मुख्य मजकूराकडे जा
OpenAI

१० सप्टेंबर, २०२६

अनुप्रयुक्त AI

नवीन प्रतिजैविक रेणू शोधण्यासाठी संशोधक Codex आणि ChatGPT कसे वापरतात

सेझार दे ला फुएन्ते आणि त्यांची प्रयोगशाळा औषध-प्रतिरोधक संसर्गांशी लढण्यास मदत करू शकणाऱ्या रेणूंसाठी सजीव व नामशेष जीवांचे जनुकसंच तपासतात.

लोड होत आहे...

जीवाणू, बुरशी, परजीवी आणि विषाणूंसह औषध-प्रतिरोधक सूक्ष्मजीवांचा जागतिक धोका वाढत आहे. 2021 मधील सुमारे पन्नास लाख मृत्यूंचा जीवाणूंच्या प्रतिजैविक प्रतिकाराशी संबंध होता(नवीन विंडोमध्ये उघडेल). मृत्यूंचा हा वार्षिक आकडा 2050 पर्यंत जवळपास दुप्पट होण्याचा अंदाज आहे. प्रतिजैविक बनण्याची क्षमता असलेले रेणू शोधण्यासाठी अनेक वर्षे लागू शकतात. संशोधक शोधाचा हा प्रारंभिक टप्पा वेगवान करण्यासाठी कृत्रिम बुद्धिमत्ता वापरत आहेत.

“माझ्या मते, प्रतिजैविक प्रतिकार हा मानवजातीच्या अस्तित्वासमोरील सर्वांत मोठ्या धोक्यांपैकी एक आहे,” असे प्रतिजैविक उमेदवारांचा शोध घेणारी आंतरशाखीय प्रयोगशाळा चालवणारे जैवअभियंता सेझार दे ला फुएन्ते(नवीन विंडोमध्ये उघडेल) म्हणाले. “तरीही, गेल्या 50 वर्षांत प्रतिजैविकांचा एकही नवा वर्ग विकसित झालेला नाही.”

आधुनिक प्रतिजैविकांच्या विकासात प्रामुख्याने सध्याच्या औषधांमध्ये बदल करण्यावर किंवा परिचित रासायनिक वर्गांमध्ये शोध घेण्यावर भर दिला जातो. मात्र, या पद्धतीतून मिळणारे लाभ हळूहळू कमी होत आहेत.

दे ला फुएन्ते यांची प्रयोगशाळा मात्र जीवनाच्या संकेतलिपीपासून, म्हणजेच फार कमी शोध घेतलेल्या ठिकाणापासून, सुरुवात करते. जीवशास्त्र ही एक माहिती प्रणाली आहे, ही या कामामागील मध्यवर्ती संकल्पना आहे. “DNA बनवणारी न्यूक्लिओटाइड आणि प्रथिने व पेप्टाइड बनवणारी अमिनो आम्ले ही एक प्रकारची वर्णमाला आहेत,” असे दे ला फुएन्ते म्हणाले. “जीवशास्त्राचा माहितीसारखा विचार केल्यामुळे, कार्यक्षम रेणू निर्माण करणाऱ्या जीवनाच्या रचनात्मक तत्त्वांचा उलगडा सुरू करू शकणाऱ्या पद्धती आम्हाला विकसित करता आल्या.”

प्रयोगशाळेच्या सखोल-अध्ययन प्रतिमानांना जैविक अनुक्रमांतील आकृतिबंध ओळखण्याचे प्रशिक्षण दिले जाते. त्यामुळे संभाव्य प्रतिजैविकांसाठी प्रचंड जनुकसंच आणि प्रथिन डेटासंच तपासता येतात. या पद्धतीमुळे उमेदवार रेणूंच्या प्राथमिक शोधासाठी लागणारा कालावधी अनेक वर्षांवरून काही तासांपर्यंत कमी होऊ शकतो.

स्वतःच्या कृत्रिम बुद्धिमत्ता प्रतिमानांसोबतच प्रयोगशाळा गृहीतकांवर कल्पनामंथन करणे, संकेतलिपी लिहिणे व सुधारणे, डेटासंचांवर प्रक्रिया करणे, निष्कर्षांचे विश्लेषण करणे आणि विविध वैज्ञानिक शाखांतील कल्पना जोडणे यासाठी ChatGPT आणि Codex वापरते.

जीवशास्त्रातील न वाचलेल्या अवकाशांचा शोध

जनुकसंचाच्या केवळ एका लहान भागाचे कार्य स्पष्टपणे समजले आहे आणि त्याहूनही कमी भागांत संसर्गजन्य सूक्ष्मजीवांशी लढू शकणाऱ्या रेणूंची माहिती संकेतबद्ध असते. रेणूला कार्यक्षम किंवा जैविकदृष्ट्या सक्रिय बनवणारे आकृतिबंध ओळखणे आणि त्यानंतर संसर्गजन्य सूक्ष्मजीवांशी लढण्याची क्षमता कोणत्या रेणूंमध्ये आहे हे ठरवणे, हे मुख्य आव्हान आहे.

शास्त्रज्ञ दीर्घकाळापासून वनस्पती, प्राणी, सूक्ष्मजीव, कीटक, पाणी आणि मातीमध्ये प्रतिजैविकांचा शोध घेत आहेत. ते नमुने गोळा करतात, उमेदवार रेणू वेगळे करतात किंवा त्यांचा अंदाज बांधतात आणि अनेक वर्षे चालू शकणाऱ्या पुनरावृत्तीच्या प्रक्रियेत त्यांची चाचणी करतात.

अंकीय जनुकसंच आणि प्रथिन डेटाबेसमुळे आता शास्त्रज्ञांना नवीन संयुगांसाठी संपूर्ण जीवसृष्टीत शोध घेता येतो. त्यामुळे शोधासाठी उपलब्ध डेटाबेसची व्याप्ती प्रचंड वाढली आहे. मात्र, माहितीच्या या विपुलतेसोबत एक वेगळे आव्हानही येते: असंख्य शक्यतांमधून आशादायक संकेत शोधणे.

गवताच्या गंजीत सुई शोधण्यासारख्या या कामासाठी कृत्रिम बुद्धिमत्ता विशेष उपयुक्त आहे. ती प्रचंड डेटासंच तपासू शकते, संशोधकांना सहज न दिसणारे आकृतिबंध ओळखू शकते आणि प्रायोगिक चाचणीसाठी उमेदवारांच्या हाताळण्याजोग्या संचाला प्राधान्य देऊ शकते.

मात्र, एखादा आशादायक उमेदवार सापडला म्हणजे त्यापासून प्रभावी औषध तयार होईलच असे नाही.

उमेदवार रेणू लक्ष्य सूक्ष्मजीवाला नष्ट करतो याची शास्त्रज्ञांनी प्रथम खात्री करावी लागते, परिणामकारक ठरण्यासाठी आवश्यक प्रमाण ठरवावे लागते आणि मानवी पेशींवर होणाऱ्या परिणामांची चाचणी घ्यावी लागते. त्यानंतर त्याची परिणामकारकता, सुरक्षितता किंवा स्थिरता सुधारण्यासाठी रसायनशास्त्रज्ञ त्याचे अधिक अनुकूलन करू शकतात.

पुढील चाचण्यांमध्ये उमेदवार कोणत्या मात्रेत विषारी ठरतो, सूक्ष्मजीव त्या रेणूविरुद्ध किती सहज प्रतिकार विकसित करतात आणि उमेदवार शरीरातून कसा प्रवास करतो याचे मूल्यमापन केले जाते. रेणूचे विश्वासार्ह रीतीने उत्पादन कसे करायचे, हेही पथके ठरवतात. हे अडथळे पार करणाऱ्या उमेदवारांनाही मान्यताप्राप्त प्रतिजैविक औषधांच्या रूपात रुग्णांपर्यंत पोहोचण्यापूर्वी नियामक परीक्षण आणि चिकित्सीय चाचण्यांना सामोरे जावे लागते.

दे ला फुएन्ते यांच्या मते, याच कारणामुळे कृत्रिम बुद्धिमत्ता आणि प्रयोगशाळेतील जीवशास्त्र यांनी एकत्र प्रगती केली पाहिजे. “कृत्रिम बुद्धिमत्तेचे अंदाज प्रमाणित करण्यासाठी प्रत्यक्ष प्रयोग अत्यावश्यक आहेत,” असे ते म्हणाले. “अस्तित्वात असलेल्या सर्व गोष्टींमध्ये जीवशास्त्र सर्वांत गुंतागुंतीचे आहे. त्याविषयीच्या आपल्या आकलनाच्या पृष्ठभागाखाली दडलेले ज्ञान शोधत राहायचे असेल, तर आगामी वर्षांत जीवविज्ञानासाठी हे अत्यंत महत्त्वाचे ठरेल.”

सतत विकसित होणारा सहकारी

त्यांची प्रयोगशाळा उमेदवार रेणूंसाठी सजीव आणि नामशेष जीवांच्या जनुकसंचांचा शोध घेते. त्या जनुकसंचांचा शोध घेणे, त्यांत संकेतबद्ध असलेली प्रथिने कशी तयार होतात आणि कार्य करतात हे समजून घेणे तसेच ते रेणू काय करतात हे ठरवणे यासाठी अनेक क्षेत्रांतील तज्ज्ञता आवश्यक असते.

“आमचा गट अत्यंत शाखातीत आहे. त्यामुळे आमच्याकडे जीवशास्त्र, रसायनशास्त्र, संगणकशास्त्र आणि अभियांत्रिकी अशा विविध क्षेत्रांतील लोक आहेत,” असे दे ला फुएन्ते म्हणाले. प्रयोगशाळेतील काही सदस्य प्रोग्रामिंगमध्ये कुशल असतात, पण त्यांना जीवशास्त्र किंवा रसायनशास्त्राचे कमी ज्ञान असते. काहींच्या बाबतीत याच्या उलट असते. Codex आणि ChatGPT या दऱ्या भरून काढण्यास मदत करतात. त्यामुळे जीवशास्त्रज्ञांना संगणकीय कार्यक्रम तयार करता येतात आणि प्रोग्रामरना जैविक समस्या हाताळता येतात. या अर्थाने, कृत्रिम बुद्धिमत्ता वैज्ञानिक शाखांमधील अडथळे कमी करते.

यामुळे प्रयोगशाळेतील सदस्यांना आंतरशाखीय कामासाठी आवश्यक असलेल्या अपरिचित विषयांचा आढावा घेता येतो, संज्ञा स्पष्ट करता येतात, विविध क्षेत्रांतील पद्धतींची तुलना करता येते आणि औषधांच्या शोधासाठी कल्पना सुसंगतपणे मांडता येतात. इतर जण मोठे जनुकसंच डेटासंच डाउनलोड करण्यासाठी, त्यांची मांडणी करण्यासाठी आणि त्यांवर प्राथमिक प्रक्रिया करण्यासाठी कृत्रिम बुद्धिमत्ता वापरतात. ChatGPT मुळे प्रयोगशाळेतील सदस्यांना त्यांच्या मातृभाषांमध्येही काम करता येते. त्यामुळे अडथळे कमी होऊन त्यांच्या कामाला वेग मिळतो.

दे ला फुएन्ते कल्पनामंथनातील सहकारी म्हणून ChatGPT वापरतात. ते सहकाऱ्यांसोबत कल्पना विकसित करत राहतात, पण गृहीतकाला आकार देण्यासाठी कृत्रिम बुद्धिमत्तेकडून मिळणारी मदत त्यांना महत्त्वाची वाटते. एका बटणावर क्लिक करून जगभरातील माहिती मिळवता येते, हेही त्यांना आवडते.

“आपण सोडवू पाहत असलेल्या समस्यांबद्दल वेगवेगळ्या पद्धतीने विचार करणाऱ्या या सर्व लोकांकडून आमच्या ChatGPT वर्कस्पेसला माहिती मिळत आहे,” असे दे ला फुएन्ते म्हणाले. प्रयोगशाळेतील सदस्य आपल्या चांगल्या-वाईट कल्पना त्यासमोर मांडतात. त्यामुळे ते सहकार्याने विचार तपासून पाहण्याचे एक व्यासपीठ बनते.

मात्र, केवळ कृत्रिम बुद्धिमत्तेवर अवलंबून राहू नये, असा इशारा ते देतात. “अचूकता तपासण्यासाठी प्रत्येक गोष्ट पुन्हा पडताळून पाहणे अर्थातच आवश्यक आहे,” असे दे ला फुएन्ते म्हणाले.

तरीही, वैज्ञानिक शाखांमधील सीमांचा शोध घेण्यासाठी संशोधकांना मदत करण्याची कृत्रिम बुद्धिमत्तेची क्षमता त्यांना महत्त्वाची वाटते. “नवे शोध लागण्याची शक्यता नेमकी तिथेच दडलेली आहे. फार कमी लोक जिथे जातात, अशा विविध क्षेत्रांच्या सीमांवर हे शोध मूलतः दडलेले आहेत.”

हे काम एका प्रदीर्घ वैज्ञानिक परंपरेचा भाग असल्याचे ते मानतात. “आपल्या सभोवतालचे जग समजून घेण्यासाठी आपण नेहमीच साधने आणि यंत्रांवर अवलंबून राहिलो आहोत,” असे दे ला फुएन्ते म्हणाले. “दुर्बिणीने विश्व प्रकाशात आणले आणि सूक्ष्मदर्शकाने अदृश्य जग उलगडले.” आता यंत्रे संशोधकांना जीवशास्त्र समजून घेण्यास, त्याविषयी भाकीत करण्यास आणि त्याची अभियांत्रिकी करण्यास मदत करतात. “आमच्या कामाचे सार हेच आहे,” असे ते म्हणाले.

  • कोडेक्स
  • ChatGPT
  • 2026

लेखक

OpenAI