InfluProto: Predicting Cross-Species Transmission of Influenza A Virus via Prototype Learning
यह शोधपत्र InfluProto को प्रस्तुत करता है, जो प्रोटोटाइप लर्निंग का उपयोग करने वाला एक डीप लर्निंग मॉडल है जो इन्फ्लुएंजा ए वायरस के होस्ट अनुकूलन को एक निरंतर प्रक्रिया के रूप में परिमाणित करता है, जिससे उच्च-सटीक क्रॉस-स्पीशीज ट्रांसमिशन भविष्यवाणी प्राप्त होती है और महामारी निगरानी के लिए एक मूल्यवान उपकरण प्रदान होता 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 कुशल रूप से आकार बदलने वाले (shapeshifters) होते हैं, जो जीवित रहने और फैलने के लिए लगातार अपने आनुवंशिक निर्देशों को फिर से लिखते रहते हैं। इनमें सबसे भयानक इन्फ्लुएंजा ए (influenza A) वायरस हैं, जो जानवरों और मनुष्यों के बीच अत्यधिक आवृत्ति के साथ कूदते हैं। ये छलांगें, जिन्हें ज़ूनोटिक ट्रांसमिशन (zoonotic transmission) कहा जाता है, वैश्विक महामारी को भड़काने वाली चिंगारी बन सकती हैं। दशकों से, वैज्ञानिक इस बात को निर्धारित करने के लिए प्रयोगशाला प्रयोगों पर भरोसा करते रहे हैं कि एक वायरस किसे पसंद करता है और क्या वह मनुष्यों में संक्रमण फैला सकता है। ये प्रयोग स्वर्ण मानक (gold standard) हैं, लेकिन वे धीमे, महंगे और हर साल खोजे जाने वाले हजारों नए वायरल उपभेदों (strains) पर प्रयोग करना कठिन है। हाल के वर्षों में, शोधकर्ताओं ने कंप्यूटर की ओर रुख किया है, इस उम्मीद में कि वे केवल उसके आनुवंशिक कोड को पढ़कर वायरस के व्यवहार की भविष्यवाणी कर सकें। हालाँकि, अधिकांश कंप्यूटर मॉडल "कौन सा मेजबान?" के प्रश्न को तीन अलग-अलग बक्सों के बीच एक सरल विकल्प के रूप में देखते हैं: मानव, सुअर, या पक्षी। यह दृष्टिकोण एक महत्वपूर्ण जैविक वास्तविकता को अनदेखा करता है: वायरस हमेशा एक श्रेणी में सटीक रूप से फिट नहीं होते। कई उपभेद एक 'ग्रे एरिया' (धुंधले क्षेत्र) में मौजूद होते हैं, जो ऐसे तरीकों से विकसित होते हैं जो उन्हें एक साथ कई प्रजातियों को संक्रमित करने की अनुमति देते हैं, या उनके बीच एक विकासवादी संक्रमण (evolutionary transition) में स्थित होते हैं।
शोधकर्ताओं के एक दल ने 'इन्फ्लूप्रोटो' (InfluProto) नामक एक नया उपकरण विकसित किया है जो इस समस्या को देखने के हमारे तरीके को बदल देता है। एक वायरस को एक एकल बॉक्स में जबरदस्ती डालने के बजाय, यह मॉडल मेजबान अनुकूलन (host adaptation) को एक निरंतर यात्रा के रूप में मानता है। कल्पना कीजिए कि एक मानचित्र है जहाँ तीन मुख्य गंतव्य मानव, सुअर और पक्षी हैं। पारंपरिक मॉडल एक वायरस को एक गंतव्य चुनने और उसे वहां असाइन करने के लिए कहेंगे। इसके विपरीत, इन्फ्लूप्रोटो यह गणना करता है कि वायरस उन तीनों गंतव्यों में से प्रत्येक से कितनी दूर है। यह प्रणाली को एक ऐसे वायरस को देखने की अनुमति देता है जो सुअर और मानव के बीच में है, और इसे एक त्रुटि या गलत वर्गीकरण के बजाय एक अद्वितीय, मध्यवर्ती अवस्था के रूप में पहचानता है। इन दूरियों को मापकर, मॉडल यह मात्रा निर्धारित कर सकता है कि एक वायरस किसी नई प्रजाति को संक्रमित करने में कितना सक्षम है, जिससे जोखिम का अधिक सूक्ष्म और सटीक चित्र मिलता है।
शोधकर्ताओं ने इस प्रणाली का निर्माण लगभग 30,000 वायरल अनुक्रमों (sequences) का उपयोग करके किया जो एक एकल मेजबान प्रजाति तक सीमित होने के लिए जाने जाते थे। उन्होंने कंप्यूटर को उन आनुवंशिक पैटर्न को पहचानने के लिए प्रशिक्षित किया जो मानव, सुअर या पक्षी के अनुकूल वायरस को परिभाषित करते हैं। प्रशिक्षित होने के बाद, मॉडल ने केवल नए वायरसों को लेबल नहीं किया; बल्कि उन्हें एक निरंतर स्पेक्ट्रम (continuous spectrum) पर रखा। जब 2009 के महामारी वाले H1N1 वायरस पर परीक्षण किया गया, जो मनुष्यों और सुअरों दोनों को संक्रमित करने की अपनी क्षमता के लिए प्रसिद्ध है, तो इन्फ्लूप्रोटो ने मानक वर्गीकरण मॉडलों की तुलना में काफी बेहतर प्रदर्शन किया। जहाँ पुराने मॉडल इन महामारी वाले वायरसों को उनकी उत्पत्ति के कारण लगभग सभी को "सुअर" के रूप में लेबल करते थे, वहीं इन्फ्लूप्रोटो ने उन सूक्ष्म आनुवंशिक संकेतों को सही ढंग से पहचाना जो उन्हें मनुष्यों में भी फलने-फूलने में सक्षम बनाते हैं। इसने पहचाना कि ये वायरस एक मध्य मार्ग में स्थित थे, जो प्रजातियों के बीच एक सेतु के रूप में उनके वास्तविक स्वभाव को दर्शाता है।
केवल मेजबान की पहचान करने के अलावा, मॉडल ने उन विशिष्ट आनुवंशिक विशेषताओं का भी खुलासा किया जो इन परिवर्तनों को संचालित करती हैं। यह विश्लेषण करके कि कंप्यूटर ने वायरल जीनोम के किन हिस्सों पर सबसे अधिक ध्यान दिया, शोधकर्ताओं ने पाया कि मॉडल ने उन्हीं क्षेत्रों पर ध्यान केंद्रित किया जिन्हें वैज्ञानिक पहले से ही मेजबान बदलने (host jumping) के लिए महत्वपूर्ण मानते हैं, जैसे कि वायरस के बाहरी खोल और उसकी आंतरिक मशीनरी के लिए जिम्मेदार जीन। प्रणाली ने आनुवंशिक कोड के उन विशिष्ट स्थानों को उजागर किया जो यह निर्धारित करने के लिए जाने जाते हैं कि क्या कोई वायरस मानव या पक्षी को संक्रमित कर सकता है। यह सुझाव देता है कि कंप्यूटर ने केवल पैटर्न को याद नहीं किया, बल्कि खेल के वास्तविक जैविक नियमों को सीख लिया है। जब शोधकर्ताओं ने वायरल जीन के मिश्रण (reassortment) का अनुकरण किया—एक ऐसी प्रक्रिया जहाँ एक वायरस दूसरे के जीनोम के साथ अपने हिस्से का आदान-प्रदान करता है—तो मॉडल ने मेजबान प्राथमिकता में बदलाव का पता लगाया। इसने दिखाया कि एक सुअर के वायरस से एक मानव वायरस के विशिष्ट खंडों को बदलने से बनने वाला हाइब्रिड मानव छोर की ओर बढ़ गया, जिससे मानव संक्रमण के बढ़ते जोखिम की सटीक भविष्यवाणी हुई।
इस दृष्टिकोण की उपयोगिता समय के साथ वायरस के विकास को ट्रैक करने तक फैली हुई है। वर्षों में एकत्र किए गए हजारों महामारी H1N1 वायरसों पर इस मॉडल को लागू करके, शोधकर्ताओं ने देखा कि मानव मेजबान से दूरी लहरों में बदलती रही। जैसे-जैसे नए वेरिएंट उभरे और पुराने वेरिएंट की जगह ली, मॉडल ने यह पता लगाया कि वे मनुष्यों के प्रति कितने अनुकूलित थे, और अक्सर प्रसार करने की उनकी क्षमता में बदलाव का पूर्वानुमान लगाया। मानव मेजबान के "निकटता" को मापने की यह क्षमता वायरल विकास की वास्तविक समय में निगरानी करने का एक मात्रात्मक तरीका प्रदान करती है। शोधकर्ताओं ने इस उपकरण को एक इंटरैक्टिव वेबसाइट के माध्यम से जनता के लिए उपलब्ध कराया है, जिससे वैज्ञानिक वायरल अनुक्रमों को इनपुट कर सकते हैं और तुरंत देख सकते हैं कि वे मेजबान अनुकूलन के स्पेक्ट्रम पर कहाँ आते हैं।
यह कार्य कठोर वर्गीकरण से बदलकर वायरल व्यवहार की एक तरल (fluid) समझ की ओर एक बदलाव है। यह स्वीकार करते हुए कि मेजबान अनुकूलन एक निरंतर प्रक्रिया है, इन्फ्लूप्रोटो उभरते वायरसों के खतरे का आकलन करने का एक अधिक यथार्थवादी तरीका प्रदान करता है। यह निश्चितता के साथ भविष्य की भविष्यवाणी करने का दावा नहीं करता है, लेकिन यह निगरानी के लिए एक शक्तिशाली नया लेंस प्रदान करता है। जैसे-जैसे दुनिया ज़ूनोटिक रोगों की बढ़ती संख्या का सामना कर रही है, ऐसे उपकरण जो प्रजातियों के बीच छलांग लगाने का संकेत देने वाले सूक्ष्म आनुवंशिक बदलावों का पता लगा सकते हैं, प्रारंभिक चेतावनी और तैयारी के लिए आवश्यक होंगे। मॉडल बताता है कि सबसे खतरनाक वायरस अक्सर वे होते हैं जो एक एकल श्रेणी में सटीक रूप से फिट नहीं होते, और स्पेक्ट्रम पर उनकी स्थिति को मापकर, हम उनके अगले संभावित पथ को बेहतर ढंग से समझ सकते हैं।
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।