Approximating SPR Distance Between Phylogenetic Trees with Graph Neural Networks
यह शोध पत्र एक ग्राफ न्यूरल नेटवर्क दृष्टिकोण प्रस्तुत करता है जो हाल ही में जारी किए गए बैक्टीरियल पेड़ों के डेटासेट और प्रशिक्षण के लिए एक सत्यापित ह्यूरिस्टिक सरोगेट द्वारा समर्थित, फाइлоजेनेटिक पेड़ों के बीच NP-hard सबट्री प्रून एंड रीग्राफ्ट (SPR) दूरी को लगभग स्थिर समय (near-constant time) में अनुमानित 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 एक विशाल, प्राचीन पारिवारिक रहस्य को सुलझाने की कोशिश कर रहे हैं। आपके पास हजारों लोगों के पुराने, हस्तलिखित पत्रों (डीएनए) का ढेर है, और आप एक वंशावली (फैमिली ट्री) बनाना चाहते हैं ताकि यह देख सकें कि कौन किससे संबंधित है। वैज्ञानिक ऐसा अक्सर प्रकोप के दौरान वायरस या बैक्टीरिया के प्रसार को ट्रैक करने के लिए करते हैं। लेकिन पेचीदा हिस्सा यह है कि पेड़ बनाने का केवल एक तरीका नहीं है। आप बिंदुओं को जोड़ने के लिए जिस गणितीय ट्रिक का उपयोग करते हैं, उसके आधार पर आपको पारिवारिक इतिहास की एक थोड़ी अलग तस्वीर मिल सकती है। कभी, एक पेड़ कहता है "कजिन A, कजिन B के करीब है," जबकि दूसरा पेड़ कहता है "वास्तव में, वे दूर के अजनबी हैं।"
यह पता लगाने के लिए कि कौन सा पेड़ बेहतर है, या दो पेड़ों के बीच कितना अंतर है, वैज्ञानिकों को उनके बीच की "दूरी" मापने के लिए एक तरीके की आवश्यकता होती है। इसे एक ही शहर के दो अलग-अलग मानचित्रों की तुलना करने जैसा समझें। एक मानचित्र में वह सड़क दिखाई दे सकती है जो दूसरा मानचित्र छोड़ देता है। जीव विज्ञान की दुनिया में, पेड़ों के बीच अंतर को मापने का सबसे सटीक तरीका "सबट्री प्रून एंड रीग्राफ्ट" (SPR) दूरी कहलाता है। यह एक शाखा को काटकर दूसरे स्थान पर चिपकाने जैसा है: "मुझे एक पेड़ को दूसरे जैसा दिखने के लिए कितनी बार एक शाखा काटनी होगी और उसे दूसरे स्थान पर चिपकाना होगा?" यह विधि अविश्वसनीय रूप से सटीक है क्योंकि यह उन वास्तविक जैविक परिवर्तनों को गिनती है, जैसे कि समय के साथ हुए जेनेटिक स्वैप। हालांकि, एक समस्या है: यह गणित करना इतना कठिन और धीमा है कि हजारों पत्तियों (हजारों बैक्टीरिया का प्रतिनिधित्व करने वाले) वाले पेड़ के लिए, एक सुपरकंप्यूटर को गणना पूरी करने में वर्षों लग जाएंगे। यह समुद्र तट के आकार को मापने के लिए रेत के हर एक कण को गिनने की कोशिश करने जैसा है; सैद्धांतिक रूप से यह संभव है, लेकिन व्यावहारिक रूप से असंभव है।
यहीं से कहानी रोमांचक हो जाती है। शोधकर्ताओं ने एक सरल प्रश्न पूछा: "क्या हम कंप्यूटर को इस दूरी का अनुमान तेजी से लगाना सिखा सकते हैं, बिना उस असंभव गणित को किए?" उन्होंने एक विशेष प्रकार का आर्टिफिशियल इंटेलिजेंस बनाया जिसे ग्राफ न्यूरल नेटवर्क (GNN) कहा जाता है। आप इस AI को एक बहुत ही बुद्धिमान छात्र के रूप में देख सकते हैं जिसने हजारों पेड़-युग्मों का अध्ययन किया है और पैटर्न को पहचानना सीख लिया है। जटिल शाखाओं को काटने और चिपकाने के भारी काम के बजाय, AI पेड़ के आकार को देखता है और उनके बीच की दूरी का बहुत तेजी से अनुमान लगाता है। यह पेपर दिखाता है कि यह AI पेड़ों के बीच की दूरी का अनुमान लगाने में आश्चर्यजनक सटीकता के साथ काम कर सकता है, लेकिन यह भी प्रकट करता है कि इसकी एक विशिष्ट कमजोरी है: जब यह उन पेड़ों को देखता है जो इसके प्रशिक्षण के आकार से बहुत बड़े होते हैं, तो यह संघर्ष करता है।
बड़ा प्रयोग: पेड़ों की तुलना करने के लिए AI को सिखाना
रेनाटा मार्टिन्स कास्टानहेरा और उनके सहयोगियों के नेतृत्व वाली टीम ने एक ऐसा सिस्टम बनाने का लक्ष्य रखा जो इन जैविक वंशावलियों की तुलना लगभग तुरंत समय में कर सके। उनका लक्ष्य एक ऐसा उपकरण बनाना था जो आधुनिक रोग ट्रैकिंग में उपयोग किए जाने वाले विशाल डेटासेट को संभाल सके, जहाँ वैज्ञानिक एक साथ 9,500 अलग-अलग बैक्टीरियल नमूनों को देख सकते हैं।
सबसे पहले, उन्हें एक प्रशिक्षण मैदान बनाना था। उन्होंने चार अलग-अलग प्रकार के बैक्टीरिया से जेनेटिक डेटा एकत्र किया: Clostridium, Salmonella, Vibrio, और Streptococcus pneumoniae। उन्होंने इस डेटा को अलग-अलग आकार के समूहों में विभाजित किया, जो 90 आइसोलेट्स के छोटे समूहों से लेकर 9,500 तक के विशाल समूहों तक फैला हुआ था। मानक कंप्यूटर विधियों का उपयोग करके, उन्होंने इस डेटा से 864 अलग-अलग वंशावलियाँ तैयार कीं। प्रशिक्षण को दिलचस्प बनाने के लिए, उन्होंने डेटा को केवल वैसा ही नहीं छोड़ा जैसा वह था; उन्होंने डेटा को थोड़ा बदलकर "जुड़वां" पेड़ बनाए जिनकी आकृतियाँ थोड़ी भिन्न थीं। इससे उन्हें तुलना करने के लिए 388 पेड़-युग्म मिले।
यहाँ चालाकी भरा हिस्सा है: उन्हें एक "शिक्षक" की आवश्यकता थी जो AI को बता सके कि सही उत्तर क्या है। चूंकि पूर्ण, सटीक गणित ("रूटेड SPR" दूरी) बड़े पेड़ों के लिए बहुत धीमा है, इसलिए उन्होंने AI को सीखने के लिए उत्तर उत्पन्न करने हेतु एक तेज़, थोड़ी कम सटीक विधि जिसे "ह्यूरिस्टिक" (एक स्मार्ट शॉर्टकट) कहा जाता है, का उपयोग किया। इस शॉर्टकट पर भरोसा करने से पहले, उन्होंने इसका परीक्षण छोटे पेड़ों पर किया जहाँ वे पूर्ण गणित कर सकते थे। उन्होंने पाया कि शॉर्टकट वास्तविक उत्तर के साथ लगभग पूरी तरह से संरेखित था, जिसका सहसंबंध (correlation) 0.99 तक था। यह पूरी तरह से सटीक नहीं था—यह अक्सर वास्तविक मान से थोड़े कम नंबर बताता था (लगभग 65% से 71% तक)—लेकिन रैंकिंग एकदम सही थी। यदि पेड़ A, पेड़ B की तुलना में पेड़ C और D से अधिक भिन्न था, तो शॉर्टकट इसे जानता था। इसने इसे AI के लिए एक आदर्श "सरोगेट" शिक्षक बना दिया।
इसके बाद, उन्होंने AI बनाया। उन्होंने एक विशिष्ट प्रकार के न्यूरल नेटवर्क का उपयोग किया जिसे सियामीस ग्राफ आइसोमोर्फिज्म नेटवर्क (GIN) कहा जाता है। कल्पना करें कि दो जुड़वां भाई ( "सियामीस" वाला हिस्सा) एक ही पेड़ को देख रहे हैं। AI प्रत्येक पेड़ को एक ग्राफ में तोड़ देता है, जहाँ प्रत्येक नोड (शाखा बिंदु या पत्ती) के पास एक छोटा आईडी कार्ड होता है जिसमें जानकारी होती है जैसे "मैं एक पत्ती हूँ," "मैं जड़ से दूर हूँ," या "मैं इस प्रजाति का हिस्सा हूँ।" AI इन पेड़ों को प्रोसेस करता है, और यह देखता है कि शाखाएँ कैसे व्यवस्थित हैं। अंत में, यह दोनों पेड़ों के "विचारों" को लेता है, उन्हें जोड़ता है, और एक संख्या निकालता है: अनुमानित दूरी।
उन्हें क्या मिला
परिणाम स्थितियों के आधार पर बड़ी सफलता और स्पष्ट सीमाओं का मिश्रण थे।
जब AI अपने कंफर्ट ज़ोन में था:
जब शोधकर्ताओं ने AI का परीक्षण उन पेड़ों पर किया जो आकार और प्रकार में उनके प्रशिक्षण के समान थे, तो इसने शानदार प्रदर्शन किया। यह पेड़ों के बीच के अंतर को लगभग 87% से 90% तक समझा सका। सरल शब्दों में, यदि आप AI से उन पेड़ों के बीच की दूरी का अनुमान लगाने के लिए कहते जिन्हें उसने पहले देखा था, तो वह अधिकांश समय सही होता था। यह केवल औसत दूरी का अनुमान लगाने की तुलना में लगभग चार गुना बेहतर था। यह सुझाव देता है कि AI ने वास्तव में सीखा कि पेड़ों के आकार एक-दूसरे से कैसे संबंधित हैं।
जब AI नए दोस्तों से मिला:
टीम ने पूछा, "क्या यह AI बैक्टीरिया के एक नए प्रकार को समझ सकता है जिसे इसने पहले कभी नहीं देखा?" उन्होंने AI को दो प्रजातियों पर प्रशिक्षित किया और दो पूरी तरह से अलग प्रजातियों पर परीक्षण किया। AI पूरी तरह से विफल नहीं हुआ, लेकिन यह काफी खराब प्रदर्शन कर गया। इसकी सटीकता गिर गई, और यह केवल 37% भिन्नता को ही समझा सका। यह बताता है कि जबकि AI ने पेड़ों के आकार के कुछ सामान्य नियम सीखे, लेकिन वह अध्ययन किए गए बैक्टीरिया के विशिष्ट "स्वाद" का भी आदी हो गया था। यह एक ऐसे छात्र की तरह है जो गणित में तो अच्छा है लेकिन ज्यामिति (geometry) पर आते ही भ्रमित हो जाता है।
जब AI दिग्गजों के सामने आया:
हालाँकि, सबसे महत्वपूर्ण खोज तब हुई जब AI ने अपने प्रशिक्षण सेट से बहुत बड़े पेड़ों का सामना किया। शोधकर्ताओं ने AI को छोटे और मध्यम आकार के पेड़ों पर प्रशिक्षित किया और फिर उससे 9,500 आइसोलेट्स वाले विशाल पेड़ों की दूरी का अनुमान लगाने को कहा। परिणाम क्या रहा? AI पूरी तरह विफल हो गया। इसकी सटीकता केवल गिरी ही नहीं, बल्कि यह औसत अनुमान लगाने से भी बदतर हो गई। मॉडल बस बड़े पैमाने पर काम करने के तर्क (extrapolate) को समझने में असमर्थ रहा। यह एक बच्चे को 100 तक गिनना सिखाने और फिर उससे दस लाख तक गिनने के लिए कहने जैसा है; उसे बड़े पैमाने पर लॉजिक लागू करना नहीं आता।
निष्कर्ष
यह पेपर यह दावा नहीं करता है कि इसने जैविक पेड़ों की तुलना करने की समस्या को हमेशा के लिए हल कर दिया है। इसके बजाय, यह एक शक्तिशाली नया उपकरण प्रदान करता है जो उन पेड़ों के लिए अविश्वसनीय रूप से प्रभावी है जिन्हें वह पहले से देख चुका है। लेखक दिखाते हैं कि हम एक सेकंड के अंश में इन जटिल जैविक दूरियों का अनुमान लगाने के लिए एक AI को प्रशिक्षित कर सकते हैं, जो महामारी की ट्रैकिंग के लिए एक बड़ा कदम है।
हालाँकि, वे इसकी सीमाओं के बारे में बहुत स्पष्ट हैं। AI कोई जादुई छड़ी नहीं है जो किसी भी आकार के किसी भी पेड़ पर काम करती है। यह नई प्रजातियों के साथ संघर्ष करता है और जब पेड़ बहुत बड़े हो जाते हैं तो पूरी तरह विफल हो जाता है। लेखक सुझाव देते हैं कि इसे ठीक करने के लिए, भविष्य के कार्यों में AI को प्रशिक्षण के दौरान और भी बड़े पेड़ देने होंगे और शायद इसे आकार के अंतर को बेहतर ढंग से संभालने के लिए सिखाना होगा। वे यह भी बताते हैं कि वर्तमान में, AI केवल उन 'मूव्स' की संख्या का अनुमान लगाता है जो एक पेड़ को दूसरे में बदलने के लिए आवश्यक हैं। एक भविष्य का लक्ष्य यह होगा कि AI यह भी बता सके कि ठीक कौन सी शाखाओं को हिलाने की आवश्यकता है, जिससे वैज्ञानिकों को केवल एक दूरी स्कोर के बजाय बदलावों का एक रोडमैप मिल सके।
संक्षेप में, यह पेपर सिद्ध करता है कि ग्राफ न्यूरल नेटवर्क पेड़ों की दूरी के लिए उत्कृष्ट "तेज़ अनुमान लगाने वाले" हो सकते हैं, बशर्ते पेड़ बहुत अजीब या बहुत विशाल न हों। यह एक आशाजनक शुरुआत है, लेकिन AI को अभी भी बहुत कुछ सीखने की आवश्यकता 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।