অনিশ্চেনকো এট। আল
রাসায়নিকভাবে, প্রোটিন অ্যামিনো অ্যাসিডের একটি দীর্ঘ চেইন মাত্র। তাদের আশ্চর্যজনক বৈশিষ্ট্যগুলি এই কারণে যে এই চেইনটি একটি জটিল, ত্রিমাত্রিক আকারে ভাঁজ করা যেতে পারে। এইভাবে, এই ভাঁজকে নিয়ন্ত্রণকারী নিয়মগুলি বোঝার মাধ্যমে শুধুমাত্র জীবন দ্বারা ব্যবহৃত প্রোটিন সম্পর্কে আমাদের অবহিত করা যায় না, তবে আমাদের নতুন রাসায়নিক ক্ষমতার সাথে নতুন প্রোটিন বিকাশে সহায়তা করতে পারে।
এই সমস্যার প্রথমার্ধে, সাম্প্রতিক সময়ে উল্লেখযোগ্য অগ্রগতি হয়েছে: গবেষকরা প্রোটিনের মধ্যে বিবর্তনীয় সংযোগ তালিকাভুক্ত করতে এবং সাধারণ বৈশিষ্ট্যগুলিকে কাঠামোর সাথে সংযুক্ত করতে কৃত্রিম বুদ্ধিমত্তা স্থাপন করেছেন। এখন পর্যন্ত, এই অ্যালগরিদমগুলি স্ক্র্যাচ থেকে নতুন প্রোটিন ডিজাইন করতে সাহায্য করে না। যাইহোক, বুধবার প্রকাশিত একটি নিবন্ধে বর্ণিত পদ্ধতিগুলির জন্য এটি পরিবর্তন হতে পারে।
সেখানে, গবেষকদের একটি বড় দল বর্ণনা করে যে প্রোটিনকে “হ্যালুসিনেশন” বলে। এগুলি অ্যালগরিদম সহ একটি গরম/ঠান্ডা খেলার মতো, অ্যামিনো অ্যাসিডের এলোমেলো ক্রম থেকে শুরু করে, পরিবর্তন করা এবং “এটি কি কমবেশি একটি কাঠামোগত প্রোটিনের মতো?” প্রক্রিয়ার পণ্য যা জিজ্ঞাসা করে। বেশ কয়েকটি ফলাফল পরীক্ষা করা হয়েছিল এবং প্রকৃতপক্ষে, ভবিষ্যদ্বাণী অনুসারে ভাঁজ করা হয়েছিল।
এআই হ্যালুসিনেশন
এখানে অদ্ভুত পরিভাষার জন্য নতুন নিবন্ধের লেখকদের দোষ দেওয়া যায় না। পরিবর্তে, “হ্যালুসিনেশন” শব্দটি ব্যবহার করা হয়েছিল Google-এর AI টিম কাজ করেছে. অধ্যয়নটি এলোমেলো পিক্সেলের বর্ণনা দিয়ে শুরু হয়েছিল এবং ফল চিনতে প্রশিক্ষিত একটি নিউরাল নেটওয়ার্ককে জিজ্ঞাসা করেছিল, “এটি কলার মতো দেখতে কেমন?” কিছু এলোমেলো চিমটি করার পরে, প্রশ্নটি আবার জিজ্ঞাসা করা হয়েছিল; চিত্রের কলার মতো বৈশিষ্ট্যগুলিকে উন্নত করে এমন কোনও পরিবর্তন বজায় রাখা হয়েছে এবং প্রক্রিয়াটি পুনরাবৃত্তি করা হয়েছে।
ফলাফলটি স্পষ্টতই কলার মতো, তবে এটি অনেকটা কিউবিস্ট এবং কিছু র্যান্ডম ফটোশপ ফিল্টার চালু করার আগে একটি কলা দেখার মতো। যদিও Google-এর ব্লগ পোস্টে শব্দটি ব্যবহার করা হয়নি, অন্যরা ছবিগুলিকে “হ্যালুসিনেশন” বলে অভিহিত করেছে।
কলা চেনার কৃত্রিম বুদ্ধিমত্তা বারবার প্রশ্নের মাধ্যমে এলোমেলো শব্দ (বাম) কলার মতো হ্যালুসিনেশনে (ডানে) পরিণত হয়।
গবেষকরা ভেবেছিলেন যে এটি যদি কৃত্রিম বুদ্ধিমত্তার জন্য কাজ করে যা চিত্র সনাক্তকরণ নিয়ন্ত্রণ করে তবে এটি কৃত্রিম বুদ্ধিমত্তার সাথেও কাজ করতে পারে, যা প্রোটিনের জন্য 3D কাঠামো সরবরাহ করে।
যাইহোক, আপনারা যারা এখানে সতর্ক আছেন তারা একটি সমস্যা দেখতে পারেন। জৈবিক অ্যালগরিদমগুলি কাঠামোগতভাবে একই রকম কিনা তা নির্ধারণ করে না; পরিবর্তে, তারা কেবল অনুমান করে যে একটি কাঠামো আছে এবং এটি কী তা পরামর্শ দেওয়ার চেষ্টা করে। এইভাবে, তারা স্বাভাবিকভাবে হ্যালুসিনেশন তৈরি করার জন্য প্রয়োজনীয় ধীরে ধীরে উষ্ণতা / শীতলকরণের মূল্যায়ন করতে প্রস্তুত নয়।
যাইহোক, গবেষক দল একটি উপায় খুঁজে বের করেছে। অসংগঠিত প্রোটিনগুলি মহাকাশে ছড়িয়ে পড়ে, শুধুমাত্র কয়েকটি প্রতিবেশী অ্যামিনো অ্যাসিড একে অপরের সাথে যোগাযোগ করে। অন্যদিকে, উচ্চ কাঠামোগত প্রোটিনগুলি কম্প্যাক্ট এবং ভাঁজ করার প্রবণতা রয়েছে যাতে চেইনের বিভিন্ন অংশের অ্যামিনো অ্যাসিড একে অপরের সাথে যোগাযোগ করতে পারে। কাঠামোর পূর্বাভাস দিতে তারা যে অ্যালগরিদম ব্যবহার করে, রোসেটা, 3D স্পেসে প্রতিটি অ্যামিনো অ্যাসিডের আপেক্ষিক অবস্থান হিসাবে এর পূর্বাভাস দেয়। সুতরাং, তাদের ব্যাপকতার আকার ব্যবহার করে, লেখকরা জিজ্ঞাসা করেছেন, “এটি দেখতে কতটা কাঠামোগত?” প্রশ্নের এক ধরনের উত্তর দিতে পেরেছিলেন।
এলোমেলো শুরু
স্ট্রাকচারাল হ্যালুসিনেশন শুরু করার জন্য, গবেষকরা 100 র্যান্ডম অ্যামিনো অ্যাসিড সমন্বিত বিপুল সংখ্যক প্রোটিন তৈরি করেছেন এবং সেগুলিকে ট্ররোসেটা সফ্টওয়্যারে জমা দিয়েছেন। প্রত্যাশিত হিসাবে, সমস্ত প্রোটিন প্রাথমিকভাবে গঠনহীন ছিল। তারপরে, 100টি সিকোয়েন্সের প্রতিটির জন্য একটি এলোমেলো অ্যামিনো অ্যাসিড নির্বাচন করা হয়েছিল এবং এলোমেলোভাবে নির্বাচিত একটি ভিন্ন অ্যামিনো অ্যাসিড দিয়ে প্রতিস্থাপিত হয়েছিল। trRosetta তারপর একটি নতুন বিশ্লেষণ সঞ্চালিত এবং ফলাফল তুলনা; যেকোন পরিবর্তন যা জিনিসগুলিকে আরও কাঠামোগত দেখায় তা ধরে রাখা হয়েছিল।
এই প্রক্রিয়াটির প্রায় 20,000 পুনরাবৃত্তির সাথে, এই হ্যালুসিনেশনগুলিতে অ্যামিনো অ্যাসিড বিন্যাসের সংক্ষিপ্ততা সাধারণ প্রোটিনের মতো প্রকৃতির ছিল। যাইহোক, সমালোচনামূলকভাবে, অ্যামিনো অ্যাসিডের ক্রমটি পরিচিত প্রোটিনের অনুক্রমের সাথে সাদৃশ্যপূর্ণ নয়। কাঠামোগুলি নিজেরাই বিদ্যমান ছিল না। জীবনের দ্বারা ব্যবহৃত প্রোটিনগুলিতে প্রায়শই দুর্বল কাঠামোগত অ্যামিনো অ্যাসিড সার্কিট থাকে যা মৌলিক কার্য সম্পাদন করে। যাইহোক, হ্যালুসিনেশন ফাংশনের জন্য নির্বাচন করা হয়নি; তাদের সংক্ষিপ্ততার জন্য নির্বাচিত হয়েছিল। সুতরাং, এই ধরনের দীর্ঘায়িত বক্ররেখা হ্যালুসিনেশনে পাওয়া যায়নি।
সন্দেহ করার বিভিন্ন কারণ রয়েছে যে বাস্তব অ্যামিনো অ্যাসিড চেইনগুলি বাস্তব জগতে এই কাঠামোগুলি তৈরি করবে। trRosetta কাঠামোগত পূর্বাভাস প্রোগ্রামের মধ্যে নতুন এবং সেরা সফ্টওয়্যার নয়। এবং trRosetta বিবর্তনীয় সংযোগ মূল্যায়ন করে কাঠামো আংশিকভাবে নির্ধারণ করতে প্রশিক্ষিত ছিল। এই সমস্ত প্রোটিন নতুন এবং কোন বিবর্তনীয় আত্মীয় নেই। প্রক্রিয়াটি তখনই কাজ করতে পারে যখন ট্ররোসেটাতে ব্যবহৃত নিউরাল নেটওয়ার্ক এই বিবর্তনীয় সংযোগগুলির উপর ভিত্তি করে প্রোটিন গঠনের নীতিগুলি অর্জন করতে পারে।
এটি কাজ করে কিনা তা বলার একমাত্র উপায় হল প্রোটিন তৈরি করা এবং সেগুলি দেখতে কেমন। এইভাবে, গবেষণা দল 129টি হ্যালুসিনেশন প্রোটিন এনকোডিং জিনকে একত্রিত করেছে।
