નવા પ્રતિસૂક્ષ્મજીવી અણુઓ શોધવા સંશોધક Codex અને ChatGPTનો ઉપયોગ કેવી રીતે કરે છે

બેક્ટેરિયા, ફૂગ, પરોપજીવીઓ અને વિષાણુઓ સહિતના દવા-પ્રતિરોધક સૂક્ષ્મજીવો વિશ્વ માટે વધતો જતો ખતરો છે. 2021માં લગભગ 50 લાખ મૃત્યુ બેક્ટેરિયાના પ્રતિસૂક્ષ્મજીવી પ્રતિરોધ સાથે સંકળાયેલાં⁠(નવી વિન્ડોમાં ખૂલે છે) હતાં. આ વાર્ષિક મૃત્યુઆંક 2050 સુધીમાં લગભગ બમણો થવાનો અંદાજ છે. પ્રતિસૂક્ષ્મજીવી દવા બની શકે એવા અણુઓ શોધવામાં વર્ષો લાગી શકે છે. સંશોધકો શોધના આ પ્રારંભિક તબક્કાને ઝડપી બનાવવા AIનો ઉપયોગ કરી રહ્યા છે.

પ્રતિસૂક્ષ્મજીવી ઉમેદવારો શોધતી આંતરવિષયક પ્રયોગશાળાના બાયોએન્જિનિયર સીઝર ડે લા ફુએન્ટેએ⁠(નવી વિન્ડોમાં ખૂલે છે) કહ્યું, “મારા મતે પ્રતિસૂક્ષ્મજીવી પ્રતિરોધ માનવજાત સામેના સૌથી મોટા અસ્તિત્વલક્ષી જોખમોમાંનો એક છે.” “તેમ છતાં, 50 વર્ષથી પ્રતિજીવકોનો કોઈ નવો વર્ગ મળ્યો નથી.”

આધુનિક પ્રતિસૂક્ષ્મજીવી દવાઓનો મોટાભાગનો વિકાસ હાલની દવાઓમાં ફેરફાર કરવા અથવા રસાયણોના જાણીતા વર્ગોમાં શોધ કરવા પર કેન્દ્રિત છે. પરંતુ એ અભિગમથી મળતાં પરિણામો સતત ઘટી રહ્યાં છે.

ડે લા ફુએન્ટેની પ્રયોગશાળા બહુ ઓછા અન્વેષણ કરાયેલાં ક્ષેત્રથી શરૂઆત કરે છે: જીવનના સંકેતલેખથી. આ કાર્ય પાછળનો મુખ્ય વિચાર એ છે કે જીવવિજ્ઞાન એક માહિતી પ્રણાલી છે. ડે લા ફુએન્ટેએ કહ્યું, “DNA બનાવતાં ન્યુક્લિયોટાઇડ અને પ્રોટીન તથા પેપ્ટાઇડ બનાવતાં એમિનો ઍસિડ એક પ્રકારની મૂળાક્ષરમાળા જેવા છે.” “જીવવિજ્ઞાનને માહિતી તરીકે વિચારવાથી અમે એવી પદ્ધતિઓ વિકસાવી શક્યા, જે કાર્યશીલ અણુને જન્મ આપતા જીવનના સંગઠનાત્મક સિદ્ધાંતો ઉકેલવાની શરૂઆત કરી શકે છે.”

પ્રયોગશાળાના ગહન-અધ્યયન મોડેલોને જૈવિક અનુક્રમોમાં ઢાંચા ઓળખવાની તાલીમ અપાય છે, જેથી તેઓ સંભવિત પ્રતિસૂક્ષ્મજીવીઓ માટે વિશાળ જિનોમ અને પ્રોટીન ડેટાસેટમાં શોધ કરી શકે છે. આ અભિગમ ઉમેદવાર અણુઓની પ્રારંભિક શોધનો સમય વર્ષોથી ઘટાડીને કલાકો કરી શકે છે.

પોતાના AI મોડેલોની સાથે પ્રયોગશાળા પરિકલ્પનાઓ પર વિચારમંથન કરવા, સંકેતલેખ લખવા અને સુધારવા, ડેટાસેટ પર પ્રક્રિયા કરવા, પરિણામોનું વિશ્લેષણ કરવા અને વિવિધ વૈજ્ઞાનિક ક્ષેત્રોના વિચારો જોડવા ChatGPT અને Codexનો ઉપયોગ કરે છે.

જિનોમના માત્ર થોડા ભાગનું કાર્ય સ્પષ્ટ રીતે સમજાયું છે અને તેનાથી પણ ઓછા ભાગ એવા અણુઓ માટે સંકેત ધરાવે છે, જે ચેપી સૂક્ષ્મજીવો સામે લડી શકે. પડકાર એ છે કે અણુને કાર્યશીલ અથવા જૈવિક રીતે સક્રિય બનાવતા ઢાંચા ઓળખવા અને પછી તેમાંથી કયા ચેપી સૂક્ષ્મજીવો સામે લડવાની સંભાવના ધરાવે છે તે નક્કી કરવું.

વૈજ્ઞાનિકો લાંબા સમયથી વનસ્પતિઓ, પ્રાણીઓ, સૂક્ષ્મજીવો, જંતુઓ, પાણી અને માટીમાં પ્રતિસૂક્ષ્મજીવીઓ શોધતા આવ્યા છે. તેઓ નમૂના એકત્ર કરે છે, ઉમેદવાર અણુઓને અલગ પાડે છે અથવા તેમની આગાહી કરે છે અને વર્ષો ચાલી શકે એવી પુનરાવર્તિત પ્રક્રિયામાં તેમનું પરીક્ષણ કરે છે.

ડિજિટલ જિનોમ અને પ્રોટીન ડેટાબેઝ હવે વૈજ્ઞાનિકોને જીવસૃષ્ટિમાં નવા સંયોજનો શોધવાની તક આપે છે, જેથી સંશોધન માટે ઉપલબ્ધ ડેટાબેઝનો વ્યાપ નોંધપાત્ર રીતે વધ્યો છે. પરંતુ માહિતીની આ વિપુલતા પોતાના પડકારો પણ લાવે છે: અસંખ્ય શક્યતાઓમાંથી આશાસ્પદ સંકેતો શોધવા.

ઘાસની ગંજીમાંથી સોય શોધવા જેવા આ કાર્ય માટે AI ખાસ અનુકૂળ છે. તે વિશાળ ડેટાસેટ તપાસી શકે છે, સંશોધકો માટે શોધવા મુશ્કેલ હોય એવા ઢાંચા ઓળખી શકે છે અને પ્રાયોગિક પરીક્ષણ માટે ઉમેદવારોના વ્યવસ્થાપનક્ષમ સમૂહને અગ્રતા આપી શકે છે.

પરંતુ આશાસ્પદ ઉમેદવારની ઓળખ થાય તેનો અર્થ એ જરૂરી નથી કે તે અસરકારક દવા બનશે.

વૈજ્ઞાનિકોએ પહેલાં ખાતરી કરવી પડે છે કે ઉમેદવાર અણુ લક્ષિત સૂક્ષ્મજીવને નષ્ટ કરે છે, અસરકારક બનવા માટે તેનું કેટલું પ્રમાણ જોઈએ તે નક્કી કરવું પડે છે અને માનવ કોષો પર તેની અસર તપાસવી પડે છે. ત્યાર પછી રસાયણશાસ્ત્રીઓ તેની અસરકારકતા, સલામતી અથવા સ્થિરતા સુધારવા તેને વધુ અનુકૂળ બનાવી શકે છે.

વધુ પરીક્ષણોમાં ઉમેદવાર કયા ડોઝે ઝેરી બને છે, સૂક્ષ્મજીવો આ અણુ સામે કેટલી ઝડપથી પ્રતિરોધ વિકસાવે છે અને ઉમેદવાર શરીરમાં કેવી રીતે વહે છે તેનું મૂલ્યાંકન થાય છે. ટીમો એ અણુના ઉત્પાદનની વિશ્વસનીય રીત પણ નક્કી કરે છે. આ અવરોધો પાર કરનારા ઉમેદવારો પણ મંજૂર પ્રતિસૂક્ષ્મજીવી દવા તરીકે દર્દીઓ સુધી પહોંચતાં પહેલાં નિયમનકારી સમીક્ષા અને નૈદાનિક પરીક્ષણોમાંથી પસાર થાય છે.

ડે લા ફુએન્ટેના મતે, આ જ કારણે AI અને પ્રયોગશાળાનું જીવવિજ્ઞાન સાથે આગળ વધવાં જોઈએ. તેમણે કહ્યું, “AIની આગાહીઓને પ્રમાણિત કરવા વાસ્તવિક પ્રયોગો અનિવાર્ય છે.” “જીવવિજ્ઞાન સૌથી જટિલ વિષય છે અને તેની આપણી સમજ હજી પ્રારંભિક સ્તરે છે. તેને આગળ વધારવી હોય તો આવનારા વર્ષોમાં જીવનવિજ્ઞાન માટે આ અત્યંત મહત્ત્વપૂર્ણ બનશે.”

તેમની પ્રયોગશાળા ઉમેદવાર અણુઓ માટે જીવંત અને લુપ્ત સજીવોના જિનોમની શોધ કરે છે. આ જિનોમમાં શોધ કરવા, તેમાં સંકેતિત પ્રોટીન કેવી રીતે રચાય છે અને કાર્ય કરે છે તે સમજવા તથા એ અણુઓ શું કરે છે તે નક્કી કરવા અનેક ક્ષેત્રોની નિપુણતા જરૂરી છે.

ડે લા ફુએન્ટેએ કહ્યું, “અમારો સમૂહ અત્યંત બહુવિષયક છે, તેથી અમારી પાસે જીવવિજ્ઞાન, રસાયણશાસ્ત્ર, કમ્પ્યુટર વિજ્ઞાન અને એન્જિનિયરિંગના લોકો છે.” પ્રયોગશાળાના કેટલાક સભ્યો પ્રોગ્રામિંગમાં કુશળ છે, પરંતુ જીવવિજ્ઞાન કે રસાયણશાસ્ત્ર ઓછું જાણે છે અને કેટલાકમાં તેનાથી વિપરીત છે. Codex અને ChatGPT આ અંતરો દૂર કરવામાં મદદ કરે છે, જેથી જીવવિજ્ઞાનીઓ પ્રોગ્રામ બનાવી શકે અને પ્રોગ્રામર જૈવિક સમસ્યાઓ ઉકેલી શકે. આ રીતે AI વૈજ્ઞાનિક ક્ષેત્રો વચ્ચેના અવરોધો ઘટાડે છે.

તે પ્રયોગશાળાના સભ્યોને તેમના આંતરવિષયક કાર્ય માટે જરૂરી અજાણ્યા વિષયો સમજવા, પરિભાષા સ્પષ્ટ કરવા, વિવિધ ક્ષેત્રોની પદ્ધતિઓની તુલના કરવા અને દવાની શોધ માટે વિચારો ગોઠવવામાં મદદ કરે છે. અન્ય સભ્યો AIનો ઉપયોગ વિશાળ જિનોમ ડેટાસેટ ડાઉનલોડ કરવા, ગોઠવવા અને તેમનું પૂર્વ-પ્રક્રિયાકરણ કરવા માટે કરે છે. ChatGPT પ્રયોગશાળાના સભ્યોને તેમની માતૃભાષામાં કામ કરવાની સુવિધા પણ આપે છે, જેથી અવરોધો ઘટે છે અને તેમની કાર્યપ્રક્રિયા ઝડપી બને છે.

ડે લા ફુએન્ટે વિચારોના મંથન માટે ChatGPTને સહયોગી તરીકે વાપરે છે. તેઓ સહકર્મીઓ સાથે વિચારો વિકસાવવાનું ચાલુ રાખે છે, પરંતુ પરિકલ્પનાને ઘડવામાં AIની મદદ કરવાની ક્ષમતાને તેઓ મહત્ત્વ આપે છે. બટન પર એક ક્લિકથી વિશ્વભરની માહિતી મેળવી શકાય છે એ પણ તેમને ગમે છે.

ડે લા ફુએન્ટેએ કહ્યું, “અમે જે સમસ્યાઓ ઉકેલવાનો પ્રયાસ કરી રહ્યા છીએ, તેમના વિશે અલગ રીતે વિચારતા આ બધા લોકોના સૂચનો અમારા ChatGPT વર્કસ્પેસને મળી રહ્યા છે.” પ્રયોગશાળાના સભ્યો તેમાં પોતાના સારા અને ખરાબ વિચારો રજૂ કરે છે, તેથી તે સહયોગથી વિચારો ચકાસવાનું એક માધ્યમ બને છે.

પરંતુ તેઓ માત્ર AI પર આધાર રાખવા સામે ચેતવે છે. ડે લા ફુએન્ટેએ કહ્યું, “ચોકસાઈની હંમેશાં ફરીથી ખરાઈ કરવી જરૂરી છે.”

તેમ છતાં, વૈજ્ઞાનિક ક્ષેત્રોની શાખાઓ વચ્ચેની સીમાઓનું અન્વેષણ કરવામાં મદદ કરવાની AIની ક્ષમતાને તેઓ મહત્ત્વ આપે છે. “નવી ક્રાંતિકારી શોધોની સંભાવના ત્યાં જ રહેલી છે. હકીકતમાં, તે વિવિધ ક્ષેત્રોની એવી સીમાઓ પર છે જ્યાં બહુ ઓછા લોકો જાય છે.”

તેઓ આ કાર્યને ઘણી લાંબી વૈજ્ઞાનિક પરંપરાનો ભાગ માને છે. ડે લા ફુએન્ટેએ કહ્યું, “આપણી આસપાસના વિશ્વને સમજવા માટે આપણે હંમેશાં સાધનો અને યંત્રો પર આધાર રાખ્યો છે.” “ટેલિસ્કોપથી બ્રહ્માંડ પ્રકાશિત થયું અને સૂક્ષ્મદર્શકે અદૃશ્ય જગત પ્રગટ કર્યું.” હવે યંત્રો સંશોધકોને જીવવિજ્ઞાન સમજવા, તેની આગાહી કરવા અને તેને અભિયાંત્રિક રીતે ઘડવામાં મદદ કરે છે. તેમણે કહ્યું, “અમારું સમગ્ર કાર્ય આ જ વિષય પર છે.”