शोधकर्ताओं ने नए एआई मॉडल विकसित किए हैं जो प्रोटीन विज्ञान के भीतर सटीकता और खोज में सुधार कर सकते हैं। संभावित रूप से, मॉडल वर्तमान चुनौतियों पर काबू पाने में चिकित्सा विज्ञान की सहायता करेंगे, जैसे कि व्यक्तिगत चिकित्सा, दवा की खोज और निदान।
मोटे तौर पर उपलब्ध एआई उपकरणों के मद्देनजर, अधिकांश तकनीकी और प्राकृतिक विज्ञान क्षेत्र तेजी से आगे बढ़ रहे हैं। यह जैव प्रौद्योगिकी में विशेष रूप से सच है, जहां एआई ड्रग डिस्कवरी, प्रिसिजन मेडिसिन, जीन एडिटिंग, फूड सिक्योरिटी और कई अन्य अनुसंधान क्षेत्रों में पावर सफलताओं को मॉडल करता है।
एक उप-क्षेत्र प्रोटिओमिक्स है-बड़े पैमाने पर प्रोटीन का अध्ययन-जहां बड़ी मात्रा में प्रोटीन डेटा डेटाबेस में एकत्र किए जाते हैं, जिसके खिलाफ एक नमूना की तुलना की जा सकती है। ये डेटाबेस वैज्ञानिकों को यह समझने में सक्षम बनाते हैं कि कौन से प्रोटीन – और, इस तरह, सूक्ष्मजीव – एक नमूने में मौजूद हैं। वे एक डॉक्टर को बीमारियों का निदान करने, उपचार की प्रभावशीलता की निगरानी करने या रोगी के नमूने में मौजूद रोगजनकों की पहचान करने की अनुमति देते हैं।
यद्यपि ये उपकरण बहुत उपयोगी और प्रभावी हैं, लेकिन वे क्या कर सकते हैं, इसकी सीमाएं हैं, टिमोथी पैट्रिक जेनकिंस, डीटीयू बायोइंजीनियरिंग और इसी लेखक में एक एसोसिएट प्रोफेसर कहते हैं:
“सबसे पहले, किसी भी डेटाबेस में सब कुछ शामिल नहीं है, इसलिए आपको यह जानना होगा कि कौन से डेटाबेस आपकी विशेष आवश्यकताओं के लिए प्रासंगिक हैं। फिर गहरी खोज बहुत समय लेने वाली हैं और बहुत अधिक कंप्यूटर पावर की मांग करते हैं। और, अंत में, प्रोटीन की पहचान करना लगभग असंभव है जो अभी तक पंजीकृत नहीं हैं।”
इस कारण से, कुछ समूहों ने तथाकथित पर काम किया है ‘दोबारा सीक्वेंसिंग एल्गोरिदम ‘जो सटीकता और कम कम्प्यूटेशनल लागतों में सुधार डेटाबेस आकार के साथ सुधार करते हैं। फिर भी, जेनकिंस और डीटीयू के सहयोगियों के अनुसार, नीदरलैंड में डेल्फ़्ट विश्वविद्यालय और ब्रिटिश एआई कंपनी इंस्टीप, उनका प्रदर्शन “भारी” रहा।
अत्याधुनिक
ए में, वे दो उपन्यास एआई मॉडल का प्रस्ताव करते हैं ताकि शोधकर्ताओं, चिकित्सा चिकित्सकों और वाणिज्यिक संस्थाओं की सहायता के लिए बड़ी मात्रा में डेटा की बड़ी मात्रा में आवश्यक जानकारी मिल सके। इन्हें इंस्टानोवो और इंस्टानोवो+ कहा जाता है और इंस्टाडीप वेबसाइट (फैक्ट बॉक्स देखें) के माध्यम से शोधकर्ताओं के लिए उपलब्ध हैं।
“एक साथ देखा गया, हमारे मॉडल अत्याधुनिक से अधिक हैं और वर्तमान में उपलब्ध उपकरणों की तुलना में काफी अधिक सटीक हैं। इसके अलावा, जैसा कि हम कागज में दिखाते हैं, हमारे मॉडल एक विशेष शोध क्षेत्र के लिए विशिष्ट नहीं हैं। इसके बजाय, ये उपकरण प्रोटिओमिक्स से जुड़े सभी क्षेत्रों में महत्वपूर्ण प्रगति को आगे बढ़ा सकते हैं,” केविन माइकल एलॉफ, इंस्टीडिप और सह-फ़र्स्ट लेखक के एक शोध इंजीनियर कहते हैं।
अपने मॉडलों की उपयोगिता का आकलन करने के लिए, शोधकर्ताओं ने ब्याज के प्रमुख क्षेत्रों के भीतर कई विशिष्ट कार्यों पर उन्हें प्रशिक्षित और परीक्षण किया है।
शिरापरक पैर के अल्सर के रोगियों से घाव के तरल पर एक जांच की गई। चूंकि शिरापरक पैर के अल्सर का इलाज करना बहुत मुश्किल है और अक्सर क्रोनिक हो जाता है, यह जानना कि बैक्टीरिया जैसे सूक्ष्मजीव मौजूद हैं, उपचार के लिए महत्वपूर्ण है। मॉडल एक डेटाबेस खोज के रूप में कई अनुक्रमों के रूप में दस बार मैप कर सकते हैं, उनमें से ई कोलाई और सभ्य -उत्तरार्द्ध एक बहु-प्रतिरोधी जीवाणु है।
एक अन्य उपयोग का मामला प्रोटीन के छोटे टुकड़ों पर आयोजित किया गया था, जिसे पेप्टाइड्स कहा जाता है, जो कोशिकाओं की सतह पर प्रदर्शित होता है। ये प्रतिरक्षा प्रणाली को कैंसर जैसे संक्रमण और बीमारियों को पहचानने में मदद करते हैं। Instanovo मॉडल ने हजारों नए पेप्टाइड्स की पहचान की जो पारंपरिक तरीकों का उपयोग करके नहीं पाए गए थे। व्यक्तिगत कैंसर उपचारों में प्रतिरक्षा प्रणाली को सशक्त बनाने के लिए – कम के लिए इम्यूनोथेरेपी – ये पेप्टाइड्स सभी संभावित हमले बिंदु हैं।
“संयोजन में, जटिल मामलों पर मॉडल के हमारे परीक्षण, जहां, उदाहरण के लिए, अज्ञात प्रोटीन मौजूद हैं, या जहां हमारे पास शामिल जीवों का कोई पूर्व ज्ञान नहीं है, यह दिखाते हैं कि वे हमारी समझ में काफी सुधार करने के लिए उपयुक्त हैं। कि यह बायोमेडिसिन के लिए अच्छी तरह से एक दिया गया है, क्योंकि यह हमारे माइक्रोबायोम की पहचान में सुधार कर सकता है। DTU बायोइंजीनियरिंग में लेखक और सहायक प्रोफेसर।
पेपर छह अतिरिक्त मामले प्रदान करता है जो प्रदर्शित करता है कि ये मॉडल कैसे चिकित्सीय अनुक्रमण में सुधार करते हैं, उपन्यास पेप्टाइड्स की खोज करते हैं, अप्रकाशित जीवों का पता लगाते हैं, और प्रोटिओमिक्स खोजों को महत्वपूर्ण रूप से बढ़ाते हैं। टिमोथी पैट्रिक जेनकिंस कहते हैं कि उनके परिणामों के निहितार्थ चिकित्सा विज्ञान से परे हैं:
“इसे विशुद्ध रूप से तकनीकी, वैज्ञानिक दृष्टिकोण से देखते हुए, यह भी सच है कि इन उपकरणों के साथ, हम न केवल स्वास्थ्य सेवा के संदर्भ में, बल्कि उद्योग और शिक्षाविदों में भी जैविक दुनिया की अपनी समझ में सुधार कर सकते हैं। प्रोटिओमिक्स का उपयोग करते हुए हर क्षेत्र के भीतर – यह संयंत्र विज्ञान, पशु चिकित्सा विज्ञान, औद्योगिक बायोटेक, पर्यावरणीय निगरानी, या पुरातत्व में भी हो सकता है।”
तथ्य
Instanovo और Instanovo+क्या हैं?
Instanovo एक ट्रांसफार्मर-आधारित मॉडल है जिसे के लिए डिज़ाइन किया गया है दोबारा पेप्टाइड अनुक्रमण। डेनमार्क के तकनीकी विश्वविद्यालय (DTU) में इंस्टीप और बायोटेक्नोलॉजी और बायोमेडिसिन के बीच सहयोग में विकसित, यह मास स्पेक्ट्रोमेट्री डेटा से फ्रेगमेंट आयन चोटियों को अभूतपूर्व सटीकता के साथ पेप्टाइड अनुक्रमों में अनुवाद करता है।
पहले से मौजूद डेटाबेस पर भरोसा करने वाले पारंपरिक तरीकों के विपरीत, इंस्टानोवो उन पेप्टाइड्स की पहचान करता है जिन्हें पहले कभी भी प्रलेखित नहीं किया गया था-प्रोटिओमिक खोज के परिदृश्य का विस्तार करना।
Instanovo मॉडल का एक प्रमुख नवाचार Instanovo+है, एक प्रसार-आधारित पुनरावृत्ति शोधन मॉडल है जो अनुक्रम सटीकता को बढ़ाता है कि कैसे शोधकर्ताओं ने पेप्टाइड भविष्यवाणियों को मैन्युअल रूप से परिष्कृत किया। Instanovo+ एक प्रारंभिक अनुक्रम के साथ शुरू होता है – या तो Instanovo से प्राप्त होता है या यादृच्छिक रूप से उत्पन्न होता है – और इसे सुधारता है, चरण दर चरण।
जब इंस्टनोवो के साथ जोड़ा जाता है, तो इंस्टानोवो+ झूठी खोज दरों (एफडीआर) को काफी कम कर देता है और अनुक्रम सटीकता में सुधार करता है, न केवल भविष्यवाणियों को परिष्कृत करके, बल्कि संभावित पेप्टाइड अनुक्रमों की एक विस्तृत श्रृंखला की खोज करके।
Instanovo और अन्य जैसे ऑटोरेग्रेसिव मॉडल के विपरीत, जो एक समय में पेप्टाइड एक अमीनो एसिड के लिए पेप्टाइड अनुक्रम की भविष्यवाणी करते हैं, Instanovo+ पूरे अनुक्रम को समग्र रूप से संसाधित करता है, जिससे अधिक सटीकता और उच्च पहचान दर को सक्षम किया जाता है।
साथ में, Instanovo और Instanovo+ बढ़ाएँ दोबारा पेप्टाइड अनुक्रमण, जैविक खोज में तेजी लाने के लिए सटीकता और अन्वेषण के बीच एक संतुलन।
स्रोत: Instadeep
