অ্যান্টিমাইক্রোবিয়াল রেজিস্ট্যান্স বৃদ্ধি আমাদের সময়ের সবচেয়ে জরুরি বৈশ্বিক স্বাস্থ্য সংকটগুলোর একটি এবং ২০৫০ সালের মধ্যে বিশ্বজুড়ে প্রতি বছর আনুমানিক ১০ মিলিয়ন মৃত্যু ঘটাতে পারে। নতুন অ্যান্টিবায়োটিকের তীব্র প্রয়োজন, কিন্তু নতুন চিকিৎসা খোঁজা প্রায়ই ধীর এবং শ্রমনির্ভর একটি প্রক্রিয়া। আমাদের এজেন্টিক ডেভেলপমেন্ট প্ল্যাটফর্ম Google Antigravity-এর মাধ্যমে এখন এই প্রক্রিয়াকে আরও সহজ করা সম্ভব। Google Antigravity একটি এজেন্টিক বিজ্ঞান ওয়ার্কবেঞ্চ প্রদান করে, যা জীববিজ্ঞানীদের আশাব্যঞ্জক লক্ষ্যবস্তু দ্রুত আবিষ্কার, কাঠামোগতভাবে মূল্যায়ন এবং অগ্রাধিকার নির্ধারণে সক্ষম করে, এবং আগে একাধিক ডেটাবেসে বিক্ষিপ্তভাবে চালানো অনুসন্ধানকে একটি একক সেশনে একত্র করে।
অ্যান্টিমাইক্রোবিয়াল পেপটাইড (AMPs), বিশেষ করে ব্যাকটেরিওসিন, ঐতিহ্যবাহী অ্যান্টিবায়োটিকের একটি আশাব্যঞ্জক বিকল্প, কারণ তারা প্রাকৃতিকভাবে প্রতিযোগী ব্যাকটেরিয়ার মৌলিক দুর্বলতাগুলোকে লক্ষ্য করে বিকশিত হয়েছে, ফলে রোগজীবাণুর পক্ষে প্রতিরোধ গড়ে তোলা কঠিন। প্রোটিন ডেটাবেসের টীকাবিহীন "ডার্ক ম্যাটার"-এর ভেতরে এখনও বিলিয়ন বিলিয়ন প্রাকৃতিক সিকোয়েন্স আবদ্ধ রয়ে গেছে। এই ফাঁক পূরণে Google Prot NLM (Protein Natural Language Model) তৈরি করেছে, যা অ্যামিনো অ্যাসিড সিকোয়েন্সের বিবর্তনীয় "ব্যাকরণ" পাঠ করতে প্রশিক্ষিত একটি ডিপ লার্নিং মডেল। এটি আগে নামহীন থাকা লক্ষ লক্ষ UniProt এন্ট্রিকে উচ্চ-আস্থার কার্যকরী লেবেল দিয়ে সমৃদ্ধ করে।
Antigravity-তে কাজ করতে গিয়ে একজন গবেষক ও একটি AI এজেন্ট একটি সুনির্দিষ্ট জৈবিক লক্ষ্য নির্ধারণ করেন: Streptococcus pseudopneumoniae-তে নতুন AMP খুঁজে বের করা এবং গণনার মাধ্যমে তাদের যাচাই করা। গবেষক বৈজ্ঞানিক কৌশল পরিচালনা করেন, আর এজেন্ট বিভিন্ন ডেটাবেসের সমন্বয়, কাঠামোগত বিশ্লেষণ ও সাহিত্য সংশ্লেষণের ভারী কাজ সামলায়। ফলাফল প্রার্থীটি শ্বাসতন্ত্রের সংক্রমণে জড়িত রোগজীবাণুর বিরুদ্ধে সম্ভাব্য কার্যকারিতা দেখায় এবং এখন ওয়েট-ল্যাব যাচাইয়ের পর্যায়ে রয়েছে।
এই পদ্ধতি প্রতিদিনের জৈবিক কর্মপ্রবাহের বাধা কমিয়ে দেয়, যার ফলে গবেষকরা আগের চেয়ে অনেক দ্রুত সিকোয়েন্স ডেটা থেকে অগ্রাধিকারপ্রাপ্ত প্রার্থীর দিকে এগোতে পারেন।
উৎস: Google DeepMind Blog · সারাংশ: HeadlinesBriefing