स्टैनफोर्ड यूनिवर्सिटी और आर्क इंस्टीट्यूट के शोधकर्ताओं ने एक जनरेटिव एआई (generative AI) मॉडल का उपयोग करके शून्य से पूर्ण वायरल जीनोम डिजाइन करके एक ऐतिहासिक उपलब्धि हासिल की है। यह सफलता पारंपरिक जैविक खोज से कम्प्यूटेशनल डिजाइन के युग की ओर एक बदलाव का प्रतीक है, जहाँ एआई जीवन की संरचना को निर्धारित करता है।
Evo: जीनोमिक्स के लिए लार्ज लैंग्वेज मॉडल
इस शोध के केंद्र में Evo है, जो एक विशेष जनरेटिव मॉडल है जो लार्ज लैंग्वेज मॉडल (LLM) की तरह ही कार्य करता है, लेकिन डीएनए (DNA) की "भाषा" पर काम करता है। टेक्स्ट-आधारित मॉडलों के विपरीत, Evo को लाखों जीवों, जिनमें जानवर, पौधे, सूक्ष्मजीव और वायरस शामिल हैं, से प्राप्त लगभग नौ ट्रिलियन न्यूक्लियोटाइड्स के विशाल डेटासेट पर प्रशिक्षित किया गया था।
इसकी सटीकता को निखारने के लिए, शोधकर्ताओं ने दो चरणों वाली प्रशिक्षण प्रक्रिया का उपयोग किया। जीवन के वृक्ष (tree of life) के बुनियादी पैटर्न सीखने के बाद, Evo को phiX174 bacteriophage के 11 जीन और उसके लगभग 15,000 करीबी रिश्तेदारों का उपयोग करके प्रशिक्षण के दूसरे, विशेष दौर से गुजरना पड़ा। इसने मॉडल को कार्यात्मक, प्रतिकृति बनाने वाली (replicating) जैविक संस्थाओं को डिजाइन करने के लिए आवश्यक विशिष्ट बारीकियों में महारत हासिल करने की अनुमति दी।
700,000 प्रस्तावों से कार्यात्मक वायरस तक
Evo की जनरेटिव क्षमताओं का पैमाना विशाल है। मॉडल ने 700,000 संभावित वायरल जीनोम प्रस्तावित किए। शोध टीम ने फिर कठोर चयन के माध्यम से इन्हें कम किया, 285 अनुक्रमों (sequences) को डीएनए स्ट्रैंड के रूप में रासायनिक रूप से संश्लेषित किया और उन्हें E. coli बैक्टीरिया में डाल दिया।
परिणाम अत्यधिक सफल रहे: संश्लेषित किए गए 16 अनुक्रमों ने प्रतिकृति बनाने में सक्षम वायरस उत्पन्न किए। विशेष रूप से, ये एआई-जनरेटेड वायरस मौजूदा प्रजातियों के केवल "कमजोर" या दुर्बल संस्करण नहीं थे; वे प्राकृतिक वायरस जितने ही मजबूत थे, जिनमें से कुछ तो मूल phiX174 की तुलना में और भी तेजी से प्रतिकृति बना रहे थे। विशेषज्ञों ने उल्लेख किया कि एआई ने जीन क्रम और व्यवस्था में ऐसे अप्रत्याशित बदलाव भी किए जिन्हें मानव वैज्ञानिकों ने पहले कभी नहीं सोचा था।
दोधारी तलवार: चिकित्सा संबंधी सफलताएं बनाम जैव-सुरक्षा अंतराल
जैव प्रौद्योगिकी के लिए इसके निहितार्थ गहरे हैं। एआई-डिजाइन किए गए वायरस phage therapy—बहु-दवा प्रतिरोधी बैक्टीरिया को मारने के लिए वायरस का उपयोग करना—में क्रांति ला सकते हैं और आनुवंशिक सामग्री के लिए अधिक कुशल वितरण वाहन बनाकर gene therapy को बेहतर बना सकते हैं।
हालांकि, इस विकास ने वैश्विक जैव-सुरक्षा नियमों में एक महत्वपूर्ण "विसंगति" (disconnect) को उजागर किया है। वर्तमान अमेरिकी नेशनल इंस्टीट्यूट्स ऑफ हेल्थ (NIH) की नीतियां ज्ञात रोगजनकों (pathogens) को अधिक खतरनाक बनाने वाले प्रयोगों को प्रतिबंधित करने पर ध्यान केंद्रित करती हैं, लेकिन वे स्पष्ट रूप से विशुद्ध रूप से कम्प्यूटेशनल कार्य—कंप्यूटर पर वायरल डीएनए के डिजाइन—को कवर नहीं करती हैं। यह "अज्ञात" जोखिमों के लिए एक नियामक शून्य (regulatory vacuum) पैदा करता है: यदि कोई एआई एक नया, अत्यधिक संक्रामक रोगजनक डिजाइन करता है जो प्रकृति में कभी मौजूद नहीं रहा है, तो मौजूदा सुरक्षा उपाय खतरे की पहचान करने में विफल हो सकते हैं।
इसे कम करने के लिए, स्टैनफोर्ड टीम ने यह सुनिश्चित करके सक्रिय सुरक्षा उपाय लागू किए कि Evo को कभी भी मानव रोगजनकों या संबंधित पशु/पादप वायरस पर प्रशिक्षित नहीं किया गया, जिससे प्रभावी रूप से मॉडल को मानव को संक्रमित करने वाले जीनोम बनाने से रोका जा सके।
चिकित्सा के लिए यह परिणाम क्यों महत्वपूर्ण है
फेज थेरेपी (Phage therapy), जो एंटीबायोटिक-प्रतिरोधी बैक्टीरिया को लक्षित करने के लिए वायरस का उपयोग करती है, लंबे समय से प्राकृतिक फेज के सीमित टूलबॉक्स के कारण बाधित रही है। एक एआई जो नए, कुशल वायरल कैप्सिड (viral capsids) बना सकता है, वह उस टूलबॉक्स का नाटकीय रूप से विस्तार कर सकता है। इसी तरह, जीन-थेरेपी वेक्टर—अक्सर इंजीनियर किए गए वायरस जो कोशिकाओं में चिकित्सीय डीएनए पहुंचाते हैं—यदि मौजूदा उपभेदों (strains) से संशोधित करने के बजाय शून्य से डिजाइन किए जाएं, तो अधिक सटीक और कम इम्यूनोजेनिक (immunogenic) हो सकते हैं।
नियामक अंध बिंदु (blind spot) उजागर
अमेरिकी वित्त पोषण एजेंसियां वर्तमान में उन प्रयोगों को प्रतिबंधित करती हैं जो ज्ञात रोगजनकों को अधिक खतरनाक बनाते हैं, लेकिन वे विशुद्ध रूप से कम्प्यूटेशनल डिजाइन के माध्यम से नए रोगजनकों के निर्माण को स्पष्ट रूप से संबोधित नहीं करती हैं। Evo के काम ने उस क्लॉज (clause) को दरकिनार कर दिया क्योंकि मॉडल ने प्रशिक्षण के दौरान मानव को संक्रमित करने वाले वायरस कभी नहीं देखे थे; शोधकर्ताओं ने जानबूझकर किसी भी ऐसे अनुक्रम को बाहर रखा जो मानव रोगजनकों को जन्म दे सके। फिर भी, यह संभावना बनी हुई है कि बिना ऐसे सुरक्षा उपायों के, एक एआई ऐसा वायरस तैयार कर सकता है जिसका कोई प्राकृतिक पूर्ववृत्त (precedent) न हो—एक "सिंथेटिक अज्ञात" (synthetic unknown) जिसे मौजूदा समीक्षा बोर्ड पहचान न पाएं।
यह अंतर केवल अकादमिक नहीं है। यदि किसी मॉडल को वायरल डेटा के व्यापक सेट पर प्रशिक्षित करने की अनुमति दी जाती है, तो वह उच्च-संचरणशीलता या प्रतिरक्षा बचाव के बुनियादी तत्वों को सीख सकता है, और फिर एक ऐसा जीनोम आउटपुट कर सकता है जिसे एक बार संश्लेषित करने के बाद, महामारी स्तर का खतरा पैदा हो सकता है। वर्तमान निगरानी तंत्र वेट-लैब हेरफेर पर केंद्रित हैं; उनके पास इन सिलिको डिज़ाइन के जोखिमों का मूल्यांकन करने का स्पष्ट जनादेश नहीं है, जिसे दूरस्थ रूप से और बड़े पैमाने पर किया जा सकता है।
उत्पादित वायरस बैक्टीरियोफेज थे—ऐसे वायरस जो बैक्टीरिया को संक्रमित करते हैं, मनुष्यों को नहीं। उनका उपयोग मुख्य रूप से बैक्टीरिया नियंत्रण और प्रयोगशाला अनुसंधान तक सीमित है, जिससे तत्काल सार्वजनिक स्वास्थ्य संबंधी चिंताएं सीमित रहती हैं।
निष्कर्ष
Evo यह प्रदर्शित करता है कि AI प्रोटीन संरचनाओं की भविष्यवाणी करने से लेकर संपूर्ण, कार्यात्मक वायरल जीनोम का मसौदा तैयार करने तक आगे बढ़ सकता है। यह तकनीक दवा-प्रतिरोधी बैक्टीरिया से लड़ने और जीन थेरेपी प्रदान करने के लिए तेज़ और अधिक बहुमुखी उपकरणों का वादा करती है, लेकिन यह नियामकों को जोखिम के एक नए वर्ग का सामना करने के लिए भी मजबूर करती है: जीवन के ऐसे डिजिटल ब्लूप्रिंट जो प्रकृति में कभी अस्तित्व में नहीं रहे हैं।