புதிய நுண்ணுயிர் எதிர்ப்பு மூலக்கூறுகளைத் தேட Codex, ChatGPT‑ஐ ஆய்வாளர் பயன்படுத்தும் விதம்

பாக்டீரியா, பூஞ்சை, ஒட்டுண்ணிகள், வைரஸ்கள் உள்ளிட்ட மருந்து-எதிர்ப்பு நுண்ணுயிரிகள், வளர்ந்துவரும் உலகளாவிய அச்சுறுத்தலாக உள்ளன. 2021-இல் ஏற்பட்ட சுமார் ஐம்பது லட்சம் மரணங்கள், பாக்டீரிய நுண்ணுயிர் எதிர்ப்பு மருந்துகளுக்கான எதிர்ப்புடன் தொடர்புடையவை⁠(புதிய சாளரத்தில் திறக்கும்). 2050-க்குள் இந்த ஆண்டு இறப்பு எண்ணிக்கை கிட்டத்தட்ட இரட்டிப்பாகும் எனக் கணிக்கப்பட்டுள்ளது. நுண்ணுயிர் எதிர்ப்பு மருந்துகளாக மாறக்கூடிய மூலக்கூறுகளைக் கண்டறியப் பல ஆண்டுகள் ஆகலாம். கண்டுபிடிப்பின் இந்த ஆரம்பக் கட்டத்தை விரைவுபடுத்த செயற்கை நுண்ணறிவை ஆராய்ச்சியாளர்கள் பயன்படுத்துகின்றனர்.

“என் கருத்தில், நுண்ணுயிர் எதிர்ப்பு மருந்துகளுக்கான எதிர்ப்பு மனிதகுலத்தின் இருப்புக்கே அச்சுறுத்தலாக இருக்கும் மிகப்பெரிய ஆபத்துகளில் ஒன்று,” என்று நுண்ணுயிர் எதிர்ப்பு மருந்துகளுக்கான சாத்தியமான மூலக்கூறுகளைத் தேடும் பல்துறை ஆய்வகத்தின் உயிரிப் பொறியாளரான சீசர் டி லா ஃபுவென்டே⁠(புதிய சாளரத்தில் திறக்கும்) கூறினார். “இருப்பினும், கடந்த 50 ஆண்டுகளில் புதிய வகை நுண்ணுயிர் எதிர்ப்பு மருந்து எதுவும் நமக்குக் கிடைக்கவில்லை.”

நவீன நுண்ணுயிர் எதிர்ப்பு மருந்து உருவாக்கத்தில் பெரும்பகுதி, ஏற்கெனவே உள்ள மருந்துகளை மாற்றியமைப்பதிலோ நன்கு அறியப்பட்ட வேதிப்பொருள் வகைகளில் தேடுவதிலோ கவனம் செலுத்துகிறது. ஆனால் அந்த அணுகுமுறையால் கிடைக்கும் பலன் தொடர்ந்து குறைந்துவருகிறது.

டி லா ஃபுவென்டேவின் ஆய்வகம் இதுவரை அதிகம் ஆராயப்படாத ஓர் இடத்திலிருந்து தொடங்குகிறது: உயிரின் குறியீடு. உயிரியல் என்பது ஓர் தகவல் முறைமை என்பதே இந்தப் பணியின் மையக் கருத்து ஆகும். “DNA-ஐ உருவாக்கும் நியூக்ளியோடைடுகளும், புரதங்கள் மற்றும் பெப்டைடுகளை உருவாக்கும் அமினோ அமிலங்களும் ஓர் எழுத்துமாலை போன்றவை,” என்று டி லா ஃபுவென்டே கூறினார். “உயிரியலைத் தகவலாகக் கருதியதால், செயல்படும் ஒரு மூலக்கூறு உருவாகக் காரணமான உயிரின் ஒழுங்கமைப்புக் கோட்பாடுகளைப் புரிந்துகொள்ளத் தொடங்கும் முறைகளை எங்களால் உருவாக்க முடிந்தது.”

உயிரியல் தொடர்களில் உள்ள வடிவங்களை அடையாளம் காண ஆய்வகத்தின் டீப் லெர்னிங் மாடல்கள் பயிற்றுவிக்கப்படுகின்றன. இதனால், சாத்தியமான நுண்ணுயிர் எதிர்ப்பு மூலக்கூறுகளைத் தேடி மிகப்பெரிய மரபணுத் தொகுப்பு மற்றும் புரதத் தரவுத்தொகுப்புகளை அவற்றால் ஆராய முடிகிறது. இந்த அணுகுமுறை, சாத்தியமான மூலக்கூறுகளுக்கான ஆரம்பத் தேடலைப் பல ஆண்டுகளிலிருந்து சில மணிநேரமாகக் குறைக்கக்கூடும்.

ஆய்வகம் தனது செயற்கை நுண்ணறிவு மாடல்களுடன் ChatGPT மற்றும் Codex-ஐப் பயன்படுத்தி கருதுகோள்களை உருவாக்குகிறது, நிரலை எழுதி மேம்படுத்துகிறது, தரவுத்தொகுப்புகளைச் செயலாக்குகிறது, முடிவுகளைப் பகுப்பாய்வு செய்கிறது, அறிவியல் துறைகளுக்கு இடையே கருத்துகளை இணைக்கிறது.

ஒரு மரபணுத் தொகுப்பின் ஒரு சிறு பகுதியின் செயல்பாடு மட்டுமே தெளிவாகப் புரிந்துகொள்ளப்பட்டுள்ளது; தொற்றை ஏற்படுத்தும் நுண்ணுயிரிகளை எதிர்க்கக்கூடிய மூலக்கூறுகளைக் குறியீடாக்கும் பகுதிகள் அதைவிடக் குறைவு ஆகும். ஒரு மூலக்கூற்றைச் செயல்பட வைக்கும் அல்லது உயிரியல் செயல்பாடுடையதாக்கும் வடிவங்களைக் கண்டறிந்து, அவற்றில் தொற்று நுண்ணுயிரிகளை எதிர்க்கும் திறன் கொண்டவை எவை என்பதைத் தீர்மானிப்பதே சவால் ஆகும்.

தாவரங்கள், விலங்குகள், நுண்ணுயிரிகள், பூச்சிகள், நீர், மண் ஆகியவற்றில் நுண்ணுயிர் எதிர்ப்பு மூலக்கூறுகளை விஞ்ஞானிகள் நீண்ட காலமாகத் தேடிவருகின்றனர். அவர்கள் மாதிரிகளைச் சேகரித்து, சாத்தியமான மூலக்கூறுகளைத் தனிமைப்படுத்தவோ கணிக்கவோ செய்து, பல ஆண்டுகள் நீடிக்கக்கூடிய தொடர் சுழற்சி முறையில் அவற்றைப் பரிசோதிக்கின்றனர்.

மின்னணு மரபணுத் தொகுப்பு மற்றும் புரதத் தரவுத்தளங்கள், புதிய சேர்மங்களைத் தேடி உயிரினங்களின் பரிணாம மரம் முழுவதையும் விஞ்ஞானிகள் ஆராய இப்போது உதவுகின்றன. இதனால் ஆராயக்கூடிய தரவுத்தளங்களின் பரப்பு பெருமளவில் விரிவடைந்துள்ளது. ஆனால் இந்தத் தகவல் வளம் தனக்கே உரிய சவாலையும் கொண்டுள்ளது: எண்ணற்ற சாத்தியக்கூறுகளில் நம்பிக்கையளிக்கும் அறிகுறிகளைக் கண்டறிவது.

வைக்கோல் போரில் ஊசியைத் தேடுவதற்கு ஒப்பான இந்தப் பணிக்கு செயற்கை நுண்ணறிவு மிகவும் பொருத்தமானது. அது மிகப்பெரிய தரவுத்தொகுப்புகளை ஆராய்ந்து, ஆராய்ச்சியாளர்கள் கவனிக்கத் தவறக்கூடிய வடிவங்களைக் கண்டறிந்து, பரிசோதனைக்கு ஏற்ற அளவிலான சாத்தியமான மூலக்கூறுகளுக்கு முன்னுரிமை அளிக்க முடியும்.

ஆனால் நம்பிக்கையளிக்கும் ஒரு மூலக்கூற்றை அடையாளம் காண்பது, அது பயனுள்ள மருந்தாக மாறும் என்று அவசியம் பொருள்படாது.

இலக்கு நுண்ணுயிரியை ஒரு சாத்தியமான மூலக்கூறு கொல்கிறதா என்பதை விஞ்ஞானிகள் முதலில் உறுதிப்படுத்த வேண்டும்; பயனளிக்கத் தேவையான அளவைத் தீர்மானித்து, மனித செல்களை அது எவ்வாறு பாதிக்கிறது என்பதையும் சோதிக்க வேண்டும். பின்னர் அதன் செயல்திறன், பாதுகாப்பு அல்லது நிலைத்தன்மையை மேம்படுத்த வேதியியலாளர்கள் அதைச் செம்மைப்படுத்தலாம்.

சாத்தியமான மூலக்கூறு எந்த அளவில் நச்சுத்தன்மை பெறுகிறது, நுண்ணுயிரிகள் அதற்கு எவ்வளவு எளிதாக எதிர்ப்பை வளர்த்துக்கொள்கின்றன, அது உடலுக்குள் எவ்வாறு பயணிக்கிறது என்பவற்றை அடுத்தடுத்த சோதனைகள் மதிப்பிடுகின்றன. அந்த மூலக்கூற்றை நம்பகமாக உற்பத்தி செய்வதற்கான முறையையும் குழுக்கள் தீர்மானிக்கின்றன. இந்தத் தடைகளைக் கடக்கும் மூலக்கூறுகளும், அங்கீகரிக்கப்பட்ட நுண்ணுயிர் எதிர்ப்பு மருந்துகளாக நோயாளிகளைச் சென்றடைவதற்கு முன் ஒழுங்குமுறை ஆய்வையும் மருத்துவப் பரிசோதனைகளையும் எதிர்கொள்ள வேண்டும்.

இதனால்தான் செயற்கை நுண்ணறிவும் ஆய்வக உயிரியலும் ஒன்றாக முன்னேற வேண்டும் என்று டி லா ஃபுவென்டே கருதுகிறார். “செயற்கை நுண்ணறிவின் கணிப்புகளை உறுதிப்படுத்த நேரடிப் பரிசோதனைகள் அவசியம்,” என்று அவர் கூறினார். “உள்ளவற்றிலேயே மிகவும் சிக்கலான உயிரியலைப் பற்றிய நமது புரிதலை வருங்காலத்தில் தொடர்ந்து ஆழப்படுத்த வேண்டுமெனில், உயிர் அறிவியலுக்கு இது மிகவும் முக்கியமானதாக இருக்கும்.”

சாத்தியமான மூலக்கூறுகளைத் தேடி உயிருள்ள மற்றும் அழிந்துபோன உயிரினங்களின் மரபணுத் தொகுப்புகளை அவரது ஆய்வகம் ஆராய்கிறது. அந்த மரபணுத் தொகுப்புகளை ஆராய்வதற்கும், அவை குறியீடாக்கும் புரதங்கள் எவ்வாறு உருவாகிச் செயல்படுகின்றன என்பதைப் புரிந்துகொள்வதற்கும், அந்த மூலக்கூறுகள் என்ன செய்கின்றன என்பதைத் தீர்மானிப்பதற்கும் பல துறைகளின் நிபுணத்துவம் தேவைப்படுகிறது.

“நாங்கள் பல துறைகளையும் ஒருங்கிணைக்கும் குழுவாகும்; எனவே உயிரியல், வேதியியல், கணினி அறிவியல், பொறியியல் ஆகிய துறைகளைச் சேர்ந்தவர்கள் எங்கள் குழுவில் உள்ளனர்,” என்று டி லா ஃபுவென்டே கூறினார். ஆய்வக உறுப்பினர்களில் சிலர் நிரலாக்கத்தில் திறமையானவர்கள்; ஆனால் உயிரியல் அல்லது வேதியியல் குறித்து குறைவாக அறிந்திருப்பார்கள். இதற்கு நேர்மாறாகவும் சிலர் உள்ளனர். அந்த இடைவெளிகளை நிரப்ப Codex மற்றும் ChatGPT உதவுகின்றன; இதனால் உயிரியலாளர்கள் நிரல்களை உருவாக்கவும், நிரலாளர்கள் உயிரியல் சிக்கல்களுக்குத் தீர்வு காணவும் முடிகிறது. அந்த வகையில், அறிவியல் துறைகளுக்கு இடையிலான தடைகளைச் செயற்கை நுண்ணறிவு குறைக்கிறது.

பல்துறைப் பணிக்குத் தேவைப்படும் அறிமுகமற்ற தலைப்புகளை ஆய்வக உறுப்பினர்கள் புரிந்துகொள்ளவும், சொற்களைத் தெளிவுபடுத்தவும், துறைகளுக்கு இடையே முறைகளை ஒப்பிடவும், மருந்துக் கண்டுபிடிப்புக்கான யோசனைகளை ஒழுங்கமைக்கவும் இது உதவுகிறது. மற்றவர்கள் பெரிய மரபணுத் தொகுப்புகளைப் பதிவிறக்கி, ஒழுங்கமைத்து, முன்செயலாக்கம் செய்ய செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றனர். ஆய்வக உறுப்பினர்கள் தங்கள் தாய்மொழிகளில் பணியாற்றவும் ChatGPT உதவுகிறது; இதனால் தடைகள் குறைந்து, அவர்களின் பணிப்பாய்வுகள் வேகமடைகின்றன.

யோசனைகளை உருவாக்க உதவும் கூட்டாளியாக ChatGPT‑ஐ டி லா ஃபுவென்டே பயன்படுத்துகிறார். சக ஆராய்ச்சியாளர்களுடன் இணைந்து அவர் தொடர்ந்து யோசனைகளை உருவாக்குகிறார்; அதேவேளையில், ஒரு கருதுகோளை வடிவமைக்கச் செயற்கை நுண்ணறிவு உதவுவதை மதிக்கிறார். ஒரு பொத்தானைச் சொடுக்கி உலகின் தகவல்களை அணுக முடிவதும் அவருக்குப் பிடித்துள்ளது.

“நாங்கள் தீர்க்க முயலும் சிக்கல்களைப் பல்வேறு கோணங்களில் அணுகும் நபர்கள் அனைவரிடமிருந்தும் வரும் கருத்துகளை எங்கள் ChatGPT வர்க்ஸ்பேஸ் பெறுகிறது,” என்று டி லா ஃபுவென்டே கூறினார். ஆய்வக உறுப்பினர்கள் தங்கள் நல்ல, மோசமான யோசனைகளை அதனுடன் பகிர்வதால், அது கருத்துகளைச் சோதிக்கும் ஒரு கூட்டுத் தளமாகச் செயல்படுகிறது.

ஆனால் செயற்கை நுண்ணறிவை மட்டுமே சார்ந்திருப்பதற்கு எதிராக அவர் எச்சரிக்கிறார். “நிச்சயமாக, துல்லியத்தை எப்போதும் மறுபரிசோதனை செய்ய வேண்டும்” என்று டி லா ஃபுவென்டே கூறினார்.

இருப்பினும், அறிவியல் துறைகளுக்கு இடையிலான எல்லைகளை ஆராய்ச்சியாளர்கள் ஆராயச் செயற்கை நுண்ணறிவு உதவுவதை அவர் பாராட்டுகிறார். “அங்குதான் கண்டறியப்பட வேண்டிய திருப்புமுனைகள் காத்திருக்கின்றன. வெகு சிலரே செல்லும் துறைகளுக்கு இடையிலான விளிம்புகளில்தான் அவை உள்ளன.”

இந்தப் பணியை மிக நீண்ட அறிவியல் மரபின் ஒரு பகுதியாக அவர் காண்கிறார். “நம்மைச் சுற்றியுள்ள உலகைப் புரிந்துகொள்ள நாம் எப்போதும் கருவிகளையும் இயந்திரங்களையும் சார்ந்திருக்கிறோம்,” என்று டி லா ஃபுவென்டே கூறினார். “பேரண்டத்தின் மீது ஒளியைத் தொலைநோக்கி பாய்ச்சியது; நுண்ணோக்கி கண்ணுக்குப் புலப்படாத உலகை வெளிப்படுத்தியது.” இப்போது உயிரியலைப் புரிந்துகொள்ளவும், கணிக்கவும், வடிவமைக்கவும் ஆராய்ச்சியாளர்களுக்கு இயந்திரங்கள் உதவுகின்றன. “எங்கள் பணியின் நோக்கமே அதுதான்,” என்று அவர் கூறினார்.