स्वास्थ्य
प्रोटीन वैज्ञानिकों और एआई का आमने-सामने मुकाबला

मुख्य बिंदुएआई ने प्रोटीन के स्व-संयोजन अनुक्रमों की भविष्यवाणी करने में मानव प्रोटीन वैज्ञानिकों…
और देखें
- एआई ने प्रोटीन के स्व-संयोजन अनुक्रमों की भविष्यवाणी करने में मानव प्रोटीन वैज्ञानिकों को मामूली अंतर से हराया।
- मानव विशेषज्ञों ने कुछ अमीनो एसिड को प्राथमिकता दी, जिसके कारण एआई के विपरीत गलत भविष्यवाणियाँ हुईं।
- प्रोटीन डिज़ाइन में मानव पूर्वाग्रह को दूर करने के लिए मशीन लर्निंग एक शक्तिशाली उपकरण है।
रुटगर्स विश्वविद्यालय में प्रोटीन वैज्ञानिकों की एक टीम ने एक कंप्यूटर प्रोग्राम के खिलाफ प्रतिस्पर्धा की।
स्पॉइलर अलर्ट: एआई ने जीत हासिल की। लेकिन केवल मामूली अंतर से।
मानवों और एआई को आमने-सामने उतारना
वैज्ञानिकों ने एक प्रयोग करने का फैसला किया जिसमें प्रोटीन डिजाइन और स्व-संयोजन की गहरी समझ वाले एक मानव को एक कृत्रिम रूप से बुद्धिमान कंप्यूटर प्रोग्राम के साथ मिलाना था, जिसमें भविष्यसूचक क्षमताएं थीं। संभावित वैज्ञानिकों की सूची में शीर्ष पर विकास नंदा, रुटगर्स में एडवांस्ड बायोटेक्नोलॉजी और मेडिसिन (सीएबीएम) के केंद्र में एक शोधकर्ता थे।
प्रयोग यह देखने के लिए था कि क्या मानव या एआई प्रोटीन अनुक्रमों को सबसे सफलतापूर्वक जोड़ने की भविष्यवाणी करने में बेहतर काम कर सकता है।
परिणाम नेचर केमिस्ट्री में प्रकाशित हुए थे।
नंदा, इलिनोइस में अर्गोन नेशनल लेबोरेटरी में शोधकर्ताओं और संयुक्त राज्य अमेरिका भर में विभिन्न सहयोगियों का कहना है कि लड़ाई “निकट लेकिन निर्णायक” थी। प्रतियोगिता में नंदा और कई सहयोगियों को एआई प्रोग्राम के साथ मिलाना था, जिसने एक छोटे से अंतर से जीत हासिल की।
वैज्ञानिक प्रोटीन स्व-संयोजन के आसपास अधिक ज्ञान प्राप्त करने की मांग कर रहे हैं, मानते हुए कि इसकी बेहतर समझ से वे चिकित्सा और औद्योगिक उपयोग के लिए नए और नवाचार उत्पादों को डिजाइन कर सकते हैं। इन उत्पादों में से एक कृत्रिम मानव ऊतक घावों के लिए हो सकता है, जबकि दूसरा नए रासायनिक उत्पादों के लिए उत्प्रेरक हो सकता है।
नंदा रुटगर्स रॉबर्ट वुड जॉनसन मेडिकल स्कूल में बायोकेमिस्ट्री और मॉलिक्यूलर बायोलॉजी विभाग में एक प्रोफेसर हैं।
“हमारी व्यापक विशेषज्ञता के बावजूद, एआई ने कई डेटा सेट पर उतना ही अच्छा या बेहतर प्रदर्शन किया, जो मानव पूर्वाग्रह को दूर करने के लिए मशीन लर्निंग की भारी संभावना को दिखाता है,” नंदा ने कहा।
प्रोटीन डिजाइन और स्व-संयोजन
प्रोटीन में बड़ी संख्या में अमीनो एसिड शामिल होते हैं जो एक दूसरे के साथ जुड़े होते हैं, और श्रृंखलाएं तीन-आयामी अणुओं के साथ जटिल आकार में मुड़ जाती हैं। प्रत्येक प्रोटीन का आकार, और इसमें शामिल अमीनो एसिड, इसके व्यवहार को निर्धारित करते हैं। नंदा जैसे शोधकर्ता “प्रोटीन डिजाइन” में शामिल हैं, जिसका अर्थ है कि वे नए प्रोटीन उत्पन्न करने वाले अनुक्रम बनाते हैं। टीम ने हाल ही में एक सिंथेटिक प्रोटीन डिजाइन किया है जो वीएक्स, एक खतरनाक तंत्रिका एजेंट का जल्दी पता लगा सकता है। यह नया विकास नए बायोसेंसर और उपचारों के लिए बड़े प्रभाव डाल सकता है।
प्रोटीन अन्य प्रोटीन के साथ स्व-संयोजन में जुड़कर जीव विज्ञान में महत्वपूर्ण सुपरस्ट्रक्चर बनाते हैं। कुछ मामलों में, ऐसा लगता है कि प्रोटीन एक डिजाइन का पालन कर रहे हैं, जैसे कि जब वे एक वायरस की सुरक्षात्मक बाहरी शेल में स्व-संयोजन करते हैं। अन्य समय में, वे जैविक संरचनाओं के गठन के दौरान स्व-संयोजन करते हैं जो कुछ बीमारियों से जुड़े होते हैं।
“प्रोटीन स्व-संयोजन को समझना चिकित्सा सहित कई क्षेत्रों में और उद्योग में प्रगति करने के लिए मूलभूत है,” नंदा ने कहा।
नंदा और पांच अन्य सहयोगियों को प्रोटीन की एक सूची दी गई थी और उनसे यह अनुमान लगाने के लिए कहा गया था कि कौन से प्रोटीन स्व-संयोजन के लिए सबसे अधिक संभावना रखते थे। अनुमानों की तुलना कंप्यूटर प्रोग्राम के अनुमानों से की गई थी।
मानव विशेषज्ञों ने प्रयोगों में प्रोटीन व्यवहार के उनके अवलोकन पर आधारित नियमों का उपयोग किया, जिसमें विद्युत चार्जों के पैटर्न और पानी से बचने की डिग्री शामिल थी। उन्होंने 11 प्रोटीन चुने जिन्हें उन्होंने स्व-संयोजन का अनुमान लगाया, जबकि एआई ने 9 प्रोटीन चुने।
उनके प्रयोग से पता चला कि मानवों ने 11 प्रोटीन में से 6 सही अनुमान लगाए, जबकि कंप्यूटर प्रोग्राम ने 9 प्रोटीन चुने।
प्रयोग ने यह भी दिखाया कि मानव विशेषज्ञों ने “कुछ अमीनो एसिड को दूसरों की तुलना में पसंद किया, जिससे गलत विकल्प हुए। एआई ने कुछ प्रोटीन को सही ढंग से चुना जिनके गुण उन्हें स्पष्ट नहीं बनाते थे।
“हम स्व-संयोजन के लिए अग्रणी रासायनिक प्रकृति की बातचीत की मूलभूत समझ प्राप्त करने के लिए काम कर रहे हैं, इसलिए मुझे चिंता थी कि इन कार्यक्रमों का उपयोग करने से महत्वपूर्ण अंतर्दृष्टि रुक जाएगी। लेकिन मैं वास्तव में समझने लगा हूं कि मशीन लर्निंग किसी भी अन्य उपकरण की तरह ही एक उपकरण है।”












