EukaUTR: a foundation model unifying functional modelling and design of eukaryotic 3′ UTRs
EukaUTR एक फाउंडेशन मॉडल है जिसे विविध यूकेरियोटिक 3′ UTR अनुक्रमों पर प्रशिक्षित किया गया है जो कार्यात्मक भविष्यवाणी और 'डी नोवो' डिज़ाइन को एकीकृत करता है, जो कई नियामक कार्यों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है और mRNA क्षय दरों को कम करने के लिए लक्षित अनुक्रम अनुकूलन को सक्षम बनाता 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
प्रत्येक जीवित कोशिका के भीतर, प्रोटीन बनाने के निर्देश एक लंबे, जटिल कोड में लिखे होते हैं जिसे मैसेंजर आरएनए (messenger RNA) कहा जाता है। दशकों तक, वैज्ञानिकों ने लगभग पूरी तरह से इस कोड की शुरुआत पर ध्यान केंद्रित किया, उस हिस्से पर जो कोशिका को बताता है कि कौन सा प्रोटीन बनाना है। हालाँकि, संदेश का अंत, जिसे 'थ्री-प्राइम अनट्रांसलेटेड रीजन' (three-prime untranslated region) के रूप में जाना जाता है, एक अलग प्रकार का रहस्य समेटे हुए है। यह पूँछ स्वयं प्रोटीन के लिए कोड नहीं करती है; इसके बजाय, यह एक परिष्कृत नियंत्रण पैनल (control panel) की तरह कार्य करती है। इसमें वे संकेत होते हैं जो यह निर्धारित करते हैं कि संदेश कितने समय तक जीवित रहेगा, कोशिका के भीतर वह कहाँ यात्रा करेगा, और उसे कितनी कुशलता से पढ़ा जाएगा। यदि यह पूँछ बहुत छोटी है या इसमें गलत संकेत हैं, तो संदेश बहुत जल्दी नष्ट हो सकता है, या कोशिका अंतिम प्रोटीन का बहुत अधिक या बहुत कम उत्पादन कर सकती है। इस क्षेत्र के कार्य करने के तरीके को समझना अत्यंत महत्वपूर्ण है क्योंकि यह जीवन की आवश्यक प्रक्रियाओं के समय और मात्रा को नियंत्रित करता है, फिर भी लंबे समय तक, जीवन की विशाल विविधता में इसके व्यवहार को निर्देशित करने वाले नियम एक रहस्य बने रहे।
शोधकर्ताओं की एक टीम ने अब इन नियमों को डिकोड करने के लिए एक शक्तिशाली नया उपकरण बनाया है, उन्होंने एक प्रणाली विकसित की है जिसे वे 'यूकायूटीआर' (EukaUTR) कहते हैं। यह उपकरण एक प्रकार का कृत्रिम बुद्धिमत्ता (AI) है जिसे मनुष्यों से लेकर मछलियों और पौधों तक, जीवित चीजों की एक विस्तृत श्रृंखला में इन आनुवंशिक पूँछों की भाषा को पढ़ने और समझने के लिए विशेष रूप से प्रशिक्षित किया गया है। पिछले मॉडलों के विपरीत, जो केवल मनुष्यों या स्तनधारियों की भाषा बोल सकते थे, इस नई प्रणाली ने एक हजार से अधिक विभिन्न प्रजातियों के लगभग सात मिलियन आनुवंशिक अनुक्रमों (sequences) वाले एक विशाल पुस्तकालय से सीखा है। इस विशाल विविधता का अध्ययन करके, मॉडल ने उन सूक्ष्म पैटर्नों को पहचानना सीखा जो आनुवंशिक संदेशों के प्रबंधन को नियंत्रित करते हैं। शोधकर्ताओं ने पाया कि यह प्रणाली उच्च सटीकता के साथ भविष्यवाणी कर सकती थी कि एक विशिष्ट आनुवंशिक पूँछ कैसे व्यवहार करेगी, जैसे कि वह कितनी तेज़ी से टूट जाएगी या वह प्रोटीन बनाने में कितनी अच्छी तरह मदद करेगी। तेरह अलग-अलग परिदृश्यों में परीक्षणों के दौरान, नया मॉडल मौजूदा उपकरणों से लगातार बेहतर प्रदर्शन करता रहा, और अक्सर भविष्यवाणी की सटीकता में पच्चीस प्रतिशत से अधिक का सुधार किया।
इस प्रणाली की शक्ति केवल मौजूदा चीज़ों को पढ़ने तक ही सीमित नहीं है; यह शून्य से नए आनुवंशिक निर्देश भी लिख सकती है। शोधकर्ताओं ने मॉडल को पूरी तरह से नए आनुवंशिक पूँछ बनाने के लिए कहा, जो पहले कभी नहीं देखी गई थीं। परिणाम आश्चर्यजनक थे। नए अनुक्रम प्राकृतिक आनुवंशिक सामग्री की तरह दिखे और व्यवहार किए, जिनमें वही रासायनिक संतुलन और संरचनात्मक गुण थे जो प्रकृति में पाए जाते हैं, फिर भी वे पूरी तरह से अद्वितीय थे और उन्होंने प्रशिक्षण पुस्तकालय से किसी भी मौजूदा अनुक्रम की नकल नहीं की थी। यह सुझाव देता है कि मॉडल ने केवल एक शब्दकोश को याद करने के बजाय, आनुवंशिक जीवन के अंतर्निहित व्याकरण को वास्तव में समझा है। इसके अलावा, टीम ने इस समझ का उपयोग मौजूदा आनुवंशिक संदेशों को ठीक करने के लिए एक विधि विकसित की। अनुक्रमों के एक छोटे समूह का विश्लेषण करके, जिन्हें स्थिर माना जाता था, उन्होंने प्रणाली को यह सिखाया कि अस्थिर आनुवंशिक पूँछ के कौन से हिस्से अस्थिरता का कारण बन रहे थे। जब उन्होंने अस्थिर अनुक्रमों को संपादित करने के लिए इस मार्गदर्शन को लागू किया, तो मॉडल ने क्षरण (degradation) की अनुमानित दर को सफलतापूर्वक तैंतीस प्रतिशत तक कम कर दिया, जिससे आनुवंशिक संदेश प्रभावी रूप से बहुत अधिक टिकाऊ बन गए।
इन प्रभावशाली क्षमताओं के बावजूद, शोधकर्ता सावधानी बरतते हुए यह स्पष्ट करते हैं कि उनका कार्य क्या सिद्ध करता है और क्या नहीं। मॉडल इसकी संरचना और संरचना (composition) के आधार पर एक अनुक्रम के व्यवहार की भविष्यवाणी करने में उत्कृष्ट है, और यह उन क्षेत्रों की पहचान कर सकता है जहाँ विशिष्ट नियामक संकेत मिलने की संभावना है। हालाँकि, यह अभी तक उन सटीक यांत्रिक चरणों की व्याख्या नहीं करता है कि ये संकेत कोशिकीय मशीनरी के साथ कैसे परस्पर क्रिया करते हैं, और न ही नए उत्पन्न किए गए अनुक्रमों की जैविक गतिविधि का जीवित कोशिका में परीक्षण किया गया है। स्थिरता में सुधार वर्तमान में मॉडल की समझ पर आधारित भविष्यवाणियाँ हैं, और वास्तविक परीक्षण तब होगा जब इन इंजीनियर किए गए अनुक्रमों को प्रयोगशाला में काम पर लगाया जाएगा। फिर भी, यह कार्य एक महत्वपूर्ण प्रगति है, जो आनुवंशिक डिजाइन को सरल भविष्यवाणी से सक्रिय निर्माण की ओर ले जाने वाला एक एकीकृत ढांचा प्रदान करता है। यह न केवल जीवन की जटिल नियामक भाषा को समझने का एक तरीका प्रदान करता है, बल्कि इसे इतनी कुशलता से बोलने का भी अवसर देता है कि नए निर्देशों को डिजाइन किया जा सके जो एक दिन बीमारियों के इलाज या जैविक अनुसंधान को बेहतर बनाने के काम आ सकें।
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।