मशीन लर्निंग प्रोटीन इंजीनियरिंग को सुव्यवस्थित करता है, प्रदर्शन को बढ़ाता है

संयुक्त राज्य अमेरिका - इख़बारी समाचार एजेंसी

मशीन लर्निंग MULTI-evolve फ्रेमवर्क के साथ प्रोटीन इंजीनियरिंग में क्रांति ला रहा है

एक महत्वपूर्ण वैज्ञानिक प्रगति में, शोधकर्ताओं ने MULTI-evolve नामक एक अभूतपूर्व मशीन लर्निंग फ्रेमवर्क पेश किया है, जो प्रोटीन इंजीनियरिंग के क्षेत्र में क्रांति लाने के लिए तैयार है। यह नवीन प्रणाली जीवन रक्षक दवाओं से लेकर डिटर्जेंट और जैव ईंधन जैसे रोजमर्रा के उपभोक्ता उत्पादों तक, अनुप्रयोगों की एक विस्तृत श्रृंखला में महत्वपूर्ण घटक के रूप में उच्च-प्रदर्शन वाले प्रोटीन के विकास को तेजी से और सरल बनाने का लक्ष्य रखती है।

ऐतिहासिक रूप से, प्रोटीन फ़ंक्शन को अनुकूलित करने की प्रक्रिया एक जटिल और कठिन कार्य रही है। इसमें आम तौर पर अमीनो एसिड अनुक्रमों को ठीक करने, प्रत्येक संशोधन के लिए प्रयोगशाला परीक्षण करने और वांछित सुधारों की पहचान करने के लिए परिणामों का सावधानीपूर्वक विश्लेषण करने के कई चक्र शामिल होते हैं। हालांकि, कई उत्परिवर्तनों के बीच जटिल परस्पर क्रिया, अंतिम परिणाम की भविष्यवाणी को एक दुर्जेय चुनौती बनाती है, जिसके लिए अक्सर व्यापक परीक्षण-और-त्रुटि प्रयोगों की आवश्यकता होती है। इस व्यापक प्रक्रिया को कैलिफोर्निया विश्वविद्यालय, बर्कले में एक बायोइंजीनियर डॉ. पैट्रिक ह्सू ने "बहुत उच्च-आयामी खोज समस्या, जहाँ हम प्रभावी ढंग से अनुमान लगाते और जांचते हैं" के रूप में उपयुक्त रूप से वर्णित किया है।

MULTI-evolve इस लंबे समय से चली आ रही चुनौती का एक शक्तिशाली समाधान प्रस्तुत करता है। केवल पारंपरिक प्रयोगात्मक विधियों पर निर्भर रहने के बजाय, यह फ्रेमवर्क कई एक साथ होने वाले उत्परिवर्तनों के साथ प्रोटीन के प्रदर्शन की भविष्यवाणी करने के लिए परिष्कृत मशीन लर्निंग एल्गोरिदम के साथ प्रयोगशाला प्रयोगों को बुद्धिमानी से एकीकृत करता है। MULTI-evolve की मुख्य शक्ति विभिन्न उत्परिवर्तनों के बीच जटिल इंटरैक्शन को समझने की इसकी क्षमता में निहित है, जो प्रोटीन कार्यक्षमता में महत्वपूर्ण वृद्धि प्राप्त करने के लिए एक महत्वपूर्ण कारक है।

MULTI-evolve वर्कफ़्लो तीन-चरणीय प्रक्रिया के माध्यम से संचालित होता है। प्रारंभ में, शोधकर्ता मौजूदा डेटा का लाभ उठाते हैं या प्रोटीन फ़ंक्शन पर व्यक्तिगत अमीनो एसिड प्रतिस्थापन के प्रभाव का पूर्वानुमान लगाने के लिए मशीन लर्निंग तकनीकों को नियोजित करते हैं। इसके बाद, इन उत्परिवर्तनों के एक-दूसरे को कैसे प्रभावित करते हैं, इसे समझने के लिए, प्रयोगशाला में प्रोटीन की एक श्रृंखला संश्लेषित की जाती है, प्रत्येक में संभावित उत्परिवर्तनों के जोड़े शामिल होते हैं। फिर उनके प्रदर्शन का प्रायोगिक रूप से मूल्यांकन किया जाता है। अंत में, इन अनुभवजन्य डेटा का उपयोग एक मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए किया जाता है जो पांच या अधिक उत्परिवर्तनों के साथ लक्ष्य प्रोटीन की प्रभावशीलता की भविष्यवाणी कर सकता है, जिससे हर संभव संयोजन के व्यापक परीक्षण की आवश्यकता समाप्त हो जाती है।

MULTI-evolve की प्रभावशीलता को तीन अलग-अलग प्रोटीनों पर कठोर परीक्षणों के माध्यम से प्रदर्शित किया गया है। इनमें ऑटोइम्यून बीमारियों से संबंधित एक एंटीबॉडी और अत्याधुनिक CRISPR जीन संपादन तकनीक में उपयोग किया जाने वाला एक प्रोटीन शामिल था। प्रत्येक मामले में, मॉडल ने प्रयोगशाला परख में मूल प्रोटीन से काफी बेहतर प्रदर्शन करने वाले उत्परिवर्तनों के संयोजन की सफलतापूर्वक पहचान की, जो संशोधनों के सहक्रियात्मक सेटों को चुनने की इसकी क्षमता को रेखांकित करता है।

यह सफलता कई अनुप्रयोगों के लिए द्वार खोलती है। डॉ. ह्सू ने दो विशेष रूप से आशाजनक रास्तों पर प्रकाश डाला: कोशिकाओं के भीतर अन्य अणुओं की गति को ट्रैक करने के लिए इंजीनियर प्रोटीन का उपयोग करना और एंजाइम की कमी वाले व्यक्तियों के लिए बेहतर जीन थेरेपी का विकास करना। ह्सू ने कहा, "हम इस काम से उत्साहित हैं।" "मुझे लगता है कि यह वास्तव में विज्ञान की प्रथा को कैसे बदलता है, इसमें भारी रुचि है।"

MULTI-evolve फ्रेमवर्क प्रोटीन इंजीनियरिंग में एक महत्वपूर्ण छलांग का प्रतिनिधित्व करता है, जो वैज्ञानिकों को पहले से कहीं अधिक कुशलतापूर्वक और तेज़ी से बेहतर कार्यात्मकताओं वाले प्रोटीन डिजाइन करने के लिए एक शक्तिशाली उपकरण प्रदान करता है। यह प्रगति न केवल वैज्ञानिक खोजों की गति को तेज करती है, बल्कि बढ़ती सामाजिक जरूरतों को पूरा करने के लिए उपन्यास चिकित्सीय हस्तक्षेपों और परिष्कृत औद्योगिक उत्पादों का मार्ग भी प्रशस्त करती है।

इख़बारी समाचार एजेंसी