স্ট্যানফোর্ড ইউনিভার্সিটি এবং আর্ক ইনস্টিটিউটের গবেষকরা একটি জেনারেটিভ এআই (generative AI) মডেল ব্যবহার করে সম্পূর্ণ ভাইরাস জিনোম শূন্য থেকে ডিজাইন করে একটি ঐতিহাসিক মাইলফলক অর্জন করেছেন। এই যুগান্তকারী আবিষ্কারটি প্রথাগত জৈবিক আবিষ্কার থেকে কম্পিউটেশনাল ডিজাইনের যুগে একটি পরিবর্তনের ইঙ্গিত দেয়, যেখানে এআই জীবনের গঠন বা আর্কিটেকচার নির্ধারণ করে।

Evo: জিনোমিক্সের জন্য লার্জ ল্যাঙ্গুয়েজ মডেল

এই গবেষণার মূলে রয়েছে Evo, একটি বিশেষায়িত জেনারেটিভ মডেল যা একটি লার্জ ল্যাঙ্গুয়েজ মডেলের (LLM) মতো কাজ করে তবে এটি ডিএনএ (DNA)-এর "ভাষার" ওপর ভিত্তি করে কাজ করে। টেক্সট-ভিত্তিক মডেলের বিপরীতে, Evo-কে প্রায় নয় ট্রিলিয়ন নিউক্লিওটাইড সমৃদ্ধ একটি বিশাল ডেটাসেটের ওপর প্রশিক্ষণ দেওয়া হয়েছে, যা প্রাণী, উদ্ভিদ, অণুজীব এবং ভাইরাসসহ লক্ষ লক্ষ জীব থেকে সংগ্রহ করা হয়েছে।

এর নির্ভুলতা বৃদ্ধির জন্য গবেষকরা একটি দ্বি-স্তরীয় প্রশিক্ষণ প্রক্রিয়া ব্যবহার করেছেন। জীবনের বৃক্ষের (tree of life) মৌলিক প্যাটার্নগুলো শেখার পর, Evo-কে phiX174 bacteriophage-এর ১১টি জিন এবং এর প্রায় ১৫,০০০ নিকটতম আত্মীয় ব্যবহার করে প্রশিক্ষণের দ্বিতীয় একটি বিশেষ পর্যায়ে নিয়ে যাওয়া হয়। এটি মডেলটিকে কার্যকরী এবং প্রতিলিপি তৈরি করতে সক্ষম জৈবিক সত্তা ডিজাইন করার জন্য প্রয়োজনীয় সুনির্দিষ্ট সূক্ষ্মতা আয়ত্ত করতে সাহায্য করেছে।

৭০০,০০০ প্রস্তাবনা থেকে কার্যকরী ভাইরাস

Evo-এর জেনারেটিভ ক্ষমতার পরিধি বিশাল। মডেলটি ৭০০,০০০ সম্ভাব্য ভাইরাস জিনোম প্রস্তাব করেছিল। এরপর গবেষণা দলটি কঠোর নির্বাচনের মাধ্যমে এগুলোকে সীমিত করে আনে এবং ২৮৫টি সিকোয়েন্সকে ডিএনএ স্ট্র্যান্ড হিসেবে রাসায়নিকভাবে সংশ্লেষণ করে তা E. coli ব্যাকটেরিয়ার মধ্যে প্রবেশ করায়।

ফলাফল ছিল অত্যন্ত সফল: সংশ্লেষিত সিকোয়েন্সগুলোর মধ্যে ১৬টি সিকোয়েন্স প্রতিলিপি তৈরি করতে সক্ষম ভাইরাস তৈরি করেছে। উল্লেখযোগ্যভাবে, এই এআই-জেনারেটেড ভাইরাসগুলো বিদ্যমান প্রজাতির কোনো "দুর্বল" বা অসুস্থ সংস্করণ ছিল না; এগুলো প্রাকৃতিক ভাইরাসের মতোই শক্তিশালী ছিল এবং কিছু ভাইরাস এমনকি মূল phiX174-এর চেয়েও দ্রুত প্রতিলিপি তৈরি করছিল। বিশেষজ্ঞরা উল্লেখ করেছেন যে, এআই এমনকি জিনের ক্রম এবং বিন্যাসে এমন কিছু অপ্রত্যাশিত পরিবর্তন এনেছে যা মানব বিজ্ঞানীরা আগে কখনও বিবেচনা করেননি।

দুধারী তলোয়ার: চিকিৎসা বিজ্ঞানের যুগান্তকারী সাফল্য বনাম বায়োসেফটি বা জৈব-নিরাপত্তার ঘাটতি

বায়োটেকনোলজির ক্ষেত্রে এর প্রভাব অত্যন্ত গভীর। এআই-ডিজাইন করা ভাইরাস phage therapy—বহু-ওষুধ প্রতিরোধী ব্যাকটেরিয়া ধ্বংস করতে ভাইরাস ব্যবহার করা—এ বিপ্লব ঘটাতে পারে এবং জেনেটিক উপাদানের জন্য আরও দক্ষ ডেলিভারি বাহন তৈরির মাধ্যমে gene therapy-কে উন্নত করতে পারে।

তবে, এই উন্নয়নটি বিশ্বব্যাপী বায়োসেফটি বা জৈব-নিরাপত্তা সংক্রান্ত নিয়মনীতির একটি গুরুত্বপূর্ণ "বিচ্ছিন্নতা" বা ঘাটতি সামনে এনেছে। বর্তমান মার্কিন ন্যাশনাল ইনস্টিটিউটস অফ হেলথ (NIH)-এর নীতিগুলো পরিচিত রোগজীবাণুগুলোকে আরও বিপজ্জনক করে তোলে এমন পরীক্ষা নিষিদ্ধ করার ওপর গুরুত্ব দেয়, কিন্তু এগুলো বিশুদ্ধভাবে কম্পিউটেশনাল কাজ—অর্থাৎ কম্পিউটারে ভাইরাসের ডিএনএ ডিজাইন করা—কে স্পষ্টভাবে অন্তর্ভুক্ত করে না। এটি "অজানা" ঝুঁকির ক্ষেত্রে একটি নিয়ন্ত্রক শূন্যতা তৈরি করে: যদি একটি এআই এমন একটি নতুন এবং অত্যন্ত সংক্রামক রোগজীবাণু ডিজাইন করে যা প্রকৃতিতে কখনও ছিল না, তবে বিদ্যমান সুরক্ষা ব্যবস্থা সেই হুমকি শনাক্ত করতে ব্যর্থ হতে পারে।

এটি প্রশমিত করতে, স্ট্যানফোর্ড টিম আগাম নিরাপত্তা ব্যবস্থা গ্রহণ করেছে এবং নিশ্চিত করেছে যে Evo-কে কখনোই মানুষের রোগজীবাণু বা সংশ্লিষ্ট প্রাণী/উদ্ভিদ ভাইরাসের ওপর প্রশিক্ষণ দেওয়া হয়নি, যা কার্যকরভাবে মডেলটিকে মানুষের শরীরে সংক্রমণ ঘটাতে পারে এমন জিনোম তৈরি করা থেকে বিরত রাখে।

কেন এই ফলাফল চিকিৎসার জন্য গুরুত্বপূর্ণ

ফাজ থেরাপি (Phage therapy), যা অ্যান্টিবায়োটিক-প্রতিরোধী ব্যাকটেরিয়াকে লক্ষ্য করতে ভাইরাস ব্যবহার করে, তা দীর্ঘকাল ধরে প্রাকৃতিক ফাজের সীমিত সংগ্রহের কারণে বাধাগ্রস্ত হয়ে আসছে। একটি এআই যদি নতুন এবং দক্ষ ভাইরাল ক্যাপসিড (viral capsids) তৈরি করতে পারে, তবে তা সেই সংগ্রহের পরিধি নাটকীয়ভাবে বাড়িয়ে দিতে পারে। একইভাবে, জিন-থেরাপি ভেক্টর—যা প্রায়শই কোষের মধ্যে থেরাপিউটিক ডিএনএ পৌঁছে দেওয়ার জন্য প্রকৌশল করা ভাইরাস—যদি বিদ্যমান স্ট্রেন থেকে পরিবর্তন না করে একেবারে শূন্য থেকে ডিজাইন করা হয়, তবে সেগুলো আরও নির্ভুল এবং কম ইমিউনোজেনিক (immunogenic) হতে পারে।

নিয়ন্ত্রক ব্যবস্থার অন্ধস্থান উন্মোচিত

মার্কিন অর্থায়ন সংস্থাগুলো বর্তমানে পরিচিত রোগজীবাণুগুলোকে আরও বিপজ্জনক করে তোলে এমন পরীক্ষাগুলো সীমিত করে রাখে, কিন্তু তারা বিশুদ্ধভাবে কম্পিউটেশনাল ডিজাইনের মাধ্যমে নতুন রোগজীবাণু তৈরির বিষয়টি স্পষ্টভাবে মোকাবিলা করে না। Evo-এর কাজ সেই ধারাটিকে এড়িয়ে গেছে কারণ প্রশিক্ষণের সময় মডেলটি মানুষের শরীরে সংক্রমণ ঘটায় এমন ভাইরাস দেখেনি; গবেষকরা উদ্দেশ্যমূলকভাবে এমন যেকোনো সিকোয়েন্স বাদ দিয়েছিলেন যা মানুষের রোগজীবাণু সৃষ্টি করতে পারে। তা সত্ত্বেও, এই সম্ভাবনা থেকে যায় যে, এআই যদি এই ধরনের সুরক্ষা ব্যবস্থা না থাকে, তবে এমন একটি ভাইরাস উদ্ভাবন করতে পারে যার কোনো প্রাকৃতিক পূর্বপ্রমাণ নেই—একটি "সিন্থেটিক আননোন" (synthetic unknown) যা বিদ্যমান পর্যালোচনা বোর্ডগুলো শনাক্ত করতে নাও পারে।

এই ব্যবধানটি কেবল তাত্ত্বিক নয়। যদি একটি মডেলকে আরও বিস্তৃত ভাইরাস সংক্রান্ত তথ্যের ওপর প্রশিক্ষণ দেওয়ার অনুমতি দেওয়া হয়, তবে এটি উচ্চ সংক্রমণ ক্ষমতা বা রোগ প্রতিরোধ ক্ষমতা ফাঁকি দেওয়ার মূল উপাদানগুলো শিখে নিতে পারে; এরপর এমন একটি জিনোম তৈরি করতে পারে যা সংশ্লেষিত হওয়ার পর মহামারীর মতো বড় হুমকি হয়ে দাঁড়াতে পারে। বর্তমান তদারকি ব্যবস্থাগুলো মূলত ওয়েট-ল্যাব ম্যানিপুলেশনের ওপর গুরুত্ব দেয়; ইন সিলিকো (in silico) ডিজাইনের ঝুঁকি মূল্যায়নের জন্য তাদের কাছে কোনো স্পষ্ট নির্দেশিকা নেই, যা দূর থেকে এবং ব্যাপকভাবে সম্পন্ন করা সম্ভব।

উৎপাদিত ভাইরাসগুলো ছিল ব্যাকটেরিওফ্যাজ—এমন ভাইরাস যা ব্যাকটেরিয়াকে আক্রমণ করে, মানুষকে নয়। এদের উপযোগিতা মূলত ব্যাকটেরিয়া নিয়ন্ত্রণ এবং ল্যাবরেটরি গবেষণার মধ্যেই সীমাবদ্ধ, যা তাৎক্ষণিক জনস্বাস্থ্য সংক্রান্ত উদ্বেগ কমিয়ে দেয়।

সারকথা

Evo প্রমাণ করে যে AI প্রোটিনের গঠন পূর্বাভাস দেওয়া থেকে শুরু করে সম্পূর্ণ এবং কার্যকর ভাইরাস জিনোম তৈরির পর্যায়ে পৌঁছে যেতে পারে। এই প্রযুক্তিটি ওষুধ-প্রতিরোধী ব্যাকটেরিয়ার বিরুদ্ধে লড়াই এবং জিন থেরাপি প্রদানের জন্য দ্রুততর ও বহুমুখী সরঞ্জাম প্রদানের প্রতিশ্রুতি দেয়, তবে এটি নিয়ন্ত্রক সংস্থাগুলোকে এক নতুন ধরনের ঝুঁকির মুখোমুখি হতে বাধ্য করে: জীবনের এমন ডিজিটাল ব্লুপ্রিন্ট যা প্রকৃতিতে কখনও ছিল না।