Skip to content
एआयने नुकतेच ५० वर्षे जीवशास्त्राला अडवणाऱ्या समस्येचे निराकरण करून नोबेल पारितोषिक जिंकले
एआय आणि तंत्रज्ञान

एआयने नुकतेच ५० वर्षे जीवशास्त्राला अडवणाऱ्या समस्येचे निराकरण करून नोबेल पारितोषिक जिंकले

चित्रण: tuput

मराठी

अर्ध्या शतकासाठी, एक प्रथिन कसे दुमडते हे शोधण्यासाठी वर्षानुवर्षे कष्टाचे प्रयोगशाळेतील काम लागत असे, आणि त्यांची संख्या अब्जावधी आहे. मग एका एआयने काही सेकंदात उत्तराचा अंदाज घ्यायला शिकले. त्याने आता जवळजवळ प्रत्येक ज्ञात प्रथिनाचा नकाशा तयार केला आहे, आणि ते औषधे डिझाइन करू लागले आहे.

· · 3 मिनिटांचे वाचन

प्रत्येक सजीव प्रथिनांवर चालतो. ते तुमचे अन्न पचवतात, तुमच्या रक्तात ऑक्सिजन वाहून नेतात, संसर्गांशी लढतात, आणि तुमच्या पेशींची रचना बांधतात. आणि एका प्रथिनाचे काम जवळजवळ पूर्णपणे एका गोष्टीने ठरवले जाते: त्याचा आकार.

अडचण अशी आहे की एक प्रथिन एक लांब साखळी म्हणून तयार होते जी नंतर स्वतःला, एका सेकंदाच्या अंशात, एका गुंतागुंतीच्या त्रिमितीय गाठीत दुमडते. फक्त साखळीवरून तो अंतिम आकार शोधणे हे संपूर्ण जीवशास्त्रातील सर्वात कठीण अनुत्तरित समस्यांपैकी एक होते. ५० वर्षे ते जगातील सर्वोत्तम शास्त्रज्ञांना विरोध करत राहिले.

मग एका एआयने ते सोडवले. आणि २०२४ मध्ये, त्या कामगिरीने रसायनशास्त्रातील नोबेल पारितोषिक जिंकले.

दुमडणे इतके कठीण का होते

एका वाक्यात समस्या: एक प्रथिन सैद्धांतिकदृष्ट्या शक्य आकारांच्या खगोलीय संख्येत दुमडू शकते, पण प्रत्यक्षात ते फक्त एकातच स्थिरावते. रासायनिक कृतीवरून कोणता ते ओळखणे भयंकर गुंतागुंतीचे आहे.

दशकांपासून, प्रथिनाची रचना शोधण्याचा एकमेव विश्वसनीय मार्ग म्हणजे ती प्रायोगिकरित्या ठरवणे: कष्टाची प्रयोगशाळा तंत्रे ज्यामुळे एका पीएचडी विद्यार्थ्याला एकच रचना निश्चित करण्यासाठी वर्षे लागू शकत. दरम्यान, जीवशास्त्राने शेकडो कोटी प्रथिनांच्या कृती अनुक्रमित केल्या होत्या ज्यांचे आकार गूढच राहिले होते. “आम्हाला माहीत असलेल्या कृती” आणि “आम्हाला समजणारे आकार” यामधील अंतर एक दरी होती.

अल्फाफोल्डचे आगमन

जी प्रणाली ती दरी बंद करते तिचे नाव अल्फाफोल्ड, एआय प्रयोगशाळा गुगल डीपमाइंडने बनवलेली. दुमडण्याच्या भौतिकशास्त्राचे अनुकरण करण्याऐवजी, ती शिकली. शास्त्रज्ञांनी कष्टाने सोडवलेल्या प्रथिनांच्या रचनांवर प्रशिक्षित होऊन, तिने स्वतःला साखळीला तिच्या अंतिम आकाराशी जोडणारे खोल नमुने शिकवले.

निकालाने क्षेत्राला थक्क केले. दीर्घकाळ चालणाऱ्या एका स्पर्धेत जिथे संघ प्रथिन रचनांचा अंदाज घेण्यासाठी स्पर्धा करतात, अल्फाफोल्ड जिंकले, आणि मोठ्या फरकाने: तिने इतके अचूक अंदाज तयार केले की ते संथ, महाग प्रयोगशाळा प्रयोगांशी बरोबरी करत. वर्षांत मोजल्या जाणाऱ्या समस्येने सेकंदांत मोजल्या जाणाऱ्या समस्येत रूपांतर झाले.

आपल्याला माहीत असलेले जवळजवळ प्रत्येक प्रथिन, नकाशित

मग डीपमाइंडने असे काही केले ज्याने परिणाम प्रचंड गुणिले: युरोपियन बायोइन्फॉरमॅटिक्स इन्स्टिट्यूटसोबत काम करून, तिने विज्ञानाकडे फाइलमध्ये असलेल्या मूलतः प्रत्येक प्रथिनावर (त्यापैकी २० कोटींहून अधिक) अल्फाफोल्ड चालवले आणि संपूर्ण डेटाबेस, मोफत, जगाला प्रकाशित केला.

रातोरात, जे संशोधक एका रचनेच्या मागे वर्षे घालवू शकले असते ते ती शोधू शकत होते. त्या डेटाबेसने तेव्हापासून १९० हून अधिक देशांमधील ३० लाखांहून अधिक वापरकर्ते आकर्षित केले आहेत, अँटिबायोटिक प्रतिकारापासून दुर्लक्षित उष्णकटिबंधीय रोगांपर्यंत प्लास्टिक कचरा तोडू शकणाऱ्या एंझाइम्सपर्यंत सर्व गोष्टींवरील कामाला पोषण देत.

२०२४ मध्ये, रसायनशास्त्रातील नोबेल पारितोषिकाने या कामाची दखल घेतली. निम्मे गेले डेव्हिड बेकर यांना पूर्णपणे नवीन प्रथिने शून्यापासून डिझाइन करण्याच्या तितक्याच कठीण कामगिरीसाठी. दुसरे निम्मे डीपमाइंडचे डेमिस हसाबिस आणि जॉन जम्पर यांनी वाटून घेतले, आधीपासून अस्तित्वात असलेल्या प्रथिनांच्या आकारांचा अंदाज घेण्यासाठी. पारितोषिक तीन व्यक्तींना गेले, एका यंत्राला नाही.

प्रथिने वाचण्यापासून औषधे डिझाइन करण्यापर्यंत

प्रथिनाचा आकार जाणणे केवळ शैक्षणिक नाही. बहुतेक आधुनिक औषधे एका विशिष्ट प्रथिनाला चिकटून काम करतात, एक कुलूप ज्यासाठी औषध किल्ली आहे. जर तुम्ही कुलूप तपशीलात पाहू शकलात, तर तुम्ही एक चांगली किल्ली डिझाइन करू शकता.

प्रणालीच्या नवीन आवृत्त्या आणखी पुढे जातात, केवळ प्रथिनाचा आकारच नव्हे तर ते इतर रेणूंशी कसे संवाद साधेल याचाही अंदाज घेतात, नेमके तेच उत्तर जे एका औषध डिझायनरला हवे असते. यामुळे औषध शोधाच्या संथ, नशिबावर अवलंबून असलेल्या सुरुवातीच्या टप्प्यांचे वेगवान आणि अधिक जाणीवपूर्वक अशा गोष्टीत रूपांतर होत आहे.

मोठा धडा

अल्फाफोल्डला चॅटबॉट्स आणि इमेज जनरेटरसोबत एकत्र करण्याचा मोह होतो, पण ही एआयबद्दलची एक वेगळी (आणि काही मार्गांनी अधिक महत्त्वाची) कथा आहे. हे विश्वासार्ह शब्द तयार करणारे यंत्र नाही. हे असे यंत्र आहे ज्याने एक खरी, दशकांपासून जुनी वैज्ञानिक समस्या सोडवली, प्रयोगकर्ते पडताळू शकतील असे उत्तर तयार केले, आणि निकाल संपूर्ण जगाला मोफत सुपूर्द केले.

हीच एआयची आवृत्ती आहे जिच्याबद्दल उत्साहित होण्यासारखे आहे: जी तुमचे ईमेल लिहिते ती नाही, तर जी शांतपणे प्रयोगशाळेत काय शक्य आहे ते पुन्हा लिहित आहे ती. अर्ध्या शतकासाठी जीवशास्त्राला अडवणारी समस्या मोठ्या प्रमाणात सुटली आहे, जरी पूर्णपणे बंद झालेली नाही. अल्फाफोल्ड तुम्हाला एक स्थिर आकार देते, आणि भरपूर प्रथिने नेमकी याच कारणासाठी महत्त्वाची आहेत की ती हलतात, किंवा त्यांना कोणताही निश्चित आकारच नसतो, किंवा एक बदललेले अक्षर त्यांचे वर्तन कसे बदलते. हे तेच भाग आहेत जिथे ती अजूनही चुकते. तीच पद्धत आता कर्करोगावर, नवीन अँटिबायोटिक्सवर, पिढ्यानपिढ्या आपल्याला विरोध करणाऱ्या रोगांवर लक्ष्य केली जात आहे.

यंत्रांनी जीवनाची भाषा वाचायला शिकले. आम्ही फक्त आता शोधायला सुरुवात करत आहोत की ते त्याने आम्हाला काय लिहायला मदत करतील.

Share
Copied!

स्रोत आणि पुढील वाचन

  1. The Nobel Prize in Chemistry 2024: NobelPrize.org
  2. Google DeepMind: AlphaFold
  3. Nature: Chemistry Nobel goes to developers of AlphaFold

हा लेख AI साधनांच्या मदतीने संशोधित आणि लिहिला गेला असून अचूकतेसाठी संपादित केला आहे. हा केवळ सर्वसाधारण माहिती आणि चर्चेसाठी आहे, व्यावसायिक सल्ला नाही. आमचे संपादकीय मानक आणि अस्वीकरण पाहा. चूक आढळली? आम्हाला कळवा.

#alphafold#deepmind#biology#nobel prize#drug discovery

आवडलं? पुढचा लेख मिळवा.

एका वेळी एक चांगला लेख, थेट तुमच्या इनबॉक्समध्ये. स्पॅम नाही, हवं तेव्हा थांबवा.

याच विभागात आणखी: एआय आणि तंत्रज्ञान
२०१६ ते २०२६ मधील ३३ विज्ञान नोबेल पारितोषिके कशासाठी होती, गुरुत्वीय लहरींपासून mRNA लसींपर्यंत आणि अल्फाफोल्डपर्यंत
गुरुत्वीय लहरी, जनुक संपादनाची कात्री, mRNA लसी आणि प्रथिने घडी घालणारे एक एआय, या सगळ्यांना या कालखंडात पारितोषिके मिळाली. ३३ पैकी प्रत्येक कशासाठी दिले गेले, ते प्रत्येकी एक-दोन वाक्यांत.
१ एप्रिल २०२६ पासून भारतात फक्त सुरक्षा-प्रमाणित नॉन-अॅनालॉग सीसीटीव्ही कॅमेऱ्यांच्या विक्रीला परवानगी आहे, आणि २५ मार्चपर्यंत ५०७ मॉडेल प्रमाणित झाली होती
हा नियम प्रत्येक ब्रँडला लागू होणारा तांत्रिक मानक म्हणून लिहिला आहे. त्याची कागदपत्रे कॅमेऱ्याला काय सिद्ध करावे लागते याची यादी देतात, कुलूपबंद डीबग पोर्टपासून स्वाक्षरीत फर्मवेअर अद्यतने आणि मागोवा घेता येणाऱ्या चिपपर्यंत, आणि तारखा दाखवतात की २०२४ ची अधिसूचना २०२६ ची विक्री मर्यादा कशी बनली.
भारताने स्टारलिंकसह तीन उपग्रह ब्रॉडबँड कंपन्यांना परवाने दिले आहेत, आणि भारतीय वाहतूक व डेटा देशातच राहावा अशा सुरक्षा अटी घातल्या आहेत
तीन कंपन्यांकडे परवाने आहेत, स्टारलिंक म्हणते की तिने २० गेटवे केंद्रे उभारली आहेत, आणि महसूलावर आधारित ५ टक्के स्पेक्ट्रम शुल्काला पहिली मंजुरी मिळाली आहे. परवाना हातात येण्यापासून डिश प्रत्यक्ष चालू होण्यापर्यंतचे टप्पे, क्रमाने आणि तारखांसह.
← सर्व लेख