टेक्निकल यूनिवर्सिटी ऑफ म्यूनिख: आर्टिफिशियल इंटेलिजेंस में आनुवंशिक कोड दरार भारत शिक्षा, भारत शिक्षा समाचार, शिक्षा समाचार


कृत्रिम बुद्धिमत्ता (एआई) की मदद से, वैज्ञानिकों की एक जर्मन-अमेरिकी टीम ने कुछ मायावी निर्देशों को डिकोड किया है जो डीएनए में एन्कोडेड थे। प्रोटीन और डीएनए इंटरैक्शन के उच्च-रिज़ॉल्यूशन मानचित्रों में प्रशिक्षित उनके तंत्रिका नेटवर्क से जीनोम में सूक्ष्म डीएनए अनुक्रम पैटर्न का पता चलता है, जिससे जीन विनियमन के लिए इन अनुक्रमों को कैसे व्यवस्थित किया जाता है, इसकी गहरी समझ मिलती है।

बड़े और जटिल डेटा सेट के निर्माण में AI एल्गोरिदम बेहद शक्तिशाली है। लेकिन उन्हें समझाते हुए, और यह बताना कि कुछ इनपुट बनाते समय एक मशीन विशिष्ट भविष्यवाणियां कैसे करती है, अत्यंत कठिन है। यह ब्लैक बॉक्स व्यवहार चिकित्सा निदान में एआई की व्यापक स्वीकृति में बाधा डालता है, जहां औचित्य महत्वपूर्ण हैं, और प्राकृतिक विज्ञानों में इसकी उपयोगिता को सीमित करता है जहां तंत्र को समझना लक्ष्य है।

अब, म्यूनिख के तकनीकी विश्वविद्यालय के जीवविज्ञान और कम्प्यूटेशनल शोधकर्ताओं की एक बहु-विषयक टीम, स्टॉवर्स इंस्टीट्यूट फॉर मेडिकल रिसर्च और स्टैनफोर्ड विश्वविद्यालय ने दिखाया है कि तंत्रिका नेटवर्क के अनुप्रयोग, जैसे कि चेहरे की पहचान में इस्तेमाल होने वाले, नव विकसित रूप व्याख्या तकनीकों के साथ। जटिल निर्देशों को डीकोड करने के लिए इस्तेमाल किया जा सकता है। डीएनए में एन्कोडेड।

जीव विज्ञान में सबसे बड़ी अनसुलझे समस्याओं में से एक जीनोम का दूसरा कोड है, नियामक कोड। डीएनए के आधार न केवल प्रोटीन के निर्माण के निर्देशों को कूटबद्ध करते हैं, बल्कि ये भी कि ये प्रोटीन कब और कहां जीव में बने हैं।

नियामक कोड प्रोटीन द्वारा पढ़ा जाता है जिसे प्रतिलेखन कारक कहा जाता है जो डीएनए के छोटे हिस्सों को बांधता है जिसे रूपांकनों कहा जाता है। हालांकि, कुछ समूहों को कैसे परिभाषित किया जाए और संगठनात्मक गतिविधि के रूपों की व्यवस्था एक बहुत ही जटिल समस्या है जिसे परिभाषित करना मुश्किल है।

READ  अंतरिक्ष खोजकर्ता: 2021 में मंगल ग्रह पर यूएई, चीन और नासा दौड़, विश्व समाचार

डीएनए-बाइंडिंग प्रयोगों और कम्प्यूटेशनल मॉडलिंग को साथ-साथ संचालित किया जाता है
कुंजी प्रतिलेखन कारक-बाइंडिंग प्रयोगों, डीएनए और कम्प्यूटेशनल मॉडलिंग को उच्चतम संभव परिशुद्धता के साथ संचालित करने के लिए थी, व्यक्तिगत डीएनए के स्तर के नीचे। बढ़ी हुई सटीकता ने टीम को न केवल उच्च-रिज़ॉल्यूशन न्यूरल नेटवर्क मॉडल को प्रशिक्षित करने की अनुमति दी, बल्कि मॉडल से प्रमुख तत्वों और पैटर्न को निकालने के लिए भी, जिसमें ट्रांसक्रिप्शन फ़ैक्टर-लिंकिंग मॉडल और फ्यूजन नियमों को शामिल किया गया, जिसके द्वारा वे कोड के रूप में एक साथ काम करते हैं।

तंत्रिका नेटवर्क ब्लैक बॉक्स हैं, लेकिन उन्हें डिजिटल रूप से पूछताछ की जा सकती है। इसलिए, बड़ी संख्या में काल्पनिक प्रयोगों के माध्यम से, हमने उन नियमों की खोज की जो तंत्रिका नेटवर्क ने सीखे, ”पहले लेखक डॉ। इजा अवसिक, जूलियन जंजुर समूह के सदस्य, म्यूनिख के तकनीकी विश्वविद्यालय में कम्प्यूटेशनल आणविक चिकित्सा के प्रोफेसर कहते हैं। मॉडल का संस्करण जब वह एक वैज्ञानिक के रूप में स्टैनफोर्ड का दौरा किया।

इस दृष्टिकोण को स्टेम सेल भेदभाव के मुख्य नियामकों पर लागू किया गया था और प्रयोगात्मक रूप से सीआरआईएसपीआर के जीनोमिक संस्करण द्वारा पुष्टि की गई थी, और इस दृष्टिकोण से डीएनए डबल हेलिक्स और विशिष्ट घटना व्यवस्था के साथ सटीक स्थान शामिल करने वाले जटिल आधारों का पता चला।

“यह बहुत संतोषजनक था,” प्रोजेक्ट लीडर जूलिया ज़िटलिंगर, स्टोवर्स इंस्टीट्यूट की शोधकर्ता और यूनिवर्सिटी ऑफ़ कैनसस मेडिकल सेंटर की एक प्रोफेसर कहती हैं, “क्योंकि परिणाम वर्तमान प्रायोगिक परिणामों के साथ अच्छी तरह से फिट होते हैं और नई अंतर्दृष्टि का भी पता चला जिसने हमें आश्चर्यचकित कर दिया।” ”

READ  दो जन्मों के बीच तीन साल से भी कम, दूसरे जन्म के लिए स्टंटिंग का जोखिम दोगुना: कॉर्नेल स्टडी ऑफ इंडिया | भारत समाचार

पैटर्न दिखाई देता है: नैनोग डीएनए से कैसे जुड़ता है
उदाहरण के लिए, शोधकर्ताओं ने पाया कि नैनोग सहकारी नामक एक अच्छी तरह से अध्ययन किए गए प्रतिलेखन कारक डीएनए को बांधता है जब उसके आकार की प्रतिकृति इतनी समय-समय पर मौजूद होती है कि वे डीएनए हेलिक्स के समान तरफ दिखाई देते हैं।

“अनुभवजन्य साक्ष्य का एक लंबा रास्ता रहा है कि इस तरह के एक आवधिक कभी-कभी नियामक कोड में होता है,” ज़िटलिंगर कहते हैं। हालांकि, सटीक परिस्थितियां काफी दूर थीं, और नानूग को संदेह नहीं था। “यह पता लगाना कि नानॉग का ऐसा पैटर्न है, और उनकी बातचीत का अतिरिक्त विवरण देखकर आश्चर्य हुआ, क्योंकि हम विशेष रूप से इस पैटर्न की तलाश नहीं करते थे।”

“यह इस कार्य के लिए तंत्रिका नेटवर्क का उपयोग करने का प्राथमिक लाभ है। क्लासिक कम्प्यूटेशनल मॉडल को सख्त, दस्तकारी नियमों पर बनाया गया है ताकि यह सुनिश्चित किया जा सके कि हालांकि, जीव विज्ञान अत्यंत समृद्ध और जटिल है। व्यक्तिगत मापदंडों की व्याख्या करने की आवश्यकता को छोड़कर। हम मॉडल को अधिक लचीले और सटीक तरीके से प्रशिक्षित कर सकते हैं, जो किसी भी जैविक घटना को पकड़ता है, जिसमें अभी तक ज्ञात नहीं हैं। “

मजबूत तल-अप दृष्टिकोण
यह तंत्रिका नेटवर्क मॉडल – बेस पेयर नेटवर्क के लिए BPNet कहा जाता है – तस्वीरों में चेहरे की पहचान के समान एक मजबूत तल-अप दृष्टिकोण है, जहां तंत्रिका नेटवर्क पहले पिक्सेल में किनारों का पता लगाता है, फिर सीखता है कि कैसे किनारों से चेहरे के तत्व जैसे आँखें, नाक, या मुंह, और अंत में। चेहरे के तत्व मिलकर एक चेहरा कैसे बनाते हैं।

READ  अंतर्राष्ट्रीय अंतरिक्ष स्टेशन के लॉन्च ने गणितज्ञ को छिपे हुए आंकड़ों (वीडियो) में सम्मानित किया

पिक्सल से सीखने के बजाय, BPNet कच्चे डीएनए अनुक्रमों से सीखता है और अनुक्रमिक आकृतियों की खोज करना सीखता है और अंततः उच्च-क्रम नियम जो तत्व बुनियादी-सटीक लिंकिंग डेटा के साथ भविष्यवाणी करते हैं।

Zeitlinger की लैब और कुंडाजे दोनों की लैब पहले से ही BPNet का उपयोग अन्य सेल प्रकारों के स्पाइली पैटर्न को निर्धारित करने के लिए कर रही हैं, बायोफिज़िकल मापदंडों के साथ पॉलीमोर्फिज़्म को सहसंबंधित करती हैं और जीन में अन्य संरचनात्मक विशेषताओं को सीखती हैं जैसे कि डीएनए एनकैप्सुलेशन से जुड़े। अन्य विद्वानों को BPNet का उपयोग करने और अपनी विशिष्ट आवश्यकताओं के लिए इसे अनुकूलित करने में सक्षम करने के लिए, शोधकर्ताओं ने प्रलेखन और ट्यूटोरियल के साथ पूरे कार्यक्रम की रूपरेखा उपलब्ध कराई।

“यह व्यवसाय एक शक्तिशाली प्रौद्योगिकी यात्रा है,” जूलियन जेनर कहते हैं। यह एकल-न्यूक्लियोटाइड संकल्प के साथ जीनोम-वाइड assays के गहन शिक्षण मॉडलिंग को जोड़ती है, उन्नत, व्याख्यात्मक एआई तकनीकों के साथ जो कि “ब्लैक बॉक्स” ने जो सीखा है उसकी व्याख्या की अनुमति देता है। कार्यप्रणाली जीवविज्ञानी को पूर्ण नियामक नियमों का अध्ययन करने में मदद करेगी। ”

प्रातिक्रिया दे

आपका ईमेल पता प्रकाशित नहीं किया जाएगा. आवश्यक फ़ील्ड चिह्नित हैं *