চীনা বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের দল ওপেন-সোর্স RNA সিকোয়েন্স বেস মডেল structRFM চালু করেছে, যা 2.1 কোটি সিকোয়েন্স-স্ট্রাকচার জোড়া ডেটা দিয়ে প্রশিক্ষিত। এর অনেকগুলি মূল মেট্রিক্স আন্তর্জাতিক অগ্রগতির স্তরে পৌঁছেছে এবং এই অর্জনটি ন্যাচারে প্রকাশিত হয়েছে।লেখক এবং উৎস: AIBase
চীনা বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের গবেষণা দল সম্প্রতি জীববিজ্ঞান এবং কৃত্রিম বুদ্ধিমত্তার সংযোগস্থলে একটি গুরুত্বপূর্ণ অগ্রগতি অর্জন করেছে এবং structRFM নামে একটি ওপেন-সোর্স RNA সিকোয়েন্স বেস মডেল চালু করেছে। সংশ্লিষ্ট গবেষণামূলক ফলাফলগুলি সম্প্রতি আন্তর্জাতিকভাবে শীর্ষস্থানীয় বৈজ্ঞানিক পত্রিকা Nature-এ প্রকাশিত হয়েছে। বিশ্বব্যাপী গবেষণা পরিবেশের সমন্বিত উন্নতির জন্য, গবেষণা দল ঘোষণা করেছে যে এই মডেলের সম্পূর্ণ জোড়া ডেটা, মডেল ওয়েটস এবং সোর্স কোডটি সম্পূর্ণভাবে ওপেন-সোর্স করা হয়েছে, যা বিশ্বব্যাপী গবেষকদের জন্য কোনও বাধা�াড়া বিনামূল্যে ব্যবহারযোগ্য।
মূল পটভূমি: আরএনএ গবেষণা এবং নতুন ওষুধ উন্নয়নের মৌলিক চ্যালেঞ্জগুলি সমাধান করা
জীবদেহের একটি অত্যন্ত গুরুত্বপূর্ণ কেন্দ্রীয় বড় অণু হিসাবে, রিবোনিউক্লিক অ্যাসিড (RNA) জিন প্রকাশ এবং প্রোটিন সংশ্লেষণের সম্পূর্ণ জীবনচক্রে ব্যাপকভাবে অংশগ্রহণ করে এবং নিয়ন্ত্রণ করে, যা বর্তমানে বিশ্বব্যাপী নতুন ওষুধ গবেষণার একটি অপরিহার্য লক্ষ্য।
সূক্ষ্ম স্তরে, আরএনএ অণুগুলি ক্ষারক জোড়াগুলির মাধ্যমে জটিল দ্বিতীয় কাঠামো গঠন করে এবং তারপর নির্দিষ্ট ত্রিমাত্রিক কনফরমেশনে ভাঁজ হয়। এই ত্রিমাত্রিক এবং দ্বিতীয় কাঠামোগুলিই সরাসরি অণুর জৈবিক ক্রিয়াশীলতা এবং অন্যান্য অণুগুলির সাথে এর পারস্পরিক ক্রিয়াকে নির্ধারণ করে। তবে, দীর্ঘদিন ধরে, আরএনএ-এর কাঠামো এবং কার্যকারিতা সঠিকভাবে বিশ্লেষণ করা বায়োইনফরমেটিক্সের একটি চ্যালেঞ্জিং বিষয় ছিল।
আর্কিটেকচার এবং ডেটা: 21 মিলিয়ন পেয়ার ডেটা দ্বারা সঞ্চালিত ডুয়াল প্রি-ট্রেনিং
এই সমস্যার সমাধানের জন্য, চীনা বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের গবেষণা দল একটি নতুন পথ অনুসরণ করে প্রায় 21 মিলিয়নটি সূক্ষ্মভাবে গণনা করা সিকোয়েন্স-সেকেন্ডারি স্ট্রাকচার জোড়া ডেটা তৈরি করেছে, যা বড় মডেলের প্রশিক্ষণের জন্য বিপুল এবং উচ্চ-গুণগত ডেটা ভিত্তি প্রদান করেছে।
এই ভিত্তিতে, গবেষণা দল একটি নতুন অ্যালগরিদম ডিজাইন করেছে যা মডেলকে প্রি-ট্রেনিং পর্যায়ে সিকোয়েন্স কনটেক্সট এবং স্ট্রাকচারাল ডিপেনডেন্সি একসাথে শেখায়। গভীর প্রি-ট্রেনিংয়ের পর, এই মডেলটি অত্যন্ত সুবিধাজনক এবং সাধারণীকরণ ক্ষমতা প্রদর্শন করে: গবেষকদের কেবলমাত্র বেসিক সিকোয়েন্স ইনপুট দিতে হয়, এবং মডেলটি স্বয়ংক্রিয়ভাবে এবং সঠিকভাবে সিকোয়েন্স-লেভেল, নিউক্লিওটাইড-লেভেল এবং নিউক্লিওটাইড-পেয়ার-লেভেলের ট্রিপল ফিচারগুলি এক্সট্র্যাক্ট করে, যা বিভিন্ন স্ট্রাকচার এবং ফাংশনাল ইনফারেন্স টাস্কগুলির জন্য দক্ষভাবে সমর্থন করে।
পরীক্ষার ফলাফল: অনেকগুলি মূল সূচক আন্তর্জাতিক অগ্রণী স্তরে পৌঁছেছে
কঠোর পরীক্ষা এবং বেঞ্চমার্কিংয়ে, structRFM একটি অসাধারণ সম্পূর্ণ পারফরম্যান্স দেখিয়েছে:
শূন্য-নমুনা শ্রেণীবিভাগ এবং কাঠামো পূর্বানুমান: মডেলটি শূন্য-নমুনা সদৃশ্য শ্রেণীবিভাগ কাজে উত্তম পারফরম্যান্স দেখিয়েছে এবং আরএনএ দ্বিতীয় কাঠামো পূর্বানুমানের সঠিকতা উল্লেখযোগ্যভাবে বৃদ্ধি করেছে।
ত্রিমাত্রিক কনফরমেশন সমন্বিত অপ্টিমাইজেশন: যখন গবেষকরা তাদের নিষ্কাশিত বৈশিষ্ট্যগুলিকে ত্রিমাত্রিক স্ট্রাকচার প্রেডিকশন মডেলে অন্তর্ভুক্ত করেন, তখন ত্রিমাত্রিক স্ট্রাকচার এবং এর সংশ্লিষ্ট সেকেন্ডারি স্ট্রাকচারের চূড়ান্ত প্রেডিকশন উল্লেখযোগ্যভাবে উন্নত হয়।
জৈবিক কার্যক্রমের সঠিক অনুমান: বাস্তব প্রয়োগে ফাংশন অনুমানের ক্ষেত্রে, এই মডেলটি স্প্লাইসিং সাইট পূর্বানুমান, অন্তঃরীবোসোমাল প্রবেশ সাইট (IRES) শনাক্তকরণ এবং অ-কোডিং আরএনএ শ্রেণিবিভাগকে উত্তমভাবে সমর্থন করে।
অসাধারণ সাধারণীকরণ এবং বিস্তার ক্ষমতা: নতুন আবিষ্কৃত RNA পরিবারের ক্ষেত্রেও মডেলটি দ্বিতীয় কাঠামো পূর্বাভাসের উত্তম কার্যক্ষমতা বজায় রাখে; লচুর সেগমেন্টেশন কৌশলের মাধ্যমে, এটি দীর্ঘ অ-কোডিং RNA-এর শ্রেণিবদ্ধকরণ কাজেও প্রয়োগের সীমা বিস্তার করেছে।
এছাড়াও, গবেষণা দলটি সূক্ষ্ম অ্যাবলেশন পরীক্ষার মাধ্যমে স্ট্রাকচারাল ইনফরমেশনের প্রবেশ এবং মাস্কিং স্ট্র্যাটেজির মডেলের সামগ্রিক পারফরম্যান্স বৃদ্ধিতে কীভাবে মূল ভূমিকা পালন করে তা বৈজ্ঞানিকভাবে যাচাই করেছে, যা ভবিষ্যতের অ্যালগরিদম ডিজাইনের জন্য দৃঢ় পরীক্ষামূলক ডেটা সমর্থন প্রদান করে। এই মডেলটির সম্পূর্ণ ওপেন-সোর্সিংয়ের মাধ্যমে, বিশ্বব্যাপী গবেষকদল এই নতুন টুলটির ভিত্তিতে RNA স্ট্রাকচার বিশ্লেষণ এবং অগ্রণী বায়োমেডিকেল গবেষণা ত্বরান্বিত করতে পারবে।