miRstring: An RNA language model enables mature miRNA decoding and artificial small RNA design across species

प्रत्येक जीवित कोशिका के भीतर, एक शांत लेकिन महत्वपूर्ण संपादन प्रक्रिया होती है ताकि यह सुनिश्चित किया जा सके कि सही निर्देशों का पालन किया जाए। कोशिकाएं आनुवंशिक सामग्री के लंबे धागे बनाती हैं जो ब्लूप्रिंट (खाके) के रूप में कार्य करते हैं, लेकिन इन ब्लूप्रिंटों के साथ अक्सर अतिरिक्त, अनावश्यक हिस्से भी आते हैं जिन्हें उपयोग करने से पहले हटाना आवश्यक होता है। इन कटे हुए टुकड़ों में सबसे महत्वपूर्ण अणुओं में से एक माइक्रोआरएनए (microRNAs) नामक छोटे अणु हैं। ये आनुवंशिक कोड के छोटे हिस्से स्वयं प्रोटीन नहीं बनाते; इसके बजाय, वे सटीक स्विच के रूप रूप में कार्य करते हैं जो विशिष्ट जीन को बंद कर सकते हैं, प्रभावी रूप से उन संदेशों को शांत कर देते हैं जिन्हें अन्यथा निष्पादित किया जाता। कार्य करने के लिए, इन अणुओं को अपने बड़े पूर्ववर्ती (precursor) रूपों से सटीक स्थानों पर काटा जाना चाहिए। यदि कट गलत स्थान पर होता है, तो परिणामी अणु काम करने में विफल हो सकता है या कोशिका के नाजुक संतुलन को बाधित कर सकता है। वैज्ञानिकों के लिए, जीवन की विशाल विविधता में यह अनुमान लगाना कि ये कट वास्तव में कहाँ होंगे, एक कठिन चुनौती बना हुआ है, जिससे विभिन्न जानवरों में इन स्विचों के काम करने के तरीके को समझने या अनुसंधान और चिकित्सा के लिए नए स्विच डिजाइन करने की हमारी क्षमता सीमित हो गई है।

शोधकर्ताओं के एक दल ने अब 'miRstring' नामक एक नया कम्प्यूटेशनल टूल विकसित किया है जो आनुवंशिक अनुक्रमों को पढ़े जाने और समझे जाने वाली एक भाषा के रूप में मानकर इस लंबे समय से चले आ रहे पहेली का समाधान करता है। इन अणुओं के दिखने के तरीके के बारे में कठोर नियमों पर निर्भर रहने के बजाय, यह प्रणाली प्राकृतिक आनुवंशिक कोड के पैटर्न को डेटा के एक विशाल संग्रह का अध्ययन करके सीखती है। शोधकर्ताओं ने मॉडल को 414 विभिन्न प्रजातियों में पाए जाने वाले 77,708 पूर्ववर्ती अणुओं पर प्रशिक्षित किया, जिससे इसे जीवन के वृक्ष के माध्यम से प्रकृति द्वारा कटिंग प्रक्रिया को लगातार कैसे संभाला जाता है, इसका अवलोकन करने का अवसर मिला। इसका परिणाम एक ऐसा ढांचा है जो एक कच्चे आनुवंशिक पूर्ववर्ती को देख सकता है और अंतिम, कार्यात्मक माइक्रोआरएनए अणु को परिभाषित करने वाली चार विशिष्ट सीमाओं का सटीक अनुमान लगा सकता है। यह क्षमता इस टूल को उच्च स्तर की सटीकता के साथ परिपक्व अणु के बिल्कुल पहले निर्माण खंड (building block) की पहचान करने की अनुमति देती है, एक ऐसा विवरण जिसे पिछले तरीकों ने अक्सर छोड़ दिया था।

जो इस दृष्टिकोण को विशेष रूप से शक्तिशाली बनाता है वह यह है कि यह प्रणाली केवल अनुमान नहीं लगाती; ऐसा प्रतीत होता है कि यह प्रक्रिया के जैविक यांत्रिकी को समझती है। जब शोधकर्ताओं ने यह परीक्षण किया कि मॉडल ने अपने निर्णय कैसे लिए, तो उन्होंने पाया कि इसका आंतरिक केंद्र स्वाभाविक रूप से उन सटीक स्थानों को उजागर करता है जहाँ कोशिकीय एंजाइम आमतौर पर अपने कट लगाते हैं। यह सुझाव देता है कि टूल ने उन वास्तविक जैविक नियमों को सीख लिया है जो इन अणुओं के प्रसंस्करण को नियंत्रित करते हैं, न कि केवल पैटर्न को याद किया है। मॉडल उन प्रजातियों पर परीक्षण किए जाने पर भी सुदृढ़ रहा जिन्हें उसने पहले कभी नहीं देखा था, और इसने सही सीमाओं की पहचान करने में मौजूदा तरीकों से बेहतर प्रदर्शन किया। विभिन्न जीवन रूपों में यह विश्वसनीयता इस टूल को उन जीवों में माइक्रोआरएनए को एनोटेट करने और समझने के लिए उपयोग करने योग्य बनाती है जहाँ उन्हें पहले मैप करना कठिन था।

प्रकृति में जो मौजूद है उसे केवल पढ़ने के अलावा, शोधकर्ताओं ने प्रदर्शित किया कि इस समझ का उपयोग कुछ नया बनाने के लिए किया जा सकता है। उन्होंने विशिष्ट, कस्टम-मेड माइक्रोआरएनए बनाने के लिए कृत्रिम पूर्ववर्तियों को डिजाइन करने हेतु इस मॉडल का उपयोग किया। जब इन डिजाइन किए गए अणुओं का परीक्षण किया गया, तो उन्होंने सफलतापूर्वक अपने लक्षित संदेशों को दबा दिया, जिससे पुष्टि हुई कि कंप्यूटर-जनित डिजाइन जैविक परिवेश में इच्छित रूप से कार्य करते हैं। यह कार्य प्राकृतिक आनुवंशिक अनुक्रमों के विश्लेषण से लेकर नए अनुक्रमों के निर्माण तक एक स्केलेबल पथ स्थापित करता है, जो छोटे आरएनए उपकरणों के डिजाइन के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने का एक तरीका प्रदान करता है। प्राकृतिक जीव विज्ञान को डिकोड करने और सिंथेटिक समाधान बनाने के बीच के अंतर को पाटकर, यह अध्ययन कई अलग-अलग प्रजातियों में अधिक सटीक और व्यापक रूप से लागू होने वाले जेनेटिक इंजीनियरिंग की ओर एक मार्ग खोलता है।