హై-రిస్క్ వైరస్ గుర్తించే ఏఐ మోడల్స్

దిశ, ఫీచర్స్ : ‘కొవిడ్’ ప్రపంచాన్ని ఏ విధంగా భయాందోళనల్లోకి నెట్టిందో వేరే చెప్పనవసరం లేదు. ఆ మహమ్మారి ఏ జంతువు నుంచి మానవులకు విస్తరించిందో ఇప్పటికీ స్పష్టంగా తెలియలేదు. ‘కరోనా’ ప్రపంచానికి ఓ పాఠం కాగా, మరోసారి అలాంటి విపత్తును ముందుగానే గుర్తించడానికి శాస్త్రవేత్తలు, పరిశోధకులు అనేక పరిశోధనలు చేస్తున్నారు. ఈ క్రమంలోనే యూకేలోని గ్లాస్గో విశ్వవిద్యాలయానికి చెందిన పరిశోధకుల బృందం జంతువుల నుంచి హ్యుమన్ ఇన్‌ఫెక్షన్స్‌కు కారణమయ్యే వ్యాధులను ముందుగానే గుర్తించడానికి AI- పవర్డ్ […]

Update: 2021-10-03 02:54 GMT

దిశ, ఫీచర్స్ : ‘కొవిడ్’ ప్రపంచాన్ని ఏ విధంగా భయాందోళనల్లోకి నెట్టిందో వేరే చెప్పనవసరం లేదు. ఆ మహమ్మారి ఏ జంతువు నుంచి మానవులకు విస్తరించిందో ఇప్పటికీ స్పష్టంగా తెలియలేదు. ‘కరోనా’ ప్రపంచానికి ఓ పాఠం కాగా, మరోసారి అలాంటి విపత్తును ముందుగానే గుర్తించడానికి శాస్త్రవేత్తలు, పరిశోధకులు అనేక పరిశోధనలు చేస్తున్నారు. ఈ క్రమంలోనే యూకేలోని గ్లాస్గో విశ్వవిద్యాలయానికి చెందిన పరిశోధకుల బృందం జంతువుల నుంచి హ్యుమన్ ఇన్‌ఫెక్షన్స్‌కు కారణమయ్యే వ్యాధులను ముందుగానే గుర్తించడానికి AI- పవర్డ్ మెషిన్ లెర్నింగ్ మోడల్స్ నిర్మించారు.

కొవిడ్ 19 సహా, మానవులను ప్రభావితం చేసిన డజన్ల కొద్దీ ఇతర వైరస్‌లు జంతువుల వ్యాధులకు సంబంధించినవి. ఇటువంటి అనారోగ్యాలను ‘జూనోటిక్’ అంటారు. అయితే ఏ జంతు-ఆధారిత వ్యాధులు ప్రకృతి నుంచి ప్రజలకు దూకుతాయో గుర్తించడం పరిశోధకులకు చాలా కష్టం. కానీ మిలియన్ల సంవత్సరాల మానవ పరిణామం మనకు చాలా అధునాతనమైన రోగనిరోధక వ్యవస్థను అందించింది. ఈ నేపథ్యంలో 1.67 మిలియన్ జంతువుల వైరస్‌లు ఉండగా, అందులో కొన్ని మాత్రమే మానవులకు సోకుతాయి. అందువల్ల కొవిడ్ 19 పరిస్థితిని అంచనా వేయడం వారికి కష్టతరమైంది. ఈ విషయంలో గ్లాస్గో పరిశోధకుల బృందం ఏఐ(Artficial Intelligent)ని ఉపయోగించి ఈ ప్రక్రియను సులభతరం చేయాలని భావిస్తోంది. హై-రిస్క్ వైరస్‌లను ముందుగా గుర్తించడం లక్ష్యంగా దీన్ని రూపొందించారు.

వైరల్ జీనోమ్ సీక్వెన్స్‌లను ఉపయోగించి మెషిన్ లెర్నింగ్ మోడళ్లను అభివృద్ధి చేయడానికి, పరిశోధకులు మొదట 36 కుటుంబాలకు చెందిన 861 వైరస్ జాతుల డేటాసెట్‌ను సంకలనం(కంపైల్) చేశారు. మెషిన్ లెర్నింగ్ మోడల్స్ వైరస్ జన్యువులలోని నమూనాల ఆధారంగా హ్యుమన్ ఇన్‌ఫెక్షన్ సంభావ్యతను గుర్తిస్తుంది. కంప్యూటర్ నమూనాలు మానవులకు సోకే అవకాశం ఉన్న జూనోటిక్ వైరస్‌లను గుర్తించే ప్రాథమిక దశ మాత్రమేనని, ఫ్లాగ్ చేసిన వైరస్‌లకు నిర్ధారణ ప్రయోగశాల పరీక్షలు అవసరమని పరిశోధకులు అభిప్రాయపడ్డారు.

వైరస్ ఆవిష్కరణలో జన్యుశాస్త్రం పెరుగుతున్న ఉపయోగం, కొత్తగా కనుగొన్న వైరస్‌ల జీవశాస్త్రం గురించి తక్కువ పరిజ్ఞానం ఉన్నందున, మేము వైరల్ జన్యువులలో ఎన్కోడ్ చేయబడిన హోస్ట్ రేంజ్ సిగ్నేచర్స్ ఉపయోగించి జూనోస్‌లను గుర్తించే మోడల్స్ అభివృద్ధి చేశాం. వైరస్‌ల జన్యు శ్రేణి సాధారణంగా కొత్తగా కనుగొన్న వైరస్‌ల గురించి మొదటిది. మనం దాని నుంచి ఎంత ఎక్కువ సమాచారాన్ని సేకరించగలిగితే, వైరస్ మూలాలను, జూనోటిక్ ప్రమాదాన్ని మనం అంత త్వరగా గుర్తించగలం. మా మెషిన్ లెర్నింగ్ మోడల్స్ అత్యంత ప్రభావవంతమైనవి, అరుదైన వైరస్‌లను గుర్తించడంలో మరింత ప్రభావవంతంగా ఉంటాయి. మీరు లేదా నేను ఒక మిలియన్ వైరస్‌ల చిత్రాలను జల్లెడ పట్టడానికి ప్రయత్నించినట్లయితే సాధారణమైన వాటి గురించి తెలుసుకోవడానికే జీవితకాలం లేదా ఎక్కువ సమయం పడుతుంది. కానీ AI మెషిన్ మోడల్స్ వేగం వల్ల ఈ పని చాలా సులువుగా అవుతుంది. జూనోటిక్‌గా గుర్తించిన ఏదైనా వైరస్‌ను వైరాలజిస్ట్‌లకు ఫార్వార్డ్ చేయబడుతుంది, తర్వాత దానిని నిశితంగా తనిఖీ చేయవచ్చు’
– గ్లాస్గో పరిశోధకుల బృందం

Tags:    

Similar News