In-molecule machine learning with microfluidic integrated DNA neural computing

द दशकों से, वैज्ञानिक उन अणुओं से कंप्यूटर बनाने का सपना देख रहे हैं जिनसे जीवन बना है। विचार यह है कि डीएनए (DNA), जो आनुवंशिकता का रासायनिक कोड है, का उपयोग न केवल जानकारी संग्रहीत करने के लिए, बल्कि गणना करने के लिए भी किया जाए। एक पारंपरिक कंप्यूटर में, सिलिकॉन चिप्स बिजली का उपयोग करके डेटा प्रोसेस करते हैं। एक आणविक कंप्यूटर (molecular computer) में, रासायनिक प्रतिक्रियाएं डेटा प्रोसेस करती हैं। यदि सफल रहे, तो ऐसा सिस्टम सीधे जैविक नमूनों का विश्लेषण कर सकता है, शायद किसी दूर स्थित प्रयोगशाला में नमूना भेजने की आवश्यकता के बिना विशिष्ट आनुवंशिक मार्करों का पता लगाकर किसी बीमारी का निदान कर सके। हालाँकि, लंबे समय तक, ये आणविक कंप्यूटर एक मौलिक भौतिक जाल में फंसे रहे। जब आप एक ही कंटेनर में विभिन्न डीएनए स्ट्रैंड्स को मिलाते हैं, तो वे यादृच्छिक रूप से (randomly) घूमते हैं और संयोगवश एक-दूसरे से टकराते हैं। जैसे-जैसे विभिन्न स्ट्रैंड्स की संख्या बढ़ती है, वे एक-दूसरे के साथ हस्तक्षेप करने लगते हैं, जिससे एक अराजक मिश्रण (chaotic soup) बन जाता है जहाँ इच्छित गणनाएँ शोर में खो जाती हैं। इस यादृच्छिकता ने आणविक कंप्यूटिंग को छोटा और सरल बनाए रखा है, जिससे यह उन जटिल कार्यों को करने में असमर्थ रहा है जिन्हें आधुनिक आर्टिफिशियल इंटेलिजेंस आसानी से संभाल लेता है।

शोधकर्ताओं की एक टीम ने अब उस वातावरण को बदलकर इस जाल से बाहर निकलने का रास्ता खोज लिया है जहाँ रसायन विज्ञान होता है। डीएनए स्ट्रैंड्स को तरल के एक बड़े पूल में स्वतंत्र रूप से तैरने देने के बजाय, उन्होंने तरल की सूक्ष्म बूंदों (droplets) को एक माइक्रोस्कोपिक चिप के भीतर कैद कर दिया, जिनमें डीएनए के विशिष्ट निर्देशों का एक सेट था। फिर उन्होंने एक ऐसा सिस्टम बनाया जो इन बूंदों को एक रोबोटिक हाथ की सटीकता के साथ इधर-उधर ले जा सके, लेकिन एक ऐसे पैमाने पर जो मानवीय आंखों के लिए बहुत छोटा हो। यह नियंत्रित करके कि कौन सी बूंदें कब और कहाँ मिलेंगी, शोधकर्ताओं ने एक अराजक रासायनिक मिश्रण को एक संरचित, प्रोग्रामेबल मशीन में बदल दिया। इस नए उपकरण को, जिसे वे 'डीएनए-एन्कोडेड माइक्रोफ्लुइडिक इंटीग्रेटेड सर्किट' कहते हैं, ने जटिल पैटर्न पहचान कार्यों को सफलतापूर्वक किया, जैसे कि हस्तलिखित अक्षरों और संख्याओं की पहचान करना, और यहाँ तक कि मानव रक्त के नमूनों से विभिन्न प्रकार के कैंसर का निदान भी किया। यह कार्य प्रदर्शित करता है कि जैविक अणुओं का उपयोग करके बड़े पैमाने पर, बुद्धिमान सिस्टम बनाना संभव है, बशर्ते आप उनकी गति को उसी सटीकता के साथ नियंत्रित कर सकें जैसा इंजीनियर इलेक्ट्रॉनिक सर्किट के लिए करते हैं।

इस सफलता का मूल आधार यह है कि शोधकर्ताओं ने रासायनिक प्रतिक्रियाओं को कैसे व्यवस्थित किया। अतीत में, आणविक कंप्यूटर बनाने की कोशिश कर रहे वैज्ञानिकों को अपने सभी अवयवों को एक ही टेस्ट ट्यूब में मिलाना पड़ता था। यह दृष्टिकोण, जिसे 'होमोजेनियस रिएक्शन' (homogeneous reaction) कहा जाता है, विसरण (diffusion) पर निर्भर करता है, जहाँ अणु तब तक बेतरतीब ढंग से भटकते हैं जब तक कि वे किसी साथी से नहीं मिल जाते। हालांकि यह सरल कार्यों के लिए काम करता है, लेकिन जब सिस्टम बड़ा होता है तो यह विफल हो जाता है क्योंकि अणु एक-दूसरे के साथ हस्तक्षेप करने लगते हैं। नया सिस्टम इस एकल टेस्ट ट्यूब को कई छोटे, अलग-थलग कक्षों (compartments) से बदल देता है। शोधकर्ताओं ने "आणविक चिपलेट्स" (molecular chiplets) का एक पुस्तकालय बनाया, जो तरल की सूक्ष्म बूंदें हैं, जिनमें डीएनए का एक विशिष्ट घटक होता है। कुछ बूंदों में इनपुट डेटा था, कुछ में गणना के नियम थे, और कुछ में दृश्य संकेत उत्पन्न करने के लिए आवश्यक भाग थे। इन चिपलेट्स को एक विशेष चिप पर जलाशयों (reservoirs) में रखा गया था।

इन चिपलेट्स को एक साथ काम करने के लिए, शोधकर्ताओं ने चिप की सतह के नीचे सूक्ष्म इलेक्ट्रोड के ग्रिड का उपयोग किया। विशिष्ट इलेक्ट्रोड्स पर विद्युत संकेतों को लागू करके, वे बूंदों को नैनोलिटर सटीकता के साथ धकेल सकते थे, खींच सकते थे और मिला सकते थे। एक नैनोलिटर तरल की एक अविश्वसनीय रूप से छोटी मात्रा है, जो धूल के कण के आकार के बराबर होती है। इस विद्युत नियंत्रण ने सिस्टम को एक मानक कंप्यूटर आर्किटेक्चर के फ्लुइडिक संस्करण की तरह कार्य करने की अनुमति दी। जलाशय मेमोरी के रूप में कार्य करते थे, जो चिपलेट्स के पुस्तकालय को संग्रहीत करते थे। रिएक्शन चैंबर प्रोसेसर के रूप में कार्य करते थे, जहाँ रासायनिक गणनाएँ होती थीं। बाहरी इलेक्ट्रॉनिक्स कंट्रोलर के रूप में कार्य करते थे, जो यह तय करते थे कि किस बूंद को कब और कहाँ ले जाना है। इस सेटअप ने शोधकर्ताओं को एक कंप्यूटर प्रोग्राम को भौतिक गतिविधियों के क्रम में संकलित (compile) करने की अनुमति दी। कंप्यूटर आवश्यक बूंदों को प्राप्त करेगा, उन्हें एक रिएक्शन चैंबर में ले जाएगा, और एक विशिष्ट गणना करने के लिए उन्हें मिलाएगा, और यह सब बिना अणुओं के अराजक मिश्रण में खोए।

इस प्लेटफॉर्म का उपयोग करते हुए, टीम ने प्रदर्शित किया कि वे पूरी तरह से डीएनए से एक न्यूरल नेटवर्क, जो मानव मस्तिष्क से प्रेरित कंप्यूटर प्रोग्राम का एक प्रकार है, बना सकते हैं। उन्होंने 144 विशिष्ट डीएनए न्यूरॉन्स वाला एक नेटवर्क तैयार किया, जो 2,300 से अधिक व्यक्तिगत बूंद आंदोलनों द्वारा जुड़े हुए थे। यह नेटवर्क 36 विभिन्न हस्तलिखित प्रतीकों को पहचानने के लिए डिज़ाइन किया गया था, जिसमें शून्य से नौ तक की संख्याएँ और वर्णमाला के अक्षर शामिल थे। जब शोधकर्ताओं ने इन प्रतीकों की छवियों को, जिन्हें विशिष्ट डीएनए स्ट्रैंड्स की उपस्थिति या अनुपस्थिति के रूप में एन्कोड किया गया था, सिस्टम में डाला, तो नेटवर्क ने 80 प्रतिशत से अधिक बार सही अक्षर की सफलतापूर्वक पहचान की। यह एक महत्वपूर्ण छलांग थी, क्योंकि इसने दिखाया कि एक आणविक सिस्टम 'कन्वोल्यूशनल न्यूरल नेटवर्क' (convolutional neural network) की जटिलता को संभाल सकता है, जो डीप लर्निंग एल्गोरिदम का एक प्रकार है जिसे पारंपरिक रासायनिक प्रणालियों में लागू करना कठिन होता है। इसकी सफलता इस बात पर टिकी थी कि नेटवर्क के विभिन्न हिस्सों को ठीक उसी क्षण तक अलग रखने की क्षमता, जब उन्हें आपस में क्रिया करने की आवश्यकता होती है, जिससे वह 'क्रॉसटॉक' (crosstalk) रुक गया जिसने पहले ऐसे सिस्टम के आकार को सीमित कर दिया था।

पैटर्न पहचान से परे, शोधकर्ताओं ने दिखाया कि उनका सिस्टम सीख सकता है और अनुकूलित हो सकता है। उन्होंने चिप को 'सुपरवाइज्ड लर्निंग' (supervised learning) करने के लिए प्रोग्राम किया, जो एक ऐसी प्रक्रिया है जहाँ सिस्टम अपनी गलतियों को सुधारकर अपने प्रदर्शन में सुधार करता है। इस प्रयोग में, सिस्टम को तीन अलग-अलग हस्तलिखित आकृतियों के बीच अंतर करने के लिए प्रशिक्षित किया गया था। इस प्रक्रिया में सिस्टम द्वारा एक अनुमान लगाना, उस अनुमान की सही उत्तर से तुलना करना और फिर अपने अगले प्रयास को बेहतर बनाने के लिए अपने डीएनए न्यूरॉन्स के बीच के कनेक्शनों को भौतिक रूप से पुनर्गठित करना शामिल था। शोधकर्ताओं ने देखा कि सिस्टम अपने आंतरिक 'वेट्स' (weights) को समायोजित कर सकता है, जो न्यूरॉन्स के बीच संबंधों की ताकत का प्रतिनिधित्व करते हैं, और अंततः आकृतियों को पहचानने में 100 प्रतिशत सटीकता तक पहुँच सकता है। इसने प्रदर्शित किया कि यह प्लेटफॉर्म केवल एक स्थिर कैलकुलेटर नहीं था, बल्कि भौतिक पुनर्गठन के माध्यम से स्व-अनुकूलन (self-optimization) करने में सक्षम एक गतिशील मशीन था।

इस तकनीक का सबसे तात्कालिक अनुप्रयोग चिकित्सा निदान के क्षेत्र में दिखाई दिया। टीम ने कैंसर के विभिन्न प्रकारों का पता लगाने और वर्गीकरण करने के लिए अपने आणविक कंप्यूटर का उपयोग करके नैदानिक रक्त सीरम नमनों का विश्लेषण किया। उन्होंने एक दो-चरणीय निर्णय प्रक्रिया तैयार की। पहले, एक 'सपोर्ट वेक्टर मशीन' (support vector machine), जो वर्गीकरण के लिए उपयोग किया जाने वाला एक प्रकार का एल्गोरिदम है, ने यह निर्धारित किया कि नमूना एक स्वस्थ व्यक्ति का है या कैंसर के रोगी का। यदि नमूने को कैंसरयुक्त के रूप में पहचाना गया, तो दूसरा न्यूरल नेटवर्क कैंसर के विशिष्ट प्रकार को निर्धारित करता, जैसे कि फेफड़े, लिवर और डिम्बग्रंथि (ovarian) के कैंसर के बीच अंतर करना। सिस्टम का परीक्षण पंद्रह रोगियों और पांच स्वस्थ नियंत्रण नमूनों पर किया गया। इसने 90 प्रतिशत मामलों में कैंसर की सही पहचान की और 90 प्रतिशत सकारात्मक मामलों में विशिष्ट कैंसर प्रकार को सटीक रूप से पहचाना। सिस्टम ने बहुत उच्च विशिष्टता (specificity) भी दिखाई, जिसने स्वस्थ नमनों को लगभग सभी मामलों में स्वस्थ के रूप में सही ढंग से पहचाना। ये परिणाम बताते हैं कि इस तकनीक का उपयोग अंततः पोर्टेबल, स्वचालित नैदानिक उपकरणों के निर्माण के लिए किया जा सकता है जो देखभाल के बिंदु (point of care) पर सीधे जटिल जैविक नमूनों का विश्लेषण कर सकें।

इस कार्य का महत्व इन प्रयोगों के विशिष्ट परिणामों से कहीं अधिक है। यह आणविक कंप्यूटिंग के लिए एक नया इंजीनियरिंग ढांचा स्थापित करता है जो भौतिक हार्डवेयर को तार्किक प्रोग्राम (logical program) से अलग करता है। पारंपरिक आणविक कंप्यूटिंग में, रासायनिक नेटवर्क का डिज़ाइन भौतिक मिश्रण के साथ गहराई से जुड़ा हुआ था, जिससे इसे बढ़ाना (scale up) कठिन था। इस नए सिस्टम में, हार्डवेयर इलेक्ट्रोड और जलाशयों का एक पुन: प्रयोज्य मंच है, जबकि "प्रोग्राम" केवल निर्देशों का एक सेट है जो मशीन को बताता है कि बूंदों को कैसे ले जाना है। यह अलगाव (decoupling) का अर्थ है कि एक ही भौतिक उपकरण को बूंदों की गति को नियंत्रित करने वाले सॉफ्टवेयर को बदलकर, हस्तलेखन पहचानने से लेकर रोग निदान करने तक, पूरी तरह से अलग कार्य करने के लिए पुन: प्रोग्राम किया जा सकता है। शोधकर्ताओं ने नोट किया कि वर्तमान सीमाएँ अब चिप पर इलेक्ट्रोड के घनत्व से संबंधित हैं, न कि स्वयं रासायनिक अंतःक्रियाओं से, जो यह सुझाव देती हैं कि विनिर्माण में और सुधार से और भी बड़े और अधिक जटिल आणविक कंप्यूटर बन सकते हैं।

यह दृष्टिकोण एक लंबे समय से चली आ रही चुनौती का भी समाधान करता है: आणविक अंतःक्रियाओं के समय और स्थान को नियंत्रित करने में असमर्थता। बूंदों को अलग-अलग रखने और उन्हें केवल आवश्यकता होने पर ही चलाने से, शोधकर्ताओं ने उस यादृच्छिकता को समाप्त कर दिया जो पिछले प्रयासों को बाधित करती थी। यह सिस्टम एक 'नॉन-इक्विलिब्रियम प्रोसेस' (non-equilibrium process) के रूप में कार्य करता है, जिसका अर्थ है कि यह अपनी संरचना और कार्य को बनाए रखने के लिए निरंतर बाहरी ऊर्जा द्वारा संचालित होता है, न कि अणुओं के निष्क्रिय बैठने पर निर्भर करता है। यह सक्रिय नियंत्रण उस स्तर की सटीकता और विश्वसनीयता की अनुमति देता जो जैविक संदर्भ में पहले अप्राप्य थी। हजारों बूंदों को एक साथ चलते हुए उपयोग करके लाखों ऑपरेशनों को समानांतर (parallel) में करने की क्षमता, जीवित प्रणालियों की जटिलता के स्तर से मेल खाने वाले पैमाने पर जैविक जानकारी को संसाधित करने का द्वार खोलती है।

शोधकर्ता एक ऐसे भविष्य की कल्पना करते हैं जहाँ इस तकनीक को जैविक नमूनों से आनुवंशिक सामग्री निकालने और उसे बढ़ाने (amplifying) के लिए स्वचालित मॉड्यूल के साथ एकीकृत किया जाएगा। इससे एक क्लोज्ड-लूप सिस्टम बनेगा जो एक कच्चे नमूने, जैसे कि रक्त की एक बूंद, को लेने और बिना किसी मानवीय हस्तक्षेप के नैदानिक उत्तर देने में सक्षम होगा। हालांकि वर्तमान सिस्टम को इलेक्ट्रोड को नियंत्रित करने और परिणामों को पढ़ने के लिए बाहरी उपकरणों की आवश्यकता होती है, लेकिन यहाँ प्रदर्शित सिद्धांत पूर्णतः स्वायत्त, बुद्धिमान बायोसेंसर्स की ओर एक स्पष्ट मार्ग प्रदान करते हैं। यह कार्य यह दावा नहीं करता है कि इसने आणविक कंप्यूटिंग की सभी समस्याओं को हल कर दिया है, लेकिन इसने एक मौलिक बाधा को हटा दिया है जिसने इस क्षेत्र को बढ़ने से रोक रखा था। यह सिद्ध करके कि बड़े पैमाने के, जटिल न्यूरल नेटवर्क को डीएनए और माइक्रोफ्लुइडिक्स का उपयोग करके बनाया और नियंत्रित किया जा सकता है, शोधकर्ताओं ने दिखाया है कि आणविक मशीन लर्निंग का सपना अब केवल एक सैद्धांतिक संभावना नहीं, बल्कि एक व्यावहारिक वास्तविकता है।

चिकित्सा और जीव विज्ञान के लिए इसके निहितार्थ गहरे हैं। यदि आणविक कंप्यूटरों को पर्याप्त छोटा और सस्ता बनाया जा सके, तो उन्हें सीधे चिकित्सा उपकरणों में या स्वास्थ्य की वास्तविक समय में निगरानी के लिए शरीर के भीतर भी लगाया जा सकता है। वे कोशिकाओं के रासायनिक हस्ताक्षरों का विश्लेषण करके बीमारी के शुरुआती संकेतों का पता लगा सकते हैं, जिससे एक ऐसा स्तर की संवेदनशीलता मिलती है जो वर्तमान इलेक्ट्रॉनिक सेंसरों के पास नहीं है। जैविक अणुओं पर सीधे गणना करने की क्षमता का अर्थ है कि विश्लेषण डेटा के मूल वातावरण में ही हो सकता है, जिससे समय लेने वाली और त्रुटिपूर्ण नमूना तैयारी की आवश्यकता समाप्त हो जाती है। यह रोगों के निदान और उपचार के तरीके में क्रांति ला सकता है, जिससे सटीक चिकित्सा (precision medicine) अधिक सुलभ और कुशल बन सकती है।

अंततः, यह शोध इस बारे में हमारी सोच में बदलाव का प्रतिनिधित्व करता है कि गणना कैसे होती है। यह इस विचार से दूर जाता है कि गणना सिलिकॉन और बिजली में होनी चाहिए, और पानी और डीएनए में होने की संभावना को अपनाता है। शोधकर्ताओं ने दिखाया है कि जैविक प्रणालियों पर इंजीनियरिंग नियंत्रण लागू करके, हम जटिल कार्यों को करने के लिए आणविक अंतःक्रियाओं की शक्ति का उपयोग कर सकते हैं जो कभी असंभव माने जाते थे। डीएनए-एन्कोडेड माइक्रोफ्लुइडिक इंटीग्रेटेड सर्किट केवल एक नए प्रकार का कंप्यूटर नहीं है; यह जीव विज्ञान और तकनीक के बीच के संबंध के बारे में सोचने का एक नया तरीका है। यह सुझाव देता है कि कंप्यूटिंग का भविष्य तेज़ चिप्स बनाने के बारे में नहीं होगा, बल्कि स्मार्ट, अधिक अनुकूलन योग्य सिस्टम बनाने के बारे में होगा जो जीवित दुनिया के साथ सीधे संवाद कर सकें। रसायनों के एक अराजक मिश्रण से एक संरचित, प्रोग्रामेबल मशीन तक की यात्रा पूरी हो गई है, और आगे का मार्ग अब स्पष्ट है।