Let Me Cypher That for You: A Multi-Graph Agent for Deciphering Biomedical Knowledge

मानव शरीर एक विशाल, परस्पर जुड़ा हुआ नेटवर्क है जहाँ एक क्षेत्र की समस्या दूसरे दूरस्थ प्रणालियों को प्रभावित करने के लिए लहरों की तरह फैल सकती है। वर्षों से, वैज्ञानिकों को संदेह रहा है कि SARS-CoV-2 वायरस के लंबे समय तक रहने वाले प्रभाव, जिसे 'लॉन्ग कोविड' के रूप में जाना जाता है, केवल थकान या सांस लेने की समस्याओं का कारण ही नहीं हो सकते; वे मस्तिष्क के क्षय को भी तेज कर सकते हैं, जिससे अल्जाइमर या पार्किंसंस जैसी स्थितियों में योगदान मिल सकता है। इन जटिल संबंधों की जांच करने के लिए, शोधकर्ता विशाल डिजिटल मानचित्र बनाते हैं जिन्हें 'नॉलेज ग्राफ' कहा जाता है। एक विशाल जाल की कल्पना करें जहाँ प्रत्येक नोड (node) जैविक जानकारी का एक हिस्सा है—एक जीन, एक प्रोटीन, एक लक्षण, या एक बीमारी—और उन्हें जोड़ने वाली प्रत्येक रेखा उनके बीच के ज्ञात संबंध को दर्शाती है। ये मानचित्र इस बात को समझने की कुंजी रखते हैं कि कैसे एक वायरस एक ऐसी श्रृंखला अभिक्रिया शुरू कर सकता है जो तंत्रिका संबंधी गिरावट (neurodegeneration) की ओर ले जाती है। हालाँकि, अधिकांश डॉक्टरों और जीवविज्ञानियों के लिए, ये मानचित्र तकनीकी भाषा की एक ऊँची दीवार के पीछे बंद हैं। इस मानचित्र से प्रश्न पूछने के लिए, एक उपयोगकर्ता को 'साइफर' (Cypher) नामक एक विशिष्ट, जटिल कोड लिखना होता है, जो एक ऐसा कौशल है जिसके लिए विशेष प्रशिक्षण की आवश्यकता होती है और जो अक्सर उन लोगों के लिए बहुत कठिन होता है जिन्हें सबसे अधिक उत्तरों की आवश्यकता होती है।

जर्मनी में फ्रैउनहोफर इंस्टीट्यूट फॉर एल्गोरिदम एंड साइंटिफिक कंप्यूटिंग के शोधकर्ताओं की एक टीम ने उस दीवार को गिराने के लिए डिज़ाइन किया गया एक नया उपकरण बनाया है। उन्होंने CGEx नामक एक इंटरैक्टिव सिस्टम बनाया है, जो मानव जिज्ञासा और इन जटिल डिजिटल मानचित्रों के बीच एक अनुवादक के रूप में कार्य करता है। शोधकर्ताओं को एक नई प्रोग्रामिंग भाषा सीखने के लिए मजबूर करने के बजाय, यह सिस्टम उन्हें केवल साधारण अंग्रेजी में प्रश्न टाइप करने की अनुमति देता है, जैसे कि "वायरस तंत्रिका तंत्र को कैसे प्रभावित करता है?" सॉफ्टवेयर फिर उस प्रश्न को लेता है, उपयोग किए जा रहे विशिष्ट मानचित्र की संरचना को समझता है, और उत्तर खोजने के लिए सही कोड स्वतः ही लिख देता है। इसके बाद यह उस कोड को चलाता है, परिणाम एकत्र करता है, और कच्चे डेटा को एक स्पष्ट, विस्तृत विवरण में वापस अनुवादित करता है। शोधकर्ताओं ने इस प्रणाली का परीक्षण कोविड-19 और न्यूरोडीजेनेरेटिव रोगों के बीच हजारों कनेक्शनों वाले दो अलग-अलग, विशाल मानचित्रों पर किया। उन्होंने पाया कि सिस्टम सफलतापूर्वक सही कोड उत्पन्न कर सका और पूछे गए प्रश्नों के एक महत्वपूर्ण हिस्से के लिए सटीक उत्तर प्रदान कर सका, भले ही उन प्रश्नों के लिए जैविक संबंधों के कई चरणों के माध्यम से एक पथ का पता लगाना आवश्यक था, हालांकि प्रदर्शन विशिष्ट मानचित्र और सिस्टम संस्करण के आधार पर भिन्न था।

इस कार्य का मूल एक ऐसा सिस्टम है जो काम करते हुए सीखता है और अनुकूलित होता है। जब कोई उपयोगकर्ता प्रश्न पूछता है, तो सॉफ्टवेयर पहले यह समझने के लिए विशिष्ट मानचित्र को देखता है कि उसमें किस प्रकार का डेटा है, ठीक वैसे ही जैसे एक लाइब्रेरियन किताब खोजने से पहले कैटलॉग की जाँच करता है। फिर यह एक प्रश्न (query) बनाने के लिए एक शक्तिशाली भाषा मॉडल का उपयोग करता है, लेकिन यह बिना सोचे-समझे अनुमान नहीं लगाता है। सिस्टम को सख्त नियमों और उदाहरणों द्वारा निर्देशित किया जाता है जो इसे जैविक डेटा की विशिष्ट बारीकियों को संभालने के लिए सिखाते हैं, जैसे कि यह जानना कि "न्यूरोडिजेनरेशन" और "तंत्रिका तंत्र" मानचित्र के विभिन्न हिस्सों में एक ही अवधारणा को संदर्भित कर सकते हैं। यदि सिस्टम अटक जाता है या ऐसा परिणाम देता है जो तर्कसंगली नहीं लगता, तो यह उपयोगकर्ता से फीडबैक मांग सकता है। यदि कोई उपयोगकर्ता किसी परिणाम को स्वीकृत करता है, तो सिस्टम उस सफलता को भविष्य के लिए एक सबक के रूप में सहेज लेता है; यदि वे अस्वीकार करते हैं, तो सिस्टम फिर से प्रयास करता है, अपने दृष्टिकोण को परिष्कृत करने के लिए फीडबैक का उपयोग करता है। यह एक चक्र बनाता है जहाँ उपकरण हर बातचीत के साथ अधिक स्मार्ट और सटीक होता जाता है।

शोधकर्ताओं ने अपने सिस्टम का मूल्यांकन बावन सावधानीपूर्वक तैयार किए गए प्रश्नों का उपयोग करके किया, जो सरल कनेक्शनों से लेकर जटिल, बहु-चरणीय तर्क तक जैविक परिदृश्यों की एक विस्तृत श्रृंखला को कवर करते थे। उन्होंने अपने मूल सिस्टम की तुलना एक उन्नत संस्करण से की जो अधिक उन्नत भाषा मॉडल का उपयोग करता था। परिणामों ने सटीकता में महत्वपूर्ण सुधार दिखाया। मूल सिस्टम एक मानचित्र पर लगभग 83 प्रतिशत प्रश्नों के लिए सही उत्तर देने में सक्षम था और दूसरे पर लगभग 56 प्रतिशत। हालाँकि, उन्नत संस्करण ने पहले मानचित्र पर 94 प्रतिशत और दूसरे पर 83 प्रतिशत की सफलता दर हासिल की। प्रदर्शन में यह उछाल यह दर्शाता है कि सिस्टम केवल एक सरल अनुवादक नहीं है बल्कि वास्तविक दुनिया के अव्यवस्थित और असंगत जैविक डेटा को संभालने में सक्षम एक मजबूत उपकरण है।

एक सबसे महत्वपूर्ण खोज यह है कि सिस्टम उन अंतरालों और विसंगतियों को कैसे संभालता है जो वैज्ञानिक डेटा में मौजूद होते हैं। जैविक ज्ञान अक्सर विभिन्न डेटाबेस में अलग-अलग तरीकों से संग्रहीत किया जाता है, और कभी-कभी शोधकर्ता जिसे ढूंढ रहे होते हैं वह जानकारी वहां होती ही नहीं है। शोधकर्ताओं ने पाया कि उनका सिस्टम वैकल्पिक पथों या पर्यायवाची शब्दों की तलाश करके इन चुनौतियों का सामना कर सकता है। उदाहरण के लिए, जब किसी विशिष्ट प्रोटीन को लक्षित करने वाली उपचार पद्धतियों (therapies) के बारे में पूछा गया, तो सिस्टम ने "इन्हिबिटर" (inhibitor), "ब्लॉकर" (blocker), या "एंटागोनिस्ट" (antagonist) जैसे शब्दों को खोजना सीखा, यदि मानचित्र में सटीक शब्द "थेरेपी" गायब था। उन मामलों में जहाँ डेटा वास्तव में अनुपलब्ध था, सिस्टम ने उत्तर गढ़ने के लिए अपने स्वयं के प्रशिक्षण ज्ञान को मिलाया नहीं; इसके बजाय, इसने संभावित कारण की पहचान की, जैसे कि गायब नोड्स या अनुपस्थित मध्यवर्ती संबंध, जिससे प्राप्त साक्ष्यों और व्यापक नैदानिक समझ दोनों पर आधारित अंतर्दृष्टि प्रदान करते हुए नॉलेज ग्राफ के अंतराल को प्रभावी ढंग से उजागर किया।

अध्ययन ने यह भी रेखांकित किया कि सभी डेटा को एक विशाल, समान डेटाबेस में मिलाने के बजाय अलग-अलग मानचित्रों को अलग रखना कितना मूल्यवान है। शोधकर्ताओं ने पाया कि उनका सिस्टम दो अलग-अलग मानचित्रों को एक साथ क्वेरी कर सकता है, एक की ताकत का उपयोग दूसरे की कमजोरी को भरने के लिए कर सकता है। यह दृष्टिकोण डेटा को एक एकल, कठोर संरचना में जबरदस्ती डालने की पारंपरिक विधि की तुलना में अधिक व्यावहारिक और लचीला साबित हुआ। डेटा के विविध स्रोतों तक सीधे पहुँच प्रदान करके, शोधकर्ता उन कनेक्शनों को उजागर करने में सक्षम रहे जो डेटा को एक एकल प्रारूप में बदलने पर छूट सकते थे। सिस्टम ने जटिल मार्गों को सफलतापूर्वक ट्रैक किया, जैसे कि कैसे एक वायरस मस्तिष्क में प्रवेश कर सकता है, सूजन पैदा कर सकता है और अंततः संज्ञानात्मक गिरावट (cognitive decline) का कारण बन सकता है, और इन तंत्रों का दृश्य और पाठ्य विवरण प्रदान किया।

अंततः, यह कार्य इस बारे में एक बदलाव का प्रतिनिधित्व करता है कि वैज्ञानिक अपने डेटा के साथ कैसे बातचीत करते हैं। यह इस विचार से दूर जाता है कि केवल कंप्यूटर विज्ञान के विशेषज्ञों के पास ही जैविक नेटवर्क के रहस्यों को खोलने की क्षमता है। कोडिंग लिखने की तकनीकी बाधा को हटाकर, यह सिस्टम जीवविज्ञानियों, चिकित्सकों और अन्य शोधकर्ताओं के लिए जटिल परिकल्पनाओं की सीधी खोज का द्वार खोलता है। यह उपकरण मानवीय निर्णय की आवश्यकता को प्रतिस्थापित नहीं करता है; बल्कि, यह एक शक्तिशाली सहायक के रूप में कार्य करता है जो डेटा पुनर्प्राप्ति का भारी काम संभालता है, जिससे विशेषज्ञों को परिणामों की व्याख्या करने और नए विचार उत्पन्न करने पर ध्यान केंद्रित करने की अनुमति मिलती है। शोधकर्ता निष्कर्ष निकालते हैं कि यह दृष्टिकोण संक्रामक रोगों और दीर्घकालिक स्वास्थ्य स्थितियों के बीच के लिंक को तलाशने के लिए एक व्यावहारिक और स्केलेबल तरीका प्रदान करता है, जो महामारी के बाद की दुनिया में न्यूरोडीजेनेरेटिव रोगों को रोकने या इलाज करने के नए अंतर्दृष्टि की ओर ले जा सकता है।