Rigorous Evaluation of Large Language Models for Malaria Drug Discovery: Trade-offs in Performance, Scale, and Resource Utility
यह शोध पत्र मलेरिया-इंस्ट्रक्ट (Malaria-Instruct) डेटासेट प्रस्तुत करता है और यह प्रदर्शित करता है कि ओपन-सोर्स एलएलएम (LLMs), विशेष रूप से TxGemma-9B और LlaSMol-Mistral-7B का डोमेन-विशिष्ट फाइन-ट्यूनिंग, मलेरिया दवा खोज वर्चुअल स्क्रीनिंग में शास्त्रीय मशीन लर्निंग मॉडल और प्रोप्रायटरी फ्रंटियर मॉडल्स दोनों से काफी बेहतर प्रदर्शन करता है, जो यह सिद्ध करता है कि विश्वसनीय प्रदर्शन के लिए विशिष्ट प्रशिक्षण आवश्यक 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
मलेरिया पृथ्वी पर सबसे निरंतर और घातक संक्रामक रोगों में से एक बना हुआ है, जो सालाना लाखों जानें लेता है, जिसमें अधिकांश मामले अफ्रीका में होते हैं। परजीवी के खिलाफ लड़ाई लंबे समय से कुछ प्रमुख दवाओं पर निर्भर रही है, लेकिन यह बीमारी विकसित हो रही है, उन दवाओं के प्रति प्रतिरोधक क्षमता विकसित कर रही है जिन्हें इसे रोकने के लिए बनाया गया था। यह वैज्ञानिकों के लिए पूरी तरह से नए प्रकार के रासायनिक यौगिकों की खोज करने की एक तत्काल आवश्यकता पैदा करता है जो मानव मेजबान को नुकसान पहुंचाए बिना परजीवी को मार सकें। पारंपरिक रूप से, इन नई दवाओं को खोजने की प्रक्रिया प्रयोगशाला में लाखों अणुओं के परीक्षण की एक धीमी और महंगी प्रक्रिया रही है। इसे तेज करने के लिए, शोधकर्ता कंप्यूटर प्रोग्रामों का उपयोग करते हैं ताकि टेस्ट ट्यूब को छूने से पहले ही यह अनुमान लगाया जा सके कि कौन से अणु काम करने की संभावना रखते हैं। वर्चुअल स्क्रीनिंग के रूप में जानी जाने वाली यह प्रक्रिया एक फिल्टर के रूप में कार्य करती है, जो संभावनाओं की एक विशाल सूची को वास्तविक दुनिया के परीक्षण के लिए एक छोटे, प्रबंधनीय समूह तक सीमित कर देती है।
हाल ही में, एक नया प्रकार का आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) जिसे 'लार्ज लैंग्वेज मॉडल' कहा जाता है, विज्ञान में एक शक्तिशाली उपकरण के रूप में उभरा है। ये मॉडल, जो मूल रूप से मानव भाषा को समझने के लिए प्रशिक्षित किए गए थे, अणुओं की रासायनिक भाषा को पढ़ने और समझने के लिए अनुकूलित किए गए हैं। विचार यह है कि यदि एक कंप्यूटर डेटा की विशाल मात्रा से रसायन विज्ञान के पैटर्न सीख सकता है, तो वह यह अनुमान लगाने में सक्षम हो सकता है कि कौन से नए अणु मलेरिया के खिलाफ प्रभावी होंगे। हालांकि, एक महत्वपूर्ण प्रश्न अनसुलझा रह गया था: क्या ये सामान्य-उद्देश्य वाले आर्टिफिशियल इंटेलिजेंस सिस्टम, जो अपनी तर्क करने और समस्याओं को हल करने की क्षमता के लिए प्रसिद्ध हैं, केवल कुछ उदाहरण दिखाए जाने पर मलेरिया की नई दवाएं खोजने में सक्षम हो सकते हैं, या उन्हें काम करने के लिए विशेष रूप से मलेरिया डेटा पर फिर से प्रशिक्षित (retrained) करने की आवश्यकता है? 'मागमी ओपन साइंसेज इनिशिएटिव' के शोधकर्ताओं के एक दल ने एक कठोर परीक्षण के साथ इस प्रश्न का उत्तर देने के लिए हाथ लगाया, जिसे दवा खोज की कठिन वास्तविकता को दर्शाने के लिए डिजाइन किया गया था।
शोधकर्ताओं ने 'मलेरिया-इंस्ट्रक्ट' नामक एक विशेष डेटासेट बनाने से शुरुआत की। उन्होंने रासायनिक प्रयोगों के एक विशाल सार्वजनिक डेटाबेस से जानकारी एकत्र की, और डुप्लिकेट को हटाने और डेटा को सुसंगत सुनिश्चित करने के लिए इसे सावधानीपूर्वक साफ किया। उन्होंने इस जानकारी को इस तरह व्यवस्थित किया कि कंप्यूटर इसे निर्देशों के एक सेट के रूप में पढ़ सके, जिसमें रासायनिक संरचनाओं को उनके ज्ञात जैविक प्रभावों के साथ जोड़ा गया था। महत्वपूर्ण रूप से, उन्होंने अपने परीक्षण को अत्यंत कठिन बनाया। कई कंप्यूटर परीक्षणों में, प्रशिक्षण के लिए उपयोग किए जाने वाले अणु और परीक्षण के लिए उपयोग किए जाने वाले अणु बहुत समान दिखते हैं, जिससे कंप्यूटर वास्तव में सीखने के बजाय केवल पैटर्न को याद कर लेता है। इसे रोकने के लिए, शोधकर्ताओं ने अपने डेटा को इस तरह विभाजित किया कि परीक्षण समूह के अणु संरचनात्मक रूप से प्रशिक्षण समूह से बहुत भिन्न थे। इसने यह सुनिश्चित किया कि आर्टिफिशियल इंटेलिजेंस को सफल होने के लिए केवल परिचित आकृतियों को पहचानने के बजाय रसायन विज्ञान के नियमों को वास्तव में समझना होगा।
इसके बाद उन्होंने पांच अलग-अलग ओपन-सोर्स आर्टिफिशियल इंटेलिजेंस मॉडलों को परखने के लिए उन्हें बड़ी तकनीकी कंपनियों के सबसे उन्नत, मालिकाना (proprietary) मॉडलों और पारंपरिक कंप्यूटर विधियों के विरुद्ध रखा। टीम ने दो अलग-अलग दृष्टिकोणों का परीक्षण किया: एक जहाँ मॉडलों को केवल कुछ उदाहरण दिखाए गए और उत्तर का अनुमान लगाने के लिए कहा गया, और दूसरा जहाँ उन्हें विशेष रूप से मलेरिया डेटा पर गहराई से पुन: प्रशिक्षित किया गया। परिणाम स्पष्ट और निर्णायक थे। जब मॉडलों को बिना किसी पुन: प्रशिक्षण के केवल कुछ उदाहरण दिखाए गए, तो वे पूरी तरह से विफल रहे। बड़ी तकनीकी कंपनियों के सबसे उन्नत तर्क करने वाले मॉडल भी रैंडम चांस (यादृच्छिक संयोग) से बेहतर प्रदर्शन नहीं कर सके, वे एक ऐसी दवा और जो काम करेगी और जो नहीं करेगी, के बीच अंतर करने में असमर्थ थे। शोधकर्ताओं ने पाया कि तार्किक रूप से तर्क करने की क्षमता रासायनिक गतिविधि की भविष्यवाणी करने की क्षमता में परिवर्तित नहीं हुई; मॉडलों के पास मलेरिया परजीवी के साथ आणविक संरचनाओं के परस्पर क्रिया करने के विशिष्ट, गहरे ज्ञान का अभाव था।
हालांकि, जब उन्हीं मॉडलों को विशेष रूप से मलेरिया डेटा पर पुन: प्रशिक्षित किया गया, तो परिणाम नाटकीय रूप से बदल गए। पुन: प्रशिक्षित मॉडल अत्यधिक प्रभावी हो गए, और उन्होंने पारंपरिक कंप्यूटर विधियों और अनप्रशिक्षित आर्टिफिशियल इंटेलिजेंस दोनों को पीछे छोड़ दिया। एक मॉडल, जिसे विशेष रूप से बायोमेडिकल डेटा पर प्री-ट्रेन किया गया था, सक्रिय दवाओं को निष्क्रिय दवाओं से अलग करने में उच्चतम समग्र सटीकता प्राप्त करने में सफल रहा। एक अन्य मॉडल, जिसे रसायन विज्ञान के विभिन्न कार्यों पर प्रशिक्षित किया गया था, एक बड़ी भीड़ में सबसे अच्छे उम्मीदवारों को खोजने में सर्वश्रेष्ठ साबित हुआ, जिसे 'एनरिचमेंट' (संवर्धन) नामक कौशल कहा जाता है। यह विशिष्ट कौशल दवा खोज के लिए महत्वपूर्ण है क्योंकि इसका अर्थ है कि कंप्यूटर लाखों विकल्पों में से छँटनी कर सकता है और उन बहुत कम अंशों को उजागर कर सकता जो सफल होने की सबसे अधिक संभावना रखते हैं, जिससे शोधकर्ताओं का समय और पैसा बचता है।
अध्ययन ने इन उपकरणों के व्यावहारिक वास्तविकताओं पर भी प्रकाश डाला। जबकि पुन: प्रशिक्षित आर्टिफिशियल इंटेलिजेंस मॉडल अधिक सटीक थे, उन्हें चलाने के लिए काफी अधिक कंप्यूटिंग शक्ति और समय की आवश्यकता थी। शोधकर्ताओं ने पाया कि सीमित संसाधनों वाले शोधकर्ता के लिए, गति और सटीकता के बीच एक समझौता (trade-off) होता है। सरल तरीके एक सेकंड के अंश में रसायनों के विशाल पुस्तकालय की स्क्रीनिंग कर सकते थे, जबकि उन्नत मॉडलों को अधिक समय लगा लेकिन उन्होंने बेहतर चयन प्रदान किया। टीम ने निष्कर्ष निकाला कि सबसे प्रभावी रणनीति यह हो सकती है कि सरल तरीकों का उपयोग करके स्पष्ट विफलताओं को बाहर निकाल दिया जाए, और फिर शेष बचे हुए उम्मीदवारों की सावधानीपूर्वक जांच करने के लिए शक्तिशाली, पुन: प्रशिक्षित आर्टिफिशियल इंटेलिजेंस का उपयोग किया जाए।
अंततः, यह शोध प्रदर्शित करता है कि मलेरिया की नई दवाओं को खोजने के विशिष्ट, उच्च-दांव वाले कार्य के लिए, सामान्य-उद्देश्य वाला आर्टिफिशियल इंटेलिजेंस पर्याप्त नहीं है। उपयोगी होने के लिए मॉडलों को मलेरिया रसायन विज्ञान की भाषा विशेष रूप से सिखानी होगी। अध्ययन यह सिद्ध करता है कि इन मॉडलों को पुन: प्रशिक्षित करना केवल एक सहायक विकल्प नहीं है, बल्कि विश्वसनीय परिणाम प्राप्त करने के लिए एक आवश्यक कदम है। यह दिखाकर कि ये उपकरण उचित प्रशिक्षण के साथ पारंपरिक तरीकों से बेहतर प्रदर्शन कर सकते हैं, शोधकर्ताओं ने वैज्ञानिकों के लिए एक स्पष्ट मार्ग प्रदान किया है जो सीमित संसाधनों वाले परिवेश में काम कर रहे हैं। उन्होंने दिखाया है कि सही तैयारी के साथ, ओपन-सोर्स आर्टिफिशियल इंटेलिजेंस अगली पीढ़ी की जीवन रक्षक दवाओं की खोज के लिए एक शक्तिशाली, सुलभ इंजन बन सकता 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।