैं।

सुब्रमण्यम का कहना है कि उन्हें अपनी प्रयोगशाला के परिणामों की दिशा में काम करते हुए ओमाइक्रोन स्पाइक संरचनाओं की भविष्यवाणी करने वाले लोगों से चार या पांच ईमेल प्राप्त हुए। “काफी कुछ ने इसे सिर्फ मनोरंजन के लिए किया,” वे कहते हैं। सुब्रमण्यम कहते हैं, प्रोटीन संरचना का प्रत्यक्ष माप अंतिम मानदंड रहेगा, लेकिन उन्हें उम्मीद है कि एआई भविष्यवाणियां अनुसंधान के लिए तेजी से केंद्रीय बन जाएंगी-जिसमें भविष्य में बीमारी का प्रकोप भी शामिल है। “यह परिवर्तनकारी है,” वे कहते हैं।

क्योंकि एक प्रोटीन का आकार यह निर्धारित करता है कि यह कैसे व्यवहार करता है, इसकी संरचना को जानने से विकास के अध्ययन से लेकर बीमारी पर काम करने तक, सभी प्रकार के जीव विज्ञान अनुसंधान में मदद मिल सकती है। दवा अनुसंधान में, प्रोटीन संरचना का पता लगाने से नए उपचारों के संभावित लक्ष्यों को प्रकट करने में मदद मिल सकती है।

प्रोटीन की संरचना का निर्धारण सरल से बहुत दूर है। वे जटिल अणु होते हैं जो एक जीव के जीनोम में एन्कोड किए गए निर्देशों से एंजाइम, एंटीबॉडी और जीवन की अन्य मशीनरी के रूप में काम करने के लिए इकट्ठे होते हैं। प्रोटीन अमीनो एसिड नामक अणुओं के तार से बने होते हैं जो अलग-अलग तरीकों से व्यवहार करने वाले जटिल आकार में बदल सकते हैं।

प्रोटीन की संरचना को समझने में परंपरागत रूप से श्रमसाध्य प्रयोगशाला कार्य शामिल है। लगभग 200, 000 ज्ञात संरचनाओं में से अधिकांश को एक मुश्किल प्रक्रिया का उपयोग करके मैप किया गया था जिसमें प्रोटीन एक क्रिस्टल में बनते हैं और एक्स-रे के साथ बमबारी करते हैं। सुब्रमण्यम द्वारा उपयोग की जाने वाली इलेक्ट्रॉन माइक्रोस्कोपी जैसी नई तकनीकें तेज हो सकती हैं, लेकिन यह प्रक्रिया अभी भी आसान नहीं है।

2020 के अंत में, लंबे समय से चली आ रही आशा कि कंप्यूटर अमीनो एसिड अनुक्रम से प्रोटीन संरचना की भविष्यवाणी कर सकते हैं, दशकों की धीमी प्रगति के बाद अचानक वास्तविक हो गई। अल्फाफोल्ड नामक डीपमाइंड सॉफ्टवेयर प्रोटीन भविष्यवाणी के लिए एक प्रतियोगिता में इतना सटीक साबित हुआ कि चुनौती के कोफाउंडर जॉन मौल्ट, मैरीलैंड विश्वविद्यालय के एक प्रोफेसर ने समस्या को हल करने की घोषणा की। “इतने लंबे समय तक इस समस्या पर व्यक्तिगत रूप से काम करने के बाद,” मौल्ट ने कहा, दीपमाइंड की उपलब्धि “एक बहुत ही खास क्षण” थी।

यह क्षण कुछ वैज्ञानिकों के लिए भी निराशाजनक था: दीपमाइंड ने तुरंत विवरण जारी नहीं किया कि अल्फाफोल्ड कैसे काम करता है। डेविड बेकर, जिनकी वाशिंगटन विश्वविद्यालय में प्रयोगशाला प्रोटीन संरचना की भविष्यवाणी पर काम करती है, “आप इस अजीब स्थिति में हैं जहां आपके क्षेत्र में यह बड़ी प्रगति हुई है, लेकिन आप इस पर निर्माण नहीं कर सकते हैं,” पिछले साल वायर्ड को बताया था. उनके शोध समूह ने दीपमाइंड द्वारा छोड़े गए सुरागों का इस्तेमाल जून में जारी रोजटीटीएफोल्ड नामक ओपन सोर्स सॉफ्टवेयर के डिजाइन का मार्गदर्शन करने के लिए किया, जो अल्फाफोल्ड के समान लेकिन शक्तिशाली नहीं था। दोनों मशीन लर्निंग एल्गोरिदम पर आधारित हैं, जिन्हें 100,000 से अधिक ज्ञात संरचनाओं के संग्रह पर प्रशिक्षण देकर प्रोटीन संरचनाओं की भविष्यवाणी करने के लिए सम्मानित किया गया है। अगले महीने, दीपमाइंड प्रकाशित विवरण अपने स्वयं के काम के लिए और किसी के भी उपयोग के लिए अल्फाफोल्ड जारी किया। अचानक, दुनिया के पास प्रोटीन संरचनाओं की भविष्यवाणी करने के दो तरीके थे।

बेकर की प्रयोगशाला में पोस्टडॉक्टरल शोधकर्ता मिंक्युंग बेक, जिन्होंने रोज़ टीटीएफोल्ड पर काम का नेतृत्व किया, का कहना है कि वह इस बात से हैरान हैं कि जीव विज्ञान अनुसंधान में प्रोटीन संरचना की भविष्यवाणी कितनी जल्दी मानक बन गई है। Google विद्वान रिपोर्ट करता है कि उनके सॉफ़्टवेयर पर UW और डीपमाइंड के कागजात एक साथ 1,200 से अधिक अकादमिक लेखों द्वारा उनके प्रकट होने के बाद से कम समय में उद्धृत किए गए हैं।

हालांकि भविष्यवाणियां कोविड -19 पर काम करने के लिए महत्वपूर्ण साबित नहीं हुई हैं, उनका मानना ​​​​है कि वे भविष्य की बीमारियों की प्रतिक्रिया के लिए तेजी से महत्वपूर्ण हो जाएंगी। महामारी-रोधी उत्तर पूरी तरह से एल्गोरिदम से नहीं बने हैं, लेकिन अनुमानित संरचनाएं वैज्ञानिकों को रणनीति बनाने में मदद कर सकती हैं। “एक अनुमानित संरचना आपको अपने प्रयोगात्मक प्रयास को सबसे महत्वपूर्ण समस्याओं में डालने में मदद कर सकती है,” बेक कहते हैं। वह अब एक साथ बंधे होने पर एंटीबॉडी और हमलावर प्रोटीन की संरचना की सटीक भविष्यवाणी करने के लिए रोजटीटीएफोल्ड प्राप्त करने की कोशिश कर रही है, जो सॉफ्टवेयर को संक्रामक रोग परियोजनाओं के लिए अधिक उपयोगी बना देगा।

उनके प्रभावशाली प्रदर्शन के बावजूद, प्रोटीन भविष्यवक्ता एक अणु के बारे में सब कुछ प्रकट नहीं करते हैं। वे एक प्रोटीन के लिए एक स्थिर संरचना को थूकते हैं, और जब यह अन्य अणुओं के साथ बातचीत करता है तो फ्लेक्स और विगल्स को पकड़ नहीं पाता है। एल्गोरिदम को ज्ञात संरचनाओं के डेटाबेस पर प्रशिक्षित किया गया था, जो प्रकृति की पूर्ण विविधता के बजाय प्रयोगात्मक रूप से मानचित्रण करने में सबसे आसान हैं। कोपेनहेगन विश्वविद्यालय के प्रोफेसर क्रेस्टन लिंडॉर्फ-लार्सन भविष्यवाणी करते हैं कि एल्गोरिदम का अधिक बार उपयोग किया जाएगा और यह उपयोगी होगा, लेकिन कहते हैं, “हमें एक क्षेत्र के रूप में भी बेहतर सीखने की जरूरत है जब ये विधियां विफल हो जाती हैं।”

.


Source link

Show More

Leave a Reply

Your email address will not be published.

Back to top button