एआई मॉडल और प्लेटफ़ॉर्म
गहरे शिक्षण का उपयोग रोग से संबंधित जीन खोजने के लिए किया जाता है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
एक नई अध्ययन लिंकोपिंग विश्वविद्यालय के शोधकर्ताओं के नेतृत्व में यह दिखाता है कि एक कृत्रिम तंत्रिका नेटवर्क (एएनएन) बड़ी मात्रा में जीन अभिव्यक्ति डेटा को प्रकट कर सकता है, और यह रोग से संबंधित जीन समूहों की खोज में मदद कर सकता है। अध्ययन नेचर कम्युनिकेशंस, में प्रकाशित किया गया था, और वैज्ञानिक सटीक दवा और व्यक्तिगत उपचार में इस विधि को लागू करना चाहते हैं।
वैज्ञानिक वर्तमान में जैविक नेटवर्क के नक्शे विकसित कर रहे हैं जो इस आधार पर आधारित हैं कि विभिन्न प्रोटीन या जीन एक दूसरे के साथ कैसे बातचीत करते हैं। नई अध्ययन में जैविक नेटवर्क की खोज के लिए गहरे शिक्षण का उपयोग शामिल है। गहरे शिक्षण प्रक्रिया में प्रयोगात्मक डेटा द्वारा प्रशिक्षित कृत्रिम तंत्रिका नेटवर्क बड़ी मात्रा में जटिल डेटा में पैटर्न खोजने में सक्षम होते हैं। इसके कारण, उन्हें अक्सर छवि पहचान जैसे अनुप्रयोगों में उपयोग किया जाता है। इसके लगते हुए भी बड़े संभावनाओं के बावजूद, इस मशीन लर्निंग विधि का उपयोग जैविक अनुसंधान में सीमित रहा है।
संजीव द्विवेदी लिंकोपिंग विश्वविद्यालय में भौतिकी, रसायन विज्ञान और जीव विज्ञान (आईएफएम) विभाग में एक पोस्टडॉक हैं।
“हमने पहली बार गहरे शिक्षण का उपयोग रोग से संबंधित जीन खोजने के लिए किया है। यह जैविक जानकारी के विश्लेषण में एक बहुत ही शक्तिशाली विधि है, या ‘बिग डेटा’,” द्विवेदी कहते हैं।
वैज्ञानिकों ने 20,000 जीनों की अभिव्यक्ति पैटर्न के बारे में जानकारी के साथ एक बड़े डेटाबेस पर भरोसा किया, जो कई लोगों में है। कृत्रिम तंत्रिका नेटवर्क को यह नहीं बताया गया था कि कौन से जीन अभिव्यक्ति पैटर्न बीमार लोगों से थे या कौन से स्वस्थ व्यक्तियों से थे। एआई मॉडल को फिर जीन अभिव्यक्ति के पैटर्न खोजने के लिए प्रशिक्षित किया गया था।
मशीन लर्निंग के आसपास एक रहस्य यह है कि यह वर्तमान में देखना असंभव है कि एक कृत्रिम तंत्रिका नेटवर्क अपने अंतिम परिणाम तक कैसे पहुंचता है। यह केवल देखना संभव है कि क्या जानकारी में जाती है और क्या जानकारी उत्पन्न होती है, लेकिन बीच में होने वाली हर चीज गणितीय रूप से संसाधित जानकारी की कई परतों से बनी होती है। एक कृत्रिम तंत्रिका नेटवर्क के इन आंतरिक कार्यों को अभी तक समझा नहीं जा सकता है। वैज्ञानिकों ने जानना चाहा कि क्या तंत्रिका नेटवर्क के डिजाइन और परिचित जैविक नेटवर्क के बीच कोई समानता है।
माइक गुस्ताफसन आईएफएम में एक वरिष्ठ व्याख्याता हैं और अध्ययन का नेतृत्व करते हैं।
“जब हमने अपने तंत्रिका नेटवर्क का विश्लेषण किया, तो यह पता चला कि पहली छिपी हुई परत ने बड़े पैमाने पर विभिन्न प्रोटीनों के बीच परस्पर क्रिया का प्रतिनिधित्व किया। मॉडल के गहरे स्तर पर, तीसरे स्तर पर, हमने विभिन्न प्रकार की कोशिकाओं के समूह पाए। यह बहुत दिलचस्प है कि इस प्रकार का जैविक रूप से प्रासंगिक समूहीकरण स्वचालित रूप से उत्पन्न होता है, यह देखते हुए कि हमारा नेटवर्क अनवर्गीकृत जीन अभिव्यक्ति डेटा से शुरू हुआ,” गुस्ताफसन कहते हैं।
वैज्ञानिकों ने तब जानना चाहा कि क्या उनका जीन अभिव्यक्ति मॉडल यह निर्धारित करने में सक्षम था कि कौन से जीन अभिव्यक्ति पैटर्न रोग से संबंधित थे और कौन से सामान्य थे। उन्होंने पुष्टि की कि मॉडल जैविक तंत्र के अनुरूप पैटर्न खोज सकता है। एक और खोज यह थी कि कृत्रिम तंत्रिका नेटवर्क संभावित रूप से नए पैटर्न खोज सकता है क्योंकि यह अनवर्गीकृत डेटा पर प्रशिक्षित किया गया था। शोधकर्ता अब पहले से अज्ञात पैटर्न की जांच करेंगे और यह देखेंगे कि क्या वे जीव विज्ञान में प्रासंगिक हैं।
“हमारा मानना है कि क्षेत्र में प्रगति की कुंजी तंत्रिका नेटवर्क को समझना है। इससे हमें जैविक संदर्भों के बारे में नई चीजें सिखा सकता है, जैसे कि कई कारकों के परस्पर क्रिया वाले रोग। और हमारा मानना है कि हमारी विधि मॉडल प्रदान करती है जो अधिक सामान्य हैं और जिनका उपयोग विभिन्न प्रकार की जैविक जानकारी के लिए किया जा सकता है,” गुस्ताफसन कहते हैं।
चिकित्सा शोधकर्ताओं के साथ सहयोग के माध्यम से, गुस्ताफसन सटीक दवा में इस विधि को लागू करने की उम्मीद करते हैं। इससे यह निर्धारित करने में मदद मिल सकती है कि रोगियों को किस प्रकार की दवा प्राप्त करनी चाहिए।
अध्ययन को स्वीडिश फाउंडेशन फॉर स्ट्रेटेजिक रिसर्च (एसएसएफ) और स्वीडिश रिसर्च काउंसिल द्वारा वित्तीय रूप से समर्थित किया गया था।
