مصنوعی ذہانت کے ہزاروں ایجنٹوں سے حیاتیاتی ڈیٹا میں نئے سراغ کی تلاش
OpenAI، پرٹرب اے آئی اور اسکرپس ریسرچ نے تقسیمِ کار والے مصنوعی ذہانت کے ایجنٹوں سے سائنس دانوں کو لاکھوں دماغی خلیوں کے ڈیٹا میں امید افزا تحقیقی سراغ پہچاننے میں کیسے مدد دی
دیکھیں کہ OpenAI، پرٹرب اے آئی اور اسکرپس ریسرچ نے لاکھوں دماغی خلیوں کے پیچیدہ ڈیٹا میں امید افزا حیاتیاتی تعلقات پہچاننے کے لیے مصنوعی ذہانت کے ہزاروں ایجنٹوں کو بیک وقت کیسے استعمال کیا.
ویڈیو بشکریہ: پرٹرب اے آئی.
تصور کریں کہ سائنس دان الزائمر اور پارکنسنز کے بارے میں نئے سراغ مہینوں کے بجائے منٹوں میں تلاش کر سکیں. OpenAI، پرٹرب اے آئی(نئی ونڈو میں کھلتا ہے) اور اسکرپس ریسرچ(نئی ونڈو میں کھلتا ہے) نے مل کر GPT‑Rosalind سے چلنے والے مصنوعی ذہانت کے ہزاروں ایجنٹوں(نئی ونڈو میں کھلتا ہے) کی مدد سے چوہوں کے دماغ کے لاکھوں خلیوں(نئی ونڈو میں کھلتا ہے) سے حاصل شدہ موجودہ تجرباتی ڈیٹا کا تجزیہ اور تشریح صرف 32 منٹ میں کی. ایجنٹوں نے جینز کے عمل میں خلل کے اثرات کو سائنسی لٹریچر کے نتائج سے جوڑا، جس سے ایسے غیر متوقع حیاتیاتی تعلقات سامنے آئے جو سائنس دانوں کو بیماری سمجھنے اور نئے علاج کے لیے تحقیق کی سمتیں طے کرنے میں مدد دے سکتے ہیں. یہ کام دکھاتا ہے کہ مصنوعی ذہانت بڑے حیاتیاتی تجربات سے سامنے آنے والی معلومات کو زیادہ گہرائی سے کھوجنے میں محققین کی مدد کیسے کر سکتی ہے.
جدید تجربات اتنا زیادہ ڈیٹا پیدا کرتے ہیں کہ سائنس دان اس سب کا تفصیلی جائزہ نہیں لے پاتے. محققین اب ہزاروں جینز میں تبدیلی کر کے لاکھوں خلیوں پر ان کے اثرات ناپ سکتے ہیں. لیکن انسانی بیماری کے لیے ان نتائج کی معنویت سمجھنے کے لیے پیچیدہ تجرباتی نتائج کو کئی دہائیوں کے بکھرے ہوئے سائنسی علم سے جوڑنا ضروری ہے. یہیں مصنوعی ذہانت سائنس دانوں کو ایسے امید افزا سراغ ڈھونڈنے میں مدد دے سکتی ہے جو ورنہ نظر انداز ہو سکتے ہیں.
“ہم خلیاتی اٹلس اس لیے بناتے ہیں کہ دوسرے سائنس دان ایسی دریافتیں کر سکیں جن کا ہم نے ابھی تصور بھی نہیں کیا. مصنوعی ذہانت مزید محققین کو ان وسائل کی کھوج کرنے اور غیر متوقع مشاہدات کو نئے قابلِ آزمائش سوالات میں بدلنے میں مدد دے سکتی ہے.”
ٹیم نے تجزیے کا کام GPT‑Rosalind سے چلنے والے مصنوعی ذہانت کے ہزاروں ایجنٹوں میں تقسیم کیا؛ ہم اس طریقے کو تقسیمِ کار پر مبنی حیاتیاتی ریزننگ کہتے ہیں. ایجنٹوں نے پورے دماغ کے CRISPR اٹلس(نئی ونڈو میں کھلتا ہے) کا جائزہ لیا؛ یہ ڈیٹا کا ایک مجموعہ ہے جو دکھاتا ہے کہ جینز کے عمل میں خلل چوہے کے پورے دماغ میں مختلف قسم کے خلیوں کو کیسے متاثر کرتا ہے. ہر ایجنٹ نے ایک جین کے عمل میں خلل کی تحقیق کی، خلیوں کے ردِعمل کا تجزیہ کیا، سائنسی لٹریچر کھنگالا اور نتائج کی ممکنہ تشریحات پیش کیں. ان کی رپورٹوں کو یکجا کر کے ایک ریزننگ اٹلس بنایا گیا، جو جینز، خلیاتی اثرات، متعلقہ اشاعتوں اور ممکنہ حیاتیاتی طریقۂ کار کو آپس میں جوڑتا ہے.
تحقیقی ٹیم کے اندازے کے مطابق، اگر انسان ایک وقت میں ایک تجرباتی تبدیلی کا ایسا ہی تجزیہ اور لٹریچر کا جائزہ لیتے تو اس میں کئی ماہ سے ایک سال تک لگ سکتا تھا. ایجنٹ انسانی تجزیوں والے نتائج تک دوبارہ پہنچے اور ساتھ ہی مزید سراغ بھی تلاش کیے. نتائج کے نئے پن اور سائنسی قدر کے بارے میں ان کے جائزے بھی ایسے انسانی ماہرین کی آرا سے مطابقت رکھتے تھے جن سے جانچ کے دوران ماخذ کی شناخت چھپائی گئی تھی. یہ نتائج مجوزہ حیاتیاتی طریقۂ کار کو جانچنے کے لیے درکار مزید تجربات کی ترجیحات طے کرنے میں مدد دیتے ہیں.
ان میں سے بعض نتائج دماغی بیماری کو سمجھنے کے لیے نئے سراغ کی نشان دہی کرتے ہیں. ایجنٹوں نے بیماری سے وابستہ دو جینز کے دماغی خلیوں پر اثرات میں غیر متوقع فرق دریافت کیے، اور کولیسٹرول کے نظم اور اعصابی تنزلی کے درمیان ایک ممکنہ تعلق بھی پہچانا. یہ نتائج سائنس دانوں کو تحقیق کرنے میں مدد دے سکتے ہیں کہ بیماری کیسے پیدا ہوتی ہے اور آئندہ علاج اس کے کس مرحلے پر اثرانداز ہو سکتے ہیں.
“کبھی کبھی سراغ پہلے سے موجود ہوتے ہیں، مختلف شعبوں میں بکھرے ہوئے—ہم نے بس انہیں آپس میں جوڑا نہیں ہوتا. اعصابی خلیوں کے کام اور کولیسٹرول کے استحالے کے درمیان ممکنہ تعلق دکھاتا ہے کہ یہ کڑیاں آپس میں مل کر بیماری کی حیاتیات کے بارے میں سوچنے کا ایک نیا زاویہ دے سکتی ہیں.”
محققین آج ہی ان نتائج پر تحقیق شروع کر سکتے ہیں. ریزننگ اٹلس دستیاب(نئی ونڈو میں کھلتا ہے) ہے، جس کی مدد سے سائنس دان متعلقہ جینز کا موازنہ، غیر متوقع ردِعمل کی تحقیق اور مزید کام کے لیے امید افزا سراغ کی نشان دہی کر سکتے ہیں. نئی دریافتیں اکثر اس وقت سامنے آتی ہیں جب مختلف شعبوں کے محققین اپنی مہارتیں یکجا کرتے ہیں اور مانوس خیالات کو غیر متوقع انداز میں جوڑتے ہیں. مصنوعی ذہانت نئے ڈیٹا کو مختلف شعبوں میں بکھرے ہوئے علم سے جوڑ کر ان روابط کا دائرہ بہت وسیع کر سکتی ہے. یہ امکان محض ڈیٹا کا تیز تر تجزیہ کرنے تک محدود نہیں. مصنوعی ذہانت کو تجرباتی حیاتیات، انسانی مہارت اور سائنسی لٹریچر کے ساتھ ملا کر ہم سائنس دانوں کو اپنے زیادہ سے زیادہ ڈیٹا سے قابلِ آزمائش خیالات اخذ کرنے میں مدد دے سکتے ہیں.
کسی تجربے کے بعض نہایت دلچسپ سراغ اس سوال کے دائرے سے باہر ہوتے ہیں جس کی تحقیق سائنس دان کرنے نکلے تھے. ہزاروں تجرباتی تبدیلیوں پر مشتمل ڈیٹا میں یہ سراغ آسانی سے نظر انداز ہو سکتے ہیں.
ایجنٹوں نے Tsc1 اور Tsc2 کے درمیان ایک غیر متوقع فرق پہچانا؛ یہ دونوں جین مل کر mTOR کو قابو میں رکھتے ہیں، جو خلیوں کی نشوونما، استحالے اور عمر رسیدگی کا ایک اہم ضابطہ کار ہے. کسی بھی ایک جین کے عمل میں خلل ڈالنے سے اعصابی خلیوں کے کئی گروہوں پر ملتے جلتے اثرات پڑے. لیکن مخیخ میں، جو حرکات میں ہم آہنگی پیدا کرنے میں مدد دیتا ہے، Tsc2 کے عمل میں خلل نے اعصابی خلیوں کے باہمی رابطے میں شامل درجنوں جینز کی سرگرمی بدل دی، جبکہ Tsc1 کے عمل میں خلل سے بہت کم تبدیلی آئی.
یہ فرق انسانی بیماری کے حوالے سے اہم ہو سکتا ہے. ٹیوبرس اسکلروسس کے مریضوں میں مخیخ کی بے قاعدگیوں کا TSC2 میں تغیرات سے مضبوط تعلق ہے. mTOR کی سرگرمی کم کرنے والی ادویات بعض دماغی رسولیوں اور دوروں کا علاج کر سکتی ہیں، لیکن اس بیماری سے وابستہ سیکھنے اور رویّے کی مشکلات کا تدارک اب بھی مشکل ہے. ایجنٹوں نے اعصابی خلیوں کے ایک مخصوص گروہ اور ایسی خلیاتی تبدیلیوں کی نشان دہی کی جن کی تحقیق اہم ہے: کن تبدیلیوں کو موجودہ ادویات درست کر سکتی ہیں، اور کون سی تبدیلیاں علاج کے نئے طریقوں کی راہ دکھا سکتی ہیں. اس سے محققین کو تجربہ گاہ میں جانچنے کے لیے زیادہ واضح اور مخصوص سوالات ملتے ہیں.
کیا پورا ڈیٹا ایک ہی ایجنٹ کو دے دیا جائے تو وہ بیک وقت کام کرنے والے ہزاروں ایجنٹوں جتنی اچھی کارکردگی دکھا سکتا ہے. ہم نے ماڈل اور وسائل کو یکساں رکھتے ہوئے اسے آزمایا. کام کا بوجھ بڑھنے کے ساتھ اکیلے ایجنٹ نے کم تحقیقی لٹریچر کھنگالا؛ کام کے سب سے زیادہ بوجھ پر اس نے صرف 11 حوالے دیے، جبکہ تقسیمِ کار والے ایجنٹوں نے 700 سے زیادہ حوالے دیے. انسانی ماہرین نے بھی تقسیمِ کار والے ایجنٹوں کی تشریحات کو ترجیح دی.
سائنس دانوں کے پاس وقت محدود ہوتا ہے اور وہ اکثر اپنے ڈیٹا میں سب سے مضبوط اشاروں پر توجہ دیتے ہیں. تقسیمِ کار والے ایجنٹ زیادہ متنوع ردِعمل، بشمول باریک یا غیر متوقع ردِعمل، کا جائزہ لینے اور انہیں متعلقہ سائنسی لٹریچر سے جوڑنے میں مدد کر سکتے ہیں. ایجنٹوں کو بیک وقت چلانے سے کئی تجرباتی تبدیلیوں کی ایک ساتھ تحقیق کی جا سکتی ہے. اس سے سائنس دانوں کو کسی تجربے کے مزید پہلو کھوجنے اور ایسے امید افزا سراغ پہچاننے میں مدد ملتی ہے جو ورنہ نظر انداز ہو سکتے ہیں.
کام کے سب سے زیادہ بوجھ پر، تقسیمِ کار والے ایجنٹوں نے 700 سے زیادہ حوالے دیے، جبکہ اکیلے ایجنٹ نے 11 حوالے دیے.
کوئی دریافت اس وقت زیادہ قیمتی بن جاتی ہے جب وہ ایک قابلِ قدر تجربے کی راہ دکھائے. ایجنٹوں کو ایسا ہی ایک سراغ DCTN1 میں ملا؛ اس جین میں تغیرات پیری سنڈروم کا سبب بنتے ہیں، جو اعصابی تنزلی کی ایک بیماری ہے اور جس کی علامات پارکنسنز جیسی ہوتی ہیں.
DCTN1 اعصابی خلیوں کے اندر مواد کی نقل و حمل میں حصہ لیتا ہے. پورے دماغ کے CRISPR اٹلس میں، Dctn1 کے عمل میں خلل ڈالنے سے کولیسٹرول بنانے میں شامل جینز کے اظہار میں اضافہ ہوا. ایجنٹوں نے اس مشاہدے کو ایسی تحقیق سے جوڑا جس سے اشارہ ملتا ہے کہ کولیسٹرول کی نقل و حمل میں مسائل خلیوں کو زیادہ کولیسٹرول بنانے پر مائل کر سکتے ہیں. اس سے آئندہ تجربات کے لیے ایک سوال سامنے آیا: کیا DCTN1 کے عمل میں خلل اعصابی خلیوں کے اندر کولیسٹرول کی تقسیم بدل سکتا ہے، اور کیا یہ تبدیلیاں اعصابی تنزلی میں حصہ ڈال سکتی ہیں. اگر ایسا ہے تو کیا کولیسٹرول کی معمول کی تقسیم بحال کرنے سے اعصابی خلیوں کو محفوظ رکھنے میں مدد مل سکتی ہے.
انسانی ماہرین نے بھی اس مفروضے کو نیا، اہم نتائج کا حامل اور مزید تحقیق کے لائق سمجھا. یہ مثال دکھاتی ہے کہ کسی غیر متوقع نتیجے کو موجودہ علم سے جوڑنا کس طرح ایک سراغ کو قابلِ آزمائش خیال میں، اور ممکنہ طور پر بیماری کے علاج کی نئی سمت میں بدل سکتا ہے.
ماخذ کی شناخت چھپا کر کیے گئے موازنوں میں، انسانی ماہرین نے 75% بار اکیلے ایجنٹ کی رپورٹوں کے مقابلے میں تقسیمِ کار والے ایجنٹوں کی رپورٹوں کو ترجیح دی.
دریافت کے عمل میں سائنس دانوں کا کردار بدستور مرکزی ہے. مزید امید افزا سراغ سامنے لا کر مصنوعی ذہانت محققین کو یہ طے کرنے میں مدد دے سکتی ہے کہ کن خیالات پر کام آگے بڑھایا جائے، تجربات کیسے ترتیب دیے جائیں اور نتائج کی تشریح کیسے کی جائے. مقصد حیاتیاتی تجربات کی زیادہ سے زیادہ معلومات کو ایسے علم میں بدلنا ہے جو وقت کے ساتھ بہتر ادویات کی تیاری میں رہنمائی کر سکے.
