एआई मॉडल और प्लेटफ़ॉर्म
कृत्रिम प्रोटीन के लिए नीलाकृति बनाने वाली एआई प्रणाली
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
प्रिट्ज़कर स्कूल ऑफ मॉलिक्यूलर इंजीनियरिंग (पीएमई) में शोधकर्ताओं की एक टीम ने हाल ही में एक एआई सिस्टम बनाने में सफलता प्राप्त की है जो बड़े डेटा के संग्रहों का विश्लेषण करके पूरी तरह से नए, कृत्रिम प्रोटीन बना सकता है।
प्रोटीन जीवित चीजों में ऊतकों के निर्माण के लिए आवश्यक मैक्रोमोलिक्यूल हैं, और सामान्य रूप से कोशिकाओं के जीवन के लिए महत्वपूर्ण हैं। कोशिकाएं विभिन्न रासायनिक प्रतिक्रियाओं को होने देने और जटिल कार्यों को करने के लिए प्रोटीन का उपयोग रासायनिक उत्प्रेरक के रूप में करती हैं। यदि वैज्ञानिक कृत्रिम प्रोटीन को विश्वसनीय रूप से इंजीनियर करने का तरीका खोज सकते हैं, तो यह कार्बन कैप्चरिंग के नए तरीकों, ऊर्जा की कटाई के नए तरीकों और बीमारियों के नए उपचारों के लिए दरवाजा खोल सकता है। कृत्रिम प्रोटीन हमारे द्वारा रहने वाली दुनिया को नाटकीय रूप से बदलने की शक्ति रखते हैं। जैसा कि यूरेका अलर्ट द्वारा रिपोर्ट किया गया है, पीएमई विश्वविद्यालय के शोधकर्ताओं द्वारा हाल के एक सफलता ने वैज्ञानिकों को इन लक्ष्यों के करीब ला दिया है। पीएमई शोधकर्ताओं ने मशीन लर्निंग एल्गोरिदम का उपयोग करके प्रोटीन के नए रूपों को उत्पन्न करने में सक्षम एक प्रणाली विकसित की।
शोध टीम ने विभिन्न जीनोमिक डेटाबेस से डेटा निकालकर मशीन लर्निंग मॉडल बनाए। जैसे ही मॉडल सीखते गए, उन्होंने सामान्य अंतर्निहित पैटर्न, डिजाइन के सरल नियमों को पहचानना शुरू कर दिया, जो कृत्रिम प्रोटीन का निर्माण संभव बनाते हैं। पैटर्न लेकर और प्रयोगशाला में संबंधित प्रोटीन का संश्लेषण करके, शोधकर्ताओं ने पाया कि कृत्रिम प्रोटीन द्वारा उत्पन्न रासायनिक प्रतिक्रियाएं लगभग प्राकृतिक रूप से होने वाली प्रोटीन द्वारा संचालित प्रतिक्रियाओं के समान प्रभावी थीं।
पीएमई यूसी के जोसफ रेगेनस्टीन प्रोफेसर, रामा रंगनाथन के अनुसार, शोध टीम ने पाया कि जीनोम डेटा में प्रोटीन के मूल कार्यों और संरचनाओं के बारे में बहुत सारी जानकारी है। मशीन लर्निंग का उपयोग करके इन सामान्य संरचनाओं को पहचानने के द्वारा, शोधकर्ता “प्रकृति के नियमों को बोतल में भरने” में सक्षम थे ताकि वे स्वयं प्रोटीन बना सकें।
शोधकर्ताओं ने इस अध्ययन के लिए चयापचय एंजाइमों पर ध्यान केंद्रित किया, विशेष रूप से एक प्रोटीन परिवार जिसे कोरिस्मेट म्यूटेस कहा जाता है। यह प्रोटीन परिवार विभिन्न पौधों, फंगल और बैक्टीरिया में जीवन के लिए आवश्यक है।
रंगनाथन और सहयोगियों ने महसूस किया कि जीनोम डेटाबेस में वैज्ञानिकों द्वारा खोजी जाने वाली अंतर्दृष्टि है, लेकिन प्रोटीन संरचना और कार्य के नियमों को निर्धारित करने के पारंपरिक तरीकों ने सीमित सफलता प्राप्त की है। टीम ने डिजाइन नियमों को प्रकट करने में सक्षम मशीन लर्निंग मॉडल बनाने का लक्ष्य रखा। मॉडल के निष्कर्षों से पता चलता है कि नए कृत्रिम अनुक्रम बनाने के लिए अमीनो एसिड जोड़ों के विकास में संरक्षण और संबंधों को बनाए रखा जा सकता है।
शोधकर्ताओं ने अमीनो एसिड अनुक्रमों को उत्पन्न करने वाले सिंथेटिक जीन बनाए जो इन प्रोटीनों को बनाते हैं। उन्होंने इन सिंथेटिक जीन वाले बैक्टीरिया को क्लोन किया और पाया कि बैक्टीरिया ने अपने सेल्युलर मशीनरी में सिंथेटिक प्रोटीन का उपयोग किया, जो लगभग प्राकृतिक प्रोटीन की तरह काम करता था।
रंगनाथन के अनुसार, उनके एआई द्वारा पहचाने गए सरल नियमों का उपयोग जटिलता और विविधता के अद्भुत कृत्रिम प्रोटीन बनाने के लिए किया जा सकता है। रंगनाथन ने यूरेका अलर्ट को बताया:
“प्रतिबंध बहुत छोटे हैं जितना हमने कभी सोचा था। प्रकृति के डिजाइन नियमों में एक सरलता है, और हम मानते हैं कि इसी तरह के दृष्टिकोण जीव विज्ञान में अन्य जटिल प्रणालियों में डिजाइन मॉडल खोजने में हमारी मदद कर सकते हैं, जैसे कि पारिस्थितिकी तंत्र या मस्तिष्क।”
रंगनाथन और सहयोगी अपने मॉडल को सामान्य बनाना चाहते हैं और एक प्लेटफ़ॉर्म बनाना चाहते हैं जिसका उपयोग वैज्ञानिक प्रोटीन के निर्माण और उनके प्रभावों को बेहतर ढंग से समझने के लिए कर सकते हैं। वे जलवायु परिवर्तन जैसे महत्वपूर्ण मुद्दों से निपटने में सक्षम प्रोटीन की खोज में अन्य वैज्ञानिकों को सक्षम बनाने के लिए अपने एआई सिस्टम का उपयोग करना चाहते हैं। रंगनाथन और एसोसिएट प्रोफेसर एंड्रयू फ़र्ग्यूसन ने एक कंपनी बनाई है जिसे ईवोज़ीन कहा जाता है, जो इस प्रौद्योगिकी को वाणिज्यिक बनाने और कृषि, ऊर्जा, और पर्यावरण जैसे क्षेत्रों में इसके उपयोग को बढ़ावा देने का लक्ष्य रखती है।
प्रोटीन के बीच सामान्यताओं और संरचना और कार्य के बीच संबंधों को समझने से नए दवाओं और चिकित्सा के रूपों का निर्माण भी मदद मिल सकती है। हालांकि प्रोटीन फोल्डिंग लंबे समय से कंप्यूटरों के लिए एक बहुत ही कठिन समस्या मानी जाती रही है, रंगनाथन की टीम द्वारा उत्पादित मॉडल के अंतर्दृष्टि से इन गणनाओं को तेजी से करने में मदद मिल सकती है, जिससे इन प्रोटीन पर आधारित नए दवाओं का निर्माण हो सकता है। वायरस जैसे कोविड-19 कोरोनावायरस के इलाज में मदद करने के लिए वायरस में प्रोटीन के निर्माण को रोकने वाली दवाएं विकसित की जा सकती हैं।
रंगनाथन और शोध टीम को अभी भी यह समझने की आवश्यकता है कि उनके मॉडल कैसे और क्यों काम करते हैं और वे विश्वसनीय प्रोटीन नीलाकृति कैसे उत्पन्न करते हैं। शोध टीम का अगला लक्ष्य यह समझना है कि मॉडल अपने निष्कर्षों पर पहुंचने के लिए किन विशेषताओं पर विचार कर रहे हैं।
