बड़ी मात्रा में आनुवंशिक डेटा पर प्रशिक्षित एक एआई मॉडल यह अनुमान लगा सकता है कि बैक्टीरिया एंटीबायोटिक-प्रतिरोधी बन जाएंगे या नहीं। नए अध्ययन से पता चलता है कि एंटीबायोटिक प्रतिरोध आनुवंशिक रूप से समान बैक्टीरिया के बीच अधिक आसानी से प्रसारित होता है और मुख्य रूप से अपशिष्ट जल उपचार संयंत्रों और मानव शरीर के अंदर होता है।
“यह समझने से कि बैक्टीरिया में प्रतिरोध कैसे होता है, हम इसके प्रसार का बेहतर मुकाबला कर सकते हैं। यह सार्वजनिक स्वास्थ्य और स्वास्थ्य सेवा प्रणाली की संक्रमणों की रक्षा के लिए महत्वपूर्ण है,” चाल्मर्स यूनिवर्सिटी ऑफ टेक्नोलॉजी में गणितीय विज्ञान विभाग और स्वीडन में गॉथेनबर्ग विश्वविद्यालय में प्रोफेसर एरिक क्रिस्टियनसन कहते हैं।
विश्व स्वास्थ्य संगठन (डब्ल्यूएचओ) के अनुसार, एंटीबायोटिक प्रतिरोध वैश्विक स्वास्थ्य के लिए सबसे बड़ा खतरा है। जब बैक्टीरिया प्रतिरोधी हो जाते हैं, तो एंटीबायोटिक दवाओं का प्रभाव गायब हो जाता है, जो निमोनिया और रक्त विषाक्तता जैसी स्थितियों को मुश्किल या असंभव मानता है। बढ़े हुए एंटीबायोटिक-प्रतिरोधी बैक्टीरिया भी कई चिकित्सा प्रक्रियाओं से जुड़े संक्रमणों को रोकने के लिए अधिक कठिन बनाते हैं, जैसे कि अंग प्रत्यारोपण और कैंसर उपचार। एंटीबायोटिक प्रतिरोध के तेजी से प्रसार के लिए एक मौलिक कारण बैक्टीरिया की जीन का आदान -प्रदान करने की क्षमता है, जिसमें बैक्टीरिया को प्रतिरोधी बनाने वाले जीन भी शामिल हैं।
“बैक्टीरिया जो मनुष्यों के लिए हानिकारक हैं, कई प्रतिरोध जीनों को जमा कर चुके हैं। इनमें से कई जीन हानिरहित बैक्टीरिया से उत्पन्न होते हैं जो हमारे शरीर या पर्यावरण में रहते हैं। हमारे शोध इस जटिल विकासवादी प्रक्रिया की जांच करते हैं कि यह जानने के लिए कि इन जीनों को रोगजनक बैक्टीरिया में कैसे स्थानांतरित किया जाता है। यह भविष्यवाणी करता है कि भविष्य के बैक्टीरिया कैसे संभव विकसित करते हैं,” एरिक क्रिस्टियनसन कहते हैं।
दुनिया भर से जटिल डेटा
नए अध्ययन में, में प्रकाशित प्रकृति संचार और चेल्मर्स यूनिवर्सिटी ऑफ टेक्नोलॉजी, द यूनिवर्सिटी ऑफ गोथेनबर्ग और फ्राउनहोफर-चाल्मर्स सेंटर के शोधकर्ताओं द्वारा संचालित, शोधकर्ताओं ने बैक्टीरिया के डीएनए, संरचना और आवास के बारे में जानकारी का उपयोग करके बैक्टीरिया के बीच ऐतिहासिक जीन स्थानांतरण का विश्लेषण करने के लिए एक एआई मॉडल विकसित किया। मॉडल को लगभग एक मिलियन बैक्टीरिया के जीनोम पर प्रशिक्षित किया गया था, जो कई वर्षों में अंतर्राष्ट्रीय अनुसंधान समुदाय द्वारा संकलित एक व्यापक डेटासेट था।
“एआई का उपयोग जटिल संदर्भों में अपनी क्षमता के सर्वश्रेष्ठ के लिए किया जा सकता है, बड़ी मात्रा में डेटा के साथ,” चेल्मर्स और गोथेनबर्ग विश्वविद्यालय में गणितीय विज्ञान विभाग के डॉक्टरेट छात्र डेविड लुंड कहते हैं। “हमारे अध्ययन के बारे में अनूठी बात यह है कि अन्य बातों के अलावा, मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा की बहुत बड़ी मात्रा, जो दिखाती है कि एक पॉवफुल टूल एआई और मशीन लर्निंग जटिल, जैविक प्रक्रियाओं का वर्णन करने के लिए है जो बैक्टीरिया के संक्रमण को इलाज के लिए मुश्किल बनाते हैं।”
जब एंटीबायोटिक प्रतिरोध उत्पन्न होता है, तो नए निष्कर्ष
अध्ययन से पता चलता है कि किस वातावरण में प्रतिरोध जीन को विभिन्न बैक्टीरिया के बीच स्थानांतरित किया गया था, और यह क्या है जो कुछ बैक्टीरिया को दूसरों की तुलना में एक दूसरे के साथ जीन स्वैप करने की अधिक संभावना बनाता है।
“हम देखते हैं कि मनुष्यों और जल उपचार संयंत्रों में पाए जाने वाले बैक्टीरिया में जीन स्थानांतरण के माध्यम से प्रतिरोधी बनने की अधिक संभावना है। ये ऐसे वातावरण हैं जहां प्रतिरोध जीन ले जाने वाले बैक्टीरिया एक -दूसरे का सामना करते हैं, अक्सर एंटीबायोटिक दवाओं की उपस्थिति में,” डेविड लुंड कहते हैं।
एक अन्य महत्वपूर्ण कारक जो इस संभावना को बढ़ाता है कि प्रतिरोध जीन एक जीवाणु से दूसरे जीवाणु से “कूद” जाएगा, बैक्टीरिया की आनुवंशिक समानता है। जब एक जीवाणु एक नया जीन लेता है, तो डीएनए को स्टोर करने और प्रोटीन का उत्पादन करने के लिए ऊर्जा की आवश्यकता होती है, जिसके लिए जीन कोड होता है, जिसका अर्थ है जीवाणु के लिए एक लागत।
“अधिकांश प्रतिरोध जीन एक समान आनुवंशिक संरचना के साथ बैक्टीरिया के बीच साझा किए जाते हैं। हम मानते हैं कि यह नए जीनों को लेने की लागत को कम करता है। हम इस प्रक्रिया को अधिक सटीक रूप से नियंत्रित करने वाले तंत्र को समझने के लिए अनुसंधान जारी रख रहे हैं,” एरिक क्रिस्टियनसन कहते हैं।
निदान के लिए एक मॉडल के लिए उम्मीद
मॉडल के प्रदर्शन का परीक्षण बैक्टीरिया के खिलाफ इसका मूल्यांकन करके किया गया था, जहां शोधकर्ताओं को पता था कि प्रतिरोध जीनों का हस्तांतरण हुआ था, लेकिन जहां एआई मॉडल को पहले से नहीं बताया गया था। इसका उपयोग एक तरह की परीक्षा के रूप में किया गया था, जहां केवल शोधकर्ताओं के पास केवल उत्तर थे। पांच में से चार मामलों में, मॉडल यह अनुमान लगा सकता है कि क्या प्रतिरोध जीन का हस्तांतरण होगा। एरिक क्रिस्टियनसन का कहना है कि भविष्य के मॉडल और भी सटीक सटीक होंगे, आंशिक रूप से एआई मॉडल को ही परिष्कृत करके और आंशिक रूप से इसे और भी बड़े डेटा पर प्रशिक्षित करके।
एरिक क्रिस्टियन्सन कहते हैं, “एआई और मशीन लर्निंग से आज उपलब्ध डेटा की भारी मात्रा का विश्लेषण और व्याख्या करना संभव है। इसका मतलब है कि हम वास्तव में जटिल सवालों के जवाब देने के लिए डेटा-चालित काम कर सकते हैं, जो हम लंबे समय से कुश्ती कर रहे हैं, लेकिन पूरी तरह से नए सवाल भी पूछते हैं।”
शोधकर्ताओं को उम्मीद है कि भविष्य में, एआई मॉडल का उपयोग सिस्टम में किया जा सकता है ताकि यह पता लगाया जा सके कि क्या एक नया प्रतिरोध जीन रोगजनक बैक्टीरिया में स्थानांतरित होने का खतरा है, और इसे व्यावहारिक उपायों में अनुवाद करें।
“उदाहरण के लिए, एआई मॉडल का उपयोग आणविक निदान में सुधार करने के लिए किया जा सकता है ताकि बहु-प्रतिरोधी बैक्टीरिया के नए रूपों को खोजने के लिए या अपशिष्ट जल उपचार संयंत्रों और वातावरणों की निगरानी के लिए जहां एंटीबायोटिक्स मौजूद हैं, की निगरानी के लिए,” एरिक क्रिस्टियनसन कहते हैं।
