కంప్యూటర్‌కు బుర్ర!

మన మెదడు అద్భుతమైంది. హేతుబద్ధంగా వ్యవహరిస్తుంది. కార్య కారణాలను విశ్లేషించి ఒక నిర్ణయానికి వస్తుంది. ఉచితానుచితాలను బేరీజు వేస్తుంది. ఏ పని ఎలా చేస్తే ఎలాంటి ఫలితం వస్తుందో పసిగడుతుంది. శాస్త్ర పరిశోధనల్లో ఇలాంటి నైపుణ్యం మరింత అవసరం. ఏయే రసాయనాలు ఎంత మోతాదుల్లో సమ్మిళితమైతే ఏమేమి పుట్టుకొస్తాయో అంచనా వేసుకుంటూ.. తప్పులను సవరించుకుంటూ శాస్త్రవేత్తలు ప్రయోగాలు చేస్తుంటారు. విజ్ఞానం, అనుభవాలను రంగరించి కొంగొత్త ఆవిష్కరణలు చేస్తుంటారు. అయితే మన మెదడుకు, ఆలోచనలకు కొన్ని పరిమితులు లేకపోలేదు. పరిశోధనల్లో జాప్యాలకు ఇదే ప్రధాన కారణం. మరి కంప్యూటర్‌కే బుర్రను.. అదే నేర్చుకునే విద్యను ప్రసాదిస్తే? వందల ఏళ్లు పట్టే పరిశోధనలు కొన్ని వారాల్లోనే సాధ్యమవుతాయి. ఇటీవలి ఓ ప్రయోగమే దీనికి నిదర్శనం.

అది 1889. ఫ్రెంచి వైద్యుడు ఫ్రాంకోయిస్‌-గిల్బర్ట్‌ వయాల్ట్‌ అప్పుడే ఏండ్స్‌ పర్వతం నుంచి కిందికి దిగారు. చేతి నుంచి రక్తం చుక్కను తీసి మైక్రోస్కోప్‌తో పరీక్షించారు. ఆక్సిజన్‌ను మోసుకెళ్లే ఎర్ర రక్తకణాల మోతాదులు 42% పెరిగినట్టు గుర్తించారు. దీని ఆధారంగా ఆయన ఒక విషయాన్ని గుర్తించారు. మన శరీరానికి అద్భుతమైన, అదృశ్య శక్తి ఏదో ఉందని.. అవసరమైన సమయాల్లో కీలకమైన ఎర్ర రక్తకణాలను తనే పుట్టించుకుంటుందని తేల్చారు.

అనంతరం చాలా ఏళ్ల తర్వాత- రక్తకణాల సంఖ్య పెరగటానికి ఒక హార్మోన్‌ కారణమని శాస్త్రవేత్తలు సిద్ధాంతీకరించారు. ఆ హార్మోన్‌ను ఊహాత్మకంగా ఎరిత్రోపాయిటిన్‌ అని పిలుచుకున్నారు. ఎరిత్రోపాయిటిన్‌ అంటే గ్రీకులో ఎర్ర గుర్తు అని అర్థం. మరో ఏడు దశాబ్దాల తర్వాత పరిశోధకులు ఎరిత్రోపాయిటిన్‌ను నిజంగా గుర్తించారు. అదీ 670 గ్యాలన్ల మూత్రాన్ని వడపోసి.

ఆ తర్వాత.. 50 ఏళ్లకు ఇజ్రాయెల్‌ జీవశాస్త్రవేత్తలు ఓ అరుదైన కిడ్నీ కణాన్ని గుర్తించామని ప్రకటించారు. ఇది శరీరంలో ఆక్సిజన్‌ మోతాదులు పడిపోయినప్పుడు ఎరిత్రోపాయిటిన్‌ హార్మోన్‌ను ఉత్పత్తి చేస్తోందని తేల్చారు. ఈ కణానికి నార్న్‌ సెల్‌ అని పేరు పెట్టారు. మనిషి అదృష్టాన్ని నియంత్రించే నార్సే దేవతల పేరును స్ఫురించేలా ఈ పేరును నిర్ణయించారు.

ఫ్రాంకోయిస్‌-గిల్బర్ట్‌ దగ్గరి నుంచి ఇజ్రాయెల్‌ పరిశోధకులు నార్న్‌ కణాలను గుర్తించేవరకూ పట్టిన కాలం 134 సంవత్సరాలు. అయితే ఇదే విషయాన్ని కాలిఫోర్నియాలోని కంప్యూటర్లు కేవలం ఆరు వారాల్లోనే కనుగొనటం విశేషం! అమెరికాలోని స్టాన్‌ఫోర్డ్‌ యూనివర్సిటీ పరిశోధకులు కంప్యూటర్లకు జీవశాస్త్రాన్ని బోధించటం ద్వారా దీన్ని సాధించటం గమనార్హం.

నేర్చుకునే ప్రతిభ

యూనివర్సల్‌ సెల్‌ ఎంబెడింగ్‌ మోడల్‌ ఫలదీకరణ చెందిన ఒక అండం నుంచి కణాలు ఎలా వృద్ధి చెందుతున్నాయనే దానికి సంబంధించీ కొన్ని ముఖ్య విషయాలను నేర్చుకుంది. ఉదాహరణకు- శరీరంలోని అన్ని కణాలను పిండం తొలిదశ నుంచి వచ్చిన మూడు పొరలుగా వర్గీకరించొచ్చని గుర్తించటం ఇందులో ఒకటి. ఒకరకంగా దీన్ని డెవలప్‌మెంటల్‌ బయాలజీ పునరావిష్కణగా భావించొచ్చు. ఈ మోడల్‌ తను గుర్తించిన విషయాలను కొత్త జాతులకు వర్తింపజేయగలదు కూడా. ఉదాహరణకు- తను ఇంతకుముందు చూడని ఎలుకల వంటి జీవుల కణాల్లోని జన్యు సమాచారాన్నీ విశ్లేషించగలదు! అంటే పూర్తిగా కొత్త ప్రాణులను మన ముందుంచగలదన్నమాట. వీటి సమాచారాన్ని వివిధ ప్రయోగాలకు, పరీక్షలకు వాడుకోవచ్చు.

ముడి సమాచారంతోనే శిక్షణ

స్టాన్‌ఫోర్డ్‌ యూనివర్సిటీ పరిశోధకులు తమ పరిశోధనలో ఛాట్‌జీపీటీ వంటి కృత్రిమ మేధ ప్రోగ్రామ్‌తో పనిచేసే కంప్యూటర్లను వాడుకున్నారు.  సాధారణంగా ఛాట్‌జీపీటీ¨ వంటి పరిజ్ఞానాలకు అప్పటికే ఇంటర్నెట్‌లో పెద్దఎత్తున అందుబాటులో ఉన్న టెక్స్ట్‌ వంటి సమాచారంతో శిక్షణ ఇస్తుంటారు. కానీ స్టాన్‌ఫోర్డ్‌ పరిశోధకులు తమ కంప్యూటర్లకు ముడి సమాచారంతోనే శిక్షణ ఇవ్వటం విచిత్రం. కణాల పనితీరు గురించి కంప్యూటర్లకు తెలియజేయలేదు. వేర్వేరు కణాలు వేర్వేరు జీవరసాయనాలను కలిగుంటాయనే విషయాన్నీ చెప్పలేదు. ఉదాహరణకు- కంట్లో ఏయే కణాలు కాంతిని గ్రహిస్తాయి? ఏయే కణాలు యాంటీ బాడీలను తయారుచేస్తాయి? ఇలాంటి విషయాలేవీ వివరించలేదు. అయినా కూడా కోట్లాది సంఖ్యలో కణాలు, వాటి రసాయనాలు, జన్యువుల సమాచారం ఆధారంగానే కంప్యూటర్లు కొత్త విషయాన్ని గుర్తించటం చిత్రాతిచిత్రం. ఇవి మన మాదిరిగానే సమాచారాన్ని తమకుతామే విశ్లేషించి, మథించుకున్నాయి. ఇతర కణాలతో పోలికను బట్టి అన్ని కణాల నమూనాలను సృష్టించుకున్నాయి. కొత్త కొత్త విషయాలను అద్భుతంగా నేర్చుకున్నాయి. అంతకుముందు వాటికి తెలియని కొత్త కణాలను వర్గీకరించాయి. వాటిల్లో ఒక కణమే నార్న్‌ సెల్‌.

అత్యద్భుతమే..

కిడ్నీల్లో నార్న్‌ కణముంటుందని ముందుగా  కంప్యూటర్లకు తెలపకపోయినా అవి కణాన్ని గుర్తించటమంటే మాటలు కాదు. ఇదెలా సాధ్యమైందంటే యూనివర్సల్‌ సెల్‌ ఎంబెడింగ్‌ (యూసీఈ) అనే మోడల్‌తో. ఇదో రకమైన కృత్రిమ మేధ (ఏఐ) ఆధారిత ఫౌండేషన్‌ మోడల్‌. జీవశాస్త్ర ప్రాథమిక సూత్రాల మీద రూపొందించిన దీన్ని కంప్యూటర్లలో నిక్షిప్తం చేశారు. ఇదే కణాల సమాచారాన్ని విశ్లేషించి నార్న్‌ కణాన్ని గుర్తించటానికి తోడ్పడింది. గణన సామర్థ్యాలు ఇనుమడిస్తున్నకొద్దీ ఇది మెరుగువుతూ రాగలదని.. కొంగొత్త ఆవిష్కరణలకు తోడ్పడగలదని ఆశిస్తున్నారు. ప్రపంచంలోనే అతి భారీ కణ డేటాబేస్‌ ‘సెల్‌ఎక్స్‌జీన్‌’ స్థాపనకు సాయం చేసిన అనంతరం స్టాన్‌ఫోర్డ్‌ బృందం యూసీఈ మీద దృష్టి సారించింది. మెసెంజర్‌ ఆర్‌ఎన్‌ఏ అనే జన్యు పదార్థాన్ని దృష్టిలో పెట్టుకొని మొత్తం 3.3 కోట్ల కణాల సమాచారంతో శిక్షణ ఇచ్చింది. జన్యువుల నుంచి పుట్టుకొచ్చే ప్రొటీన్ల 3డీ ఆకృతులనూ అందించింది. వీటి ఆధారంగానే యూసీఈ మోడల్‌ సారూప్యం గల కణాలను గణించింది. వాటిని వెయ్యికి పైగా సముచ్ఛయాలుగా వర్గీకరించింది. ఇవి ఇన్నాళ్లుగా జీవశాస్త్రవేత్తలు కనుగొన్న కణాల రకాలను ప్రతిబింబిస్తుండటం విశేషం.

అచ్చం శాస్త్రవేత్తల మాదిరిగా

నార్న్‌ కణాలను యూసీఈ గుర్తించిన తర్వాత సెల్‌ఎక్స్‌జీన్‌ డేటాబేస్‌ను శాస్త్రవేత్తలు విశ్లేషించారు. కంప్యూటర్లు ఈ కణాలను ఎక్కడి నుంచి గ్రహించాయోనని నిశితంగా పరిశీలించారు. ఇవి చాలావరకూ కిడ్నీలకు చెందినవే అయినా కొన్ని ఊపిరితిత్తుల వంటి ఇతర అవయాల నుంచీ సంగ్రహించినట్టు గుర్తించారు. ఒక్క కిడ్నీల్లోనే కాకుండా శరీరమంతటా ఇతర అవయవాల్లోనూ నార్న్‌ కణాలు విస్తరించి ఉండొచ్చనే విషయాన్ని ఇది సూచిస్తోంది. ఇప్పటివరకూ ఈ సంగతి మనకు తెలియనే తెలియదు. ఇది శాస్త్రవేత్తలకే ఆశ్చర్యం కలిగిస్తోంది. ఎందుకంటే కిడ్నీల్లో తప్ప శరీరంలో మరెక్కడా ఎరిత్రోపాయిటిన్‌ హార్మోన్‌ కనిపించదు. యూసీఈ మోడల్‌ ఆక్సిజన్‌తో కూడిన అంశాలను నార్న్‌ కణాలుగా గుర్తిస్తుండొచ్చని, లేదూ ఇవి సరికొత్త కణాలూ అయ్యిండొచ్చని జీవశాస్త్రవేత్తలు భావిస్తున్నారు. అంటే యూసీఈ మోడళ్లూ శాస్త్రవేత్తల మాదిరిగా ఎంత ఎక్కువ  సమాచారం అందుబాటులో ఉంటే అంత ఎక్కువగా నేర్చుకుంటున్నాయన్నమాట. అందుకే వీటిపై నిశితంగా అధ్యయనం చేయాలనీ అనుకుంటున్నారు. తాము నేర్చుకున్న అంశాలనూ అనుసంధానం చేయగల టూల్స్‌ను రూపొందిస్తున్నారు. కణాల తీరుతెన్నులతో కూడిన డేటాసెట్‌కు లక్షలాది పరిశోధన పత్రాల సమాచారాన్నీ జతచేయటానికి ప్రయత్నిస్తున్నారు. తగినంత డేటాతో పాటు గణన సామర్థ్యాలూ మెరుగైతే కణాలకు సంబంధించిన పూర్తి గణిత సమాచారాన్ని సృష్టించొచ్చు. ప్రస్తుతమున్న కణాల రకాల గురించే కాకుండా మనకు తెలియకుండా ఉండొచ్చని భావించే రకాల గురించి కూడా ఈ ఫౌండేషన్‌ మోడళ్లు నేర్చుకోగలవు. కణాల ప్రాథమిక అంశాలకు సంబంధించి తెలియని విషయాలను అవగతం చేసుకోవటానికివి తోడ్పడగలవు. నిజంగా ప్రాణి అంటే ఏంటనే దానికి సంబంధించి కొత్త విషయాలూ తెలిసే అవకాశముంటుంది.