एआई विधि दिखाती है कि जीनोमिक मॉडल DNA से क्या सीखते हैं और छिपे हुए प्रयोगात्मक पक्षपात को उजागर करती है

स्टोवर्स इंस्टीट्यूट फॉर मेडिकल रिसर्च के शोधकर्ताओं ने एक व्याख्या विधि विकसित की है जो बेस दर बेस दिखाती है कि डीप-लर्निंग मॉडल ने DNA से क्या सीखा है, और इसे जीनोमिक डेटा से छिपे हुए प्रयोगात्मक पक्षपात को हटाने के लिए उपयोग किया गया है। इस विधि, जिसे PISA कहा जाता है, का वर्णन पेपर प्रकाशित हुआ Nature Communications में और संस्थान द्वारा घोषित 25 अगस्त, 2026 को किया गया।

सीक्वेंस‑टू‑फ़ंक्शन न्यूरल नेटवर्क्स कच्चे DNA को इनपुट के रूप में लेते हैं और जीनोमिक प्रयोगों के परिणामों की भविष्यवाणी करते हैं, जैसे ट्रांसक्रिप्शन फ़ैक्टर बाइंडिंग से लेकर न्यूक्लियोसोम संगठन तक। वे सामान्यतः यह नहीं बता पाते कि वे किसी विशेष भविष्यवाणी क्यों करते हैं। PISA, जिसका पूरा नाम pairwise influence by sequence attribution है, एक विशिष्ट जीनोमिक स्थिति पर मॉडल की भविष्यवाणी को उन सभी अन्य बेसों तक ट्रेस करता है जिन्होंने उस पर प्रभाव डाला, जिससे मॉडल ने क्या सीखा है इसका एक‑बेस रेज़ोल्यूशन दो‑आयामी मानचित्र बनता है, न कि केवल उसकी भविष्यवाणी।

यह अध्ययन जूलिया ज़ाइटलिंगर द्वारा स्टोवर्स में, स्टैनफ़ोर्ड विश्वविद्यालय के अंशुल कुंदाजे के सहयोग से, और चार्ल्स मैकऐननी, स्टोवर्स एआई फ़ेलो, को प्रथम लेखक के रूप में नेतृत्व किया। PISA BPReveal के भीतर चलता है, जो लैब का नवीनतम विस्तार है BPNet का, एक डीप‑लर्निंग फ्रेमवर्क जिसे टीम ने 2021 में पहली बार विकसित किया था।

PISA कैसे प्रयोगात्मक पक्षपात को जीव विज्ञान से अलग करता है

टीम ने PISA को MNase‑seq पर लागू किया, जो एक व्यापक रूप से उपयोग किया जाने वाला परीक्षण है जो न्यूक्लियोसोम को मानचित्रित करता है, अर्थात् वह संरचनाएँ जो DNA को हिस्टोन प्रोटीन के चारों ओर लपेटती हैं। यह परीक्षण एक एंजाइम का उपयोग करता है जो उजागर DNA को काटता है जबकि न्यूक्लियोसोम‑सुरक्षित DNA को अपरिवर्तित छोड़ देता है, लेकिन एंजाइम कुछ अनुक्रमों को दूसरों की तुलना में अधिक पसंद करता है। इसलिए डेटा में दो ओवरलैपिंग संकेत होते हैं, और मॉडल ने दोनों को सीखा।

क्योंकि पहले के व्याख्या उपकरण प्रत्येक बेस के प्रभाव को एकल मान में संकुचित कर देते थे, सकारात्मक और नकारात्मक प्रभाव रद्द हो सकते थे और गायब हो सकते थे। PISA जानकारी को पूर्ण रेज़ोल्यूशन पर रखता है, और उसी रेज़ोल्यूशन पर एंजाइम की अनुक्रम प्राथमिकता मानचित्रों पर एक विशिष्ट फिंगरप्रिंट के रूप में दिखी। टीम ने उस हस्ताक्षर को गणितीय रूप से निकाला, केवल पक्षपात पर एक अलग मॉडल को प्रशिक्षित किया, और उसे घटा दिया, जिससे एक दूसरा मॉडल बचा जिसने केवल जीव विज्ञान सीखा।

“यह थोड़ा सुपर‑रिज़ॉल्यूशन माइक्रोस्कोपी जैसा है,” ज़ाइटलिंगर ने संस्थान के घोषणा में कहा। “पहले के व्याख्या तरीकों ने भी ब्लैक बॉक्स को खोला था। फिर आपको एहसास होता है कि आप और भी अधिक देख सकते हैं। आप पिक्सेल जोड़ते हैं और अचानक आप ऐसी चीजें देख रहे होते हैं जो पहले नहीं देखी जा सकती थीं।”

साफ डेटा में छिपा आश्चर्य

पक्षपात‑सुधारित मॉडल के भीतर, PISA ने DNA अनुक्रमों को उजागर किया जो न्यूक्लियोसोम को स्थित करने में मदद करते हैं, जिनके प्रभाव सैकड़ों बेस पेयर्स दोनों दिशाओं में विस्तारित होते हैं। कई अनुक्रम असममित थे, एक तरफ को दूसरे की तुलना में अलग ढंग से प्रभावित करते थे। इस असममितता का अनुसरण करने से टीम को क्रोमैटिन डोमेन सीमाओं तक ले गया, अर्थात् वे सीमाएँ जो निर्धारित करती हैं कि कौन‑से नियामक अनुक्रम किन जीनों तक पहुँच सकते हैं। ये सीमाएँ सामान्यतः 3D क्रोमैटिन विधियों से मानचित्रित की जाती हैं जिन्हें अत्यधिक सीक्वेंसिंग गहराई की आवश्यकता होती है; पेपर के अनुसार मॉडल ने केवल न्यूक्लियोसोम डेटा से ही हजारों ऐसी सीमाएँ निकालीं, अक्सर 3D डेटा की तुलना में अधिक सटीक।

फिर टीम ने जीव‑विज्ञान‑केन्द्रित मॉडलों का उपयोग करके सिंथेटिक DNA अनुक्रमों को डिजाइन किया जो न्यूक्लियोसोम को विशिष्ट विन्यास में व्यवस्थित करने की भविष्यवाणी करते थे, और उन डिज़ाइनों में से एक उपसमूह को प्रयोगात्मक रूप से परीक्षण किया। भविष्यवाणियाँ सत्य सिद्ध हुईं, जिससे यह प्रमाण मिला कि मॉडल द्वारा सीखे गए नियम परीक्षण‑योग्य परिकल्पनाएँ उत्पन्न कर सकते हैं, न कि केवल मौजूदा डेटा का वर्णन।

यह कार्य एक ऐसे क्षेत्र में आता है जहाँ लगातार बड़े‑से‑बड़े अनुक्रम मॉडल में भारी निवेश किया जा रहा है। गूगल डीपमाइंड का AlphaGenome, जो 2026 की शुरुआत में प्रकाशित हुआ और PISA पेपर के परिचय में उद्धृत है, पूरे जीनोम में नियामक वैरिएंट के प्रभावों की भविष्यवाणी करता है। PISA इस पूरक समस्या को संबोधित करता है: एक बार मॉडल ऐसी भविष्यवाणियाँ कर लेता है, तो यह समझना कि उसने वास्तव में कौन‑से अनुक्रम विशेषताओं का उपयोग किया। यह विधि पहले ही ज़ाइटलिंगर लैब के बाहर फैल चुकी है, एक सहयोगी द्वारा अलग सॉफ़्टवेयर पैकेज में लागू की गई है और स्टोवर्स न्यूरोसाइंटिस्ट नेसेत ओज़ेल ने एक अलग जैविक प्रश्न के लिए अपनाई है।

संख्याओं में PISA

• 2021 – BPNet डीप‑लर्निंग फ्रेमवर्क, PISA की नींव, पहली बार टीम द्वारा विकसित
• 8 अप्रैल 2025 – PISA प्री‑प्रिंट पहली बार bioRxiv पर पोस्ट किया गया
• अगस्त 2026 – Nature Communications में सहकर्मी‑समीक्षित प्रकाशन
• Hundreds of base pairs – व्यक्तिगत न्यूक्लियोसोम‑स्थिति अनुक्रमों की पहुँच जो मॉडल ने उजागर की
• Thousands – केवल न्यूक्लियोसोम डेटा से पहचानी गई क्रोमैटिन डोमेन सीमाएँ

लेखकों द्वारा बताए गए सीमाएँ

यह एक विधि और जीनोमिक्स पेपर है, और इसकी रोग‑संबंधी प्रासंगिकता एक दिशा है, न कि परिणाम। अधिकांश रोग‑संबंधी आनुवंशिक विविधताएँ जीनों के बजाय नियामक DNA में स्थित होती हैं, और ज़ाइटलिंगर स्पष्ट रूप से कहती हैं कि एक वैरिएंट को बाइंडिंग साइट या डोमेन सीमा पर रखना एक तंत्र का प्रस्ताव करता है लेकिन दवा नहीं बनाता। यह कार्य एक ऐसी प्रयोगशाला की भी आवश्यकता रखता है जो डीप‑लर्निंग और प्रयोगात्मक जीव विज्ञान दोनों में निपुण हो, और ज़ाइटलिंगर इस द्वैध विशेषज्ञता को क्षेत्र की स्थायी खाई के रूप में दर्शाती हैं, न कि केवल कम्प्यूटेशनल शक्ति के रूप में।

डिज़ाइन किए गए DNA अनुक्रमों को केवल उन उपसमूह के लिए सत्यापित किया गया जो प्रयोगात्मक रूप से परीक्षण किए गए, और पेपर का पक्षपात‑सुधार प्रदर्शन विशेष रूप से MNase‑seq के लिए है, हालांकि लेखकों ने दिखाया कि PISA कई डेटा प्रकारों पर लागू किया गया है। प्री‑प्रिंट के संशोधन इतिहास से पता चलता है कि क्रोमैटिन‑डोमेन विश्लेषण सहकर्मी‑समीक्षा के दौरान जोड़ा गया, 5 जनवरी, 2026 को पोस्ट किए गए संशोधित संस्करण के बाद।

अब यह कार्य यह स्थापित करता है कि जीनोमिक मॉडल अपने प्रशिक्षण डेटा से क्या अवशोषित करते हैं, प्रयोग से आए भागों को जीव विज्ञान के बजाय कैसे सुधारें, और ऐसे अनुक्रम नियम निकालें जो जीवित प्रणालियों के विरुद्ध डिजाइन और परीक्षण के लिए पर्याप्त सटीक हों।