AI Driven Analysis of Canola Rhizosphere Microbiome: Diversity, Core Microbiome, and Machine Learning Classification

पौधे की जड़ों के आसपास की मिट्टी की कल्पना एक हलचल भरे, सूक्ष्म शहर के रूप में करें। यह पड़ोस, जिसे राइजोस्फीयर (rhizosphere) कहा जाता है, ट्रिलियन की संख्या में नन्हे निवासियों—बैक्टीरिया, कवक (fungi) और अन्य सूक्ष्मजीवों से भरा हुआ है—जो पौधे के इम्यून सिस्टम, पोषण विशेषज्ञ और बॉडीगार्ड की भूमिका निभाते हैं। जिस तरह एक स्वस्थ मानव आंत को आपको अच्छा महसूस कराने के लिए अच्छे बैक्टीरिया के विविध मिश्रण की आवश्यकता होती है, उसी तरह एक पौधे को मजबूत बढ़ने और बीमारियों से लड़ने के लिए एक फलते-फूलते सूक्ष्मजीव समुदाय की आवश्यकता होती है। वैज्ञानिक लंबे समय से जानते हैं कि ये अदृश्य पड़ोसी खेती के लिए महत्वपूर्ण हैं, लेकिन हाल तक, यह आकाश में सितारों को धुंधली दूरबीन से गिनने की कोशिश करने जैसा था।

यहाँ 16S rRNA सीक्वेंसिंग आती है, जो एक उच्च-तकनीकी उपकरण है जो बैक्टीरिया के लिए एक सुपर-पावर्ड बारकोड स्कैनर की तरह काम करता है। यह शोधकर्ताओं को इन नन्हे जीवों के अद्वितीय आनुवंशिक "आईडी कार्ड" को पढ़ने की अनुमति देता है ताकि वे देख सकें कि वास्तव में वहाँ कौन रह रहा है और उनकी संख्या कितनी है। एक बार जब वैज्ञानिकों के पास इस विशाल डेटा की सूची आ जाती है, तो वे मशीन लर्निंग का उपयोग कर सकते हैं—जो कंप्यूटर प्रोग्राम का एक प्रकार है जो एक छात्र की तरह पैटर्न से सीखता है—यह समझने के लिए कि एक "स्वस्थ" सूक्ष्मजीव शहर कैसा दिखता है बनाम एक "बीमार" शहर। बड़ा सवाल यह है: क्या हम कंप्यूटर को बैक्टीरिया की भीड़ को देखकर तुरंत यह बताने के लिए सिखा सकते हैं कि पौधा फल-फूल रहा है या संघर्ष कर रहा है?

---

द ग्रेट कैनोला माइक्रोबियल सेंसस (The Great Canola Microbe Census)

इस अध्ययन में, यूनिवर्सिटी ऑफ गुजरात के शोधकर्ताओं की एक टीम ने कैनोला पौधों (एक प्रमुख तिलहन फसल) के आसपास रहने वाले सूक्ष्मजीव शहर की एक विशाल जनगणना करने का निर्णय लिया। केवल कुछ नमूनों को देखने के बजाय, उन्होंने 8,701 नमूनों का भारी डेटा एकत्र किया, जिससे 2,663 विभिन्न प्रकार के बैक्टीरिया (जिन्हें ASVs या एम्प्लिकॉन सीक्वेंस वेरिएंट्स कहा जाता है) की एक लाइब्रेरी तैयार हुई। इसे एक स्टेडियम में लोगों की फोटो लेने और हर व्यक्ति के अनूठे चेहरे को पहचानने की कोशिश करने के रूप में सोचें।

विविधता की पार्टी (The Diversity Party)
सबसे पहले, टीम जानना चाहती थी कि ये सूक्ष्मजीव शहर कितने विविध थे। उन्होंने पाया कि औसतन, प्रत्येक नमूने में लगभग 61.32 विभिन्न प्रकार के बैक्टीरिया थे। भीड़ कितनी "मिश्रित" थी, इसे मापने के लिए, उन्होंने दो विशेष स्कोर का उपयोग किया: शैनन इंडेक्स (Shannon index) (जो 2.35 था) और सिम्पसन इंडेक्स (Simpson index) (जो 0.78 था)। ये नंबर हमें बताते हैं कि कैनोला राइजोस्फीयर एक जटिल, हलचल भरी जगह है जहाँ विभिन्न निवासियों का एक स्वस्थ मिश्रण है, न कि केवल कुछ प्रमुख निवासी।

"कोर" निवासी (The "Core" Residents)
इसके बाद, शोधकर्ताओं ने पूछा: "क्या कुछ ऐसे बैक्टीरिया हैं जो हमेशा वहीं रहते हैं, चाहे कुछ भी हो?" वे "कोर माइक्रोबायोम" की तलाश कर रहे थे—वे VIP जो उनके द्वारा चेक किए गए सभी नमोंों में से कम से कम 10% में दिखाई देते हैं। हजारों प्रकारों में से, उन्होंने केवल छह ASVs को पाया जो इतने सुसंगत थे कि उन्हें कैनोला रूट सिटी के स्थायी निवासी माना जा सकता था। ये छह बैक्टीरिया 10.34% और 12.15% के बीच के नमूनों में दिखाई दिए, जो यह सुझाव देते हैं कि वे पौधे के जीवन में एक विशेष, स्थिर भूमिका निभाते हैं, भले ही हम अभी तक उनके सटीक नाम न जानते हों।

"हेल्थ इंडेक्स" और कंप्यूटर जासूस (The "Health Index" and the Computer Detective)
अध्ययन का सबसे रोमांचक हिस्सा एक रैंडम फॉरेस्ट क्लासिफायर (Random Forest classifier) बनाना था। एक ऐसे जासूस की कल्पना करें जिसने हजारों अपराध स्थलों (इस मामले में, "बीमार" बनाम "स्वस्थ" पौधों) का अध्ययन किया है और सुराग पहचानने के लिए सीखा है। शोधकर्ताओं ने विभिन्न बैक्टीरिया की संख्या और शीर्ष 20 सबसे सामान्य बैक्टीरिया की प्रचुरता को जोड़कर एक "माइक्रोबायोम हेल्थ इंडेक्स" बनाया। फिर उन्होंने इस डेटा को एक कंप्यूटर जासूस में डाला, डेटा को इस तरह विभाजित किया कि 80% प्रशिक्षण (training) के लिए और 20% परीक्षण (testing) के लिए उपयोग किया गया।

परिणाम प्रभावशाली थे। कंप्यूटर जासूस 93.97% की सटीकता के साथ सही अनुमान लगाने में सक्षम था कि नमूना "स्वस्थ" था या "बीमार"। यह इतना अच्छा था कि इसका ROC-AUC स्कोर (यह मापने का एक तरीका कि यह दो समूहों को कितनी अच्छी तरह अलग करता है) 0.9931 था, जो लगभग पूर्ण है। यह सुनिश्चित करने के लिए कि जासूस केवल भाग्यशाली नहीं था, उन्होंने फाइव-फोल्ड क्रॉस-वैलिडेशन (five-fold cross-validation) नामक एक विधि का उपयोग करके पांच बार परीक्षण किया, और इसने अभी भी 93.55 ± 0.59% बार सही अनुमान लगाया।

वे सुराग जो सबसे महत्वपूर्ण थे (The Clues That Mattered Most)
अंत में, टीम ने कंप्यूटर से पूछा: "किन बैक्टीरिया ने आपको सबसे अच्छे सुराग दिए?" उन्होंने पाया कि दस विशिष्ट ASVs सही निर्णय लेने के लिए सबसे महत्वपूर्ण थे। शीर्ष सुराग एक ASV था जिसका नाम CHCK1CS1356NW05002a था, उसके बाद ORIG2CS1204NC01000S और CHCK2CS1114NC02200S आए। ये विशिष्ट बैक्टीरिया "स्मोकिंग गन" (ठोस सबूत) की तरह काम करते थे जो कंप्यूटर को बताते थे कि पौधा स्वस्थ है या नहीं।

इसका क्या अर्थ है (What This Means)
अध्ययन यह निष्कर्ष निकालता है कि विशाल डेटासेट पर मशीन लर्निंग का उपयोग करके, हम कैनोला माइक्रोबायोम में स्पष्ट पैटर्न पा सकते हैं जो विशिष्ट बैक्टीरिया को पौधे के स्वास्थ्य से जोड़ते हैं। हालांकि शोधकर्ताओं ने इन बैक्टीरिया के सटीक प्रजाति नामों की पहचान नहीं की है (वे अभी भी "ORIG1CS1207NW07000a" जैसे कोड मात्र हैं), लेकिन तथ्य यह है कि वे मॉडल में लगातार दिखाई देते हैं, यह सुझाव देता है कि वे प्रमुख खिलाड़ी हैं। लेखक सुझाव देते हैं कि भविष्य के शोध में यह पता लगाने के लिए अन्य उपकरणों का उपयोग किया जाना चाहिए कि ये बैक्टीरिया वास्तव में क्या हैं और वे क्या करते हैं, लेकिन फिलहाल, हम जानते हैं कि एक कंप्यूटर सूक्ष्मजीवों की भीड़ को देख सकता है और बता सकता है कि पौधा अच्छा कर रहा है या संघर्ष कर रहा है।