A deep-learning-based score to evaluate multiple sequence alignments
यह शोध पत्र प्रदर्शित करता है कि व्यापक रूप से उपयोग किया जाने वाला 'सम-ऑफ-पेयर्स' स्कोर अक्सर सबसे सटीक मल्टीपल सीक्वेंस एलाइनमेंट्स की पहचान करने में विफल रहता है और एक डीप-लर्निंग-आधारित स्कोरिंग फ्रेमवर्क प्रस्तावित करता है, विशेष रूप से मॉडल 2, जो डाउनस्ट्रीम फाइलोजेनेटिक पुनर्निर्माण को बेहतर बनाने के लिए वैकल्पिक एलाइनमेंट्स को प्रभावी ढंग से रैंक 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
कल्पना कीजिए कि आप लोगों के एक समूह को एक कतार में खड़ा करने की कोशिश कर रहे हैं, जो एक ही कहानी के थोड़े अलग-अलग संस्करण सुनाते हैं। जीव विज्ञान की दुनिया में, ये "लोग" डीएनए (DNA) या प्रोटीन अनुक्रम (sequences) हैं, और वह "कहानी" उनका साझा विकासवादी इतिहास है। वैज्ञानिक इस प्रक्रिया को मल्टीपल सीक्वेंस अलाइनमेंट (MSA) कहते हैं। इस कतार को सही ढंग से व्यवस्थित करना बहुत महत्वपूर्ण है क्योंकि यदि कहानी गड़बड़ हो गई, तो वैज्ञानिक इस बारे में जो भी निष्कर्ष निकालेंगे कि वे जीव कैसे विकसित हुए, वे गलत होंगे।
लंबे समय तक, वैज्ञानिक यह तय करने के लिए कि कौन सी कतार सबसे अच्छी है, एक विशिष्ट नियम का उपयोग करते रहे हैं। वे इसे "सम-ऑफ-पेयर्स" (SP) स्कोर कहते हैं। SP स्कोर को ऐसे समझें जैसे एक शिक्षक एक समूह परियोजना को केवल इस आधार पर ग्रेड दे रहा हो कि छात्रों के उत्तर आपस में कितनी बार मेल खाते हैं। यदि दो छात्र एक ही स्थान पर एक ही शब्द लिखते हैं, तो उन्हें एक अंक मिलता है। जिस कतार में सबसे अधिक मिलान वाले अंक होंगे, वही विजेता होगा।
समस्या
इस शोध के लेखकों ने इस ग्रेडिंग प्रणाली में एक दोष खोजा। सिर्फ इसलिए कि एक कतार में मिलान वाले अंकों की संख्या सबसे अधिक है (सर्वश्रेष्ठ SP स्कोर), इसका मतलब यह नहीं है कि वह वास्तव में कहानी का सबसे सटीक संस्करण है। यह उस छात्र की तरह है जिसने उच्च स्कोर प्राप्त करने के लिए उत्तरों को पूरी तरह से रट लिया, लेकिन कहानी के कथानक को पूरी तरह से गलत समझ लिया। कई मामलों में, SP स्कोर का "विजेता" वास्तव में एक खराब अलाइनमेंट था, यदि उसकी तुलना वास्तविक, सही संस्करण से की जाए।
समाधान: एक नए प्रकार का निर्णायक
इसे ठीक करने के लिए, शोधकर्ताओं ने एक डीप-लर्निंग एआई (deep-learning AI) बनाया ताकि वह एक स्मार्ट निर्णायक के रूप में कार्य कर सके। उन्होंने केवल सरल मिलानों को नहीं देखा; उन्होंने कतार के भीतर संकेतों और विशेषताओं के एक पूरे संग्रह को देखा। उन्होंने समस्याओं को हल करने के लिए दो अलग-अलग "मॉडल" (एआई निर्णायक) बनाए:
मॉडल 1 (व्यक्तिगत आलोचक): यह मॉडल एक एकल कतार को देखता है और अनुमान लगाने की कोशिश करता है कि वह सच्चाई से कितनी दूर है। यह एक ऐसे आलोचक की तरह है जो एक कहानी पढ़ता है और उसे एक स्कोर देता है कि वह कितनी सटीक है। यह मॉडल सटीकता की भविष्यवाणी करने में पुराने SP स्कोर से बेहतर था, लेकिन यह विकल्पों के एक समूह में से सर्वश्रेष्ठ को चुनने में बहुत अच्छा नहीं था।
मॉडल 2 (टूर्नामेंट रेफरी): यह मॉडल असली सितारा है। एक अकेले में एक कतार को परखने के बजाय, यह एक ही कहानी के लिए कई अलग-अलग कतारों के सेट को देखता है और उन्हें एक-दूसरे के विरुद्ध रैंक करता है। यह एक खेल टूर्नामेंट के रेफरी की तरह है जो यह तय करने के लिए कि वास्तव में किसने जीता, सभी टीमों की तुलना करती है, बजाय इसके कि वह केवल एक टीम के आंकड़ों को देखे।
परिणाम
जब शोधकर्ताओं ने इन नए मॉडलों का परीक्षण किया, तो मॉडल 2 सबसे सटीक अलाइनमेंट खोजने में सर्वश्रेष्ठ साबित हुआ। इसने पुराने SP स्कोर, मॉडल 1 और यहाँ तक कि वैज्ञानिकों द्वारा उपयोग किए जाने वाले कई अन्य लोकप्रिय कंप्यूटर प्रोग्रामों को भी पीछे छोड़ दिया।
अंत में, उन्होंने दिखाया कि जब वैज्ञानिक इस नए एआई का उपयोग करके सबसे अच्छी कतार चुनने के लिए करते हैं, तो परिणामी "फैमिली ट्री" (फाइलोजेनेटिक पुनर्निर्माण), जो यह दर्शाते हैं कि जीव एक-दूसरे से कैसे संबंधित हैं, बहुत अधिक सटीक होते हैं। संक्षेप में, अलाइनमेंट को ग्रेड देने के एक स्मार्ट तरीके का उपयोग करके, वैज्ञानिक बहुत अधिक विश्वास के साथ विकास की सच्ची कहानी बता सकते हैं।
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।