मशीन लर्निंग अल्गोरिथ्म प्रोटीन्स के स्थान की भविष्यवाणी कर सकता है

नारा इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी (एनएआईएसटी) के शोधकर्ताओं ने एक मशीन लर्निंग अल्गोरिथ्म विकसित किया है जो एक्टिन से संबंधित प्रोटीन्स के स्थान की सटीक भविष्यवाणी कर सकता है, जो कोशिकीय कंकाल का एक महत्वपूर्ण हिस्सा है। अल्गोरिथ्म एक्टिन के वास्तविक स्थान के आधार पर प्रोटीन्स के स्थान की भविष्यवाणी कर सकता है।

अध्ययन फ्रंटियर्स इन सेल एंड डेवलपमेंटल बायोलॉजी में प्रकाशित हुआ है।

एक्टिन का महत्व

एक्टिन कोशिकाओं को आकार और संरचना प्रदान करने में महत्वपूर्ण है, और यह लैमेलिपोडिया के गठन में भूमिका निभाता है जब कोशिकाएं चलती हैं। लैमेलिपोडिया पंख के आकार की संरचनाएं हैं जो कोशिकाओं को “चलने” में सक्षम बनाती हैं, और वे एक्टिन से बंधे विभिन्न प्रोटीन्स से युक्त होती हैं जो कोशिकाओं को चलते रहने में मदद करते हैं।

शिरो सुएत्सुगु अध्ययन के प्रमुख लेखक हैं और उन्होंने एनएआईएसटी के डेटा साइंस सेंटर में योशिनोबु सातो के साथ बातचीत के दौरान यह विचार रखा।

“जबकि पहले कृत्रिम बुद्धिमत्ता का उपयोग कोशिका प्रवास की दिशा की भविष्यवाणी करने के लिए एक छवि श्रृंखला के आधार पर किया गया है, अब तक इसका उपयोग प्रोटीन स्थानीयकरण की भविष्यवाणी करने के लिए नहीं किया गया है,” सुएत्सुगु कहते हैं। “हमने इसलिए एक मशीन लर्निंग अल्गोरिथ्म डिज़ाइन करने का प्रयास किया जो अन्य प्रोटीन्स के साथ उनके संबंध के आधार पर कोशिका में प्रोटीन्स के स्थान का निर्धारण कर सकता है।”

एआई सिस्टम का विकास

शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता (एआई) प्रणाली को प्रशिक्षित किया ताकि यह एक्टिन-संबंधित प्रोटीन्स के स्थान की भविष्यवाणी कर सके। उन्होंने ऐसा करके एआई को फ्लोरोसेंट मार्कर्स के साथ लेबल किए गए प्रोटीन्स वाली कोशिकाओं की तस्वीरें दिखाकर किया, जो प्रणाली को यह बताने के लिए कि वे कहां स्थित हैं। फिर प्रणाली को ऐसी तस्वीरें दिखाई गईं जिनमें केवल एक्टिन लेबल किया गया था, और इसे संबंधित प्रोटीन्स का स्थान निर्धारित करने के लिए कहा गया था।

“जब हमने भविष्यवाणी की गई छवियों की तुलना वास्तविक छवियों से की, तो दोनों में एक महत्वपूर्ण समानता थी,” सुएत्सुगु कहते हैं। “हमारा कार्यक्रम लैमेलिपोडिया के भीतर तीन एक्टिन-संबंधित प्रोटीन्स के स्थानीयकरण की सटीक भविष्यवाणी करता है; और, इनमें से एक प्रोटीन के मामले में, कोशिका की अन्य संरचनाओं में।”

प्रणाली की विशिष्ट क्षमता का प्रदर्शन करते हुए, टीम ने तब इसे कोशिका में ट्यूबुलिन के स्थान की भविष्यवाणी करने के लिए कहा। ट्यूबुलिन एक्टिन से सीधे संबंधित नहीं है, और कार्यक्रम ने इस कार्य में खराब प्रदर्शन किया।

“हमारे निष्कर्ष यह सुझाव देते हैं कि मशीन लर्निंग का उपयोग संबंधित प्रोटीन्स के स्थान की सटीक भविष्यवाणी करने और उनके बीच भौतिक संबंधों का वर्णन करने के लिए किया जा सकता है,” सुएत्सुगु कहते हैं।

शोधकर्ताओं के अनुसार, कार्यक्रम का उपयोग कोशिका छवियों से संरचनाओं की पहचान करने और एक कृत्रिम कोशिका तनाव विधि के रूप में कार्य करने के लिए किया जा सकता है, जो वर्तमान विधियों की सीमाओं से बचने में मदद करेगा।