Multi-Excitation Front-Face Fluorescence Spectroscopy with Explainable LSTM for Detection of Lymphatic Tissue Adulteration in Ground Beef

खाद्य आपूर्ति श्रृंखला की अखंडता इस बात पर निर्भर करती है कि पैकेज में वास्तव में क्या है। जब बीफ (गोमांस) बेचा जाता है, तो नियम और उपभोक्ता विश्वास यह मांग करते हैं कि इसमें केवल कंकाल पेशी (skeletal muscle) ही हो, जो कि वह खाने योग्य मांस है जिसकी हम अपेक्षा करते हैं। हालांकि, मांस उद्योग एक निरंतर चुनौती का सामना कर रहा है: लसीका ऊतक (lymphatic tissue) का आकस्मिक या धोखाधड़ीपूर्ण समावेश। लिम्फ नोड्स (lymph nodes) पशु की प्रतिरक्षा प्रणाली का हिस्सा होते हैं, जो फिल्टर के रूप में कार्य करते हैं और बैक्टीरिया तथा रोगजनकों को संचित कर सकते हैं। पेशी के विपरीत, उन्हें 'ऑफल' (offal) के रूप में वर्गीकृत किया जाता है और वे मानव उपभोग के लिए नहीं होते हैं। एक बार जब इन ऊतकों को पीसकर बीफ के बैच में मिला दिया जाता है, तो वे नग्न आंखों के लिए अदृश्य हो जाते हैं। उन्हें खोजने के पारंपरिक तरीके, जैसे कि डीएनए परीक्षण, धीमे, महंगे और विनाशकारी हैं, जिससे वे कसाईखाने से गुजरने वाले मांस के हर बैच की जांच करने के लिए अव्यावहारिक हो जाते हैं। वैज्ञानिकों ने एक तेज़ विकल्प के रूप में प्रकाश-आधारित तकनीकों की ओर लंबे समय से देखा है। नमूने पर प्रकाश डालकर और यह मापने के माध्यम से कि वह वापस कैसे चमकता है, शोधकर्ता विशिष्ट अणुओं का पता लगा सकते हैं जो रासायनिक उंगलियों के निशान (chemical fingerprints) के रूप में कार्य करते हैं। यह दृष्टिकोण, जिसे फ्लोरोसेंस स्पेक्ट्रोस्कोपी (fluorescence spectroscopy) कहा जाता है, संरचना में सूक्ष्म अंतर को प्रकट कर सकता है जो मानवीय आंख से छूट जाता है, जिससे उत्पाद को नुकसान पहुंचाए बिना तेजी से संदूषण का पता लगाने का एक संभावित तरीका मिलता है।

शोधकर्ताओं की एक टीम ने ग्राउंड बीफ के भीतर छिपे लसीका ऊतक का पता लगाने की विशिष्ट समस्या को हल करने के लिए काम शुरू किया। वे जानते थे कि एक साधारण प्रकाश परीक्षण संघर्ष करेगा क्योंकि ग्राउंड बीफ एक जटिल मिश्रण है जहाँ वसा की मात्रा, ऑक्सीकरण और मांस के कट का प्रकार, यह सब इस बात को बदल सकता है कि मांस कैसे चमकता है, जिससे अक्सर संदूषण का संकेत मिलता है। इस भ्रम को दूर करने के लिए, उन्होंने एक ऐसी विधि विकसित की जो केवल एक के बजाय चार अलग-अलग रंगों के प्रकाश का उपयोग करके मांस की जांच करती है। उन्होंने इस बहु-रंगी प्रकाश दृष्टिकोण को एक परिष्कृत कंप्यूटर प्रोग्राम के साथ जोड़ा जो पैटर्न को सीखने के लिए डिज़ाइन किया गया है, ठीक वैसे ही जैसे एक मानव मस्तिष्क कई विशेषताओं को एक साथ देखकर एक चेहरे को पहचानता है। शोधकर्ताओं ने पांच अलग-अलग वाणिज्यिक कसाईखानों से बीफ के नमूनों का एक विशाल संग्रह एकत्र किया, जो तीन अलग-अलग नस्लों के मवेशियों, दो आयु समूहों और मांस के विभिन्न कट्स का प्रतिनिधित्व करते हैं। उन्होंने सैकड़ों परीक्षण बैच बनाए, जिसमें शुद्ध बीफ को सटीक मात्रा में लसीकर ऊतक के साथ मिलाया गया था—जो कि शून्य से लेकर शुद्ध लसीका ऊतक तक की सीमा में थी—ताकि अपने सिस्टम को यह सिखाया जा सके कि वास्तविक संदूषण कैसा दिखता है।

उनकी खोज का मूल इस बात में निहित है कि विभिन्न ऊतक प्रकाश के प्रति कैसे प्रतिक्रिया करते हैं। जब शोधकर्ताओं ने नमूनों पर विशिष्ट तरंग दैर्ध्य (wavelengths) का प्रकाश डाला, तो उन्होंने पाया कि लसीका ऊतक और पेशी ऊतक बहुत अलग कहानियाँ बताते हैं। पेशी ऊतक कुछ विशिष्ट प्रोटीनों से समृद्ध होते हैं जो एक विशेष रंग के प्रकाश के तहत चमकते हैं, जबकि लसीका ऊतक इन प्रोटीनों में कम लेकिन ऊर्जा उत्पादन और प्रतिरक्षा गतिविधि से जुड़े अन्य अणुओं में समृद्ध होते हैं जो विभिन्न रंगों के तहत चमकते हैं। चार अलग-अलग प्रकाश सेटिंग्स के साथ मांस को मापकर, सिस्टम एक अनूठा पैटर्न देख सकता था: पेशी-विशिष्ट चमक में गिरावट और लसीका-विशिष्ट चमक में वृद्धि। संकेतों का यह संयोजन संदूषण के लिए एक निर्णायक हस्ताक्षर के रूप में कार्य करता था। कंप्यूटर मॉडल ने इन परिवर्तनों को एक साथ तौलना सीखा, जिससे वह अतिरिक्त वसा या पानी जैसे अन्य कारकों के बीच अंतर कर सका, जो प्रकाश के परावर्तन को बदल सकते हैं लेकिन इस विशिष्ट रासायनिक पैटर्न को नहीं।

परिणामों ने दिखाया कि यह दृष्टिकोण उल्लेखनीय रूप से प्रभावी था। जब उन बीफ नमूनों पर परीक्षण किया गया जो कसाईखाने कंप्यूटर ने पहले कभी नहीं देखे थे, तो सिस्टम ने उच्च स्तर के विश्वास के साथ लसीका ऊतक की उपस्थिति की सटीक भविष्यवाणी की। इसने नियामक थ्रेसहोल्ड (threshold) के स्तर पर संदूषण की उपस्थिति का सफलतापूर्वक पता लगाया, जो शुद्ध बीफ और थोड़े से लिम्फ नोड्स के मिश्रण वाले बीफ के बीच अंतर करता है। हालांकि, शोधकर्ताओं ने स्पष्ट किया कि जबकि यह विधि लगभग 2% के स्तर पर मिलावट का पता लगा सकती है, इस सांद्रता पर विश्वसनीय मात्रात्मक निर्धारण (quantification) अभी तक समर्थित नहीं है। शोधकर्ताओं ने यह भी सिद्ध किया कि कई रंगों के प्रकाश का उपयोग करना उनकी सफलता की कुंजी थी। जब उन्होंने केवल एक एकल, पारंपरिक रंग के प्रकाश का उपयोग करने की कोशिश की जिस पर पिछले अधिकांश अध्ययन निर्भर थे, तो सिस्टम भ्रमित हो गया, वसा या पानी को संदूषण समझ बैठा। यह केवल चार अलग-अलग प्रकाश संकेतों को संयोजित करके ही संभव हुआ कि मॉडल सटीक रह सका और गलत अलार्म से बच सका। इसने पुष्टि की कि सुधार डेटा एकत्र करने के तरीके से आया था, न कि केवल कंप्यूटर प्रोग्राम की जटिलता से।

अपने निष्कर्षों को वास्तविक नहीं बल्कि कंप्यूटर का एक प्रभाव (artifact) होने से बचाने के लिए, टीम ने वास्तविक रासायनिक परीक्षणों के विरुद्ध अपने परिणामों की जांच की। उन्होंने उन विशिष्ट अणुओं को मापा जिन्हें कंप्यूटर ने महत्वपूर्ण माना था और पाया कि रासायनिक स्तर कंप्यूटर की भविष्यवाणियों से पूरी तरह मेल खाते थे। जब कंप्यूटर ने कहा कि पेशी प्रोटीन कम है और प्रतिरक्षा संबंधी अणु अधिक हैं, तो लैब परीक्षणों ने ठीक वैसा ही पुष्टि की। इस क्रॉस-चेक ने शोधकर्ताओं को मजबूत प्रमाण दिया कि उनका तरीका संदूषण की वास्तविक जीव विज्ञान को देख रहा था। उन्होंने निर्धारित किया कि यह विधि 1.8 प्रतिशत जितनी कम मात्रा में भी लसीका ऊतक की उपस्थिति का पता लगा सकती है, जो उस स्तर से नीचे है जहाँ नियामक आमतौर पर चिंतित होना शुरू होते हैं। हालांकि, जबकि सिस्टम यह पहचानने में उत्कृष्ट है कि संदूषण मौजूद है, यह एक सटीक संख्या देने के लिए केवल तभी विश्वसनीय होता है जब संदूषण लगभग 6 प्रतिशत तक पहुँच जाता है।

यह अध्ययन प्रदर्शित करता है कि एक अपेक्षाकृत सरल, गैर-विनाशकारी प्रकाश स्कैन खाद्य सुरक्षा के लिए एक शक्तिशाली स्क्रीनिंग टूल के रूप में कार्य कर सकता है। यह कसाईखानों को ग्राउंड बीफ के बड़े वॉल्यूम की जांच करने का एक तरीका प्रदान करता है, जो एक विशिष्ट, खतरनाक प्रकार की मिलावट के लिए है जिसे पकड़ना कठिन रहा है। हालांकि तकनीक अभी तक सूक्ष्म मात्रा को पूर्ण सटीकता के साथ मापने के लिए पूर्ण नहीं है, फिर भी यह संदिग्ध बैचों को अधिक विस्तृत परीक्षण के लिए चिह्नित करने के लिए पर्याप्त मजबूत है। शोधकर्ताओं ने उल्लेख किया कि यह प्रणाली विभिन्न फार्मों और मवेशियों की नस्लों में अच्छी तरह से काम करती है, जिससे पता चलता है कि इसे वास्तविक दुनिया के उपयोग के लिए अनुकूलित किया जा सकता है। यह कार्य इस बात पर प्रकाश डालता है कि जटिल जैविक डेटा के शोर के माध्यम से एक समस्या को केवल एक लेंस के बजाय कई लेंसों से देखकर, वैज्ञानिक उन समाधानों को उजागर कर सकते हैं जो पहले छिपे हुए थे।