ভূমিকা
জুলাই ২০২৬-এ সায়েন্স (ভলিউম ৩৯৩, ইস্যু ৬৮০৬) জার্নালে প্রকাশিত একটি যুগান্তকারী গবেষণায়, গবেষকরা ট্রান্সক্রিপ্টফর্মার নামে একটি জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা মডেল উপস্থাপন করেছেন, যা ১.৫ বিলিয়ন বছরের বিবর্তন জুড়ে একটি ব্যাপক কোষ অ্যাটলাস তৈরি করতে সক্ষম। এই উদ্ভাবনী পদ্ধতি বিভিন্ন প্রজাতির কোষের অবস্থা ম্যাপ করতে গভীর শিক্ষা ব্যবহার করে, যা কোষের ধরন এবং জিন নিয়ন্ত্রক নেটওয়ার্কের বিবর্তনীয় উৎপত্তি সম্পর্কে অভূতপূর্ব অন্তর্দৃষ্টি প্রদান করে।
ট্রান্সক্রিপ্টফর্মার কী?
ট্রান্সক্রিপ্টফর্মার হল একটি জেনারেটিভ এআই মডেল যা বিস্তৃত জীবের মধ্যে জিন এক্সপ্রেশন প্রোফাইল পূর্বাভাস এবং পুনর্গঠনের জন্য ডিজাইন করা হয়েছে। একক-কোষ ট্রান্সক্রিপ্টোমিক্সের বিশাল ডেটাসেটে প্রশিক্ষণ নিয়ে, মডেলটি জিন নিয়ন্ত্রণের অন্তর্নিহিত প্যাটার্নগুলি শিখে যা বিবর্তনীয় সময় জুড়ে সংরক্ষিত বা ভিন্ন। ফলাফল হল একটি গতিশীল কোষ অ্যাটলাস যা কেবল পরিচিত কোষের ধরনগুলিই তালিকাভুক্ত করে না বরং পূর্বপুরুষ এবং মধ্যবর্তী কোষের অবস্থাও পূর্বাভাস দেয়।
মডেলটির আর্কিটেকচার ট্রান্সফরমার নেটওয়ার্কের উপর ভিত্তি করে তৈরি, যা GPT-এর মতো বড় ভাষা মডেলগুলিতে ব্যবহৃত হয়, তবে জৈবিক ক্রম ডেটার জন্য অভিযোজিত। এটি জিন এক্সপ্রেশন ডেটাকে একটি ভাষা হিসাবে প্রক্রিয়া করে, যেখানে প্রতিটি জিনের এক্সপ্রেশন স্তর একটি বাক্যের শব্দের মতো এবং কোষের প্রসঙ্গ ব্যাকরণ সরবরাহ করে। এটি ট্রান্সক্রিপ্টফর্মারকে পরীক্ষামূলকভাবে কখনও পর্যবেক্ষণ করা হয়নি এমন কোষগুলির জন্য সম্ভাব্য এক্সপ্রেশন প্রোফাইল তৈরি করতে দেয়, কার্যকরভাবে আমাদের বিবর্তনীয় বোঝার ফাঁক পূরণ করে।
মূল ফলাফল
গবেষণাটি দেখায় যে ট্রান্সক্রিপ্টফর্মার ১.৫ বিলিয়ন বছর বিবর্তন দ্বারা পৃথক জীব থেকে কোষের ধরনগুলি সঠিকভাবে পুনর্গঠন করতে পারে, যার মধ্যে প্রাণী, উদ্ভিদ, ছত্রাক এবং প্রোটিস্ট অন্তর্ভুক্ত। মডেলটি সর্বজনীনভাবে সংরক্ষিত মূল জিন নিয়ন্ত্রক প্রোগ্রামগুলি সনাক্ত করে, পাশাপাশি বংশ-নির্দিষ্ট উদ্ভাবনগুলি যা জটিল টিস্যু এবং অঙ্গগুলির জন্ম দিয়েছে।
সবচেয়ে আকর্ষণীয় ফলাফলগুলির মধ্যে একটি হল একটি সাধারণ পূর্বপুরুষ কোষের ধরনের পূর্বাভাস যা সম্ভবত শেষ ইউক্যারিওটিক সাধারণ পূর্বপুরুষ (LECA)-তে বিদ্যমান ছিল। এই অনুমানমূলক কোষের ধরনটি আধুনিক স্টেম কোষ এবং ইমিউন কোষে দেখা বৈশিষ্ট্যগুলির সংমিশ্রণ প্রদর্শন করে, যা ইঙ্গিত দেয় যে প্রাচীনতম ইউক্যারিওটগুলির কোষীয় পার্থক্যের একটি আদিম রূপ ছিল।
অতিরিক্তভাবে, ট্রান্সক্রিপ্টফর্মার প্রকাশ করে যে কীভাবে কিছু জিন নিয়ন্ত্রক নেটওয়ার্ক বিবর্তন জুড়ে পুনরায় উদ্দেশ্যে ব্যবহার করা হয়েছে। উদাহরণস্বরূপ, প্রাণীদের স্নায়বিক বিকাশের সাথে জড়িত জিনগুলি উদ্ভিদের চাপ প্রতিক্রিয়া নিয়ন্ত্রণকারী জিনগুলির সাথে সাদৃশ্য দেখায়, যা আপাতদৃষ্টিতে সম্পর্কহীন জৈবিক প্রক্রিয়াগুলির মধ্যে গভীর বিবর্তনীয় সংযোগ নির্দেশ করে।
পদ্ধতি
গবেষকরা ইউক্যারিওটিক জীবনের প্রধান শাখাগুলির প্রতিনিধিত্বকারী ১০০ টিরও বেশি প্রজাতি থেকে একক-কোষ RNA সিকোয়েন্সিং ডেটার একটি বিশাল ডেটাসেট সংকলন করেছেন। এই ডেটা ট্রান্সক্রিপ্টফর্মার মডেলকে স্ব-তত্ত্বাবধানে প্রশিক্ষণ দিতে ব্যবহৃত হয়েছিল, যেখানে মডেলটি আশেপাশের প্রসঙ্গের উপর ভিত্তি করে মুখোশযুক্ত জিন এক্সপ্রেশন মানগুলি পূর্বাভাস দিতে শিখেছে।
মডেলের পূর্বাভাসগুলি যাচাই করার জন্য, দলটি প্রশিক্ষণ সেটে অন্তর্ভুক্ত নয় এমন প্রজাতি থেকে পরীক্ষামূলকভাবে নির্ধারিত কোষ অ্যাটলাসের সাথে তাদের তুলনা করেছে। ট্রান্সক্রিপ্টফর্মার পরিচিত কোষের ধরনগুলি পুনর্গঠনে উচ্চ নির্ভুলতা অর্জন করেছে এবং অভিনব কোষের অবস্থাও চিহ্নিত করেছে যা পরে লক্ষ্যযুক্ত পরীক্ষার মাধ্যমে নিশ্চিত করা হয়েছে।
মডেলের জেনারেটিভ ক্ষমতাগুলি বিবর্তনীয় পরিস্থিতি অনুকরণ করে আরও পরীক্ষা করা হয়েছিল, যেমন এককোষী থেকে বহুকোষী জীবনে রূপান্তর। ট্রান্সক্রিপ্টফর্মার সফলভাবে মধ্যবর্তী কোষের ধরনগুলির পূর্বাভাস দিয়েছে যা এককোষী পূর্বপুরুষ এবং জটিল বহুকোষী জীবের মধ্যে ব্যবধান পূরণ করে, বিবর্তনীয় রূপান্তর অধ্যয়নের জন্য একটি গণনামূলক কাঠামো প্রদান করে।
জীববিজ্ঞান এবং ওষুধের জন্য প্রভাব
ট্রান্সক্রিপ্টফর্মারের মৌলিক জীববিজ্ঞান এবং ফলিত ওষুধ উভয়ের জন্যই সুদূরপ্রসারী প্রভাব রয়েছে। বিবর্তন জুড়ে কোষীয় বৈচিত্র্যের একটি ব্যাপক দৃষ্টিভঙ্গি প্রদান করে, মডেলটি কোষের কার্যকারিতার জন্য গুরুত্বপূর্ণ সংরক্ষিত জিন এবং পথগুলি সনাক্ত করতে সহায়তা করতে পারে। এই জ্ঞান ক্যান্সার এবং ডিজেনারেটিভ ডিসঅর্ডারের মতো কোষীয় কর্মহীনতা জড়িত রোগের জন্য নতুন থেরাপির বিকাশকে জানাতে পারে।
অধিকন্তু, ট্রান্সক্রিপ্টফর্মারের জেনারেটিভ প্রকৃতি গবেষকদের 'কী-যদি' পরিস্থিতি অন্বেষণ করতে দেয়, যেমন একটি কোষ কীভাবে জিনগত পরিবর্তন বা পরিবেশগত পরিবর্তনের প্রতিক্রিয়া জানাতে পারে। এটি অফ-টার্গেট প্রভাবগুলি পূর্বাভাস দিয়ে বা অভিনব ড্রাগ লক্ষ্যগুলি সনাক্ত করে ওষুধ আবিষ্কারকে ত্বরান্বিত করতে পারে।
গবেষণাটি বিবর্তনীয় উন্নয়নমূলক জীববিজ্ঞানের (evo-devo) জন্য নতুন পথও খুলে দেয়, যা বিজ্ঞানীদের কোষের ধরনের উৎপত্তি এবং জিনগত পরিবর্তনগুলি যা প্রধান বিবর্তনীয় উদ্ভাবনগুলিকে চালিত করেছে সে সম্পর্কে অনুমান পরীক্ষা করতে সক্ষম করে।
সীমাবদ্ধতা এবং ভবিষ্যত দিকনির্দেশনা
যদিও ট্রান্সক্রিপ্টফর্মার একটি বড় অগ্রগতির প্রতিনিধিত্ব করে, লেখকরা বেশ কয়েকটি সীমাবদ্ধতা স্বীকার করেছেন। মডেলের পূর্বাভাসগুলি কেবল প্রশিক্ষণ ডেটার মতোই ভাল, এবং প্রজাতির প্রতিনিধিত্ব বা পরীক্ষামূলক অবস্থার পক্ষপাত নির্ভুলতাকে প্রভাবিত করতে পারে। অতিরিক্তভাবে, মডেলটি এপিজেনেটিক পরিবর্তন বা পোস্ট-ট্রান্সক্রিপশনাল নিয়ন্ত্রণকে বিবেচনা করে না, যা কোষের পরিচয়ে গুরুত্বপূর্ণ ভূমিকা পালন করে।
ভবিষ্যতের কাজ কোষের অবস্থার আরও সামগ্রিক দৃষ্টিভঙ্গি তৈরি করতে ক্রোমাটিন অ্যাক্সেসিবিলিটি এবং প্রোটিন স্তর সহ মাল্টি-ওমিক্স ডেটা সংহত করার উপর ফোকাস করবে। গবেষকরা জীবনের গাছের কম অধ্যয়ন করা শাখাগুলি থেকে আরও প্রজাতি অন্তর্ভুক্ত করতে অ্যাটলাস প্রসারিত করার পরিকল্পনা করেছেন।
উপসংহার
ট্রান্সক্রিপ্টফর্মার গণনামূলক জীববিজ্ঞানে একটি নতুন যুগ চিহ্নিত করে, যেখানে জেনারেটিভ এআই উল্লেখযোগ্য বিশ্বস্ততার সাথে কোষের বিবর্তনীয় ইতিহাস পুনর্গঠন করতে পারে। ১.৫ বিলিয়ন বছরের বিবর্তন জুড়ে বিস্তৃত, এই কোষ অ্যাটলাস কোষীয় বৈচিত্র্য এবং জিন নিয়ন্ত্রণের নীতিগুলি বোঝার জন্য একটি ঐক্যবদ্ধ কাঠামো সরবরাহ করে। মডেলটি বিকশিত হতে থাকায়, এটি জীবনের কোষীয় ভিত্তি সম্পর্কে আমাদের বোঝার রূপান্তরিত করার প্রতিশ্রুতি দেয়।
এই নিবন্ধটি সায়েন্স (AAAS) দ্বারা রিপোর্টিংয়ের উপর ভিত্তি করে তৈরি। মূল নিবন্ধটি পড়ুন।
Originally published on science.org