क्विन एक artificial intelligence अनुसंधान प्रणाली है जिसे जीव विज्ञान की जटिलता को संबोधित करने के लिए डिज़ाइन किया गया है।
क्विन जैविक खोज के लिए एक प्रयोगात्मक AI प्रणाली है, जो मॉडल, उपकरण, साहित्य, शोधकर्ताओं और अनुसंधान उपयोग के लिए गीले-प्रयोगशाला सत्यापन को जोड़ती है।
मुख्य जानकारी
- Microsoft Research ने जीव विज्ञान में वैज्ञानिक खोज के लिए एक प्रयोगात्मक AI प्रणाली क्विन की शुरुआत की, न कि नैदानिक या चिकित्सा उपयोग।
- क्वीन एक बहुआयामी जैविक विश्व मॉडल को मॉडलों, उपकरणों, साहित्य, शोधकर्ताओं और गीली प्रयोगशालाओं को जोड़ने वाले इंटरैक्टिव हार्नेस के साथ जोड़ता है।
- इसका लक्ष्य विभिन्न स्तरों पर ज्ञान को जोड़कर, हस्तक्षेप के प्रभाव की भविष्यवाणी करके और प्रयोगों को प्राथमिकता देकर जीव विज्ञान अनुसंधान में तेजी लाना है।
- Broad Institute के साथ प्रारंभिक कार्य ने ट्यूमर राज्यों को स्थानांतरित करने की भविष्यवाणी किए गए यौगिकों को रैंक करने के लिए क्विन का उपयोग किया, जिसमें प्रयोगशाला परीक्षणों में कई शीर्ष उम्मीदवार मान्य थे।
- आउटपुट अपूर्ण या गलत हो सकते हैं और समीक्षा और प्रयोगात्मक सत्यापन की आवश्यकता होती है; प्रौद्योगिकी परिपक्व होने के रूप में व्यापक पहुंच की उम्मीद है।
Microsoft Research आज क्वीन, एक शोध प्रयास पेश किया गया है जो जैविक ज्ञान को अलग करने वाली सीमाओं के पार काम करता है, जो वैज्ञानिक उपयोग के माध्यम से विकसित होने वाली खोज प्रणाली के लिए अपनी दीर्घकालिक दृष्टि को दर्शाता है। यह मॉडल, वैज्ञानिक उपकरण, साहित्य, शोधकर्ताओं और गीली प्रयोगशाला को जोड़ने वाले इंटरैक्टिव हार्नेस के साथ जीव विज्ञान का एक बहुआयामी विश्व मॉडल गठबंधन करता है। सिस्टम वैज्ञानिक खोज के लिए है, न कि नैदानिक या चिकित्सा उपयोग के लिए। हार्वर्ड और एमआईटी Broad Institute के शोधकर्ताओं के साथ काम करते हुए,Microsoft Research क्विन्स ने चिकित्सीय ट्यूमर-स्टेट शिफ्ट्स को चलाने की भविष्यवाणी किए गए यौगिकों को प्राथमिकता देने के लिए क्वाइन का इस्तेमाल किया और कई शीर्ष रैंकिंग उम्मीदवारों को कई गीले लैब परीक्षणों में मान्य किया। Quine Fellows कार्यक्रम वैज्ञानिकों के एक समूह को सिस्टम तक सीधी पहुंच प्रदान करेगा, अपने स्वयं के अनुसंधान को तेज करने का मौका देगा, और वैज्ञानिक प्रतिक्रिया प्रदान करने का एक मार्ग। क्विन प्रयोगात्मक अनुसंधान तकनीक है, और इसके आउटपुट अपूर्ण हो सकते हैं; योग्य शोधकर्ताओं को उन्हें समीक्षा करनी चाहिए और प्रायोगिक परिपक्
जीव विज्ञान को पृथक मॉडल से अधिक की आवश्यकता क्यों है
दो दशकों से अधिक समय तक, Microsoft Research ने काम किया है जहां कंप्यूटिंग जीवविज्ञान को पूरा करती है। इसकी परियोजनाओं में इम्यूनोलॉजी, वायरोलॉजी, जीनोमिक्स, बायोमेडिकल इमेजिंग, सेल बायोलॉजी और प्रोटीन इंजीनियरिंग शामिल हैं। उस कार्य ने मौलिक विधियों, नए विज्ञान और प्रौद्योगिकियों का उत्पादन किया है जो दुर्लभ और संक्रामक रोग निदान से लेकर कैंसर बायोमार्कर डिटेक्शन तक क्लिनिक तक पहुंच गए हैं। टीम द्वारा लिया गया सबक यह है कि जीव विज्ञान कई मॉडलों और उपकरणों द्वारा उपयोग की जाने वाली स्वच्छ सीमाओं का पालन नहीं करता है। जीन प्रोटीन को प्रभावित करते हैं, प्रोटीन कोशिकाओं के अंदर परस्पर क्रियाशील होते हैं, कोशिकाएं ऊतकों में संगठित होती हैं, और प्रयोग लगातार वैज्ञानिकों को जानते हैं और वे आगे क्या पूछते हैं। इसलिए सबसे कठिन जैविक प्रश्नों को ऐसे प्रणालियों की आवश्यकता होती है जो पैमाने और डेटा प्रकारों पर ज्ञान को जोड़ें, प्रयोगों और साक्ष्य के बारे में तर्क दें, और पुनरावर्ती चक्र में भाग लें जिसके माध्यम से विज्ञान अग्रिम होता है।
बाधा व्यावहारिक है। प्रायोगिक विधियों में सुधार हुआ है और गीली-प्रयोगशाला थ्रूपुट बढ़ी है, लेकिन जीव विज्ञान अभी भी धीमी गति से चलता है और गहरा जटिल है। प्रकृति को जल्दी नहीं किया जा सकता है, और इसके उत्तरों को केवल पहले सिद्धांतों पर मजबूर नहीं किया जाता है। प्रयोग समय लेते हैं, पुनरावृत्ति चक्र लंबे होते हैं, और कई महत्वपूर्ण प्रश्न इंटरैक्शन, संयोजक डिजाइन रिक्त स्थान और डाउनस्ट्रीम प्रभाव शामिल करते हैं जो केवल प्रयोगशाला में अन्वेषण करने के लिए बहुत बड़े होते हैं। साथ ही, बड़े पैमाने पर मशीन लर्निंग - विशेष रूप से सामान्य प्रयोजन नींव मॉडल और तर्क मॉडल जो समस्याओं के माध्यम से काम कर सकते हैं कदम दर कदम एक अलग मार्ग का सुझाव देते हैं। ये सिस्टम पैटर्न पहचानने से अधिक करना शुरू कर रहे हैंः वे डोमेन भर में जानकारी एकीकृत कर सकती हैं, अमूर्तता के बारे में तर्क दे सकती हैं और पुनरावर्ती समस्या समाधान का समर्थन करती हैं। मानव भाषा के लिए बनाई गई तकनीकों ने जीवविज्ञान के कुछ हिस्सों को अच्छी तरह से अनुकूलित किया है, जिससे कई प्रणालियों और डेटा प्रकारों में जैविक मॉडलों के प्रतिनिधित्व सीखने की अनुमति मिलती है।
यह एक उत्तेजक सवाल उठाता हैः जीव विज्ञान के लिए विश्व मॉडल बनाने में क्या लगता है? Microsoft Research इस विचार को ऐसी प्रणाली के रूप में परिभाषित करता है जो जैविक प्रणाली की स्थिति का प्रतिनिधित्व कर सकती है, भविष्यवाणी करती है कि हस्तक्षेप के बाद उस राज्य में परिवर्तन कैसे होता है, और भविष्य में कई कदमों पर परिणामों के बारे में तर्क दे सकता है। ऐसा सिस्टम प्रयोगों की जगह नहीं लेगा। यह दुर्लभ प्रयोगशाला संसाधनों से पहले गणना, खोज, प्रस्ताव, रैंक और संभावित पथों को प्राथमिकता देगा। उल्लिखित उत्तरी तारा वैज्ञानिकों, मॉडलों और प्रयोगों के बीच लगातार तेजी से लूप है।
कैसे क्वीन एक विश्व मॉडल को वास्तविक प्रयोगों से जोड़ता है
क्वाइन उस लूप की ओर पहला कदम है। इसमें दो फ्रंटियर घटक हैंः जीव विज्ञान का एक विश्व मॉडल और एक इंटरैक्टिव हार्नेस। हार्नेस मॉडल को ऑर्केस्ट्रेशन और तर्क के मॉडलों, वैज्ञानिक उपकरणों, साहित्य, गीली प्रयोगशाला और वैज्ञानिकों की टीमों से जोड़ता है। टीम द्वारा वर्णित कार्यप्रवाह में, एक प्रश्न प्रस्तावों का एक सेट बन जाता है; प्रस्ताव परीक्षण करने लायक डिजाइन बन जाते हैं; प्रयोग माप लौटाते हैं; और उन माप वैज्ञानिक के अगले सवाल और मॉडल दोनों को तेज करते हैं।
विश्व मॉडल अनुक्रम, संरचना, कार्य, सेलुलर स्थिति और इमेजिंग डेटा सहित जैविक तौर-तरीकों और तराजू पर साझा प्रतिनिधित्व सीखता है। इन तरीकों को एक साथ प्रशिक्षित करके, क्विन दूसरे में भविष्यवाणियों को सूचित करने के लिए एक से साक्ष्य का उपयोग कर सकते हैं, ऐसे रिश्तों को कैप्चर करते हुए जो अलग-अलग सिंगल-डोमेन विशेषज्ञ मॉडल केवल ऑर्केस्ट्रेट किए गए थे तो वे साइलो या खोए रह सकते हैं। यह मल्टीमोडल डिज़ाइन जीव विज्ञान की वास्तविकता को दर्शाता हैः किसी भी स्तर को समझने के लिए दूसरों से संदर्भ की आवश्यकता होती है। टीम रिपोर्ट करती है कि जुड़े प्रतिनिधियों के माध्यम से सीखने से इसे पतला करने के बजाय प्रदर्शन को मजबूत किया जाता है, जिससे व्यापक सामान्यीकरण और अधिक जैविक तर्क कार्यों को सक्षम बनाया जा सकता है।
जीव विज्ञान भी बहुआयामी है। साक्ष्य अणुओं से लेकर कोशिकाओं तक ऊतकों से लेकर रोगियों तक, वैज्ञानिक भाषा के साथ इसके नीचे चल रहे हैं। मोडल Project Quine ट्रेनों में जीनोमिक्स, प्रोटीन, रसायन शास्त्र, आरएनए और सेल स्टेट और बायोइमेजिंग शामिल हैं। प्रत्येक उस सीमा की एक अलग अवधि का निरीक्षण करता है, और स्पैन ओवरलैप करते हैं। स्टैक को पढ़ना जीनोटाइप से फेनोटाइम तक कारण पथ का अनुसरण करता है; भौतिक पैमाने पर पढ़ता है। क्योंकि मॉडल इन प्रतिनिधियों को अलग-अलग विशेषज्ञों को ऑर्केस्ट्रेट करने के बजाय संयुक्त रूप से सीखता है, इसलिए एक स्तर पर सबूत दूसरे पर भविष्यवाणियों को सूचित कर सकता है।
मॉडल को एक एकीकृत प्रणाली के अंदर रखकर जो कम्प्यूटेशनल प्रयोग का समर्थन करता है और पुनरावृत्ति से सीखता है, शोधकर्ता प्रयोगशाला परीक्षण से पहले जैविक हस्तक्षेपों के परिणामों के बारे में मोडल और तर्क पर भविष्यवाणियां उत्पन्न कर सकते हैं। टीम इस बात पर जोर देती है कि विश्व मॉडल को सही होने की आवश्यकता नहीं है। यह कहता है कि मॉडल कभी भी जीव विज्ञान को पूरी तरह से कैप्चर नहीं करेगा; इसे केवल प्रायोगिक डिजाइन को उपयोगी रूप से सूचित करने की आवश्यकता है।
अग्नाशय के ट्यूमर में कैंसर का परीक्षण
एक ठोस उदाहरण पैंक्रियाटिक डक्टल एडेनोकार्सिनोमा, या पीडीएसी से आता है, जो अग्नाशय के कैंसर का सबसे आम रूप है और इसका इलाज करना सबसे कठिन है। एमआईटी और हार्वर्ड Broad Institute में शोधकर्ताओं के साथ काम करते हुए, Microsoft Research ने लंबे समय तक चलने वाली परिकल्पना की जांच करने के लिए रोगी-व्युत्पन्न एक्स जीवो मॉडल विकसित करने और लागू करने में वर्षों बिताए हैंः ट्यूमर व्यवहार और दवा प्रतिक्रिया न केवल आनुवंशिकी पर निर्भर हो सकती है, बल्कि ट्रांसक्रिप्शनल सेल स्थिति पर भी निर्भर कर सकती है। पीडीਏसी में, ट्यूबर कोशिकाएं उपचार प्रतिक्रिया से जुड़े विभिन्न सेलुलर राज्यों पर कब्जा कर सकती हैं।
क्वीन के साथ, टीम ने उस परिकल्पना को एक व्यावहारिक परीक्षण में बदल दिया, यह पता लगाते हुए कि क्या कैंसर की गैर-आनुवांशिक विशेषताएं, विशेष रूप से सेल्युलर राज्य, कार्रवाई योग्य चिकित्सीय लक्ष्यों के रूप में कार्य कर सकते हैं। क्विन ने हजारों यौगिकों की भविष्यवाणी की और उनके उपचारात्मक प्रासंगिक राज्यों के बीच ट्यूमर कोशिकाओं को स्थानांतरित करने की क्षमता के आधार पर उन्हें प्राथमिकता दी। क्लासिकल से बेसल सेल स्टेट्स तक संक्रमण पर केंद्रित पीडीएसी सेल लाइनों का उपयोग करते हुए गीले लैब अध्ययनों में, क्वाइन के उच्चतम रैंकिंग वाले यौगिकाओं ने प्रयोगात्मक assays में सबसे बड़ी इच्छित प्रतिलेखन शिफ्ट का उत्पादन किया। पूरी प्रक्रिया pidसंयोजन खोज स्थान को तेजी से संकीर्ण करना, मुट्ठी भर आशाजनक उम्मीदवारों को प्राथमिकता देना, और प्रयोगशाला में उन्हें मान्य करना केवल एक सप्ताहांत लिया गया था, संभावित रूप से महीनों के प्रयोगात्मक काम और महत्वपूर्ण अनुसंधान लागत बचाया जा सकता है। कुछ मजबूत प्रभाव अप्रत्याशित क्रिया तंत्र के साथ यौगियों से आए थे, जो प्रारंभिक साक्ष्य प्रदान करते हैं AI जो नए दवा खोज और
मूल से शास्त्रीय कोशिका अवस्थाओं में उलटा संक्रमण अधिक कठिन साबित हुआ। क्वीन ने भविष्यवाणी की कि उपलब्ध यौगिकों का यह कमजोर प्रभाव होगा। प्रयोगों से कुछ ऐसा भी पता चला जो पूरी तरह से प्रत्याशित नहीं था: क्विन ने भविष्यवाणियां कीं कि कई संयुग्म लगातार कोशिकाओं को एक अलग तीसरे फेनोटाइप की ओर ले जाएंगे, और वह अवलोकन प्रयोगशाला में किया गया था। इससे पता चलता है कि अग्नाशय के कैंसर सेल-राज्य परिदृश्य सरल क्लासिकल-मूल अक्ष की तुलना में समृद्ध है। प्रयोग न केवल मॉडल की परिकल्पनाओं का परीक्षण करते हैं बल्कि नए लोगों को भी उत्पन्न करते हैं।
निरंतर कार्य इस समृद्ध परिदृश्य का प्रतिनिधित्व करने के लिए नए एकीकृत आरएनए डेटासेट और कार्यों का उपयोग करेगा, राज्य-संक्रमण भविष्यवाणियों को मजबूत करेगा, और कैलिब्रेटेड आत्मविश्वास अनुमान प्रदान करेगा जो वैज्ञानिकों को गीली प्रयोगशाला परीक्षण के लिए सबसे आशाजनक परिकल्पनाओं को प्राथमिकता देने में मदद करता है। Microsoft Research यह ठीक वैसा ही है जैसा कि क्विन ने समर्थन के लिए बनाया था। प्रयोग के प्रत्येक दौर से जीव विज्ञान की समझ में सुधार होता है, और प्रत्येक नई अंतर्दृष्टि प्रणाली की अगली पीढ़ी के लिए प्रशिक्षण संकेत बन सकती है।
प्रारंभिक पहुंच, सुरक्षा उपाय और अगली लूप
Microsoft Research इसने विज्ञान को स्वयं कैसे सुधारता है, इसे बेहतर बनाने के लिए क्विन का निर्माण किया। जैसे-जैसे प्रणाली विकसित हुई, टीम ने इसे चल रहे वैज्ञानिक कार्यक्रमों में एम्बेड कर दिया। प्रत्येक शोध प्रश्न, प्रयोगात्मक परिणाम और अप्रत्याशित खोज मॉडल को परिष्कृत करने, वर्कफ़्लो में सुधार करने और यह समझने का एक मौका बन गई कि AI अनुसंधान को सार्थक रूप से तेज कहां कर सकता है। समय के साथ, क्वीन कैंसर जीवविज्ञान, प्रोटीन इंजीनियरिंग, जीनोमिक्स और बायोइमेजिंग सहित कई डोमेन में खोज के लिए केंद्रीय हो गया।
टीम अब एक प्रारंभिक चरण में क्वीन का परिचय दे रही है। यह Microsoft Research के अपने काम से निकला था, लेकिन कंपनी कहती है कि विकास को अलगाव में जारी नहीं रखा जाना चाहिए। कई प्रश्न जो निर्धारित करेंगे कि क्वाइन आगे कहां जाता है, व्यापक वैज्ञानिक समुदाय की विशेषज्ञता, रचनात्मकता और दृष्टिकोण की आवश्यकता होती है। यही कारण है कि Quine Fellows कार्यक्रम जीव विज्ञान और चिकित्सा की सीमा पर काम करने वाले वैज्ञानिकों के लिए प्रणाली खोलता है।
उत्तरदायित्व पहले आता है, Microsoft Research कहते हैं। AI और जीव विज्ञान में प्रगति को सुरक्षा, सुरक्षा और जिम्मेदार प्रबन्धन के साथ मिलकर आगे बढ़ना चाहिए। टीम विकास और पहुंच के लिए एक जानबूझकर, चरणबद्ध दृष्टिकोण अपना रही है। शुरू में, उपलब्धता Quine Fellows कार्यक्रम और चयनित अनुसंधान सहयोगों तक सीमित है। चल रहे आंतरिक समीक्षा और अंतर्निहित सुरक्षात्मक उपायों का उद्देश्य सिस्टम विकसित होने पर उचित पर्यवेक्षण बनाए रखना है। जैसे-जैसे प्रौद्योगिकी परिपक्व होती है, टीम उत्पादों के माध्यम से पहुँच का विस्तार करने की उम्मीद करती है Microsoft Discovery
बेंचमार्क और लीडरबोर्ड आकर्षक उपाय हैं, और वे मायने रखते हैं। लेकिन Microsoft Research के फ्रेमिंग में असली परीक्षण यह है कि जब क्वीन विज्ञान से मिलता है तो वास्तव में इसका अभ्यास किया जाता है। क्या यह तब उपयोगी हो सकता है जब सबूत अधूरा होता है? क्या यह उन सवालों के साथ मदद कर सकता है जो पहले कभी नहीं पूछे गए थे? क्या इससे प्रश्न से खोज तक का रास्ता छोटा बन सकता है? महत्वाकांक्षा क्वाइन के लिए पृष्ठभूमि में पीछे हटने की है जबकि विज्ञान अग्रभूमि में तेजी से आगे बढ़ता है। केंद्रीय अभिनेता मॉडल या मंच नहीं हैं, बल्कि वैज्ञानिक और प्रयोग हैं।
मेटा विवरण: Microsoft Research पैंक्रियाटिक कैंसर में यौगिकों को प्राथमिकता देने के लिए Broad Institute के साथ परीक्षण किए गए एक जीव विज्ञान विश्व मॉडल और लैब हार्नेस क्विन का परिचय देता है।
टैगः क्विन, माइक्रोसॉफ्ट रिसर्च,AI जीवविज्ञान, ब्रॉड इंस्टीट्यूट, अग्नाशय कैंसर
विशेष रुप से प्रदर्शित छवि: संबद्ध जैविक तराजू का अमूर्त मैत्रीपूर्ण चित्रण, कोई वास्तविक लोग नहीं हैं, कोई लोगो नहीं है, कोई पाठ नहीं है।

Comments (0)