Tree-aware conditional language modeling recovers mutational patterns of viral evolution
यह शोधपत्र evoPLM-Tree को प्रस्तुत करता है, जो एक ट्री-अवेयर (tree-aware) कंडीशनल लैंग्वेज मॉडल है जो वायरल म्यूटेशनल पैटर्न और वंश-विशिष्ट विकासवादी प्रक्षेपवक्रों (lineage-specific evolutionary trajectories) की सटीक भविष्यवाणी करने के लिए फाइलोजेनेटिक संदर्भ को एकीकृत करता है, जो प्रायोगिक कार्यात्मक बाधाओं के साथ मजबूत संरेखण प्रदर्शित 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
वायरस परिवर्तन के उस्ताद होते हैं। वे अपने स्वयं के आनुवंशिक निर्देशों को लगातार फिर से लिखकर जीवित रहते हैं, जिससे वे उन मेजबानों की प्रतिरक्षा प्रणाली से बचने के लिए अपने प्रोटीनों के हिस्सों को बदलते रहते हैं जिन्हें वे संक्रमित करते हैं। यह प्रक्रिया यादृच्छिक अराजकता नहीं है; यह एक पथ का अनुसरण करती है। एक उत्परिवर्तन (mutation) जो आज एक वायरस की मदद करता है, वह कल बेकार या यहाँ तक कि हानिकारक भी हो सकता है, जो इस बात पर निर्भर करता है कि उस विशिष्ट वंश रेखा में पहले से ही कौन से अन्य परिवर्तन हो चुके हैं। वैज्ञानिकों ने लंबे समय से प्रोटीन की भाषा को पढ़ने वाले कंप्यूटर मॉडल का उपयोग करके इन परिवर्तनों की भविष्यवाणी करने का प्रयास किया है, जो उन्हें वाक्यों की तरह देखते हैं जहाँ कुछ शब्द दूसरों की तुलना में बेहतर फिट बैठते हैं। हालाँकि, इनमें से अधिकांश मॉडल अंतिम परिणाम को देखते हैं लेकिन उस यात्रा पर ध्यान नहीं देते हैं। वे गंतव्य को देखते हैं लेकिन उस मानचित्र को अनदेखा कर देते हैं कि वायरस वहाँ कैसे पहुँचा, इस तथ्य को भूल जाते हैं कि एक वायरस का इतिहास यह निर्धारित करता है कि वह आगे कौन से परिवर्तन सुरक्षित रूप से कर सकता है।
शोधकर्ताओं की एक टीम ने इस समस्या को देखने का एक नया तरीका विकसित किया है, जो कंप्यूटर को परिवार के वृक्ष (family tree) पर ध्यान देने के लिए मजबूर करता है। उन्होंने evoPLM-Tree नामक एक प्रणाली बनाई है, जो एक ऐसे भाषा मॉडल की तरह कार्य करती है जो विकास (evolution) को समझता है। केवल यह अनुमान लगाने के बजाय कि एक प्रोटीन अनुक्रम (sequence) कैसा दिख सकता है, यह मॉडल एक पूर्वज वायरस अनुक्रम और एक विशिष्ट पारिवारिक वृक्ष को अपने शुरुआती बिंदु के रूपas लेता है। इसके बाद, यह वंशावली में अगले कदम की भविष्यवाणी करना सीखता है, जिसमें वायरस के समय के साथ बदलने के इतिहास का उपयोग एक मार्गदर्शक के रूप में किया जाता है। शोधकर्ताओं ने SARS-CoV-2 वायरस के स्पाइक प्रोटीन का उपयोग करके इस दृष्टिकोण का परीक्षण किया, जो वायरस का वह हिस्सा है जो मानव कोशिकाओं में प्रवेश करने की अनुमति देता है। उन्होंने ओमिक्रॉन वेरिएंट के शुरुआती संस्करणों के अनुक्रमों को उनके पूर्वजों के साथ जोड़ा, जो एक फाइलोजेनेटिक ट्री (phylogenetic tree) के आधार पर उनकी स्थिति पर आधारित था—एक ऐसा आरेख जो विभिन्न वायरस उपभेदों (strains) के बीच विकासवादी संबंधों को दर्शाता है।
जब टीम ने मॉडल से वंशज अनुक्रमों (descendant sequences) को उत्पन्न करने के लिए कहा, तो इसने उस स्तर की सटीकता के साथ प्रदर्शन किया जो मानक मॉडल नहीं कर सके। मॉडल को विकासवादी संदर्भ प्रदान करके, शोधकर्ताओं ने पाया कि कंप्यूटर सामान्य पैटर्न के आधार पर केवल अनुमान लगाने के बजाय वास्तविक इनपुट जानकारी पर बहुत अधिक निर्भर था। मॉडल द्वारा बनाए गए अनुक्रम केवल यादृच्छिक भिन्नताएं नहीं थे; उन्होंने सटीक रूप से प्रोटीन के उन विशिष्ट स्थानों को पुनरुत्पादित किया जहाँ वास्तव में दुनिया में उत्परिवर्तन होते हैं। मॉडल के भविष्यवाणियों कि विभिन्न स्थानों पर उत्परिवर्तन कितनी बार दिखाई देंगे, का प्रेक्षित डेटा के साथ मजबूत सहसंबंध था, जो कि कंप्यूटर द्वारा की गई भविष्यवाणी और प्रकृति द्वारा वास्तव में किए गए कार्यों के बीच एक स्पष्ट संबंध को दर्शाता है। यह पूरे स्पाइक प्रोटीन और विशिष्ट रिसेप्टर-बाइंडिंग डोमेन, दोनों के लिए सत्य था, जो वायरस का वह हिस्सा है जो मानव कोशिकाओं से चिपकता है।
अध्ययन ने यह भी देखा कि जब वायरस अपने शुरुआती बिंदु से समय में और दूर चला जाता है, तो ये भविष्यवाणियाँ कितनी अच्छी तरह टिक पाती हैं। जबकि विकासवादी दूरी बढ़ने के साथ मॉडल एकल-अक्षर परिवर्तनों की सटीक भविष्यवाणी करने में कम सटीक हो गया, लेकिन यह पूरे प्रोटीन में परिवर्तन के समग्र पैटर्न को पकड़ने में उल्लेखनीय रूप से अच्छा बना रहा। यह देखने के लिए कि क्या इन पैटर्न का कोई वास्तविक अर्थ है, शोधकर्ताओं ने अपने मॉडल की भविष्यवाणियों की प्रयोगशाला प्रयोगों के साथ तुलना की, जिन्होंने परीक्षण किया कि वायरस बिना टूटे किन उत्परिवर्तनों को सहन कर सकता है। जिन उत्परिवर्तनों को मॉडल ने उच्च संभावना दी थी, वे वही पाए गए जिन्हें वैज्ञानिकों ने पहले ही प्रयोगशाला सेटिंग में जीवित रहने के लिए पुष्ट किया था। मॉडल ने सफलतापूर्वक उन उत्परिवर्तनों की पहचान की जो वायरस को मानव कोशिकाओं से जुड़ने की अपनी क्षमता बनाए रखने की अनुमति देते हैं, भले ही उसे प्रशिक्षण के दौरान कभी भी कोई प्रयोगात्मक डेटा नहीं दिखाया गया था।
यह कार्य यह प्रदर्शित करता है कि कंप्यूटर मॉडल को वायरस के पारिवारिक इतिहास का स्पष्ट दृश्य देने से उसे उस वंश की विशिष्ट उत्परिवर्तन पैटर्न को सीखने में मदद मिलती है। वंशावली के पथ को स्पष्ट रूप से शामिल करके, मॉडल उस अद्वितीय उत्परिवर्तन पैटर्न को पुनः प्राप्त कर सकता है जो यह परिभाषित करता है कि एक वायरस समय के साथ कैसे बदलता है। परिणाम बताते हैं कि यह दृष्टिकोण प्रोटीन विकास को समझने के लिए एक विश्वसनीय ढांचा प्रदान करता है और वैज्ञानिकों को यह प्राथमिकता देने में मदद कर सकता है कि भविष्य के कौन से उत्परिवर्तन सबसे अधिक संभावित हैं, जो हमारे पास पहले से मौजूद जीनोमिक डेटा पर आधारित हैं। यह न केवल यह देखने का एक तरीका प्रदान करता है कि वायरस क्या बन सकता है, बल्कि यह भी कि वह वहां तक कैसे पहुँचने की संभावना रखता है, जो उसके पूर्वजों के वास्तविक इतिहास पर आधारित 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।