🧬 genomics

BioWorldModel: A Multi-Kingdom Trajectory Architecture for Genomic Prediction with Evolutionary Curriculum Learning

BioWorldModel एक एकीकृत, बहु-जगत (multi-kingdom) आर्किटेक्चर है जो कवक (fungi), पौधों और जानवरों में फेनोटाइपिक वितरण की भविष्यवाणी करने के लिए विकासवादी पाठ्यक्रम शिक्षण (evolutionary curriculum learning) का लाभ उठाता है, जो साझा जीनोटाइप-से-फेनोटाइप सिद्धांतों को पकड़कर पारंपरिक प्रजाति-विशिष्ट जीनोमिक भविष्यवाणी विधियों की तुलना में काफी बेहतर प्रदर्शन करता है।

मूल लेखक: Shaik, K. H. B.

प्रकाशित 2026-03-18

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Shaik, K. H. B.

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 कंप्यूटर को यह सिखाने की कोशिश कर रहे हैं कि किसी जीव के DNA के आधार पर वह कैसा दिखेगा या व्यवहार करेगा, इसकी भविष्यवाणी कैसे की जाए।

दशकों से, वैज्ञानिकों ने इसे एक बच्चे को केवल एक विशिष्ट जानवर को पहचानना सिखाने जैसा माना है। यदि आप एक मॉडल को चावल के बारे में सिखाते हैं, तो वह चावल का विशेषज्ञ बन जाता है लेकिन उसे गेहूं के बारे में कुछ भी पता नहीं होता। यदि आप उसे फल मक्खी (fruit flies) के बारे में सिखाते हैं, तो वह मशरूम के बारे में सब कुछ भूल जाता है। यह दुनिया की हर भाषा के लिए एक अलग शब्दकोश रखने जैसा है, बजाय एक सार्वभौमिक अनुवादक के जो उन सभी को जोड़ने वाले व्याकरण को समझता हो।

यह शोध पत्र BioWorldModel को पेश करता है, जो एक नए प्रकार का "सार्वभौमिक जीव विज्ञान अनुवादक" (Universal Biology Translator) है। यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:

1. बड़ा विचार: समस्त जीवन के लिए एक मस्तिष्क

हर प्रजाति के लिए एक अलग मस्तिष्क बनाने के बजाय, शोधकर्ताओं ने एक ही मस्तिष्क बनाया है जो कवक (मशरूम), पौधों और जानवरों को एक साथ समझ सकता है।

इसे एक मास्टर शेफ (मुख्य रसोइया) की तरह समझें।

पुराना तरीका: आप एक ऐसा शेफ नियुक्त करते हैं जो केवल इतालवी भोजन बनाना जानता है। यदि आप उससे सुशी मांगते हैं, तो वह इसे नहीं बना सकता। आपको हर व्यंजन के लिए एक अलग शेफ की आवश्यकता होती है।
BioWorldModel: आप एक मास्टर शेफ को नियुक्त करते हैं जो खाना पकाने के मौलिक सिद्धांतों (तापमान, स्वाद, बनावट) को समझता है। वे मशरूम के व्यंजन, गेहूं के व्यंजन या चिकन के व्यंजन की रेसिपी देख सकते हैं और उसके अंतर्निहित तर्क को समझ सकते हैं, भले ही सामग्री पूरी तरह से अलग हो।

मॉडल ने सीखा कि एक यीस्ट कोशिका और एक मक्का के पौधे के बीच भारी अंतर होने के बावजूद, DNA कैसे एक भौतिक लक्षण में बदल जाता, इसके "नियम" जीवन के पूरे वृक्ष में आश्चर्यजनक रूप से समान हैं।

2. यह डेटा के विभिन्न "आकारों" को कैसे संभालता है

इस काम के सबसे कठिन हिस्सों में से एक यह है कि विभिन्न जीवों के पास अलग-अलग मात्रा में जेनेटिक डेटा होता है।

समस्या: एक फल मक्खी का जीनोम छोटा होता है (एक छोटी कविता की तरह), जबकि एराबिडोप्सिस (Arabidopsis) जैसा पौधा एक विशाल जीनोम रखता है (एक विश्वकोश की तरह)।
समाधान: मॉडल एक "स्मार्ट कंप्रेसर" का उपयोग करता है।
कल्पना कीजिए कि आपके पास अलग-अलग आकार की पुस्तकों का एक पुस्तकालय है। हर एक पन्ना पढ़ने के बजाय, मॉडल जल्दी से अध्यायों को स्कैन करता है, मुख्य बिंदुओं का सारांश बनाता है, और प्रत्येक जीव के लिए एक "चीट शीट" (संक्षिप्त नोट) तैयार करता है। यह मॉडल को एक छोटी फल मक्खी के जीनोम और एक विशाल पौधे के जीनोम दोनों को एक ही मानसिक प्रक्रिया का उपयोग करके पढ़ने की अनुमति देता है।

3. "जैविक स्मृति" (Biological Memory) प्रणाली

यह इस शोध पत्र का सबसे रचनात्मक हिस्सा है। मॉडल केवल DNA को नहीं देखता है; यह इस बात का अनुकरण करता है कि जीवित चीजें समय के साथ चीजों को कैसे याद रखती हैं। इसमें चार विशेष मेमोरी चैनल हैं, जो एक जैविक हार्ड ड्राइव की तरह हैं:

थर्मोस्टेट (होमियोस्टेसिस - Homeostasis): ठीक वैसे ही जैसे आपका शरीर स्थिर तापमान बनाए रखने की कोशिश करता है, यह मेमोरी एक जीव के "बेसलाइन" को ट्रैक करती है। यह याद रखती है कि इस प्रजाति के लिए सामान्य क्या है।
क्रिटिकल विंडो (विकास - Development): कुछ चीजें विशिष्ट समय पर ही होती हैं (जैसे कैटरपिलर का तितली में बदलना)। यह मेमोरी जानती है कि कब ध्यान देना है और कब अनदेखा करना है।
हाइलाइट रील (एपिसोडिक मेमोरी): यदि कुछ नाटकीय होता है (जैसे सूखा या लू), तो यह मेमोरी उस घटना का एक स्नैपशॉट सहेज लेती है, ठीक वैसे ही जैसे आपको एक विशेष तूफानी दिन याद रहता है।
पारिवारिक चित्र (पॉपुलेशन डेविएशन): यह याद रखती है कि प्रजाति के "औसत" सदस्य कैसे दिखते हैं, ताकि यह पहचान सके कि कोई विशिष्ट व्यक्ति अपने परिवार की तुलना में अजीब या विशेष है या नहीं।

4. "विकासवादी पाठ्यक्रम" (Evolutionary Curriculum)

शोधकर्ताओं ने मॉडल को सारा डेटा एक साथ नहीं दिया। उन्होंने इसे स्कूल के एक छात्र की तरह सिखाया, जो जीवन के वृक्ष (Tree of Life) का अनुसरण करता है:

पहले, उन्होंने इसे यीस्ट के बारे में सिखाया (सबसे सरल, जैसे कि किंडरगार्टन)।
फिर पौधे (जैसे प्राथमिक विद्यालय)।
फिर जानवर (जैसे हाई स्कूल)।
अंत में, उन्होंने इन सभी को एक "एकीकृत कक्षा" में मिला दिया।

उन्होंने एक विशेष तकनीक llamada EWC (इलास्टिक वेट कंसोलिडेशन) का उपयोग किया। कल्पना कीजिए कि आप पियानो बजाना सीख रहे हैं। जब आप एक नया गाना सीखते हैं, तो आप पुराने गाने बजाना नहीं भूलना चाहते। यह तकनीक पुराने गानों के महत्वपूर्ण हिस्सों को अपनी जगह पर "गोंद" की तरह चिपका देती है ताकि मॉडल नए जीव सीख सके बिना पुराने जीवों को "भूलने" के (जिसे कैटास्ट्रोफिक फॉरगेटिंग कहा जाता है)।

5. परिणाम: एक सुपर-मॉडल

जब उन्होंने इस मॉडल का परीक्षण किया, तो परिणाम चौंकाने वाले थे:

इसने फल मक्खियों के लक्षणों की 97% सटीकता के साथ भविष्यवाणी की, भले ही इसने पहले कभी फल मक्खी को नहीं देखा था (इसने नियम पौधों और कवक से सीखे थे)।
इसने सभी पुराने, विशिष्ट मॉडलों को बहुत बड़े अंतर से पीछे छोड़ दिया।
इसने साबित कर दिया कि नियमों का एक ही सेट यह समझा सकता है कि एक मशरूम, एक पेड़ और एक मक्खी कैसे बढ़ते हैं और अपने पर्यावरण के प्रति प्रतिक्रिया करते हैं।

यह क्यों मायने रखता है?

अतीत में, यदि कोई वैज्ञानिक यह अनुमान लगाना चाहता था कि एक नई फसल कैसे बढ़ेगी, तो उसे शून्य से शुरुआत करनी पड़ती थी। BioWorldModel के साथ, हमारे पास एक सार्वभौमिक टूलकिट है।

यदि हम एक नया पौधा या एक नया कवक खोजते हैं, तो हमें फिर से शुरू करने की आवश्यकता नहीं है। हम बस इसे इस "सार्वभौमिक जीव विज्ञान अनुवादक" में डाल सकते हैं, और यह अन्य सभी जीवन रूपों के अपने ज्ञान का उपयोग करके तुरंत एक अत्यधिक सटीक भविष्यवाणी करेगा। यह पृथ्वी पर जीवन के साझा "सोर्स कोड" को समझने की दिशा में एक बड़ी छलांग है।

यहाँ शोध पत्र "BioWorldModel: A Multi-Kingdom Trajectory Architecture for Genomic Prediction with Evolutionary Curriculum Learning" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

वर्तमान जीनोमिक भविष्यवाणी मॉडल दो मौलिक सीमाओं से ग्रस्त हैं:

जीव विशिष्टता (Organism Specificity): मॉडल आमतौर पर एक ही प्रजाति (जैसे चावल या गेहूं) पर प्रशिक्षित होते हैं और अन्य प्रजातियों में ज्ञान स्थानांतरित नहीं कर पाते, जबकि जीवन के वृक्ष (tree of life) में नियामक तर्क (regulatory logic) संरक्षित रहता है।
स्थिर मानचित्रण (Static Mapping): मौजूदा मॉडल जीनोटाइप-टू-फेनोटाइप मानचित्र को स्थिर मानते हैं, जिससे विकासात्मक खिड़कियों (developmental windows), तनाव स्मृति (stress memory) और समय के साथ पर्यावरणीय अंतःक्रियाओं जैसे अस्थायी गतिकी (temporal dynamics) की अनदेखी होती है।

यह शोध पत्र BioWorldModel का प्रस्ताव करता है, जो एक एकीकृत डीप लर्निंग आर्किटेक्चर है जिसे तीन जगतों (कवक, पादप, जंतु) के लिए एकल पैरामीटर सेट का उपयोग करके मल्टी-ट्रेट फेनोटाइप वितरण की भविष्यवाणी करने के लिए डिज़ाइन किया गया है, जबकि यह स्पष्ट रूप से अस्थायी गतिकी और विकासवादी संबंधों को मॉडल करता है।

2. कार्यप्रणाली (Methodology)

आर्किटेक्चर अवलोकन (Architecture Overview)

BioWorldModel एक आवर्ती प्रक्षेपवक्र आर्किटेक्चर (recurrent trajectory architecture) है जो जीनोटाइप, पर्यावरण और फेनोटाइप डेटा को चार मुख्य चरणों के माध्यम से संसाधित करता है:

पदानुक्रमित जीव एम्बेडिंग (Hierarchical Organism Embedding):
- प्रत्येक जीव को एक $d$ -आयामी वेक्टर ( $e_o$ ) में मैप किया जाता है जो तीन योगात्मक घटकों से बना है: जगत ( $e_{king}$ ), क्लेड ( $e_{clade}$ ), और प्रजाति ( $e_{species}$ )।
- यह मॉडल को उच्च वर्गीकरण स्तरों (जैसे मोनोकोट के रूप में चावल और मक्का के बीच) पर पैरामीटर साझा करने की अनुमति देता है, जबकि प्रजाति-विशिष्ट बारीकियों को बनाए रखता है।
स्केलेबल जीनोटाइप एनकोडर (Scalable Genotype Encoder):
- इनपुट: विभिन्न मार्कर गणनाओं (~34k से ~214k SNPs) वाले जीनोटाइप मैट्रिसेस।
- तंत्र:
  - चंकिंग (Chunking): मार्करों को गैर-अतिव्यापी चंक्स (आकार 512) में विभाजित किया जाता है और साइनुसोइडल पोजीशनल एनकोडिंग के साथ मीन-पूल किया जाता है।
  - अटेंशन पूलिंग (Attention Pooling): जीव-सशर्त क्वेरी वेक्टर्स इन चंक्स पर क्रॉस-अटेंशन करते हैं ताकि जीनोम को $K=8$ फीचर वेक्टर्स ( $z_G$ ) के एक निश्चित सेट में संकुचित किया जा सके।
- यह विभिन्न प्रजातियों के बीच जीनोम आकार की विशाल भिन्नता को कुशलतापूर्वक संभालता है।
पर्यावरण और स्मृति एकीकरण (Environment & Memory Integration):
- पर्यावरण एनकोडर: समय-श्रृंखला पर्यावरणीय डेटा को संसाधित करने के लिए कॉज़ल 1D कनवोल्यूशन का उपयोग करता है, जो जीव एम्बेडिंग्स द्वारा गेटेड होता है ताकि प्रजाति-विशिष्ट पर्यावरणीय वेटिंग की अनुमति मिल सके।
- फोर-चैनल हाइब्रिड मेमोरी सिस्टम: एक नवीन घटक जिसे विशिष्ट जैविक तंत्रों को पकड़ने के लिए डिज़ाइन किया गया है:
  - होमियोस्टैसिस ( $C_A$ ): हिडन स्टेट का एक्सपोनेंशियल मूविंग एवरेज (सेट-पॉइंट्स को ट्रैक करना)।
  - डेवलपमेंटल विंडोज ( $C_B$ ): एक गेटेड रनिंग मीन जो केवल सीखे गए संवेदनशील काल के दौरान स्टेट को संचित करता है।
  - एपिसोडिक इवेंट्स ( $C_C$ ): एक निश्चित-क्षमता वाला बफर जो डिफरेंशिएबल गंबल-सॉफ्टमैक्स रिप्लेसमेंट के माध्यम से महत्वपूर्ण जैविक घटनाओं को संग्रहीत करता है।
  - पॉपुलेशन डेविएशन ( $C_D$ ): किसी व्यक्ति की स्थिति का उसकी प्रजाति के औसत से विचलन को एनकोड करता है।
- रीडगेट (ReadGate): एक क्रॉस-अटेंशन तंत्र वर्तमान पर्यावरण और मेमोरी स्टेट के आधार पर प्रासंगिक जीनोमिक फीचर्स का चयन करता है।
- रिकरेंट कोर (Recurrent Core): एक गेटेड रिकरेंट यूनिट (GRU) जीनोम रीडआउट, पर्यावरण, मेमोरी और समय विशेषताओं को एकीकृत करती है ताकि हिडन स्टेट को अपडेट किया जा सके।
आउटपुट हेड (Output Head):
- एक मल्टीवेरिएट गौसियन वितरण $N(\mu_t, \Sigma_t)$ की भविष्यवाणी करता है।
- पैरामीट्राइजेशन: वर्तमान में उच्च-आयामी गुणों (जैसे Arabidopsis में 536 गुण) के साथ कम्प्यूटेशनल बाधाओं के कारण डायगोनल वेरिएंस पैरामीट्राइजेशन (प्रत्येक गुण के लिए स्वतंत्र) का उपयोग करता है। आर्किटेक्चर भविष्य के स्केलिंग के लिए पूर्ण चोलेस्की कोवेरियेंस ( $\Sigma = LL^T$ ) का समर्थन करता है।

प्रशिक्षण रणनीति: इवोल्यूशनरी करिकुलम (Training Strategy: Evolutionary Curriculum)

नई प्रजातियों को जोड़ते समय कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को संबोधित करने के लिए, यह शोध पत्र एलास्टिक वेट कंसोलिडेशन (EWC) का उपयोग करके एक इवोल्यूशनरी करिकुलम लागू करता है:

फाइलोजेनेटिक क्रम: प्रशिक्षण यीस्ट (कवक) $\to$ Arabidopsis (पादप) $\to$ Drosophila (जंतु) $\to$ चावल $\to$ यूनिफाइड फाइन-ट्यूनिंग के क्रम में आगे बढ़ता है।
EWC तंत्र: प्रत्येक चरण के बाद, डायगोनल फिशर इंफॉर्मेशन मैट्रिक्स महत्वपूर्ण पैरामीटर्स की पहचान करता है। एक पेनल्टी टर्म इन पैरामीटर्स को उनके पिछले मानों से बांध देता है, जिससे मॉडल को पुराने को भूले बिना नए जीवों को सीखने की अनुमति मिलती है।
यूनिफाइड ट्रेनिंग: जारी किए गए मॉडल को सभी पांच जीवों पर एक साथ संयुक्त रूप से प्रशिक्षित किया गया था, जो दर्शाता है कि आर्किटेक्चर चरणबद्ध प्रशिक्षण के बिना भी क्रॉस-किंगडम पैटर्न सीख सकता है।

3. प्रमुख योगदान (Key Contributions)

यूनिफाइड मल्टी-किंगडम आर्किटेक्चर: एकल पैरामीटर सेट का उपयोग करके कवक, पौधों और जानवरों में फेनोटाइप की भविष्यवाणी करने में सफल होने वाला पहला मॉडल, जो यह सिद्ध करता है कि जीनोटाइप-टू-फेनोटाइप मैपिंग अरबों वर्षों के विजातीय विकास के बावजूद गहरे सिद्धांतों को साझा करती है।
स्केलेबल जीनोटाइप कम्प्रेशन: एक नवीन चंक्ड अटेंशन पूलिंग तंत्र जो 34k से 214k SNPs तक के जीनोम को एक निश्चित आकार के प्रतिनिधित्व ( $K=8$ वेक्टर्स) में संकुचित करता है।
बायोलॉजिकली स्ट्रक्चर्ड मेमोरी: एक फोर-चैनल मेमोरी सिस्टम जो होमियोस्टैसिस, डेवलपमेंटल विंडोज, एपिसोडिक इवेंट्स और पॉपुलेशन डेविएशन को स्पष्ट रूप से मॉडल करता है, जो टेम्पोरल डेटा के लिए मजबूत इंडक्टिव बायस प्रदान करता है।
इवोल्यूशनरी करिकुलम लर्निंग: फाइलोजेनेटिक क्रम में जीवों को क्रमिक रूप से जोड़ने के लिए EWC का कार्यान्वयन, जो कैटास्ट्रोफिक फॉरगेटिंग को कम करता है।
प्रोबेबिलिस्टिक आउटपुट: एक गौसियन हेड जो माध्य भविष्यवाणियों और अनिश्चितता अनुमानों (वेरिएंस) दोनों को प्रदान करता है, जिसमें पूर्ण कोवेरियेंस संरचनाओं के लिए समर्थन है।

4. परिणाम (Results)

डेटासेट (Dataset)

मॉडल को तीन जगतों में फैले पांच जीवों पर प्रशिक्षित किया गया था:

S. cerevisiae (यीस्ट, कवक)
A. thaliana (Arabidopsis, पादप)
*D. melanogaster (फ्रूट फ्लाई, जंतु)
O. sativa (चावल, पादप)
Z. mays (मक्का, पादप)
कुल: 2,637 प्रशिक्षण व्यक्ति, 641 गुण।

प्रदर्शन मेट्रिक्स (Performance Metrics)

समग्र सटीकता (Overall Accuracy): यूनिफाइड मॉडल ने ऑर्गेनिज्म-एवरेज $R^2 = 0.821$ और ट्रेट-वेटेड $R^2 = 0.413$ प्राप्त किया।
प्रति-जीव प्रदर्शन (Per-Organism Performance):
- मक्का: $R^2 = 0.997$
- Drosophila: $R^2 = 0.973$
- यीस्ट: $R^2 = 0.939$
- चावल: $R^2 = 0.887$
- Arabidopsis: $R^2 = 0.311$ (उच्च आयामीता के कारण कम: 200 वैलिडेशन सैंपल्स बनाम 536 गुण)।
बेसलाइन के साथ तुलना: BioWorld-Model ने प्रति जीव प्रशिक्षित मानक जीनोमिक प्रेडिक्शन विधियों (GBLUP, BayesB, Lasso, Random Forest) को काफी पीछे छोड़ दिया।
- उदाहरण: Drosophila पर, सभी बेसलाइन्स ने नकारात्मक $R^2$ (मीन प्रेडिक्ट करने से भी बदतर) दिया, जबकि BioWorld-Model ने 0.973 प्राप्त किया।
- उदाहरण: यीस्ट पर, BioWorld-Model ($0.939 $) सबसे अच्छे बेसलाइन ($ 0.229$) से 4.1 गुना बेहतर था।

सांख्यिकीय महत्व (Statistical Significance)

बूटस्ट्रैप कॉन्फिडेंस इंटरवल (95%) ने पुष्टि की कि सुधार मजबूत थे, जहाँ यूनिफाइड मॉडल के $R^2$ का निचला स्तर भी सबसे अच्छे बेसलाइन के ऊपरी स्तर से काफी अधिक था।

5. महत्व और भविष्य का दृष्टिकोण (Significance and Future Outlook)

जैविक अंतर्दृष्टि: परिणाम इस परिकल्पना को मान्य करते हैं कि जीनोटाइप-टू-फेनोटाइप मैपिंग अरबों वर्षों के विजातीय विकास के बावजूद संरक्षित सिद्धांतों का पालन करती है, जिसका लाभ एक एकल डीप लर्निंग मॉडल द्वारा उठाया जा सकता है।
दक्षता: एक एकल 11.5M पैरामीटर मॉडल हजारों अलग-अलग मॉडलों (प्रति प्रजाति प्रति गुण) की आवश्यकता को समाप्त कर देता है, जिससे कम्प्यूटेशनल ओवरहेड और नई प्रजातियों के लिए डेटा की आवश्यकता काफी कम हो जाती है।
अस्थायी गतिकी (Temporal Dynamics): हालांकि वर्तमान डेटासेट $T=1$ (स्थिर स्नैपशॉट) का उपयोग करते हैं, आर्किटेक्चर स्पष्ट रूप से लॉन्गिट्यूडिनल डेटा (टाइम-सीरीज फेनोटाइपिंग) के लिए डिज़ाइन किया गया है, जो विकासात्मक प्रक्षेपवक्र और तनाव स्मृति के भविष्य के अध्ययन के लिए एक आधार प्रदान करता है।
भावी कार्य: लेखक DNA फाउंडेशन मॉडल एम्बेडिंग्स को एकीकृत करने, प्लेयोट्रोपिक सहसंबंधों को कैप्चर करने के लिए पूर्ण चोलेस्की कोवेरियेंस तक स्केल करने, और अतिरिक्त जगतों तक विस्तार करने की योजना बना रहे हैं।

निष्कर्ष: BioWorldModel जीनोमिक प्रेडिक्शन के लिए प्रजाति-विशिष्ट मॉडल से बदलकर एक यूनिफाइड, क्रॉस-किंगडम फाउंडेशन मॉडल की ओर एक प्रतिमान बदलाव (paradigm shift) का प्रतिनिधित्व करता है, जो यह सिद्ध करता है कि डीप लर्निंग प्रभावी रूप से जैविक विकास और अनुकूलन के साझा "व्याकरण" को कैप्चर कर सकता है।