MARS: A neurosymbolic approach for interpretable drug discovery
यह शोध पत्र MARS को पेश करता है, जो एक न्यूरोसिम्बोलिक फ्रेमवर्क है जो ड्रग डिस्कवरी (औषधि खोज) के लिए है, जो जैविक रूप से सार्थक भविष्यवाणियों को सुनिश्चित करने हेतु रीजनिंग शॉर्टकट्स (तर्क संबंधी शॉर्टकट) की पहचान और उन्हें कम करके व्याख्या योग्य मैकेनिज्म-ऑफ-एक्शन डिकनवोल्यूशन (क्रिया-विधि का विखंडन) करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक व्यापक दृष्टिकोण: दवा के पीछे का "कैसे" खोजना
कल्पना कीजिए कि आप एक डॉक्टर हैं जिसके पास एक नया, रहस्यमय रासायनिक यौगिक (chemical compound) है। आप जानते हैं कि यह एक विशिष्ट बीमारी (जैसे बुखार) को ठीक करता है, लेकिन आपको पता नहीं है कि यह कैसे काम करता है। क्या यह शरीर में एक विशिष्ट स्विच को बंद कर देता है? क्या यह आपकी कोशिकाओं में ट्रैफिक जाम को रोकता है?
दवा की खोज की दुनिया में, इस "कैसे" को खोजने को Mechanism-of-Action (MoA) deconvolution कहा जाता है। यह एक जादू के खेल को केवल उसके अंतिम परिणाम को देखकर रिवर्स-इंजीनियर करने की कोशिश करने जैसा है।
पारंपरिक तरीके धीमे और महंगे होते हैं, जिनमें हर एक संभावना के लिए लैब परीक्षणों की आवश्यकता होती है। यह शोध पत्र MARS पेश करता है, जो एक नया AI सिस्टम है जिसे इस पहेली को तेजी से हल करने के लिए डिज़ाइन किया गया है और अधिक महत्वपूर्ण रूप से, यह समझाने के लिए कि इसकी तर्क प्रक्रिया क्या है।
टीम: एक मस्तिष्क और एक नियम पुस्तिका (न्यूरोसिम्बोलिक AI)
MARS एक "न्यूरोसिम्बोलिक" (Neurosymbolic) AI है। इसे दो बहुत अलग पात्रों के बीच एक साझेदारी के रूप में सोचें:
- न्यूरल नेटवर्क (सहज अन्वेषक - The Intuitive Explorer): यह हिस्सा एक स्मार्ट, जिज्ञासु अन्वेषक की तरह है जो एक विशाल भूलभुलैया (Knowledge Graph) में घूम सकता है और उन पैटर्न के आधार पर अनुमान लगा सकता है जो उसने पहले देखे हैं। यह रास्ते खोजने में माहिर है, लेकिन यह एक "ब्लैक बॉक्स" है—यह अक्सर यह नहीं समझा पाता कि इसने एक रास्ता क्यों चुना।
- सिम्बोलिक लॉजिक (सख्त लाइब्रेरियन - The Strict Librarian): यह हिस्सा एक नियम पुस्तिका की तरह है जिसमें वैज्ञानिक कानून शामिल हैं (जैसे, "यदि दवा A प्रोटीन B को बढ़ावा देती है, और प्रोटीन B सूजन (Inflammation) का कारण बनता है, तो दवा A सूजन का कारण बनती है")। यह सुनिश्चित करता है कि अन्वेषक केवल यादृच्छिक अनुमान न लगाए बल्कि तार्किक चरणों का पालन करे।
MARS इन दोनों को जोड़ता है: अन्वेषक रास्ता खोजता है, और लाइब्रेरियन यह जांचता है कि क्या वह रास्ता नियमों के अनुसार तार्किक है। यदि रास्ता तार्किक है, तो लाइब्रेरियन अन्वेषक को उच्च स्कोर देता है।
मानचित्र: MoA-net
MARS को प्रशिक्षित करने के लिए, शोधकर्ताओं ने MoA-net नामक एक विशेष मानचित्र बनाया।
- नोड्स (शहर): ये दवाएं, प्रोटीन और जैविक प्रक्रियाएं (जैसे "सूजन" या "कोशिका मरम्मत") हैं।
- एजेस (सड़कें): ये संबंध हैं, जैसे "दवा X प्रोटीन Y को अपरेगुलेट (upregulate) करती है" या "प्रोटीन Y सूजन में भाग लेता है"।
अन्य मानचित्रों के विपरीत जिनमें अस्पष्ट जुड़ाव (जैसे "दवा A और दवा B दोनों सिरदर्द के लिए उपयोग की जाती हैं") शामिल हो सकते हैं, यह मानचित्र सख्ती से मैकेनिस्टिक सड़कों (mechanistic roads) पर बना है—जो प्रयोगशाला में होने वाली भौतिक अंतःक्रियाएं हैं।
समस्या: "डिग्री बायस" शॉर्टकट
यहीं कहानी दिलचस्प हो जाती है। शोधकर्ताओं को उम्मीद थी कि MARS जटिल, तार्किक नियमों (लाइब्रेरियन के तरीके) को सीखेगा। हालांकि, उन्होंने एक चालाकी भरी समस्या खोजी जिसे Reasoning Shortcuts कहा जाता है।
कल्पना कीजिए कि आप एक परीक्षा दे रहे हैं जहाँ आपको गणित की समस्या हल करनी है।
- सही तरीका: आप उत्तर पाने के लिए लंबी विभाजन (long division) और गुणा करते हैं।
- शॉर्टकट: आप देखते हैं कि उत्तर कुंजी में हमेशा अंत में "5" संख्या होती है, इसलिए आप गणित किए बिना ही "5" लिख देते हैं।
AI की दुनिया में, MARS को एक शॉर्टकट मिला। इसने देखा कि कुछ प्रोटीनों (नोड्स) के अन्य प्रोटीनों की तुलना में बहुत अधिक कनेक्शन (सड़कें) हैं। इसे Degree Bias कहा जाता है। AI ने महसूस किया, "हे, अगर मैं सबसे लोकप्रिय प्रोटीन से जुड़ जाऊं, तो मैं सांख्यिकीय रूप से एक 'सही' उत्तर पाने की संभावना रखता हूं, भले ही मैंने तार्किक नियमों का पालन न किया हो!"
यह AI द्वारा लोकप्रियता के आधार पर अनुमान लगाकर धोखाधड़ी करने जैसा था। यह खतरनाक है क्योंकि यह भविष्यवाणी कर सकता है कि एक दवा किसी बीमारी के लिए काम करती है क्योंकि डेटा अव्यवस्थित है, न कि इसलिए कि वह दवा वास्तव में काम करती है।
समाधान: AI को "शॉर्टकट-अवेयर" बनाना
शोधकर्ताओं ने केवल इस धोखाधड़ी को स्वीकार नहीं किया। उन्होंने एक नई प्रशिक्षण पद्धति विकसित की जिसे P2H (Two-Hop Joint Probability) कहा जाता है।
इसे खेल के एक नए नियम के रूप में सोचें:
- पुराना नियम: "यदि आप मंजिल तक पहुँचते हैं, तो आपको एक अंक मिलता है।" (इसने शॉर्टकट को बढ़ावा दिया)।
- नया नियम (P2H): "यदि आप मंजिल तक पहुँचते हैं, तो आपको अंक तभी मिलेंगे जब आपने एक विशिष्ट, तार्किक मार्ग लिया हो जिसे आप चरण-दर-चरण सत्यापित कर सकें।"
यात्रा को छोटे "दो-हॉप" (two-hop) टुकड़ों में तोड़कर (जैसे यात्रा के पहले दो चरणों की जांच करना), AI को वास्तविक तार्किक नियमों पर ध्यान देने के लिए मजबूर किया गया, न कि नोड्स की लोकप्रियता पर।
परिणाम: एक भरोसेमंद मार्गदर्शक
शॉर्टकट को ठीक करने के बाद, MARS ने दवा के प्रभावों की भविष्यवाणी करने में मौजूदा सर्वश्रेष्ठ AI मॉडलों के समान प्रदर्शन किया। लेकिन असली जीत इसकी व्याख्यात्मकता (interpretability) थी।
चूंकि MARS को नियमों का पालन करने के लिए मजबूर किया गया था, इसलिए जब यह कहता है, "यह दवा बीमारी को ठीक करेगी," तो यह आपको वह सटीक मानचित्र भी दिखा सकता है जिसका इसने उपयोग किया था:
- दवा प्रोटीन A को बढ़ावा देती है।
- प्रोटीन A प्रोटीन B को रोकता है।
- प्रोटीन B बीमारी का कारण बनता है।
- इसलिए, दवा बीमारी को ठीक करती है।
सारांश
यह शोध पत्र MARS प्रस्तुत करता है, जो एक स्मार्ट AI है जो यह समझने के लिए कि नई दवाएं कैसे काम करती हैं, सहज ज्ञान और सख्त तर्क को जोड़ता है। शोधकर्ताओं ने पाया कि AI वैज्ञानिक नियमों के बजाय लोकप्रिय डेटा रुझानों का पालन करके अक्सर आलसी शॉर्टकट लेता है। उन्होंने इसे लोकप्रियता के बजाय तार्किक चरणों को महत्व देने के लिए सिखाकर ठीक किया। परिणाम एक ऐसा उपकरण है जो न केवल दवा की सफलता की भविष्यवाणी करता है बल्कि "क्यों" को इस तरह समझा सकता है जिसे वैज्ञानिक भरोसा और सत्यापित कर सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।