नेटफ्लिक्स जैसी कंपनियों द्वारा उपयोग किए जाने वाले एल्गोरिदम न्यूरोडीजेनेरेटिव रोगों की जैविक भाषा को समझने में सक्षम हो सकते हैं

नेटफ्लिक्स, फेसबुक और अमेज़न जैसी कंपनियों द्वारा उपयोग किए जाने वाले शक्तिशाली एल्गोरिदम स्वास्थ्य सेवा में महत्वपूर्ण परिणाम दिखा सकते हैं। उन्होंने कैंसर और अन्य न्यूरोडीजेनेरेटिव रोगों जैसे अल्जाइमर रोग की जैविक भाषा की भविष्यवाणी करने की क्षमता प्रदर्शित की है।

(NFLX ) (META ) (AMZN )

यह पहल कैम्ब्रिज विश्वविद्यालय के सेंट जॉन कॉलेज में अकादमिक लोगों द्वारा की गई थी, जिन्होंने दशकों से उत्पादित बड़े डेटा को एक कंप्यूटर भाषा मॉडल में डाला। लक्ष्य यह देखना था कि क्या कृत्रिम बुद्धिमत्ता (एआई) मानवों की तुलना में अधिक उन्नत खोज कर सकती है, और उन्होंने प्रौद्योगिकी की जैविक भाषा को समझने की क्षमता के साथ बस इतना ही पाया।

अध्ययन वैज्ञानिक पत्रिका पीएनएएस में प्रकाशित किया गया था, जिसका शीर्षक था “सीक्वेंस डिटरमिनेंट्स और एम्बेडिंग से प्रोटीन कंडेनसेट्स के आणविक व्याकरण को सीखना”। विशेषज्ञों के अनुसार, इसका उपयोग “कोशिकाओं के भीतर जैविक भाषा की व्याकरणिक गलतियों को ठीक करने” के लिए किया जा सकता है।

प्रोफेसर तुओमस नोल्स पेपर के प्रमुख लेखक हैं और सेंट जॉन कॉलेज में एक फेलो हैं।

“न्यूरोडीजेनेरेटिव रोगों और कैंसर के शोध में मशीन-लर्निंग तकनीक को लाना एक पूर्ण खेल-changer है। अंततः, लक्ष्य होगा कि कृत्रिम बुद्धिमत्ता का उपयोग करके लक्षित दवाएं विकसित की जाएं जो लक्षणों को नाटकीय रूप से कम करें या बिल्कुल भी डिमेंशिया होने से रोकें। “

शक्तिशाली एल्गोरिदम

नेटफ्लिक्स और फेसबुक जैसी कंपनियों द्वारा उपयोग किए जाने वाले मशीन-लर्निंग एल्गोरिदम उपभोक्ताओं और उनके अगले कदम के बारे में बहुत शिक्षित भविष्यवाणियां करते हैं। यह तब होता है जब नेटफ्लिक्स एक नई फिल्म की सिफारिश करता है या फेसबुक एक नए मित्र की सिफारिश करता है। एलेक्सा और सिरी जैसे वॉयस असिस्टेंट तुरंत व्यक्तियों को पहचान सकते हैं और प्रतिक्रिया दे सकते हैं।

डॉ. काडी लिस सार पेपर के प्रथम लेखक हैं और सेंट जॉन कॉलेज में एक शोध फेलो हैं। उन्होंने इसी तरह की तकनीक का उपयोग करके एक बड़े पैमाने पर भाषा मॉडल को प्रशिक्षित किया, जिसका उद्देश्य यह पता लगाना था कि रोग के दौरान प्रोटीन के साथ क्या होता है।

“मानव शरीर में हजारों और हजारों प्रोटीन होते हैं और वैज्ञानिकों को अभी तक उनके कार्य के बारे में पता नहीं है। हमने एक तंत्रिका नेटवर्क-आधारित भाषा मॉडल से प्रोटीन की भाषा सीखने के लिए कहा।” उन्होंने कहा।

“हमने विशेष रूप से कार्यक्रम से कहा कि वैज्ञानिकों को वास्तव में जैविक कार्य और दोष की भाषा को समझने के लिए प्रोटीन की भाषा सीखने के लिए कहा जाए, जो कैंसर और अल्जाइमर जैसे न्यूरोडीजेनेरेटिव रोगों का कारण बनता है। हमने पाया कि यह सीख सकता है, बिना किसी विशेष निर्देश के, जो वैज्ञानिकों ने दशकों से अनुसंधान के माध्यम से प्रोटीन की भाषा के बारे में खोजा है। “

वैज्ञानिकों का मानना है कि कई सौ न्यूरोडीजेनेरेटिव रोग हैं, जिनमें से सबसे आम अल्जाइमर, पार्किंसंस और हंटिंगटन रोग हैं। अल्जाइमर दुनिया भर में 50 मिलियन लोगों को प्रभावित करता है, और इस रोग के दौरान, प्रोटीन के समूह स्वस्थ तंत्रिका कोशिकाओं को मारते हैं।

प्रोटीन कंडेनसेट्स और एनएलपी तकनीक

एक स्वस्थ मस्तिष्क के साथ, इन प्रोटीन के समूह को प्रभावी ढंग से समाप्त किया जा सकता है। हाल के निष्कर्षों के अनुसार, वैज्ञानिकों का मानना है कि कुछ विकृत प्रोटीन कंडेनसेट्स बनाते हैं, जो प्रोटीन की तरल जैसी बूंदें होती हैं। इनमें कोई झिल्ली नहीं होती है और वे एक दूसरे के साथ मुक्त रूप से मिल जाते हैं, और वे बन और फिर से बन सकते हैं।

“प्रोटीन कंडेनसेट्स ने हाल ही में वैज्ञानिक दुनिया में बहुत ध्यान आकर्षित किया है क्योंकि वे कोशिका में महत्वपूर्ण घटनाओं जैसे जीन एक्सप्रेशन – हमारे डीएनए को प्रोटीन में कैसे परिवर्तित किया जाता है – और प्रोटीन संश्लेषण – कोशिकाएं प्रोटीन कैसे बनाती हैं – को नियंत्रित करते हैं,” प्रोफेसर नोल्स ने कहा।

“इन प्रोटीन ड्रॉपलेट्स से जुड़ी कोई भी दोष बीमारियों जैसे कैंसर का कारण बन सकता है। यही कारण है कि प्रोटीन मैलफंक्शन के आणविक मूल के शोध में प्राकृतिक भाषा प्रसंस्करण तकनीक को लाना महत्वपूर्ण है यदि हम कोशिकाओं के भीतर जैविक भाषा की व्याकरणिक गलतियों को ठीक करना चाहते हैं जो बीमारी का कारण बनती है,” उन्होंने जारी रखा।

“हमने एल्गोरिदम को सभी ज्ञात प्रोटीन के डेटा को सिखाया ताकि यह प्रोटीन की भाषा सीख सके और भविष्यवाणी कर सके, जिस तरह से ये मॉडल मानव भाषा सीखते हैं और व्हाट्सएप जानता है कि आपके लिए शब्दों का सुझाव कैसे देना है,” डॉ सार ने कहा।

“फिर हम उनसे प्रोटीन कंडेनसेट्स के गठन के लिए विशिष्ट व्याकरण के बारे में पूछने में सक्षम थे जो कोशिकाओं के भीतर होता है। यह एक बहुत ही चुनौतीपूर्ण समस्या है और इसे अनलॉक करने से हमें बीमारी की भाषा के नियम सीखने में मदद मिलेगी,” डॉ सार ने जारी रखा।

इस प्रगति के पीछे मुख्य चालक उपलब्ध डेटा की बढ़ती मात्रा, उच्च कम्प्यूटिंग शक्ति और तकनीकी प्रगति हैं। मशीन लर्निंग इन क्षेत्रों में शोध को नाटकीय रूप से बदलने की क्षमता रखती है, जो खोजों को सक्षम बनाती है जो पहले कभी नहीं हुईं।

डॉ सार के अनुसार, “मशीन-लर्निंग उन सीमाओं से मुक्त हो सकती है जो शोधकर्ताओं को लगता है कि वैज्ञानिक अन्वेषण के लिए लक्ष्य हैं और इसका अर्थ होगा कि हमने अभी तक जो नहीं सोचा है उसे नए संबंध मिलेंगे। यह वास्तव में बहुत उत्साहजनक है। “

नया नेटवर्क दुनिया भर के शोधकर्ताओं के लिए उपलब्ध है, और वैज्ञानिकों की बढ़ती संख्या इसमें शामिल हो रही है।