हमारे अज्ञात पूर्वजों के सुराग हमारे जीनोम में छिपे हैं


क्या गहरी सीखने से जीवाश्म विज्ञानी और आनुवंशिकीविद भूतों का शिकार कर सकते हैं?

जब आधुनिक मानव 70,000 साल पहले अफ्रीका से बाहर चले गए थे, तो कम से कम दो संबंधित प्रजातियां, जो अब विलुप्त हो चुकी थीं, यूरेशियन भूमाफिया पर पहले से ही उनका इंतजार कर रही थीं। ये निएंडरथल और डेनिसोवन्स, पुरातन मानव थे जिन्होंने उन शुरुआती आधुनिक लोगों के साथ हस्तक्षेप किया था, जो गैर-अफ्रीकी मूल के लोगों के जीनोम में आज अपने डीएनए के बिट्स को पीछे छोड़ रहे हैं।

क्वांटा पत्रिका


लेखक का फोटो

के बारे में

मूल कहानी, क्वांटा पत्रिका की अनुमति के साथ पुनर्मुद्रित हुई, जो सीमन्स फाउंडेशन का संपादकीय स्वतंत्र प्रकाशन है, जिसका मिशन गणित और भौतिक और जीवन विज्ञान में अनुसंधान के विकास और रुझानों को कवर करके विज्ञान की सार्वजनिक समझ को बढ़ाना है।

लेकिन वहाँ भी एक और अधिक जटिल और रंगीन इतिहास के बढ़ते संकेत दिया गया है: शोधकर्ताओं की एक टीम में सूचना दी प्रकृति पिछली गर्मियों में, उदाहरण के लिए, कि एक साइबेरियाई गुफा में पाया गया एक हड्डी का टुकड़ा एक निएंडरथल मां की बेटी और एक डेनिसोवन पिता का था। खोज ने पहली पीढ़ी के मानव संकर के पहले जीवाश्म साक्ष्य को चिह्नित किया।

दुर्भाग्य से, इस तरह के जीवाश्म मिलना बहुत दुर्लभ है। (उदाहरण के लिए डेनिसोवन्स के बारे में हमारा ज्ञान, केवल एक अंगुली की हड्डी से निकाले गए डीएनए पर आधारित है।) कई अन्य पैतृक जोड़ियों को आसानी से ट्रांसपायर किया जा सकता है, जिसमें पहले वाले क्रॉस से हाइब्रिड समूहों को शामिल करना शामिल है – लेकिन जब यह आता है तो वे अदृश्य रूप से अदृश्य हो सकते हैं। भौतिक सबूत। उनकी घटना के सुराग केवल कुछ लोगों के डीएनए में ही जीवित रह सकते हैं, और फिर भी, वे निएंडरथल और डेनिसोवन जीन के संकेतों की तुलना में सूक्ष्म हो सकते हैं। सांख्यिकीय मॉडल ने वैज्ञानिकों को जीवाश्म डेटा के बिना इन आबादी के एक जोड़े के अस्तित्व का पता लगाने में मदद की है: उदाहरण के लिए, 2013 के अंत में प्रकाशित शोध के अनुसार, प्राचीन और आधुनिक मनुष्यों में आनुवांशिक भिन्नता के पैटर्न एक अज्ञात मानव आबादी के लिए इशारा करते हैं, जो डेनिसोवन्स (या उनके पूर्वज)। लेकिन विशेषज्ञों का मानना ​​है कि इन विधियों को अनिवार्य रूप से एक महान सौदा भी नजरअंदाज कर दिया।

आज के जीनोम में और किसका योगदान है? इन तथाकथित भूतों की आबादी क्या दिखती थी, वे कहाँ रहते थे, और वे कितनी बार अन्य मानव प्रजातियों के साथ बातचीत और संभोग करते थे?

पिछले महीने प्रकाशित एक पेपर में प्रकृति संचार, शोधकर्ताओं ने गहरी सीखने की तकनीकों के लिए कुछ गायब टुकड़ों, टुकड़ों को भरने में मदद करने की क्षमता दिखाई जो विशेषज्ञों को भी पता नहीं थी। उन्होंने एक और भूत की आबादी के सबूतों का पता लगाने के लिए गहन सीखने का इस्तेमाल किया: यूरेशिया में एक अज्ञात मानव पूर्वज, एक निएंडरथल-डेनिसोवन संकर या डेनिसोवन रेखा के एक रिश्तेदार की संभावना।

काम न केवल भूतों की पहचान के लिए, बल्कि भूत-प्रेत विज्ञान में भी कृत्रिम बुद्धिमत्ता की भविष्य की उपयोगिता की ओर इशारा करता है, लेकिन विकासवादी प्रक्रियाओं के बहुत ही फीके पैरों के निशान को उजागर करने के लिए जो कि हम बन गए हैं।

सूक्ष्म हस्ताक्षर की खोज

वर्तमान सांख्यिकीय विधियों में साझा लक्षणों के लिए एक बार में चार जीनोम की जांच करना शामिल है। यह समानता की एक परीक्षा है, लेकिन वास्तविक वंशावली के लिए आवश्यक नहीं है, क्योंकि आनुवंशिक मिश्रण की छोटी मात्रा की व्याख्या करने के कई अलग-अलग तरीके हैं जो इसे खोलते हैं। उदाहरण के लिए, इस तरह के विश्लेषणों से पता चलता है कि एक आधुनिक-दिन यूरोपीय निएंडरथल जीनोम के साथ कुछ लक्षण साझा करता है, लेकिन एक आधुनिक अफ्रीकी नहीं। लेकिन यह आवश्यक रूप से पत्थर में सेट नहीं है कि वे जीन निएंडरथल और यूरोपीय के पूर्वजों के बीच परस्पर संबंध से आए थे। उदाहरण के लिए, बाद में, एक अलग आबादी के साथ नस्ल हो सकती है, एक निएंडरथल से निकटता से संबंधित है, लेकिन निएंडरथल खुद से नहीं।

हम सिर्फ यह नहीं जानते हैं, क्योंकि आनुवांशिक भिन्नता के उन प्राचीन काल्पनिक स्रोतों को कब, कहाँ और कैसे इंगित किया गया है, यह बताने के लिए भौतिक प्रमाणों के अभाव में, यह कहना मुश्किल है कि कई संभावित पूर्वजों में से कौन सबसे अधिक संभावित है। तकनीक "सादगी के कारण शक्तिशाली है, लेकिन यह विकासवाद को समझने के मामले में मेज पर बहुत कुछ छोड़ देती है," जॉन हॉक्स ने कहा, विस्कॉन्सिन-मैडिसन विश्वविद्यालय के एक जीवाश्म विज्ञानी।

नई गहरी सीखने की विधि जीन के प्रवाह के स्तरों की व्याख्या करने की कोशिश कर रही है, जो सामान्य सांख्यिकीय दृष्टिकोणों के लिए बहुत छोटा है, और ऐसा करने के लिए और अधिक विशाल और जटिल रेंज की पेशकश करके बेहतर करने का प्रयास है। प्रशिक्षण के माध्यम से, तंत्रिका नेटवर्क जीनोमिक डेटा में विभिन्न पैटर्नों को वर्गीकृत करने के लिए सीख सकता है, जो कि जनसांख्यिकीय हिस्टरीज़ के कारण सबसे अधिक संभावना उन्हें जन्म देती है, बिना यह बताए कि उन कनेक्शनों को कैसे बनाया जाए।

गहरी शिक्षा का यह प्रयोग उन भूतों को उजागर कर सकता है जिन्हें हमने संदेह भी नहीं किया था। एक के लिए, यह सोचने का कोई कारण नहीं है कि निएंडरथल, डेनिसोवन्स और आधुनिक मानव चित्र में केवल तीन आबादी थे। हॉक्स के अनुसार, बहुत अच्छी तरह से दर्जनों हो सकते थे।

जेसन लुईस, न्यूयॉर्क में स्टोनी ब्रुक विश्वविद्यालय के मानवविज्ञानी, ने उस दृश्य को साझा किया। "हमारी कल्पना को जीवित लोगों पर या यूरोप, अफ्रीका और पश्चिमी एशिया से मिले जीवाश्मों पर हमारे ध्यान से विवश किया गया है," उन्होंने कहा। “गहरी सीखने की तकनीक क्या कर सकती है, एक अजीब तरीके से, संभावनाओं को रोकना है। दृष्टिकोण अब हमारी कल्पना से सीमित नहीं है। ”

नकली इतिहास का वास्तविक मूल्य

गहरी सीखने से पेलियोन्टोलॉजिस्ट की समस्या का एक अप्रत्याशित समाधान हो सकता है क्योंकि इस तरह के तरीकों के लिए आमतौर पर भारी मात्रा में प्रशिक्षण डेटा की आवश्यकता होती है। एक छवि वर्गीकरण के रूप में, इसके सबसे आम अनुप्रयोगों में से एक को लें। जब विशेषज्ञ किसी मॉडल को बिल्लियों की छवियों को पहचानने, कहने के लिए प्रशिक्षित करते हैं, तो उनके पास हजारों चित्र होते हैं, जिनके साथ वे इसे प्रशिक्षित कर सकते हैं, और वे स्वयं जानते हैं कि क्या यह काम कर रहा है क्योंकि उन्हें पता है कि बिल्ली को कैसा दिखना चाहिए।

लेकिन प्रासंगिक मानवविज्ञानी और जीवाश्मिकी संबंधी उपलब्ध आंकड़ों की कमी ने उन शोधकर्ताओं को मजबूर किया, जो अपने स्वयं के डेटा का निर्माण करके, चतुर सीखने के लिए गहरी शिक्षा का उपयोग करना चाहते थे। बार्सिलोना में नेशनल सेंटर ऑफ जीनोमिक एनालिसिस के एक शोधकर्ता और अध्ययन के लेखकों में से एक ऑस्कर लाओ ने कहा, "हम गंदे खेल रहे थे।" "हम गहन सीखने के इंजन को प्रशिक्षित करने के लिए अनंत मात्रा में डेटा का उपयोग कर सकते हैं, क्योंकि हम सिमुलेशन का उपयोग कर रहे थे।"

शोधकर्ताओं ने जनसांख्यिकीय विवरण के विभिन्न संयोजनों के आधार पर हजारों सिम्युलेटेड विकासवादी इतिहास के दसियों को उत्पन्न किया: पैतृक मानव आबादी की संख्या, उनके आकार, जब वे एक दूसरे से विचलित होते हैं, तो उनकी दर और इतने पर। उन नकली इतिहासों से, वैज्ञानिकों ने वर्तमान लोगों के लिए बड़े पैमाने पर नकली जीन उत्पन्न किए। उन्होंने इन जीनोम पर अपने गहन शिक्षण एल्गोरिदम को प्रशिक्षित किया, ताकि यह पता चले कि किस प्रकार के विकासवादी मॉडल दिए गए आनुवंशिक पैटर्न का उत्पादन करने की सबसे अधिक संभावना है।

इसके बाद टीम ने वास्तविक जीनोमिक डेटा को सबसे अच्छी तरह से फिट करने वाले इतिहास को समझने के लिए कृत्रिम बुद्धिमत्ता को ढीला कर दिया। आखिरकार, सिस्टम ने निष्कर्ष निकाला कि पहले से अज्ञात मानव समूह ने भी एशियाई मूल के लोगों की वंशावली में योगदान दिया था। शामिल आनुवांशिक पैटर्न से, वे मनुष्य स्वयं या तो शायद एक अलग आबादी थे जो कि लगभग 300,000 साल पहले डेनिसोवन्स और निएंडरथल के परस्पर संपर्क से उत्पन्न हुए थे, या एक समूह जो इसके तुरंत बाद डेनिसोवन वंश से उतरा था।

यह पहली बार नहीं है कि इस तरह से गहरी शिक्षा का उपयोग किया गया है। क्षेत्र में मुट्ठी भर प्रयोगशालाएँ विकासवादी जांच के अन्य सूत्र को संबोधित करने के लिए समान तरीके लागू कर रही हैं। ओरेगन विश्वविद्यालय में एंड्रयू कर्न के नेतृत्व में एक शोध समूह ने, मानव सहित विकसित प्रजातियों के विभिन्न मॉडलों के बीच अंतर करने के लिए एक सिमुलेशन-आधारित दृष्टिकोण और मशीन सीखने की तकनीक का उपयोग किया है। उन्होंने पाया कि विकास के पक्षधर अधिकांश अनुकूलन आबादी में लाभकारी नए उत्परिवर्तन के उद्भव पर निर्भर नहीं करते हैं, बल्कि इसके बजाय पहले से मौजूद आनुवंशिक वेरिएंट के विस्तार पर निर्भर करते हैं।

"इन नए प्रश्नों के लिए," गहरी सीखने के आवेदन, कर्ने ने कहा, "रोमांचक परिणाम ला रहा है।"

नए टूल के लिए हाइप वर्स होप

बेशक, बड़े कैवियट हैं। एक के लिए, यदि वास्तविक मानव विकासवादी इतिहास सिम्युलेटेड मॉडलों से मिलता-जुलता नहीं है, जिस पर इन गहरी शिक्षण विधियों को प्रशिक्षित किया जाता है, तो तकनीकें गलत परिणाम लाएंगी। किर्न की एक समस्या और अन्य लोग इससे निपटने की कोशिश कर रहे हैं, लेकिन सटीकता का अधिक आश्वासन प्रदान करने के लिए बहुत सारे काम किए जाने बाकी हैं।

"मुझे लगता है कि एअर इंडिया जीनोमिक्स के अनुप्रयोगों में बहुत अधिक है," प्रिंसटन विश्वविद्यालय में एक पारिस्थितिकीविज्ञानी और विकासवादी जीवविज्ञानी जोशुआ अकी ने कहा। “गहरी शिक्षा एक शानदार नया उपकरण है, लेकिन यह सिर्फ एक और तरीका है। यह उन सभी रहस्यों और जटिलताओं को हल करने वाला नहीं है जो हम मानव विकास में सीखना चाहते हैं। ”

कुछ विशेषज्ञों को और भी अधिक संदेह है। हार्वर्ड यूनिवर्सिटी के एक जीवाश्म विज्ञानी और पीबॉडी म्यूजियम के एक वैज्ञानिक डेविड पीलबेम ने एक ईमेल में लिखा, "मेरा निर्णय है कि डेटा का घनत्व और गुणवत्ता विचारशील और बुद्धिमान गैर-विश्लेषण विश्लेषण के अलावा अन्य के लिए आदर्श नहीं है।"

फिर भी, अन्य जीवाश्म विज्ञानी और आनुवंशिकीविदों की राय में, यह एक अच्छा कदम है, कुछ ऐसा जो भविष्य के संभावित जीवाश्म खोजों के बारे में भविष्यवाणियों के लिए इस्तेमाल किया जा सकता है और हजारों साल पहले मनुष्यों के बीच होने वाले आनुवंशिक परिवर्तनों की उम्मीद की जानी चाहिए। "मुझे लगता है कि गहरी शिक्षा वास्तव में जनसंख्या आनुवंशिकी को बढ़ावा देने जा रही है," लाओ ने कहा।

वही अन्य क्षेत्रों के लिए सही हो सकता है जिसमें हमारे पास डेटा तक पहुंच है, लेकिन यह प्रक्रिया नहीं है जो इसे उत्पादित करती है। लगभग उसी समय जब किर्न और अन्य जनसंख्या आनुवंशिकीविद् और विकासवादी जीवविज्ञानी अपने प्रश्नों को संबोधित करने के लिए सिमुलेशन-आधारित एआई तकनीक विकसित कर रहे थे, भौतिकविद ऐसा कर रहे थे ताकि यह पता लगाया जा सके कि लार्ज हैड्रोन कोलाइडर और अन्य कण त्वरक पर उत्पादित डेटा के टन के माध्यम से कैसे बहा जाए। । इस तरह के गहन शिक्षण दृष्टिकोणों से भूवैज्ञानिक अनुसंधान और भूकंप की भविष्यवाणी विधियों को भी लाभ मिलना शुरू हो गया है।

"जहां यह होता है, मैं वास्तव में नहीं जानता। हमें देखना होगा, "निक पैटरसन, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी और हार्वर्ड यूनिवर्सिटी के ब्रॉड इंस्टीट्यूट के एक कम्प्यूटेशनल जीवविज्ञानी ने कहा। “लेकिन नए तरीके देखना हमेशा अच्छा होता है। यदि हम जिन प्रश्नों का उत्तर देना चाहते हैं, उनका उत्तर देना अच्छा लगता है, तो हम कुछ भी उपयोग कर सकते हैं। "

मूल कहानी, क्वांटा पत्रिका की अनुमति के साथ पुनर्मुद्रित हुई, जो सीमन्स फाउंडेशन का संपादकीय स्वतंत्र प्रकाशन है, जिसका मिशन गणित और भौतिक और जीवन विज्ञान में अनुसंधान के विकास और रुझानों को कवर करके विज्ञान की सार्वजनिक समझ को बढ़ाना है।


अधिक महान WIRED कहानियां