कैसे जनरेटिव एआई हमें अगली महामारी की भविष्यवाणी करने में मदद कर सकता है

प्लेटो द्वारा पुनर्प्रकाशित

अनुयायियों: 0

कैसे जेनरेटिव एआई हमें अगली महामारी प्लेटोब्लॉकचेन डेटा इंटेलिजेंस की भविष्यवाणी करने में मदद कर सकता है। लंबवत खोज. ऐ.

वायरस में तेजी से विकसित होने की अद्भुत क्षमता होती है। कोविड-19 इसका ज्वलंत उदाहरण है। जैसे-जैसे वायरस बीटा से डेल्टा और ओमीक्रॉन में परिवर्तित हुआ, महामारी बढ़ती गई और दुनिया बंद हो गई। वैज्ञानिकों ने टीकों और उपचारों को नए वेरिएंट के अनुरूप ढालने के लिए संघर्ष किया। वायरस का दबदबा था; हम कैच-अप खेल रहे थे।

एक एआई हार्वर्ड विश्वविद्यालय द्वारा विकसित यह हमें नए वेरिएंट के आने से पहले उनकी भविष्यवाणी करने की अनुमति देकर स्थिति को बदल सकता है। EVEscape कहा जाने वाला AI वायरल विकास के लिए एक प्रकार की मशीन "ओरेकल" है।

एकत्रित आंकड़ों पर प्रशिक्षण दिया गया से पहले महामारी के दौरान, एल्गोरिथम कोविड-19 के बार-बार होने वाले उत्परिवर्तन और परेशान करने वाले वेरिएंट की भविष्यवाणी करने में सक्षम था और भविष्य में संबंधित वेरिएंट की एक सूची भी तैयार की। टूल का हृदय एक जेनरेटिव एआई मॉडल है, जैसे पावर देने वाला मॉडल DALL-E or ChatGPT, लेकिन इसमें वायरल उत्परिवर्तन को बेहतर ढंग से प्रतिबिंबित करने के लिए कई सावधानीपूर्वक चयनित जैविक कारक शामिल हैं।

यह उपकरण केवल कोविड-19 के लिए नहीं बनाया गया था: यह फ्लू वायरस, एचआईवी और दो अध्ययनित वायरस के वेरिएंट की भी सटीक भविष्यवाणी करता है जो भविष्य में महामारी को जन्म दे सकते हैं।

"हम जानना चाहते हैं कि क्या हम वायरस में भिन्नता का अनुमान लगा सकते हैं और नए वेरिएंट का पूर्वानुमान लगा सकते हैं," कहा डॉ. डेबोरा मार्क्स, जिन्होंने हार्वर्ड मेडिकल स्कूल में ब्लावाटनिक इंस्टीट्यूट में अध्ययन का नेतृत्व किया। "क्योंकि अगर हम कर सकते हैं, तो यह टीके और उपचारों को डिजाइन करने के लिए बेहद महत्वपूर्ण होगा।"

महामारी के तीव्र चरणों के दौरान वायरल उत्परिवर्तन की भविष्यवाणी करने के लिए एआई का उपयोग करने पर ज़ोर दिया गया। उपयोगी होते हुए भी, अधिकांश मॉडल मौजूदा वेरिएंट के बारे में जानकारी पर निर्भर थे और केवल अल्पकालिक भविष्यवाणियां ही कर सकते थे।

इसके विपरीत, EVEscape, वायरस की वंशावली पर नज़र डालने के लिए विकासवादी जीनोमिक्स का उपयोग करता है, जिसके परिणामस्वरूप लंबे पूर्वानुमान मिलते हैं और, संभावित रूप से, आगे की योजना बनाने और वापस लड़ने के लिए पर्याप्त समय मिलता है।

अध्ययन के लेखक डॉ. नूर यूसुफ ने कहा, "हम यह पता लगाना चाहते हैं कि हम वास्तव में ऐसे टीके और उपचार कैसे डिजाइन कर सकते हैं जो भविष्य के लिए उपयुक्त हों।"

विकसित करने के लिए विकसित

हालाँकि वायरस प्राकृतिक चयन के दबाव के प्रति बेहद अनुकूल होते हैं, फिर भी वे अन्य जीवित प्राणियों की तरह विकसित होते हैं। उनकी आनुवंशिक सामग्री अनियमित रूप से उत्परिवर्तित होती है। कुछ उत्परिवर्तन मेजबानों को संक्रमित करने की उनकी क्षमता को कम कर देते हैं। अन्य लोग अपने मेजबानों को बहुगुणित होने से पहले ही मार देते हैं। लेकिन कभी-कभी, वायरस को गोल्डीलॉक्स संस्करण का सामना करना पड़ता है, जो मेजबान को इतना स्वस्थ रखता है कि बग पुन: उत्पन्न हो सके और जंगल की आग की तरह फैल सके। वायरस के जीवित रहने के लिए बढ़िया होते हुए भी, ये वेरिएंट मानवता के लिए वैश्विक तबाही मचाते हैं, जैसा कि कोविड-19 के मामले में हुआ।

वैज्ञानिक लंबे समय से वायरल उत्परिवर्तन और उनके प्रभावों की भविष्यवाणी करने की कोशिश कर रहे हैं। दुर्भाग्य से, सभी संभावित उत्परिवर्तनों की भविष्यवाणी करना असंभव है। एक सामान्य कोरोना वायरस में लगभग 30,000 आनुवंशिक अक्षर होते हैं। संभावित वेरिएंट की संख्या सभी से अधिक है प्राथमिक कण-अर्थात, इलेक्ट्रॉन, क्वार्क और अन्य मूलभूत कण-ब्रह्मांड में.

नया अध्ययन अधिक व्यावहारिक समाधान पर केंद्रित है। प्रत्येक वैरिएंट की मैपिंग करना भूल जाइए। सीमित डेटा के साथ, क्या हम कम से कम खतरनाक लोगों की भविष्यवाणी कर सकते हैं?

आइए खलनायक की भूमिका निभाएँ

टीम की ओर रुख किया पूर्व संध्या, एक एआई पहले मनुष्यों में रोग पैदा करने वाले आनुवंशिक वेरिएंट का पता लगाने के लिए विकसित किया गया था। एल्गोरिदम के मूल में एक गहन जनरेटिव मॉडल है जो पूरी तरह से मानव विशेषज्ञता पर भरोसा किए बिना प्रोटीन फ़ंक्शन की भविष्यवाणी कर सकता है।

एआई ने विकासवाद से सीखा। जैसे पुरातत्वविदों ने अतीत में झांकने के लिए होमिनिन चचेरे भाई-बहनों के कंकालों की तुलना की, एआई ने सभी प्रजातियों में प्रोटीन एन्कोडिंग करने वाले डीएनए अनुक्रमों की जांच की। रणनीति मनुष्यों में स्वास्थ्य के लिए महत्वपूर्ण आनुवंशिक परिवर्तन सामने आए - उदाहरण के लिए, जो कैंसर या हृदय की समस्याओं में शामिल हैं।

"आप विकासवादी जानकारी से आश्चर्यजनक चीजें सीखने के लिए इन जेनरेटिव मॉडल का उपयोग कर सकते हैं - डेटा में छिपे हुए रहस्य हैं जिन्हें आप प्रकट कर सकते हैं," कहा निशान।

नए अध्ययन ने ईवीई को वायरस में आनुवंशिक वेरिएंट के संबंध में भविष्यवाणी करने के लिए पुनः प्रशिक्षित किया। उन्होंने अवधारणा के पहले प्रमाण के रूप में SARS-CoV-2, जो कि कोविड-19 के पीछे का वायरस है, का उपयोग किया।

कुंजी वायरस की जैविक जरूरतों को एआई के डेटा सेट में एकीकृत करना था।

वायरस की मुख्य प्रेरणा जीवित रहना है। वे तेजी से उत्परिवर्तन करते हैं, जिससे कभी-कभी आनुवंशिक परिवर्तन होते हैं जो टीके या एंटीबॉडी उपचार को चकमा दे सकते हैं। हालाँकि, वही उत्परिवर्तन वायरस की अपने मेजबान पर पकड़ बनाने और प्रजनन करने की क्षमता को नुकसान पहुंचा सकता है - एक स्पष्ट नुकसान।

इस प्रकार के उत्परिवर्तन को दूर करने के लिए, एआई ने महामारी से पहले खोजे गए कोरोनवीरस की एक विस्तृत श्रृंखला से प्रोटीन अनुक्रमों की तुलना की - उदाहरण के लिए मूल सार्स वायरस, और "सामान्य सर्दी" वायरस। इस तुलना से पता चला कि वायरल जीनोम के कौन से हिस्से संरक्षित हैं। ये आनुवंशिक प्रबंधक वायरस के अस्तित्व के लिए मूलभूत हैं। क्योंकि अन्य कोरोना वायरस और SARS-CoV-2 एक सामान्य आनुवंशिक वंशावली साझा करते हैं, इन जीनों में उत्परिवर्तन के परिणामस्वरूप व्यवहार्य वेरिएंट के बजाय मृत्यु होने की संभावना होती है।

इसके विपरीत, एआई ने भविष्यवाणी की है कि स्पाइक प्रोटीन वायरस का लचीला घटक होगा जिसके विकसित होने की संभावना है। वायरस की सतह पर बिखरे हुए, ये प्रोटीन पहले से ही टीकों और एंटीबॉडी उपचारों के लिए लक्ष्य हैं। इन प्रोटीनों में परिवर्तन से वर्तमान उपचारों की प्रभावशीलता कम हो सकती है।

भविष्य पर वापस करने के लिए

किसी महामारी का विश्लेषण करते समय दृष्टि 20/20 होती है। लेकिन अगर हमें अगली महामारी को शुरुआत में ही ख़त्म करना है तो आगे बढ़ने की कोशिश करने के बजाय, क्या हो सकता है, इसकी एक झलक पाना ज़रूरी है।

एआई की पूर्वानुमानित शक्तियों का परीक्षण करने के लिए, टीम ने उनकी सटीकता का आकलन करने के लिए अपनी भविष्यवाणियों को जीआईएसएआईडी (ग्लोबल इनिशिएटिव ऑन शेयरिंग ऑल इन्फ्लुएंजा डेटा) डेटाबेस से मिलान किया। अपने नाम के बावजूद, डेटाबेस में कोरोनोवायरस आनुवंशिक अनुक्रमों के 750,000 अद्वितीय अनुक्रम शामिल हैं।

ईवीस्केप ने फैलने की सबसे अधिक संभावना वाले वेरिएंट की पहचान की - उदाहरण के लिए, डेल्टा और ओमीक्रॉन - इसके 50 प्रतिशत शीर्ष पूर्वानुमान मई 2023 तक महामारी के दौरान देखे गए। पिछली मशीन लर्निंग पद्धति, EVEscape उत्परिवर्तन की भविष्यवाणी करने और पूर्वानुमान लगाने में दोगुनी अच्छी थी कि कौन से वेरिएंट एंटीबॉडी उपचार से बचने की सबसे अधिक संभावना रखते हैं।

पुराने दिनों को याद करना

EVEscape की महाशक्ति यह है कि इसका उपयोग अन्य वायरस के साथ किया जा सकता है। पिछले तीन वर्षों से कोविड हमारे ध्यान पर हावी रहा है। लेकिन कम-ज्ञात वायरस चुपचाप छिपे रहते हैं। उदाहरण के लिए, लासा और निपाह वायरस पश्चिम अफ़्रीकी और दक्षिण-पश्चिम एशियाई देशों में छिटपुट रूप से फैलते हैं और उनमें महामारी फैलने की संभावना होती है। वायरस का इलाज एंटीबॉडी से किया जा सकता है, लेकिन वे तेजी से उत्परिवर्तन करते हैं।

ईवीईस्केप का उपयोग करते हुए, टीम ने इन वायरस में भागने वाले उत्परिवर्तन की भविष्यवाणी की, जिसमें पहले से ही एंटीबॉडी से बचने के लिए जाने जाने वाले उत्परिवर्तन भी शामिल हैं।

विकासवादी आनुवंशिकी और एआई को मिलाकर, यह कार्य दर्शाता है कि "भविष्य की सफलता की कुंजी अतीत को याद रखने पर निर्भर करती है।" कहा डॉ. मैरीलैंड में नेशनल सेंटर फॉर बायोटेक्नोलॉजी इंफॉर्मेशन और नेशनल लाइब्रेरी ऑफ मेडिसिन में नैश डी. रोचमैन और यूजीन वी. कूनिन, जो अध्ययन में शामिल नहीं थे।

EVEscape में वायरस के भविष्य के वेरिएंट की भविष्यवाणी करने की शक्ति है - यहां तक कि वे भी जो अभी तक अज्ञात हैं। यह एक महामारी के जोखिम का अनुमान लगा सकता है, संभावित रूप से हमें अगले प्रकोप से एक कदम आगे रख सकता है।

टीम अब अगले SARS-CoV-2 वैरिएंट की भविष्यवाणी करने के लिए टूल का उपयोग कर रही है। वे सप्ताह में दो बार उत्परिवर्तनों को ट्रैक करते हैं प्रत्येक वैरिएंट की क्षमता को रैंक करें एक और कोविड लहर शुरू करने के लिए। डेटा विश्व स्वास्थ्य संगठन और के साथ साझा किया जाता है कोड खुले तौर पर उपलब्ध है.

रोचमैन और कूनिन के लिए, नया एआई टूलकिट अगली महामारी को विफल करने में मदद कर सकता है। अब हम उम्मीद कर सकते हैं कि "कोविड-19 हमेशा मानव इतिहास में सबसे विघटनकारी महामारी के रूप में जाना जाएगा," उन्होंने लिखा।

छवि क्रेडिट: एक SARS-CoV2 वायरस कण / राष्ट्रीय एलर्जी और संक्रामक रोग संस्थान, एनआईएच