Assessing chemical toxicity across Eukaryota using multimodal transformers
यह शोध पत्र TRIDENT-2 को प्रस्तुत करता है, जो व्यापक विषाक्तता डेटा पर प्रशिक्षित एक मल्टीमॉडल एआई मॉडल है जो विविध यूकेरियोटिक प्रजातियों में रासायनिक विषाक्तता की सटीक भविष्यवाणी करता है, जो पारिस्थितिक जोखिम मूल्यांकन और जैव विविधता संरक्षण में सुधार के लिए महत्वपूर्ण डेटा अंतराल को प्रभावी ढंग से दूर 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
प्राकृतिक दुनिया जीवन का एक विशाल, परस्पर जुड़ा हुआ जाल है, जिसमें सूक्ष्म एककोशिकीय जीवों से लेकर सबसे बड़े स्तनधारी तक शामिल हैं। दशकों से, वैज्ञानिक जानते हैं कि मानव-निर्मित रसायन इस जाल को खतरे में डालते हैं, जिससे कीटों, पक्षियों और संपूर्ण पारिस्थितिक तंत्र को नुकसान पहुँचता है। प्रकृति की रक्षा करने के लिए, नियामकों को यह जानने की आवश्यकता है कि कौन से रसायन किन जीवित चीजों के लिए खतरनाक हैं। हालाँकि, हमारे ज्ञान में एक बहुत बड़ा अंतर मौजूद है। जबकि हर साल हजारों नए रसायनों की खोज की जाती है और लाखों प्रजातियां इस ग्रह पर निवास करती हैं, हमने उनमें से केवल एक बहुत छोटे हिस्से का परीक्षण किया है। पारंपरिक परीक्षण धीमा, महंगा और अक्सर मछली, चूहे और शैवाल जैसे कुछ मानक जानवरों तक ही सीमित होता है। यह हमें अधिकांश प्रजातियों के लिए अधिकांश रसायनों की सुरक्षा के बारे में अनुमान लगाने पर मजबूर कर देता है, जिससे अपरिवर्तनीय क्षति होने से पहले प्रदूषण को रोकना कठिन हो जाता है।
इस अंतर को पाटने के लिए, शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) का रुख किया है। हर रसायन का लैब में हर जानवर पर परीक्षण करने के बजाय, वे कंप्यूटर को उस डेटा से पैटर्न पहचानने के लिए सिखा रहे हैं जो हमारे पास पहले से मौजूद है। यह समझने के रहकर कि रासायनिक संरचनाएं विभिन्न प्रजातियों के जीव विज्ञान के साथ कैसे परस्पर क्रिया करती हैं, ये कंप्यूटर मॉडल उन स्थितियों के लिए विषाक्तता (toxicity) की भविष्यवाणी कर सकते हैं जहाँ कभी कोई प्रयोग नहीं किया गया है। यह दृष्टिकोण सुरक्षा आकलन की गति बढ़ाने का वादा करता है और उन अनगिनत प्रजातियों के लिए छिपे हुए खतरों को प्रकट कर सकता जिनका कभी अध्ययन नहीं किया गया है।
एक नए अध्ययन में, वैज्ञानिकों की एक टीम ने इस चुनौती से निपटने के लिए TRIDENT-2 नामक एक शक्तिशाली नया टूल विकसित किया है। यह सिस्टम यह भविष्यवाणी करने के लिए डिज़ाइन किया गया है कि कोई रसायन किसी भी यूकेरियोटिक जीव (eukaryotic organism) के लिए कितना जहरीला होगा—एक ऐसा समूह जिसमें पौधों और कवक (fungi) से लेकर जानवरों तक लगभग सभी जटिल जीवन रूप शामिल हैं। शोधकर्ताओं ने अपने मॉडल को मौजूदा डेटा के एक विशाल संग्रह पर प्रशिक्षित किया, जिसमें 5,60,000 से अधिक विषाक्तता परीक्षणों को एक साथ जोड़ा गया। इन परीक्षणों में 82,000 से अधिक विभिन्न रसायन और लगभग 6,800 प्रजातियां शामिल थीं, जो यूकेरियोटिक जीवन के सभी ज्ञात समूहों के लगभग एक-तिहाई का प्रतिनिधित्व करती हैं। इस डेटा में विभिन्न प्रकार के परिदृश्य शामिल थे, जैसे कि एक जीव किसी रसायन के संपर्क में कितने समय तक रहा, वह किसके संपर्क में आया, और क्या विशिष्ट प्रभाव देखे गए, जैसे मृत्यु, विकास में परिवर्तन, या व्यवहारिक बदलाव।
TRIDENT-2 का मूल एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जिसे 'मल्टीमॉडल ट्रांसफार्मर' (multimodal transformer) कहा जाता है। सरल शब्दों में, इसका अर्थ है कि कंप्यूटर केवल रासायनिक संरचना या जानवर को अलग-अलग नहीं देखता है; यह यह समझने के लिए सीखता है कि वे परीक्षण की स्थितियों के साथ एक साथ कैसे फिट होते हैं। यह रसायन के आणविक आकार, जीव के प्रकार, संपर्क के मार्ग और प्रयोग की अवधि को एक साथ प्रोसेस करता है। इस विविध जानकारी के मिश्रण से सीखकर, मॉडल विभिन्न प्रजातियों और रसायनों के बीच गहरे संबंध देख सकता है। उदाहरण के लिए, यह इस बात से सीख सकता है कि एक रसायन चूहे को कैसे प्रभावित करता है, ताकि यह अनुमान लगा सके कि वही रसायन एक संबंधित कृंतक (rodent) या यहाँ तक कि पशु जगत के दूसरे हिस्से में रहने वाले एक दूर के रिश्तेदार को कैसे प्रभावित कर सकता है।
जब टीम ने TRIDENT-2 का परीक्षण किया, तो उन्होंने पाया कि यह उन प्रजातियों और रसायनों के लिए भी उल्लेखनीय सटीकता के साथ विषाक्तता की भविष्यवाणी कर सकता है जिन्हें इसने पहले कभी नहीं देखा था। मॉडल उस सांद्रता (concentration) का अनुमान लगाने में सक्षम था जो एक विशिष्ट प्रभाव पैदा करेगी, जैसे कि आबादी के आधे हिस्से को मारना, एक ऐसे स्तर की सटीकता के साथ जो पारंपरिक तरीकों की बराबरी करता है। महत्वपूर्ण रूप से, मॉडल ने जीवन के पूरे वृक्ष (tree of life) में अच्छा प्रदर्शन किया, जिसमें कीटों और पौधों से लेकर कवक और समुद्री जीवों तक शामिल हैं। इसने दिखाया कि डेटा की एक विस्तृत श्रृंखला से सीखकर, यह उन प्रजातियों के लिए खाली जगहों को भर सकता है जिनका परीक्षण कम किया जाता है। उदाहरण के लिए, जबकि मानक परीक्षण अक्सर मछली और चूहों पर ध्यान केंद्रित करते हैं, TRIDENT-2 ने कीड़ों, कवक और कृमियों (worms) जैसे समूहों के लिए विषाक्तता की सफलतापूर्वक भविष्यवाणी की, जो अक्सर अनदेखे रह जाते हैं लेकिन पारिस्थितिकी तंत्र के स्वास्थ्य के लिए महत्वपूर्ण हैं।
शोधकर्ताओं ने TRIDENT-2 की तुलना कई मौजूदा उपकरणों से भी की जिनका उपयोग नियामक और वैज्ञानिक करते हैं। नया मॉडल मौजूदा पुराने तरीकों की तुलना में लगातार बेहतर प्रदर्शन करता है, विशेष रूप से पारंपरिक परीक्षण के संकीर्ण दायरे से बाहर की प्रजातियों या रसायनों के प्रभावों की भविष्यवाणी करते समय। जबकि अन्य उपकरण कुछ चुनिंदा परीक्षण जानवरों और विशिष्ट प्रकार के रसायनों तक सीमित थे, TRIDENT-2 हजारों प्रजातियों और पदार्थों की एक विशाल श्रृंखला को संभाल सकता था। अध्ययन ने प्रदर्शित किया कि मॉडल अपनी सटीकता बनाए रख सकता है भले ही उसे उन रसायनों के प्रभावों की भविष्यवाणी करने के लिए कहा जाए जो उसके प्रशिक्षण डेटा में मौजूद रसायनों से संरचनात्मक रूप से बहुत भिन्न थे, या उन प्रजातियों के लिए जो विकासवादी रूप से उन लोगों से दूर थीं जिनका उसने अध्ययन किया था।
यह दिखाने के लिए कि यह कैसे काम करता है, टीम ने TRIDENT-2 को हजारों कीटनाशकों (pesticides) पर लागू किया। उन्होंने मानचित्रित किया कि ये रसायन यूकेरियोटिक वृक्ष के विभिन्न प्रजातियों को कैसे प्रभावित करेंगे। परिणामों से पता चला कि जबकि कुछ कीटनाशक अपने लक्षित लक्ष्यों, जैसे कीटों या खरपतवारों के लिए अत्यधिक विषैले थे, वे गैर-लक्षित प्रजातियों, जैसे कि कुछ कृमियों, कवक और पौधों के लिए भी जोखिम पैदा करते थे। मॉडल इन सूक्ष्म, प्रजाति-विशिष्ट संवेदनशीलताओं का पता लगाने में सक्षम था जिन्हें केवल व्यापक समूहों के रूप में देखे जाने पर मिस कर दिया जाता। विवरण का यह स्तर जैव विविधता पर प्रदूषण के वास्तविक प्रभाव को समझने के लिए आवश्यक है।
अध्ययन निष्कर्ष निकालता है कि आर्टिफिशियल इंटेलिजेंस उन लंबे समय से चली आ रही डेटा सीमाओं को दूर कर सकता है जिन्होंने पारिस्थितिक जोखिम मूल्यांकन (ecological risk assessment) में बाधा डाली है। मौजूदा, भले ही असमान, डेटा का उपयोग करके विषाक्तता के सामान्य सिद्धांतों को सीखने के माध्यम से, TRIDENT-2 वैज्ञानिकों को उन लाखों प्रजातियों के लिए रसायनों की सुरक्षा का आकलन करने की अनुमति देता जिनका कभी परीक्षण नहीं किया गया है। यह क्षमता भौतिक प्रयोगों की आवश्यकता को प्रतिस्थापित नहीं करती है बल्कि यह बताने का एक तरीका प्रदान करती है कि किन परीक्षणों की सबसे अधिक आवश्यकता है और संभावित खतरों की पहचान करने का भी मार्ग प्रशस्त करती है जिससे व्यापक नुकसान होने से पहले उन्हें रोका जा सके। यह टूल अब सार्वजनिक उपयोग के लिए उपलब्ध है, जो बढ़ते रासायनिक प्रदूषण से ग्रह की जैव विविधता की रक्षा करने की दिशा में एक नया रास्ता प्रदान करता 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।