Effective sequence-to-expression prediction for a model membrane protein using machine learning and computational protein design
यह अध्ययन प्रदर्शित करता है कि एक मेम्ब्रेन प्रोटीन के 12,000 से अधिक डिज़ाइन किए गए वेरिएंट्स के नियंत्रित डेटासेट पर प्रशिक्षित सुपरवाइज्ड मशीन लर्निंग, *E. coli* में अभिव्यक्ति (expression) स्तरों की सटीक भविष्यवाणी कर सकती है और शुद्धिकरण उपज (purification yield) में 8 गुना वृद्धि प्राप्त करने के लिए प्रोटीन इंजीनियरिंग का मार्गदर्शन कर सकती 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
कल्पना कीजिए कि आप एक बहुत ही विशिष्ट, जटिल केक (एक मेम्ब्रेन प्रोटीन) बनाने की कोशिश कर रहे हैं जो एक व्यस्त रसोई (एक जीवित कोशिका) में है। समस्या यह है कि यह केक बनाना बेहद कठिन है; ज्यादातर समय, यह या तो जल जाता है, कच्चा रह जाता है, या फिर बिल्कुल भी फूलता नहीं है। वैज्ञानिक लंबे समय से एक "रेसिपी गाइड" चाहते थे जो उन्हें ठीक-ठीक बताए कि कौन सी सामग्री और चरण एक बेहतरीन केक की गारंटी देंगे, लेकिन वे अटके हुए थे क्योंकि उनके पास अध्ययन करने के लिए पर्याप्त सफल रेसिपी नहीं थीं।
यह शोध पत्र एक चतुर बेकिंग प्रयोगों और कंप्यूटर लर्निंग के मिश्रण का उपयोग करके उस गाइड को बनाने के बारे में है।
बड़ा प्रयोग
अंदाज़ा लगाने के बजाय, शोधकर्ताओं ने एक विशिष्ट प्रकार के मेम्ब्रेन प्रोटीन के लिए 12,248 थोड़े अलग "केक रेसिपीज़" (प्रोटीन वेरिएंट्स) की एक विशाल लाइब्रेरी डिजाइन करने के लिए कंप्यूटर का उपयोग किया। फिर उन्होंने इन सभी को एक मानक रसोई में बनाया, जो इस मामले में E. coli नामक एक सामान्य बैक्टीरिया है।
डेटा की चुनौती
आमतौर पर, वैज्ञानिकों को कंप्यूटर को परिणाम का पूर्वानुमान लगाने के लिए सिखाने के लिए हजारों सफल और असफल रेसिपीज़ की आवश्यकता होती है। लेकिन यहाँ, उनके पास अपने 12,000+ रेसिपीज़ में से केवल 2,000 का डेटा था। यह एक छात्र को कुल संभव केक के केवल एक छोटे से हिस्से को दिखाकर बेकिंग सिखाने जैसा है।
"स्मार्ट असिस्टेंट"
टीम ने उन 2,000 ज्ञात रेसिपीज़ का अध्ययन करने के लिए एक मशीन लर्निंग टूल (कंप्यूटर प्रोग्राम का एक प्रकार जो उदाहरणों से सीखता है) का उपयोग किया। उन्होंने कंप्यूटर को सिखाया कि वह सामग्रियों (प्रोटीन अनुक्रम) को देखे और अनुमान लगाए कि परिणाम एक "अच्छा केक" (उच्च अभिव्यक्ति) होगा या एक "बुरा केक" (कम अभिव्यक्ति)।
आश्चर्यजनक रूप से, सीमित डेटा के बावजूद, कंप्यूटर एक विशेषज्ञ बन गया। जब उन्होंने इसे नई, अनदेखी रेसिपीज़ पर परखा, तो यह अविश्वसनीय रूप से सटीक था। फिर उन्होंने इस "स्मार्ट असिस्टेंट" का उपयोग शेष 10,000+ रेसिपीज़ के लिए परिणाम का पूर्वानुमान लगाने के लिए किया जिन्हें उन्होंने वास्तव में अभी तक नहीं बनाया था।
सत्यापन का जादू
यह साबित करने के लिए कि असिस्टेंट केवल अंदाज़ा नहीं लगा रहा था, शोधकर्ता लैब में वापस गए और शीर्ष भविष्यवाणियों को बनाया। परिणाम क्या रहा? सफलता की 100% दर। कंप्यूटर ने जिस भी केक को 'अच्छा' कहा वह अच्छा निकला, और जिस भी केक को उसने 'खराब' कहा, वह विफल रहा।
कोड को तोड़ना
शोधकर्ताओं ने केवल भविष्यवाणियों पर ही नहीं रोका; उन्होंने "एक्सप्लेनेबल एआई" (व्याख्यात्मक एआई) टूल्स का उपयोग यह पूछने के लिए किया कि कंप्यूटर ने वे चुनाव क्यों किए। यह असिस्टेंट से पूछने जैसा है, "आपको क्यों लगा कि अधिक चीनी डालने से केक खराब हो जाएगा?" कंप्यूटर ने रेसिपी के उन विशिष्ट स्थानों की ओर इशारा किया जहाँ सामग्री बदलने से सबसे बड़ा अंतर आया।
अंतिम परिणाम
इन जानकारियों का उपयोग करते हुए, उन्होंने एक "खराब केक" की रेसिपी ली जिसे मूल रूप से बनाना बहुत कठिन था और कंप्यूटर की सलाह के आधार पर उसमें बदलाव किए। परिणाम यह रहा कि वह केक पहले की तुलना में 8 गुना अधिक आसानी से तैयार होने वाला केक बन गया।
निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि प्रोटीन रेसिपी के इस विशिष्ट, नियंत्रित सेट के लिए, आपको समस्या को हल करने के लिए किसी सुपर-कॉम्प्लेक्स या रहस्यमय एआई की आवश्यकता नहीं है। एक सीधा, समझने योग्य कंप्यूटर मॉडल वास्तव में इस "गुप्त भाषा" को डिकोड कर सकता है कि इन कठिन प्रोटीनों को कोशिका में अच्छी तरह से व्यक्त कैसे किया जाए।
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।