geneML: Gene annotation across diverse fungal species using deep learning

कल्पना कीजिए कि आप एक विशाल, प्राचीन पुस्तकालय की किताबें पढ़ रहे हैं जो एक अजीब, उलझी हुई कोडिंग में लिखी गई हैं। यह पुस्तकालय कवक (फंगस, मशरूम, मोल्ड, यीस्ट आदि) की दुनिया का है। प्रत्येक पुस्तक एक जीनोम है, और उसके भीतर के "शब्द" जीन हैं। लंबे समय से, वैज्ञानिक यह समझने के लिए संघर्ष कर रहे हैं कि एक शब्द कहाँ समाप्त होता है और दूसरा कहाँ शुरू होता है, क्योंकि ये कवक की पुस्तकें कई अलग-अलग बोलियों में लिखी गई हैं और अक्सर इनमें ऐसे वाक्य होते हैं जिन्हें कई तरीकों से पुनर्व्यवस्थित किया जा सकता है (जिसे अल्टरनेटिव स्प्लिसिंग कहा जाता है)।

यहाँ geneML आता है, जो विशेष रूप से इन कवक की पुस्तकों को पढ़ने के लिए डिज़ाइन किया गया एक नया डिजिटल सहायक है।

यह कैसे काम करता है, इसके लिए कुछ सरल तुलनाएँ यहाँ दी गई हैं:

1. "स्मार्ट रीडर" बनाम "पुरानी डिक्शनरी"

पहले, वैज्ञानिक जीन खोजने के लिए BRAKER3 जैसे उपकरणों का उपयोग करते थे। BRAKER3 को एक बहुत ही सावधान लाइब्रेरियन के रूप में समझें जो शब्दों को खोजने के लिए भारी रूप से एक भौतिक शब्दकोश (प्रोटीन संकेतों) पर निर्भर करता है। यह अच्छा है, लेकिन कभी-कभी यह शब्दों को मिस कर देता है या उलझन में पड़ जाता है।

geneML एक सुपर-स्मार्ट पाठक की तरह है जिसने हजारों कवक पुस्तकों का अध्ययन किया है और डीप लर्निंग (आर्टिफिशियल इंटेलिजेंस का एक प्रकार) का उपयोग करके भाषा के पैटर्न को स्वयं सीखा है। केवल शब्दकोश में शब्द खोजने के बजाय, यह वाक्यों के प्रवाह और संरचना को समझता है।

2. गलतियाँ किए बिना अधिक शब्दों को पकड़ना

जब शोधकर्ताओं ने नौ अलग-अलग प्रकार के कवकों पर geneML का परीक्षण किया, तो इसने पुराने लाइब्रेरियन की तुलना में बेहतर काम किया।

• स्कोर: इसने समग्र सटीकता स्कोर को लगभग 65% से बढ़ाकर 67% कर दिया।
• जादू: असली जीत यह थी कि geneML ने बिना अधिक गलतियाँ किए अधिक जीन खोजे (इसने पहले की तुलना में 69% जीन पकड़े जबकि पहले 64% थे)। इसने केवल रैंडम अंदाज़े नहीं लगाए; इसने वास्तव में उन छिपे हुए शब्दों को खोज निकाला जिन्हें पुराने टूल्स मिस कर गए थे।

3. गति: एक तेज़ कूरियर

आप सोच सकते हैं कि एक सुपर-स्मार्ट AI को सोचने में बहुत लंबा समय लगेगा, लेकिन geneML आश्चर्यजनक रूप से तेज़ है। यह एक मानक कंप्यूटर पर लगभग 6 मिनट में एक पूरा कवक जीनोम पढ़ सकता है। यह एक पूरी उपन्यास को एक कड़क कॉफी बनाने में लगने वाले समय में पढ़ने जैसा है।

4. कहानी के "ट्विस्ट" को संभालना

कवक के जीन पेचीदा होते हैं क्योंकि उन्हें एक ही कहानी के विभिन्न संस्करण बनाने के लिए अलग-अलग तरीकों से "कट और पेस्ट" किया जा सकता है (इसे अल्टरनेटिव स्प्लिसिंग कहा जाता है)। अधिकांश उपकरण इसके साथ संघर्ष करते हैं, लेकिन geneML उन कुछ चुनिले टूल्स में से एक है जो इन ट्विस्ट्स को संभाल सकता है।

• Fusarium graminearum नामक कवक के वास्तविक प्रयोगात्मक डेटा के विरुद्ध परीक्षण करने पर, geneML ने इन विभिन्न कहानी संस्करणों में से 41% को सही ढंग से पहचाना।
• पुराने टूल (AUGUSTUS) ने केवल 33% को खोजा।
• अधिक महत्वपूर्ण बात यह है कि geneML अधिक सटीक था, जिसका अर्थ है कि जब इसने किसी संस्करण को खोजने का दावा किया, तो यह 71% बार सही था, जबकि पुराने टूल की सटीकता 49% थी।

5. लापता हिस्सों को खोजना

अंत में, शोधकर्ताओं ने पहले से "सुधारित" की गई कवक पुस्तकों को फिर से पढ़ने के लिए geneML का उपयोग किया। उन्होंने पाया कि geneML ने मूल एनोटेशन की तुलना में 15% अधिक पूर्ण जीन खोज निकाले। यह ऐसा है जैसे किसी पहेली (puzzle) के कुछ कोने गायब थे, और geneML वह था जिसने उन्हें पहचान लिया, जिससे कवक की अंतिम तस्वीर बहुत अधिक पूर्ण और जैविक रूप से सटीक हो गई।

मुख्य निष्कर्ष:
geneML एक मुफ्त, ओपन-सोर्स टूल है जो कवक जीनोम के लिए एक तेज़, अधिक सटीक और अधिक ध्यान देने वाले पाठक के रूप में कार्य करता है। यह अधिक जीन खोजता है, जटिल वाक्य संरचनाओं को बेहतर ढंग से संभालता है, और यह सब पलक झपकते ही करता है। आप इसे पेपर में दिए गए GitHub लिंक पर ऑनलाइन पा सकते हैं।