कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन सुराग बहुत छोटे, अदृश्य और आँखों के सामने ही छिपे हुए हैं। यह पादप रोग विज्ञान (plant pathology) की दुनिया है, जो उन बीमारियों के अध्ययन का विज्ञान है जो पौधों पर हमला करती हैं। इस दुनिया में एक बहुत ही चालाक खलनायक है जिसे Acidovorax citrulli नामक बैक्टीरिया कहा जाता है। इसे खरबूजों और तरबूजों के स्वास्थ्य को चुराने वाले एक सूक्ष्म चोर के रूप में सोचें। यह न केवल फल को खराब दिखता बनाता है, बल्कि यह बीजों के अंदर छिप जाता है, अगली पीढ़ी के पौधों को संक्रमित करने के लिए इंतजार करता है। यदि कोई किसान अनजाने में इन "संक्रमित" बीजों को बो देता है, तो पूरा खेत बीमार हो सकता है, जिससे भारी नुकसान होता है।

पारंपरिक रूप से, इस चोर को पकड़ना घास के ढेर में आवर्धक लेंस (magnifying glass) का उपयोग करके सुई खोजने जैसा था। वैज्ञानिकों को लैब में बैक्टीरिया को उगाना पड़ता है, उसे बढ़ने का इंतजार करना पड़ता है, और फिर यह देखने के लिए सूक्ष्मदर्शी के नीचे सूक्ष्म कॉलोनियों को घूरना पड़ता है कि क्या वे बुरे तत्व हैं। यह धीमा, उबाऊ और बहुत अधिक विशेषज्ञ प्रशिक्षण की मांग करने वाला काम है। लेकिन क्या होगा अगर हम बीजों और बैक्टीरिया को अपने रहस्य प्रकट करने के लिए एक "सुपरपावर" दे सकें? यहीं मल्टीस्पेक्ट्रल इमेजिंग (multispectral imaging) काम आती है। एक ऐसे कैमरे की कल्पना करें जो न केवल उन रंगों को देखता है जिन्हें हम देखते हैं (लाल, हरा, नीला), बल्कि अदृश्य प्रकाश के एक पूरे इंद्रधनुष को भी देखता है, जैसे कि इन्फ्रारेड और अल्ट्रावॉयलेट। ठीक वैसे ही जैसे कि एक व्यक्ति नाइट-विज़न कैमरे में अलग दिखता है, एक स्वस्थ बीज और एक बीमार बीज इन अदृश्य प्रकाशों को अद्वितीय तरीकों से परावर्तित करते हैं। कंप्यूटर को इन "अदृश्य उंगलियों के निशान" (fingerprints) को पहचानने के लिए प्रशिक्षित करके, वैज्ञानिक बिना बीज को छुए, तुरंत बीमारी का पता लगाने की उम्मीद करते हैं।

यह बिल्कुल वही है जो चीन के शोधकर्ताओं की एक टीम ने करने का प्रयास किया। वे एक उच्च-तकनीकी प्रणाली बनाना चाहते थे जो दो काम कर सके: पहला, पेट्री डिश पर बढ़ते Acidovorax citrulli बैक्टीरिया की तेजी से पहचान करना, और दूसरा, खरबूजे के बीजों को स्कैन करना कि क्या वे संक्रमण को ढो रहे हैं, और वह भी बीजों को नष्ट किए बिना।

बैक्टीरियल जासूसी का काम

सबसे पहले, टीम ने पेट्री डिश पर मौजूद बैक्टीरिया की समस्या को हल किया। जब वैज्ञानिक बीमारी की जांच के लिए बैक्टीरिया उगाते हैं, तो अक्सर उनके पास विभिन्न प्रकार के सूक्ष्मजीवों से भरी एक अस्त-व्यस्त प्लेट होती है। सैकड़ों एक जैसे दिखने वालों के बीच विशिष्ट अपराधी को ढूंढना, एक भीड़ में एक विशिष्ट जुड़वां को खोजने जैसा है। शोधकर्ताओं ने बैक्टीरिया की कॉलोनियों की तस्वीरें लेने के लिए अपने मल्टीस्पेक्ट्रल कैमरे का उपयोग किया। उन्होंने पाया कि भले ही बैक्टीरिया मानवीय आंखों को एक जैसे दिखते हों, लेकिन वे प्रकाश को अलग तरह से परावर्तित करते हैं।

उन्होंने उन्हें अलग करने के लिए दो अलग-अलग "जासूसी एल्गोरिदम" बनाए। पहला, जिसे nMahalanobis मॉडल कहा गया, एक अति-संवेदनशील सुरक्षा गार्ड की तरह था। यह हर एक बुरे बैक्टीरिया को पकड़ने में बहुत अच्छा था (इसने लगभग किसी को भी नहीं छोड़ा), लेकिन कभी-कभी यह थोड़ा संदिग्ध होकर निर्दोष बैक्टीरिया को भी संदिग्ध के रूप में चिह्नित कर देता था। दूसरा मॉडल, nCDA, एक सख्त न्यायाधीश की तरह था; यह निर्दोष बैक्टीरिया पर आरोप लगाने में बहुत अच्छा था, लेकिन कभी-कभी कुछ बुरे बैक्टीरिया को निकल जाने देता था।

टीम को एहसास हुआ कि सबसे अच्छी रणनीति दोनों गार्डों का एक साथ उपयोग करना है। पहले मॉडल के "सब कुछ पकड़ने" वाले दृष्टिकोण को दूसरे मॉडल के "सावधान रहने" वाले दृष्टिकोण के साथ जोड़कर, उन्होंने एक हाइब्रिड सिस्टम बनाया। जब उन्होंने वास्तविक नमूनों पर इसका परीक्षण किया, तो यह अविश्वसनीय रूप से प्रभावी रहा। इसने 99.9% बार गलत बैक्टीरिया की सही पहचान की और केवल 15% बार गलती की (एक अच्छे बैक्टीरिया को बुरा बता दिया)। यह सुझाव देता है कि यह विधि प्रयोगशालाओं में प्रारंभिक स्क्रीनिंग प्रक्रिया को तेज करने के लिए एक शक्तिशाली उपकरण हो सकती है, जिससे वैज्ञानिकों के सूक्ष्मदर्शी के नीचे घंटों बिताने का समय बच सकता है।

बीज स्कैनर

इसके बाद, शोधकर्ता स्वयं खरबूजे के बीजों पर आगे बढ़े। वे जानना चाहते थे कि क्या वे बीजों के ढेर को स्कैन करके बता सकते हैं कि कौन से संक्रमित हैं, बिना उन्हें खोले। इसका परीक्षण करने के लिए, उन्होंने दो प्रकार के परीक्षण समूह बनाए। पहले, उन्होंने स्वस्थ बीजों को बैक्टीरिया के घोल में भिगोकर "कृत्रिम रूप से संक्रमित" बीज बनाए। फिर, उन्होंने वास्तविक वाणिज्यिक बैचों से "प्राकृतिक रूप से संक्रमित" बीज एकत्र किए, जिन्होंने जंगली वातावरण में बीमारी पकड़ी थी।

उन्होंने यह देखने के लिए कि कौन सा मॉडल स्वस्थ और बीमार बीजों के बीच अंतर बताने में सबसे अच्छा है, सात अलग-अलग कंप्यूटर लर्निंग मॉडल (सोचिए कि ये विभिन्न प्रकार के गणितीय मस्तिष्क हैं) में बीजों की छवियां डालीं। परिणाम दिलचस्प थे। सरल, सीधी रेखा वाले गणितीय मॉडल—विशेष रूप से लिनियर डिस्क्रिमिनेंट एनालिसिस (LDA) और लॉजिस्टिक रिग्रेशन—जटिल, डीप-लर्निंग मॉडल की तुलना में बेहतर प्रदर्शन कर रहे थे। ऐसा लगता है कि संक्रमण का "फिंगरप्रिंट" इतना स्पष्ट था कि उसे पहचानने के लिए एक सरल गणितीय नियम ही पर्याप्त था।

हालाँकि, एक पेच था। जब उन्होंने कंप्यूटर को केवल एक प्रकार के खरबूजे (एक किस्म जिसे 'Xizhoumi' कहा जाता है) पर प्रशिक्षित किया और फिर उसे दूसरे प्रकार ('Yunaixiang' या 'Hami') पर आजमाया, तो कंप्यूटर भ्रमित हो गया। विभिन्न खरबूजे की किस्मों के अलग-अलग रंग और बनावट ने मॉडल को भटका दिया। लेकिन, जब उन्होंने कंप्यूटर को एक साथ तीनों खरबूजे की किस्मों के मिश्रण पर प्रशिक्षित किया, तो उसने किस्मों के अंतर को अनदेखा करना और केवल बीमारी के संकेतों पर ध्यान केंद्रित करना सीख लिया। यह "बहु-किस्म" (multi-variety) मॉडल बहुत स्मार्ट बन गया और विभिन्न प्रकार के खरबूजों में संक्रमित बीजों को सटीक रूप से पहचानने में सक्षम रहा।

वास्तविक दुनिया का परीक्षण

अंत में, उन्होंने अपने सर्वश्रेष्ठ मॉडलों का परीक्षण प्राकृतिक रूप से संक्रमित बीजों पर किया, जो वास्तविक चुनौती है क्योंकि बैक्टीरिया बहुत कम संख्या में छिपे हो सकते हैं। उन्होंने यह तय करने के लिए कि कौन से बीज वास्तव में संक्रमित थे, qPCR नामक एक मानक लैब परीक्षण का उपयोग किया। उन्होंने पाया कि मल्टीस्पेक्ट्रल कैमरा तब सबसे अच्छा काम करता है जब बैक्टीरिया का भार अधिक होता है। यदि संक्रमण बहुत हल्का (लैब परीक्षण में एक उच्च "Ct" मान) था, तो कैमरा अंतर करने में संघर्ष करता था। लेकिन जब उन्होंने एक सख्त नियम सेट किया—केवल उन बीजों को देखना जिनमें बैक्टीरिया की सांद्रता अधिक थी (एक Ct मान 37 से कम)—तो कैमरा बहुत विश्वसनीय हो गया। उदाहरण के लिए, लॉजिस्टिक रिग्रेशन मॉडल ने इन सख्त शर्तों के तहत 82% बार संक्रमित बीजों की सही पहचान की।

इसका क्या अर्थ है

यह शोध पत्र सुझाव देता है कि मल्टीस्पेक्ट्रल इमेजिंग हमारे खरबूजों और तरबूजों को स्वस्थ रखने के लिए एक आशाजनक नया उपकरण है। यह दिखाता है कि हम बैक्टीरिया को पेट्री डिश पर "देखने" और बीजों को बिना तोड़े बीमारी का पता लगाने के लिए प्रकाश का उपयोग कर सकते हैं। हालांकि यह प्रणाली अभी पूरी तरह से परिपूर्ण नहीं है—यह तब सबसे अच्छा काम करती है जब बैक्टीरिया की मात्रा अधिक होती है और जब इसे कई प्रकार के बीजों पर प्रशिक्षित किया जाता है—यह बीजों की स्क्रीनिंग के लिए एक तेज़, गैर-विनाशकारी तरीका प्रदान करती है। यह किसानों और बीज कंपनियों को बीमारी को जल्दी पकड़ने में मदद कर सकता है, जिससे इस विनाशकारी जीव के प्रसार को रोका जा सकता है और खरबूजों की वैश्विक आपूर्ति की रक्षा की जा सकती है। शोधकर्ता सुझाव देते हैं कि भविष्य में, इस तकनीक को यहाँ तक परिष्कृत किया जा सकता है कि यह यहाँ तक कि बहुत कम स्तर के संक्रमणों को भी पहचान सके, जिससे हमारी खाद्य आपूर्ति अधिक सुरक्षित और सुदृढ़ हो सके।