ജൈവഡാറ്റയിലെ പുതിയ സൂചനകൾ കണ്ടെത്താൻ ആയിരക്കണക്കിന് AI ഏജന്റുകൾ

അൽഷൈമേഴ്‌സിനെയും പാർക്കിൻസൺസിനെയും കുറിച്ചുള്ള പുതിയ സൂചനകൾ മാസങ്ങൾക്ക് പകരം മിനിറ്റുകൾക്കുള്ളിൽ കണ്ടെത്താൻ ശാസ്ത്രജ്ഞർക്ക് കഴിഞ്ഞാലോ? OpenAI, PerturbAI⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), Scripps Research⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവ ചേർന്ന് GPT‑Rosalind ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്ന ആയിരക്കണക്കിന് AI ഏജന്റുകളെ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിച്ചു. ദശലക്ഷക്കണക്കിന് എലികളുടെ മസ്തിഷ്കകോശങ്ങളിൽനിന്നുള്ള⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) നിലവിലെ പരീക്ഷണ ഡാറ്റ വെറും 32 മിനിറ്റിനുള്ളിൽ വിശകലനം ചെയ്ത് വ്യാഖ്യാനിച്ചു. ജീനുകളുടെ പ്രവർത്തനം തടസ്സപ്പെടുത്തിയതിന്റെ ഫലങ്ങളെ ഗവേഷണ പ്രസിദ്ധീകരണങ്ങളിലെ കണ്ടെത്തലുകളുമായി ഏജന്റുകൾ ബന്ധിപ്പിച്ചു. ഇതിലൂടെ കണ്ടെത്തിയ അപ്രതീക്ഷിത ജൈവബന്ധങ്ങൾ രോഗം മനസ്സിലാക്കാനും പുതിയ ചികിത്സകൾക്കായുള്ള ഗവേഷണദിശകൾ തിരിച്ചറിയാനും ശാസ്ത്രജ്ഞരെ സഹായിക്കും. വലിയ ജൈവപരീക്ഷണങ്ങൾ വെളിപ്പെടുത്തുന്ന കാര്യങ്ങൾ കൂടുതൽ ആഴത്തിൽ അന്വേഷിക്കാൻ AI ഗവേഷകരെ എങ്ങനെ സഹായിക്കുമെന്ന് ഈ പഠനം കാണിക്കുന്നു.

ശാസ്ത്രജ്ഞർക്ക് സമഗ്രമായി പരിശോധിക്കാനാകുന്നതിലും വളരെ കൂടുതൽ ഡാറ്റ ആധുനിക പരീക്ഷണങ്ങൾ സൃഷ്ടിക്കുന്നു. ആയിരക്കണക്കിന് ജീനുകളിൽ മാറ്റം വരുത്താനും ദശലക്ഷക്കണക്കിന് കോശങ്ങളിൽ അവയുടെ ഫലങ്ങൾ അളക്കാനും ഇന്ന് ഗവേഷകർക്ക് കഴിയും. എന്നാൽ മനുഷ്യരിലെ രോഗങ്ങളുമായി ഈ ഫലങ്ങൾക്കുള്ള ബന്ധം മനസ്സിലാക്കാൻ, സങ്കീർണമായ പരീക്ഷണ കണ്ടെത്തലുകളെ പതിറ്റാണ്ടുകളായി ചിതറിക്കിടക്കുന്ന ശാസ്ത്രീയ അറിവുമായി ബന്ധിപ്പിക്കണം. ശ്രദ്ധയിൽപ്പെടാതെ പോയേക്കാവുന്ന, പ്രതീക്ഷയേകുന്ന സൂചനകൾ കണ്ടെത്താൻ AI-ക്ക് ശാസ്ത്രജ്ഞരെ സഹായിക്കാനാകുന്നത് ഇവിടെയാണ്.

GPT‑Rosalind ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്ന ആയിരക്കണക്കിന് AI ഏജന്റുകൾക്കിടയിൽ സംഘം വിശകലനജോലി വിഭജിച്ചു. ഈ സമീപനത്തെ ഞങ്ങൾ ഡിസ്ട്രിബ്യൂട്ടഡ് ജൈവ റീസണിംഗ് എന്നു വിളിക്കുന്നു. ഏജന്റുകൾ മുഴുവൻ മസ്തിഷ്കത്തിന്റെയും CRISPR അറ്റ്‌ലസ്⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പരിശോധിച്ചു. ജീനുകളുടെ പ്രവർത്തനം തടസ്സപ്പെടുത്തുന്നത് എലിയുടെ മസ്തിഷ്കത്തിലെ വിവിധ കോശങ്ങളെ എങ്ങനെ ബാധിക്കുന്നു എന്ന് കാണിക്കുന്ന ഡാറ്റാസെറ്റാണിത്. ഓരോ ഏജന്റും ഒരു ജീനിന്റെ പ്രവർത്തനം തടസ്സപ്പെടുത്തിയതിനെക്കുറിച്ച് അന്വേഷിച്ചു, കോശപ്രതികരണങ്ങൾ വിശകലനം ചെയ്തു, ഗവേഷണ പ്രസിദ്ധീകരണങ്ങളിൽ തിരഞ്ഞു, ഫലങ്ങൾക്ക് വിശദീകരണങ്ങൾ നിർദേശിച്ചു. അവയുടെ റിപ്പോർട്ടുകൾ സംയോജിപ്പിച്ച് ജീനുകൾ, കോശങ്ങളിലെ ഫലങ്ങൾ, പ്രസക്തമായ പ്രസിദ്ധീകരണങ്ങൾ, സാധ്യമായ ജൈവപ്രക്രിയകൾ എന്നിവയെ ബന്ധിപ്പിക്കുന്ന റീസണിംഗ് അറ്റ്‌ലസ് തയ്യാറാക്കി.

ഓരോ പരീക്ഷണ ഇടപെടലും പ്രത്യേകം വിശകലനം ചെയ്ത് ബന്ധപ്പെട്ട പ്രസിദ്ധീകരണങ്ങൾ അവലോകനം ചെയ്യാൻ മനുഷ്യർക്ക് മാസങ്ങൾ മുതൽ ഒരു വർഷം വരെ വേണ്ടിവരുമെന്ന് ഗവേഷണസംഘം കണക്കാക്കി. മനുഷ്യർ നടത്തിയ വിശകലനങ്ങളിലെ കണ്ടെത്തലുകൾ ഏജന്റുകളും കണ്ടെത്തി; ഒപ്പം കൂടുതൽ സൂചനകളും കണ്ടെത്തി. പുതുമയെയും ശാസ്ത്രീയ മൂല്യത്തെയും കുറിച്ചുള്ള അവയുടെ വിലയിരുത്തലുകൾ, ഉറവിടം അറിയാതെ വിലയിരുത്തിയ മനുഷ്യ വിദഗ്ധരുടെ വിധികളുമായി പൊരുത്തപ്പെട്ടു. നിർദേശിച്ച ജൈവപ്രക്രിയകൾ പരിശോധിക്കാൻ ആവശ്യമായ തുടർപരീക്ഷണങ്ങൾക്ക് മുൻഗണന നിശ്ചയിക്കാൻ ഈ കണ്ടെത്തലുകൾ സഹായിക്കുന്നു.

ഈ ഉൾക്കാഴ്ചകളിൽ ചിലത് മസ്തിഷ്കരോഗങ്ങൾ മനസ്സിലാക്കാനുള്ള പുതിയ സൂചനകളിലേക്ക് വിരൽചൂണ്ടുന്നു. രോഗങ്ങളുമായി ബന്ധമുള്ള രണ്ട് ജീനുകൾ മസ്തിഷ്കകോശങ്ങളെ ബാധിക്കുന്നതിലെ അപ്രതീക്ഷിത വ്യത്യാസങ്ങൾ ഏജന്റുകൾ കണ്ടെത്തി. കൊളസ്ട്രോൾ നിയന്ത്രണവും നാഡീക്ഷയവും തമ്മിൽ ബന്ധമുണ്ടാകാമെന്നും തിരിച്ചറിഞ്ഞു. രോഗം എങ്ങനെ വികസിക്കുന്നുവെന്നും ഭാവിയിലെ ചികിത്സകൾക്ക് എവിടെ ഇടപെടാനാകുമെന്നും അന്വേഷിക്കാൻ ഈ കണ്ടെത്തലുകൾ ശാസ്ത്രജ്ഞരെ സഹായിച്ചേക്കാം.

ഗവേഷകർക്ക് ഈ കണ്ടെത്തലുകൾ ഇന്നുതന്നെ പഠിച്ചുതുടങ്ങാം. റീസണിംഗ് അറ്റ്‌ലസ് ലഭ്യമാണ്⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ബന്ധപ്പെട്ട ജീനുകൾ താരതമ്യം ചെയ്യാനും അപ്രതീക്ഷിത പ്രതികരണങ്ങൾ അന്വേഷിക്കാനും പിന്തുടരേണ്ട പ്രതീക്ഷയേകുന്ന സൂചനകൾ കണ്ടെത്താനും ശാസ്ത്രജ്ഞർക്ക് ഇത് ഉപയോഗിക്കാം. വിവിധ മേഖലകളിലെ ഗവേഷകർ തങ്ങളുടെ വൈദഗ്ധ്യം കൂട്ടിച്ചേർത്ത് പരിചിതമായ ആശയങ്ങളെ അപ്രതീക്ഷിത രീതികളിൽ ബന്ധിപ്പിക്കുമ്പോഴാണ് പലപ്പോഴും പുതിയ കണ്ടെത്തലുകൾ ഉണ്ടാകുന്നത്. വിവിധ ശാസ്ത്രശാഖകളിൽ ചിതറിക്കിടക്കുന്ന അറിവുമായി പുതിയ ഡാറ്റയെ ബന്ധിപ്പിച്ച് ഇത്തരം ബന്ധങ്ങൾ വലിയ തോതിൽ വിപുലീകരിക്കാൻ AI-ക്ക് കഴിയും. ഡാറ്റ വേഗത്തിൽ വിശകലനം ചെയ്യുന്നതിൽ ഒതുങ്ങുന്നില്ല ഈ സാധ്യത. AI-യെ പരീക്ഷണാധിഷ്ഠിത ജീവശാസ്ത്രം, മനുഷ്യരുടെ വൈദഗ്ധ്യം, ഗവേഷണ പ്രസിദ്ധീകരണങ്ങൾ എന്നിവയുമായി സംയോജിപ്പിച്ച് കൂടുതൽ ഡാറ്റയെ പരീക്ഷിച്ചറിയാവുന്ന ആശയങ്ങളാക്കി മാറ്റാൻ ശാസ്ത്രജ്ഞരെ സഹായിക്കാം.

ശാസ്ത്രജ്ഞർ അന്വേഷിക്കാൻ ഉദ്ദേശിച്ച കാര്യങ്ങൾക്ക് പുറത്തായിരിക്കും ചിലപ്പോൾ ഒരു പരീക്ഷണത്തിലെ ഏറ്റവും കൗതുകകരമായ സൂചനകൾ. ആയിരക്കണക്കിന് പരീക്ഷണ ഇടപെടലുകൾ ഉൾക്കൊള്ളുന്ന ഡാറ്റാസെറ്റിൽ ഇത്തരം സൂചനകൾ എളുപ്പം ശ്രദ്ധയിൽപ്പെടാതെ പോകാം.

Tsc1, Tsc2 എന്നീ ജീനുകൾക്കിടയിൽ ഏജന്റുകൾ അപ്രതീക്ഷിത വ്യത്യാസം കണ്ടെത്തി. കോശവളർച്ച, ഉപാപചയം, വാർധക്യം എന്നിവയുടെ പ്രധാന നിയന്ത്രകമായ mTOR-നെ നിയന്ത്രിക്കാൻ ഒരുമിച്ച് പ്രവർത്തിക്കുന്ന ജീനുകളാണിവ. ഇവയിൽ ഏത് ജീനിന്റെ പ്രവർത്തനം തടസ്സപ്പെടുത്തിയാലും പല നാഡീകോശക്കൂട്ടങ്ങളിലും സമാനമായ ഫലങ്ങളാണുണ്ടായത്. എന്നാൽ ചലനങ്ങൾ ഏകോപിപ്പിക്കാൻ സഹായിക്കുന്ന സെറിബെല്ലത്തിൽ, Tsc2-ന്റെ പ്രവർത്തനം തടസ്സപ്പെടുത്തിയത് നാഡീകോശ ആശയവിനിമയത്തിൽ പങ്കുള്ള ഡസൻകണക്കിന് ജീനുകളുടെ പ്രവർത്തനം മാറ്റി. Tsc1-ന്റെ പ്രവർത്തനം തടസ്സപ്പെടുത്തിയപ്പോൾ കാര്യമായ മാറ്റമുണ്ടായില്ല.

മനുഷ്യരിലെ രോഗങ്ങളുടെ കാര്യത്തിൽ ഈ വ്യത്യാസം പ്രസക്തമായേക്കാം. ട്യൂബറസ് സ്ക്ലിറോസിസ് ഉള്ളവരിൽ സെറിബെല്ലത്തിലെ അസാധാരണതകൾക്ക് TSC2 മ്യൂട്ടേഷനുകളുമായി ശക്തമായ ബന്ധമുണ്ട്. mTOR പ്രവർത്തനം കുറയ്ക്കുന്ന മരുന്നുകൾകൊണ്ട് ചില മസ്തിഷ്ക മുഴകളും അപസ്മാര ആക്രമണങ്ങളും ചികിത്സിക്കാനാകും. എന്നാൽ രോഗവുമായി ബന്ധപ്പെട്ട പഠന, പെരുമാറ്റ ബുദ്ധിമുട്ടുകൾ പരിഹരിക്കുന്നത് ഇപ്പോഴും വെല്ലുവിളിയാണ്. കൂടുതൽ അന്വേഷണം അർഹിക്കുന്ന ഒരു പ്രത്യേക നാഡീകോശക്കൂട്ടവും കോശമാറ്റങ്ങളും ഏജന്റുകൾ കൃത്യമായി കണ്ടെത്തി: നിലവിലെ മരുന്നുകൾക്ക് ഏതെല്ലാം മാറ്റങ്ങൾ തിരുത്താനാകും, ഏതെല്ലാം മാറ്റങ്ങൾ പുതിയ ചികിത്സാരീതികൾക്ക് വഴികാട്ടും? പരീക്ഷണശാലയിൽ പരിശോധിക്കാൻ കൂടുതൽ കൃത്യമായ ചോദ്യങ്ങൾ ഇത് ഗവേഷകർക്ക് നൽകുന്നു.

മുഴുവൻ ഡാറ്റാസെറ്റും നൽകിയ ഒരൊറ്റ ഏജന്റിന്, സമാന്തരമായി പ്രവർത്തിക്കുന്ന ആയിരക്കണക്കിന് ഏജന്റുകളോളം മികവ് പുലർത്താനാകുമോ? മോഡലും വിഭവങ്ങളും മാറ്റാതെ ഞങ്ങൾ ഇത് പരീക്ഷിച്ചു. ജോലിഭാരം കൂടിയപ്പോൾ ഒറ്റ ഏജന്റ് പരിശോധിച്ച ഗവേഷണ പ്രസിദ്ധീകരണങ്ങളുടെ എണ്ണം കുറഞ്ഞു. ഏറ്റവും ഉയർന്ന ജോലിഭാരത്തിൽ അത് 11 അവലംബങ്ങൾ മാത്രം ഉദ്ധരിച്ചപ്പോൾ ഡിസ്ട്രിബ്യൂട്ടഡ് ഏജന്റുകൾ 700-ലധികം അവലംബങ്ങൾ ഉദ്ധരിച്ചു. മനുഷ്യ വിദഗ്ധരും ഡിസ്ട്രിബ്യൂട്ടഡ് ഏജന്റുകളുടെ വ്യാഖ്യാനങ്ങളെയാണ് കൂടുതൽ ഇഷ്ടപ്പെട്ടത്.

ശാസ്ത്രജ്ഞർക്ക് സമയം പരിമിതമായതിനാൽ അവർ പലപ്പോഴും ഡാറ്റയിലെ ഏറ്റവും ശക്തമായ സൂചനകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. സൂക്ഷ്മമോ അപ്രതീക്ഷിതമോ ആയവ ഉൾപ്പെടെ കൂടുതൽ വൈവിധ്യമുള്ള പ്രതികരണങ്ങൾ പരിശോധിക്കാനും അവയെ പ്രസക്തമായ ഗവേഷണ പ്രസിദ്ധീകരണങ്ങളുമായി ബന്ധിപ്പിക്കാനും ഡിസ്ട്രിബ്യൂട്ടഡ് ഏജന്റുകൾക്ക് സഹായിക്കാനാകും. ഏജന്റുകളെ സമാന്തരമായി പ്രവർത്തിപ്പിക്കുന്നതിലൂടെ നിരവധി പരീക്ഷണ ഇടപെടലുകൾ ഒരേസമയം അന്വേഷിക്കാനാകും. ഒരു പരീക്ഷണത്തിൽനിന്ന് കൂടുതൽ കാര്യങ്ങൾ മനസ്സിലാക്കാനും ശ്രദ്ധയിൽപ്പെടാതെ പോയേക്കാവുന്ന പ്രതീക്ഷയേകുന്ന സൂചനകൾ കണ്ടെത്താനും ഇത് ശാസ്ത്രജ്ഞരെ സഹായിക്കുന്നു.

നടത്താൻ തക്ക മൂല്യമുള്ള ഒരു പരീക്ഷണത്തിലേക്ക് വഴികാട്ടുമ്പോൾ ഒരു കണ്ടെത്തലിന്റെ മൂല്യം കൂടുന്നു. ഏജന്റുകൾ അത്തരമൊരു സൂചന DCTN1 എന്ന ജീനിൽ കണ്ടെത്തി. ഈ ജീനിലെ ഉൽപരിവർത്തനങ്ങളാണ് പാർക്കിൻസൺസിന് സമാനമായ ലക്ഷണങ്ങളുള്ള നാഡീക്ഷയ രോഗമായ പെറി സിൻഡ്രോമിന് കാരണമാകുന്നത്.

നാഡീകോശങ്ങൾക്കുള്ളിൽ പദാർഥങ്ങൾ കൊണ്ടുപോകുന്നതിൽ DCTN1 പങ്കുവഹിക്കുന്നു. മുഴുവൻ മസ്തിഷ്കത്തിന്റെയും CRISPR അറ്റ്‌ലസിൽ, Dctn1-ന്റെ പ്രവർത്തനം തടസ്സപ്പെടുത്തിയത് കൊളസ്ട്രോൾ ഉൽപാദനത്തിൽ പങ്കുള്ള ജീനുകളുടെ ആവിഷ്കാരം വർധിപ്പിച്ചു. കൊളസ്ട്രോൾ ഗതാഗതത്തിലെ പ്രശ്നങ്ങൾ കോശങ്ങളെ കൂടുതൽ കൊളസ്ട്രോൾ ഉൽപാദിപ്പിക്കാൻ പ്രേരിപ്പിച്ചേക്കാമെന്ന് സൂചിപ്പിക്കുന്ന ഗവേഷണവുമായി ഏജന്റുകൾ ഈ നിരീക്ഷണത്തെ ബന്ധിപ്പിച്ചു. തുടർപരീക്ഷണങ്ങൾക്കായി ഇത് ഒരു ചോദ്യമുയർത്തി: DCTN1-ന്റെ പ്രവർത്തനം തടസ്സപ്പെടുത്തുന്നത് നാഡീകോശങ്ങൾക്കുള്ളിലെ കൊളസ്ട്രോൾ വിതരണം മാറ്റുമോ, ആ മാറ്റങ്ങൾ നാഡീക്ഷയത്തിന് കാരണമാകുമോ? അങ്ങനെയെങ്കിൽ, സാധാരണ കൊളസ്ട്രോൾ വിതരണം പുനഃസ്ഥാപിക്കുന്നത് നാഡീകോശങ്ങളെ സംരക്ഷിക്കാൻ സഹായിക്കുമോ?

ഈ പരികൽപന പുതുമയുള്ളതും പ്രാധാന്യമുള്ളതും തുടർപഠനം അർഹിക്കുന്നതുമാണെന്ന് മനുഷ്യ വിദഗ്ധരും വിലയിരുത്തി. അപ്രതീക്ഷിത ഫലത്തെ നിലവിലുള്ള അറിവുമായി ബന്ധിപ്പിച്ചാൽ ഒരു സൂചനയെ പരീക്ഷിച്ചറിയാവുന്ന ആശയമാക്കി മാറ്റാമെന്നും, അത് രോഗചികിത്സയ്ക്ക് പുതിയ ദിശ തുറന്നേക്കാമെന്നും ഈ ഉദാഹരണം കാണിക്കുന്നു.

കണ്ടെത്തലുകളുടെ കേന്ദ്രസ്ഥാനത്ത് ശാസ്ത്രജ്ഞർ തന്നെയാണ്. പ്രതീക്ഷയേകുന്ന കൂടുതൽ സൂചനകൾ കണ്ടെത്തുന്നതിലൂടെ, ഏത് ആശയങ്ങൾ പിന്തുടരണം എന്ന് തീരുമാനിക്കാനും പരീക്ഷണങ്ങൾ രൂപകൽപന ചെയ്യാനും ഫലങ്ങൾ വ്യാഖ്യാനിക്കാനും AI ഗവേഷകരെ സഹായിക്കും. ജൈവപരീക്ഷണങ്ങളിലെ കൂടുതൽ വിവരങ്ങളെ അറിവാക്കി മാറ്റുകയാണ് ലക്ഷ്യം. കാലക്രമേണ മെച്ചപ്പെട്ട മരുന്നുകളുടെ വികസനത്തിന് വഴികാട്ടാൻ ഈ അറിവ് സഹായിക്കും.