An unsupervised framework for comparing SARS-CoV-2 protein sequences using LLMs
यह शोध पत्र उभरते हुए वेरिएंट्स की भविष्यवाणी करने में पिछले दृष्टिकोणों की तुलना में बेहतर क्लस्टरिंग प्रदर्शन प्रदर्शित करते हुए, SARS-CoV-2 स्पाइक प्रोटीन अनुक्रमों को चित्रित करने के लिए लार्ज लैंग्वेज मॉडल्स और कंट्रास्टिव लर्निंग का लाभ उठाने वाले एक अनसुपरवाइज्ड फ्रेमवर्क का प्रस्ताव करता है।
मूल पेपर CC BY 4.0 (https://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
SARS-CoV-2 वायरस की कल्पना एक विशाल पुस्तकालय के रूप में करें जिसमें लाखों अलग-अलग पुस्तकें हैं, जहाँ प्रत्येक "पुस्तक" निर्देशों का एक अद्वितीय अनुक्रम (एक प्रोटीन) है जो वायरस को खुद को बनाने का तरीका बताता है। वैज्ञानिक वर्षों से इन पुस्तकों को एकत्र कर रहे हैं, लेकिन पैटर्न खोजने के लिए उन्हें छाँटना एक कैटलॉग सिस्टम के बिना उपन्यासों के एक अराजक ढेर को व्यवस्थित करने जैसा है।
यह शोध पत्र इन वायरल "पुस्तकों" को व्यवस्थित करने के लिए एक नए, स्मार्ट तरीके का प्रस्ताव देता है जिसमें लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग किया गया है। एक LLM को केवल एक चैटबॉट के रूप में नहीं, बल्कि एक अत्यंत बुद्धिमान लाइब्रेरियन (पुस्तकालयाध्यक्ष) के रूप में सोचें जिसने अस्तित्व में मौजूद हर प्रोटीन पुस्तक को पढ़ा है। यह लाइब्रेरियन केवल शब्दों को ही नहीं पढ़ता; वे कहानियों के "भाव" (vibe) और संरचना को भी समझते हैं, भले ही उन्हें व्याकरण के नियमों के बारे में स्पष्ट रूप से न सिखाया गया हो।
यहाँ बताया गया है कि कैसे लेखकों ने इस पहेली को सुलझाने के लिए इस लाइब्रेरियन का उपयोग किया:
1. लाइब्रेरियनों का परीक्षण
सबसे पहले, शोधकर्ताओं ने केवल एक ही लाइब्रेरियन नहीं चुना; उन्होंने यह देखने के लिए कई अलग-अलग लाइब्रेरियनों का परीक्षण किया कि SARS-CoV-2 वायरस की विशिष्ट कहानियों को समझने में कौन सा सबसे अच्छा है। वे यह देखना चाहते थे कि कौन सा मॉडल समान वायरल कहानियों को एक साथ समूहित (क्लस्टरिंग) कर सकता है या उन्हें एक-दूसरे से अलग बता सकता है (वर्गीकरण)।
2. वायरस के "चेहरे" पर ध्यान केंद्रित करना
टीम ने विशेष रूप से वायरस के "स्पाइक प्रोटीन" पर ध्यान केंद्रित करने का निर्णय लिया। यदि आप वायरस की कल्पना एक छोटे एलियन के रूप में करते हैं, तो स्पाइक प्रोटीन उसका "चेहरा" है—वह हिस्सा जो मानव कोशिकाओं से हाथ मिलाने की कोशिश करता है। चूंकि यह वह हिस्सा है जिसे हमारा इम्यून सिस्टम पहचानता है, इसलिए इसका अध्ययन करना सबसे महत्वपूर्ण है।
3. "समानता का खेल" (अनसुपरवाइज्ड लर्निंग)
उनकी पद्धति का मूल एक चतुर खेल है जिसे कॉन्ट्रास्टिव लर्निंग (contrastive learning) कहा जाता है। कल्पना करें कि दो जुड़वां (सियामी न्यूरल नेटवर्क) एक खेल खेल रहे हैं जहाँ उन्हें दो अलग-अलग वायरल अनुक्रम दिखाए जाते हैं।
- खेल निर्देश देता है: "यदि ये दो अनुक्रम बहुत समान हैं (जैसे एक ही पुस्तक की दो प्रतियां), तो एक-दूसरे के करीब खड़े हो जाओ।"
- "यदि वे अलग हैं (जैसे एक रहस्य उपन्यास बनाम एक कुकबुक), तो दूर खड़े हो जाओ।"
- यह मापने के लिए कि वे कितने समान हैं, सिस्टम एक विशिष्ट पैमाने का उपयोग करता है जिसे लेवेनश्टीन डिस्टेंस (Levenshtein distance) कहा जाता है, जो ठीक से गिनता है कि एक अनुक्रम को दूसरे में बदलने के लिए कितने अक्षरों को बदलना, जोड़ना या हटाना आवश्यक है।
इस दृष्टिकोण की खूबसूरती यह है कि यह अनसुपरवाइज्ड (unsupervised) है। लाइब्रेरियन को यह बताने के लिए किसी शिक्षक की आवश्यकता नहीं थी कि, "यह वेरिएंट A है, वह वेरिएंट B है।" इसके बजाय, लाइब्रेरियन ने इस समानता के खेल को बार-बार खेलकर पैटर्न को पूरी तरह से स्वयं सीखा।
4. अंतिम मुकाबला
यह देखने के लिए कि क्या उनकी नई विधि वास्तव में काम करती है, शोधकर्ताओं ने महामारी के बाद के चरणों के डेटासेट पर इसका परीक्षण किया। उन्होंने डेटा को व्यवस्थित करने के पुराने तरीके के मुकाबले अपने LLM-आधारित लाइब्रेरियन की तुलना की।
परिणाम
नया दृष्टिकोण जीत गया। उभरते हुए वायरल वेरिएंट्स को सही ढंग से समूहित करने के मामले में, LLM पद्धति ने पुराने तरीके की तुलना में सटीकता स्कोर (जिसे एडजस्टेड रैंड इंडेक्स कहा जाता है) में 0.2 का सुधार किया।
निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि इन उन्नत भाषा मॉडलों का उपयोग करना वायरस के बदलने के तरीके को समझने के लिए एक शक्तिशाली नया उपकरण है। यह सिद्ध करता है कि प्रोटीन अनुक्रमों के साथ भाषा की तरह व्यवहार करने से हम पहले की तुलना में अधिक प्रभावी ढंग से नए वेरिएंट्स को पहचान सकते हैं और उन्हें समूहित कर सकते हैं, और यह सब केवल AI को अपने आप पैटर्न "पढ़ने" देने से संभव हुआ 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।