PREFER: An Ontology for the PREcision FERmentation Community
यह शोध पत्र PREFER को प्रस्तुत करता है, जो बेसिक फॉर्मल ऑन्टोलॉजी (BFO) के साथ संरेखित एक ओपन-सोर्स ऑन्टोलॉजी है जो इंटरऑपरेबिलिटी चुनौतियों को दूर करने, स्वचालित क्रॉस-प्लेटफ़ॉर्म निष्पादन को सक्षम करने और सिंथेटिक बायोलॉजी में मशीन लर्निंग को सुगम बनाने के लिए प्रिसिजन फर्मेंटेशन डेटा हेतु एक एकीकृत मानक स्थापित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप ब्रेड का एक आदर्श लोफ (loaf) बनाने की कोशिश कर रहे हैं, लेकिन आटे और यीस्ट के बजाय, आप मांस के विकल्प से लेकर जीवन रक्षक दवाओं तक सब कुछ बनाने के लिए सूक्ष्म, इंजीनियर किए गए सूक्ष्मजीवों (microbes) का उपयोग कर रहे हैं। इस प्रक्रिया को प्रिसिजन फर्मेंटेशन (Precision Fermentation) कहा जाता है।
अब, कल्पना कीजिए कि दुनिया का हर बेकरी वाला अपनी रेसिपी लिखने के लिए एक पूरी तरह से अलग भाषा का उपयोग करता है। एक बेकर लिखता है "37 डिग्री तक गर्म करें," दूसरा लिखता है "98.6 फ़ारेनहाइट तक गर्म करें," और तीसरा बस "गर्म" लिख देता है। वे सभी अलग-अलग मापने वाले कप, अपने ओवन के अलग नाम और अपने यीस्ट की मात्रा दर्ज करने के अलग तरीके इस्तेमाल करते हैं।
यदि आप पूरी दुनिया के लिए एक आदर्श रेसिपी figuring out करने के लिए उनके सभी नोट्स को जोड़ना चाहते हैं, तो यह एक बुरा सपना होगा। आप डेटा की तुलना नहीं कर पाएंगे, एक-दूसरे की गलतियों से सीख नहीं पाएंगे, और आप कंप्यूटर को बेहतर ब्रेड बनाना नहीं सिखा पाएंगे।
यही वह समस्या है जिसे पेपर "PREFER" हल कर रहा है।
समस्या: लैब में 'टॉवर ऑफ बेबेल' (एक भाषाई भ्रम)
वैज्ञानिक और कंपनियाँ (जिन्हें बायोफाउंड्री कहा जाता है) टिकाऊ उत्पाद बनाने के लिए हजारों प्रयोग कर रही हैं। वे भारी मात्रा में डेटा उत्पन्न करते हैं। लेकिन क्योंकि हर कोई अपने स्वयं के सॉफ़्टवेयर और शब्दावली का उपयोग करता है, इसलिए यह डेटा "साइलोस" (अलग-थलग द्वीपों) में बंद है। यह एक ऐसी लाइब्रेरी की तरह है जहाँ हर किताब एक अलग, गुप्त कोड में लिखी गई है।
चूंकि डेटा मानकीकृत (standardized) नहीं है, इसलिए हम AI का उपयोग करके उससे सीख नहीं सकते। AI को पैटर्न सीखने के लिए साफ और व्यवस्थित डेटा की आवश्यकता होती है। यदि डेटा अव्यवस्थित है, तो AI भ्रमित हो जाएगा।
समाधान: PREFER (एक सार्वभौमिक अनुवादक)
इस पेपर के लेखकों ने PREFER (PREcision FERmentation) बनाया है। PREFER को फर्मेंटेशन की दुनिया के लिए एक सार्वभौमिक अनुवादक और एक मास्टर फाइलिंग सिस्टम के रूप में समझें।
यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:
1. शब्दकोश (नियंत्रित शब्दावली - Controlled Vocabulary)
PREFER से पहले, यदि एक लैब "pH स्तर" कहती थी और दूसरी "अम्लता" (acidity) कहती थी, तो कंप्यूटर को पता नहीं चलता था कि वे एक ही चीज़ हैं। PREFER एक सख्त शब्दकोश प्रदान करता है। अब, सभी इस बात पर सहमत हैं कि उस माप के लिए आधिकारिक नाम "pH" है। यह ऐसा है जैसे यह तय करना कि दुनिया में हर कोई "कार" को "कार" ही कहेगा, न कि "वाहन", "ऑटो" या "सवारी"।
2. ब्लूप्रिंट (द ऑन्टोलॉजी - The Ontology)
PREFER केवल एक शब्दकोश नहीं है; यह एक ब्लूप्रिंट है। यह मानचित्र बनाता है कि सब कुछ कैसे जुड़ता है।
- इनपुट (Inputs): यह जानता है कि एक उत्पाद बनाने के लिए, आपको एक "स्ट्रेन" (सूक्ष्मजीव), "मीडिया" (सूक्ष्मजीव का भोजन) और एक "बायोरिएक्टर" (बर्तन) की आवश्यकता होती है।
- प्रक्रिया (Process): यह "कंट्रोल वेरिएबल्स" (वह जो आप मशीन को बताते हैं, जैसे "इसे 37°C पर रखें") और "मेज़र्ड वेरिएबल्स" (वह जो मशीन वास्तव में करती है, जैसे "यह 37.2°C था") को ट्रैक करता है।
- आउटपुट (Outputs): यह अंतिम उत्पाद और कचरे (waste) को रिकॉर्ड करता है।
यह एक फ्लोचार्ट की तरह है जो सामग्री को पकाने के चरणों से और फिर अंतिम भोजन से जोड़ता है, यह सुनिश्चित करता है कि कोई भी चरण छूटा नहीं है और हर चरण को सही ढंग से लेबल किया गया है।
3. AI के लिए सेतु (मशीन-पठनीय - Machine-Readable)
यह सबसे रोमांचक हिस्सा है। क्योंकि PREFER सख्त तार्किक नियमों (जैसे कि एक गणितीय समीकरण) पर आधारित है, इसलिए कंप्यूटर वास्तव में डेटा को समझ सकते हैं।
- PREFER के बिना: एक कंप्यूटर "37 डिग्री" और "37°C" देखता है और सोचता है कि वे अलग हो सकते हैं।
- PREFER के साथ: कंप्यूटर तुरंत जानता है, "आह, ये एक ही चीज़ हैं। और चूंकि इस प्रयोग में 37°C का उपयोग किया गया था, और उस प्रयोग में भी 37°C का उपयोग किया गया था, तो चलिए उनके परिणामों की तुलना करते हैं।"
यह वैज्ञानिकों को डिजिटल ट्विन्स (Digital Twins) (वास्तविक कारखानों की आभासी प्रतियां) बनाने की अनुमति देता है। वे कंप्यूटर पर सिमुलेशन चला सकते हैं कि, "यदि हम तापमान को 1 डिग्री बदलते हैं, तो क्या हमें अधिक उत्पाद मिलेगा?" बिना लैब में वास्तविक पैसा और समय बर्बाद किए।
यह क्यों मायने रखता है?
कल्पना कीजिए कि हर बार जब आप घर बनाना चाहते हैं, तो आपको "हथौड़ा", "कील" और "लकड़ी" के लिए अपने स्वयं के शब्द आविष्कार करने पड़ते हैं। इसमें बहुत समय लगेगा। PREFER बायो-इकोनॉमी को एक सामान्य भाषा देता है।
- गति (Speed): यह एक छोटे लैब कप से एक विशाल औद्योगिक कारखाने तक उत्पाद को ले जाने की प्रक्रिया को तेज करता है।
- लागत (Cost): यह उन प्रयोगों को दोहराने से बचकर पैसा बचाता है जो पहले ही किए जा चुके हैं (क्योंकि उन्हें पहले डेटा मिल नहीं सका था)।
- स्थिरता (Sustainability): प्रक्रिया को अधिक कुशल बनाकर, हम कम कचरे और ऊर्जा के साथ भोजन और दवाएं बना सकते हैं।
कॉल टू एक्शन (Call to Action)
लेखक केवल एक तैयार उत्पाद नहीं दे रहे हैं; वे इसे बनाने में मदद करने के लिए सभी को आमंत्रित कर रहे हैं। उन्होंने PREFER को GitHub (एक वेबसाइट जहाँ प्रोग्रामर कोड साझा करते हैं) पर रखा है और समुदाय से नए शब्द जोड़ने, त्रुटियों को ठीक करने और सुधारों का सुझाव देने के लिए कह रहे हैं।
संक्षेप में: PREFER जैव प्रौद्योगिकी (biotechnology) के भविष्य के लिए "रोसेटा स्टोन" है। यह अलग-थलग पड़े लैब नोट्स के अराजक ढेर को एक एकीकृत, बुद्धिमान लाइब्रेरी में बदल देता है जिसे कंप्यूटर पढ़ सकते हैं, जिससे हमें पहले से कहीं अधिक तेज़ी से एक अधिक टिकाऊ दुनिया बनाने में मदद मिलती है।
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।