DeepMind এবং বার্ধক্য: কৃত্রিম বুদ্ধিমত্তা কোষকে পিছনের দিকে ঘুরিয়ে দেওয়ার জিন সনাক্ত করে

প্রতি দশক বা দুই দশকে এমন একটি মুহূর্ত আসে যখন দুটি পৃথকভাবে বিকশিত ক্ষেত্র একে অপরের সাথে সংঘর্ষে লিপ্ত হয় এবং উভয়কেই চিরতরে পরিবর্তন করে। এটি ঘটেছিল যখন কম্পিউটিং জিনতত্ত্বের সাথে মিলিত হয়ে বায়োইনফরমেটিক্স তৈরি করেছিল। এখন আমরা আবারও এমন একটি মুহূর্ত প্রত্যক্ষ করছি: কৃত্রিম বুদ্ধিমত্তা বার্ধক্যের জীববিজ্ঞানের সাথে মিলিত হচ্ছে।

১৯ মে, ২০২৬-এ, Google DeepMind, AlphaFold এবং AlphaGo-এর পিছনের কৃত্রিম বুদ্ধিমত্তা ল্যাব, বার্ধক্য ক্ষেত্রে তার নতুন কাজের দিক প্রকাশ করেছে। ঘোষণার কেন্দ্রে থাকা টুলটির নাম Co-Scientist: এটি একটি মাল্টি-এজেন্ট কৃত্রিম বুদ্ধিমত্তা সিস্টেম, যা Gemini মডেলের উপর নির্মিত, যার কাজ হল বৈজ্ঞানিক সাহিত্য স্ক্যান করা, অনুমান তৈরি করা, সেগুলিকে একে অপরের বিরুদ্ধে দাঁড় করানো এবং র্যাঙ্ক করা। গবেষকদের একটি দল এটি ব্যবহার করে genetic leads, জিনগত প্রার্থী খুঁজে বের করেছে যা বয়স্ক কোষকে আরও তরুণ অবস্থায় রূপান্তর করতে সক্ষম। সহজ ভাষায়, সিস্টেমটি সেই প্রশ্নের উত্তর দেওয়ার চেষ্টা করেছে যা দীর্ঘায়ু গবেষকরা বিশ বছর ধরে জিজ্ঞাসা করছেন: কোষের বয়স রিসেট করতে কোন জিনগুলি চালু বা বন্ধ করতে হবে?

পার্থক্যটি গতিতে। একটি স্ক্রিনিং পরীক্ষার ডেটাকে হাজার হাজার বৈজ্ঞানিক নিবন্ধের সাথে সংযুক্ত করে বিশ্লেষণ করতে একজন গবেষকের ছয় মাস পর্যন্ত সময় লাগতে পারে। Co-Scientist-এর সাথে একই কাজ মাত্র কয়েক দিনে সংক্ষিপ্ত হয়। এটি কোনো ওষুধ নয়, এবং এটি এখনও কোনো প্রতিশ্রুতি নয়, তবে এটি সেই গতিতে একটি নাটকীয় লাফ যার সাথে আমরা সম্ভাবনার স্থান সংকুচিত করছি।

কোষকে পিছনের দিকে ঘুরিয়ে দেওয়ার জন্য genetic leads আসলে কী?

দলটি কী খুঁজছিল তা বোঝার জন্য, বিজ্ঞান ইতিমধ্যে কোষের পুনরুজ্জীবন সম্পর্কে কী জানে তা বোঝা দরকার:

• রিপ্রোগ্রামিং (reprogramming): ২০০৬ সালে, শিনিয়া ইয়ামানাকা দেখিয়েছিলেন যে মাত্র চারটি জিন (OSKM) সক্রিয় করে একটি পরিণত কোষকে স্টেম সেল অবস্থায় ফিরিয়ে আনা সম্ভব। এটি প্রমাণ ছিল যে কোষের বয়স প্রত্যাবর্তনযোগ্য।
• আংশিক রিপ্রোগ্রামিং (partial reprogramming): কোষের পরিচয় সম্পূর্ণরূপে মুছে ফেলার পরিবর্তে, জিনগুলিকে অল্প সময়ের জন্য সক্রিয় করা হয় যাতে এটিকে স্টেম সেলে পরিণত না করেই 'পুনরুজ্জীবিত' করা যায়। এইভাবে কোষটি নিউরন বা ত্বকের কোষ থাকে, তবে আরও তরুণ হয়।
• genetic leads: এগুলি হল প্রার্থী, জিন বা জিনের সংমিশ্রণ, যার এই পুনরুজ্জীবন অর্জনের উচ্চ সম্ভাবনা রয়েছে। তাদের অধিকাংশই এখনও ল্যাবে পরীক্ষা করা হয়নি।

সমস্যা হল অনুসন্ধানের স্থানের আকার এবং বিক্ষিপ্ত জ্ঞানের পরিমাণ। মানব জিনোমে প্রায় ২০,০০০ জিন রয়েছে এবং তাদের ভূমিকা সম্পর্কে জ্ঞান হাজার হাজার বৈজ্ঞানিক নিবন্ধে ছড়িয়ে আছে। এই সমস্ত সুতো ম্যানুয়ালি সংযুক্ত করা এবং কোন প্রার্থীদের প্রথমে পরীক্ষা করা উচিত তা বোঝার জন্য মাসের পর মাস কাজ লাগতে পারে। এখানেই কৃত্রিম বুদ্ধিমত্তা ছবিতে আসে।

কৃত্রিম বুদ্ধিমত্তার সাথে সংযোগ: একটি সিস্টেম যা সমস্ত সাহিত্য পড়ে

Co-Scientist কী করে এবং কী করে না তা বোঝা গুরুত্বপূর্ণ। এটি নয় AlphaFold-এর মতো একটি মডেল যা প্রোটিনের ত্রিমাত্রিক গঠন ভবিষ্যদ্বাণী করে, এবং এটি কাঁচা জৈবিক ডেটা থেকে 'লক্ষ লক্ষ জিনের সংমিশ্রণ স্ক্যান' করে না। পরিবর্তে, এটি একটি মাল্টি-এজেন্ট সিস্টেম যেখানে প্রতিটি এজেন্ট একটি ভূমিকা পালন করে: একটি এজেন্ট অনুমান তৈরি করে, অন্যটি সেগুলির সমালোচনা করে, অন্যটি র্যাঙ্ক করে এবং উন্নত করে। সবাই একই কাঁচামালের উপর কাজ করে, বিদ্যমান বৈজ্ঞানিক সাহিত্য।

যখন দলটি Co-Scientist-কে সাহিত্যে এমন ফ্যাক্টরগুলি অনুসন্ধান করতে বলেছিল যা বার্ধক্যকে পিছনের দিকে ঘুরিয়ে দিতে পারে, তখন এটি হাজার হাজার নিবন্ধ স্ক্যান করেছিল, বিভিন্ন অনুমান বিবেচনা করেছিল এবং শেষ পর্যন্ত পরীক্ষার জন্য ২০টিরও বেশি নতুন এবং যুক্তিযুক্ত জিনগত ফ্যাক্টর প্রস্তাব করেছিল। ল্যাব পরীক্ষাগুলি এর কিছু অনুমান যাচাই করেছে: এটি যে কয়েকটি ফ্যাক্টর সুপারিশ করেছিল তা প্রকৃতপক্ষে কোষকে উন্নত সাধারণ কার্যকারিতা সহ আরও তরুণ অবস্থায় ঠেলে দিয়েছে। এইভাবে AI গবেষকদের ফোকাস করে: নিজে সাহিত্যের সমুদ্র ছেঁকে নেওয়ার পরিবর্তে, আপনি প্রথমে পরীক্ষা করার জন্য প্রার্থীদের একটি সংক্ষিপ্ত এবং ফোকাসড তালিকা পান।

এই পার্থক্যটি গুরুত্বপূর্ণ কারণ দুটি ধরণের টুলের মধ্যে বিভ্রান্ত হওয়া সহজ। AlphaFold একটি সম্পূর্ণ ভিন্ন সমস্যা, গঠন ভবিষ্যদ্বাণী, সমাধান করেছিল এবং এর ফলে দলের প্রধানরা ২০২৪ সালে রসায়নে নোবেল পুরস্কার পেয়েছিলেন (নীচে দেখুন)। অন্যদিকে, Co-Scientist হল একটি 'গবেষণা অংশীদার' যা বিক্ষিপ্ত জ্ঞান সংশ্লেষ করে এবং দিকনির্দেশ প্রস্তাব করে। উভয়ই DeepMind-এর, তবে এগুলি বিভিন্ন ধরণের টুল যা বিভিন্ন প্রশ্নের উত্তর দেয়।

শিল্প প্রসঙ্গটিও গুরুত্বপূর্ণ। DeepMind হল Alphabet-এর (Google-এর মূল কোম্পানি) অংশ, যা Calico-ও পরিচালনা করে, একটি কোম্পানি যা ২০১৩ সালে বিশেষভাবে বার্ধক্যের বিরুদ্ধে লড়াই করার জন্য প্রতিষ্ঠিত হয়েছিল। গণনার শক্তি, বিশাল বৈজ্ঞানিক সাহিত্য এবং প্রায় সীমাহীন তহবিলের এই সংমিশ্রণটি আজ পর্যন্ত দীর্ঘায়ু ক্ষেত্রের জন্য যা অভাব ছিল ঠিক তা-ই।

বর্তমান প্রমাণ

সঠিক হওয়া গুরুত্বপূর্ণ: সিস্টেম দ্বারা একটি জিনগত প্রার্থীর প্রস্তাব হল পথের শুরু, শেষ নয়। তবে, সাম্প্রতিক বছরগুলিতে ইতিমধ্যে যা প্রমাণিত হয়েছে তার পটভূমিতে ঘোষণাটি স্থাপন করা সম্ভব, এবং বুঝতে পারা যায় কেন প্রত্যাশা বেশি।

গবেষণা ১: ২০২০ সালে চোখে কোষের পুনরুজ্জীবন

David Sinclair-এর নেতৃত্বে হার্ভার্ডের একটি দল দেখিয়েছিল যে অপটিক নার্ভে চারটি ইয়ামানাকা ফ্যাক্টরের (OSK) মধ্যে তিনটি সক্রিয় করে বয়স্ক ইঁদুর এবং গ্লুকোমা আক্রান্ত ইঁদুরের দৃষ্টি ফিরিয়ে আনা সম্ভব। স্নায়ু কোষগুলি পুনরুজ্জীবিত হয়েছিল এবং তাদের জৈবিক বয়স কমেছিল (Lu এবং সহকর্মী, Nature 2020)। এটি প্রমাণ যে সুনির্দিষ্ট জিনগত লক্ষ্যগুলি প্রকৃতপক্ষে প্রক্রিয়াগুলিকে পিছনের দিকে ঘুরিয়ে দেয়।

গবেষণা ২: AlphaFold এবং প্রোটিন গঠন ভবিষ্যদ্বাণী

একটি পৃথক এবং ভিন্ন অর্জনে, DeepMind ২০২২ সালে ২০০ মিলিয়নেরও বেশি প্রোটিনের ত্রিমাত্রিক গঠন প্রকাশ করেছিল, যা প্রায় প্রতিটি পরিচিত প্রোটিন। এই অর্জন দলের প্রধান, ডেমিস হ্যাসাবিস এবং জন জাম্পারকে ২০২৪ সালে রসায়নে নোবেল পুরস্কার এনে দিয়েছিল এবং প্রমাণ করেছিল যে কৃত্রিম বুদ্ধিমত্তা দশকের পর দশক ধরে অমীমাংসিত বলে বিবেচিত জৈবিক সমস্যাগুলি সমাধান করতে পারে। লক্ষ্য করুন: এটি Co-Scientist থেকে ভিন্ন একটি টুল, তবে এটি জৈবিক বিজ্ঞানকে ত্বরান্বিত করার জন্য DeepMind-এর একই ক্ষমতা প্রদর্শন করে।

গবেষণা ৩: বড় আকারের কোষের মানচিত্র

Human Cell Atlas-এর মতো প্রকল্পগুলি বিভিন্ন টিস্যু এবং বয়সের লক্ষ লক্ষ একক কোষের জিন এক্সপ্রেশন প্রোফাইল ম্যাপ করেছে। Co-Scientist-এর মতো একটি সিস্টেম জিন স্তরে 'তরুণ কোষ' এবং 'বয়স্ক কোষ' কী তা বোঝার জন্য বৈজ্ঞানিক সাহিত্যের সাথে এই জাতীয় ডেটার উপর নির্ভর করতে পারে।

গবেষণা ৪: এপিজেনেটিক বার্ধক্য ঘড়ি

হরভাথ ঘড়ি (Horvath clock) এবং এর বিকল্পগুলি প্রায় ৩.৬ বছরের নির্ভুলতার সাথে (গড় ত্রুটি) DNA মিথাইলেশন প্যাটার্ন অনুসারে জৈবিক বয়স পরিমাপ করে। এই ধরনের ঘড়ি গবেষকদের একটি উদ্দেশ্যমূলক মাপকাঠি দেয়: প্রস্তাবিত জিনগত পরিবর্তন কি প্রকৃতপক্ষে বয়স কমিয়েছে, নাকি কমায়নি।

নির্দিষ্ট বয়স-সম্পর্কিত রোগ সম্পর্কে কী?

কোষের পুনরুজ্জীবন একটি বিমূর্ত লক্ষ্য নয়। যদি আমরা কোষকে পিছনের দিকে ঘুরিয়ে দিতে সফল হই, তাহলে প্রভাবগুলি বয়সের উপর নির্ভরশীল প্রতিটি রোগকে স্পর্শ করবে:

• মস্তিষ্কের অবক্ষয়জনিত রোগ: নিউরনগুলি প্রায় বিভক্ত হয় না, তাই তাদের পুনরুজ্জীবন আলঝেইমার এবং পারকিনসনের জন্য একটি সমাধান হতে পারে, যেখানে স্টেম সেল সাহায্য করে না।
• হৃদরোগ: হৃদপিণ্ডের পেশী কোষগুলি বয়সের সাথে সাথে পুনরুজ্জীবিত হওয়ার ক্ষমতা হারায়। আংশিক রিপ্রোগ্রামিং এটি ফিরিয়ে আনতে পারে।
• ইমিউন সিস্টেম: ইমিউন সিস্টেম কোষের 'পুনরুজ্জীবন' বয়সের সাথে দুর্বল হয়ে যাওয়া সুরক্ষা ফিরিয়ে আনতে পারে এবং ভ্যাকসিনের প্রতিক্রিয়া উন্নত করতে পারে।

অন্য কথায়, একটি ইঞ্জিন যা কার্যকরভাবে পুনরুজ্জীবনের জন্য জিনগত লক্ষ্য সনাক্ত করে তা একটি রোগ সমাধান করে না, বরং সমস্ত বয়স-সম্পর্কিত রোগের সাধারণ কারণকে আক্রমণ করে।

এটি কি সেই যুগান্তকারী যার জন্য আমরা সবাই অপেক্ষা করছিলাম?

এখানে থামতে হবে এবং গভীর শ্বাস নিতে হবে। শিরোনাম 'কৃত্রিম বুদ্ধিমত্তা বার্ধক্যকে পিছনের দিকে ঘুরিয়ে দিচ্ছে' উত্তেজনাপূর্ণ, তবে পর্দায় একটি জিনগত প্রার্থী এবং মানুষের চিকিৎসার মধ্যে দূরত্ব বিশাল।

• প্রস্তাব যাচাইকরণ নয়: সিস্টেম একটি জিনকে প্রতিশ্রুতিশীল প্রার্থী হিসাবে প্রস্তাব করলেও, এটি জীবিত কোষে, তারপর প্রাণীতে এবং শুধুমাত্র তারপর মানুষের মধ্যে পরীক্ষা করা প্রয়োজন। এই পথে ব্যর্থতার হার খুব বেশি. বর্তমান উদাহরণেও, প্রস্তাবিত ২০টি ফ্যাক্টরের মধ্যে শুধুমাত্র একটি ছোট অংশ কোষে প্রাথমিক যাচাইকরণ পাস করেছে।
• ক্যান্সারের ঝুঁকি: নিয়ন্ত্রণ ছাড়া ইয়ামানাকা ফ্যাক্টর সক্রিয় করা কোষগুলিকে বন্য স্টেম সেলে পরিণত করে, যা টিউমার সৃষ্টি করতে পারে। ডোজ এবং সময়ের উপর নিয়ন্ত্রণ হল সবচেয়ে বড় চ্যালেঞ্জ।
• সময়: এমনকি একটি আশাবাদী পরিস্থিতিতেও, মানুষের ক্লিনিকাল ট্রায়াল ৭ থেকে ১২ বছর সময় নেয়। কোনো কৃত্রিম বুদ্ধিমত্তা নিরাপত্তা পর্যায়কে সংক্ষিপ্ত করে না।
• হাইপ বনাম বাস্তবতা: বাণিজ্যিক কোম্পানি এবং শিরোনামগুলি 'আমরা একজন প্রার্থী খুঁজে পেয়েছি' এবং 'আমরা একটি চিকিৎসা খুঁজে পেয়েছি'-এর মধ্যে পার্থক্য ঝাপসা করতে পছন্দ করে। ভোক্তার উচিত মনোযোগ সহকারে পড়া ঠিক কী প্রমাণিত হয়েছে।

সুতরাং না, আগামী বছরে আমাদের কেউই একটি পুনরুজ্জীবন ইনজেকশন পাবে না। যা ঘটেছে তা হল আবিষ্কারের পর্যায়ের গতি একটি স্তর লাফিয়েছে, এবং এটি একাই তাৎপর্যপূর্ণ।

গবেষণা থেকে কী নেওয়া উচিত?

Google-এর ল্যাবগুলিতে অ্যাক্সেস ছাড়াই, ব্যবহারিক শিক্ষা রয়েছে যা আজই প্রয়োগ করা যেতে পারে:

1. কৃত্রিম বুদ্ধিমত্তার উপর ভিত্তি করে বলে বিজ্ঞাপন দেওয়া 'পুনরুজ্জীবন ওষুধ' কিনবেন না. যদি কিছু আজই বিক্রি হয়, তবে এটি ক্লিনিকাল যাচাইকরণ পর্যায় পাস করেনি। একটি স্বাস্থ্যকর সন্দেহ বজায় রাখুন।
2. আপনার প্রাকৃতিক মেরামতের প্রক্রিয়াগুলিকে সমর্থন করুন: শারীরিক কার্যকলাপ, বিরতিহীন উপবাস এবং মানসম্পন্ন ঘুম সেই DNA মেরামত এবং কোষীয় পুনরুজ্জীবন পথগুলিকে সক্রিয় করে যা বিজ্ঞান বোঝার চেষ্টা করছে।
3. আপনার জৈবিক ঘড়ি অনুসরণ করুন: এপিজেনেটিক বয়স পরীক্ষা (যেমন TruAge) জনসাধারণের জন্য উপলব্ধ এবং আপনার জীবনধারা পরিবর্তনের প্রভাবের একটি উদ্দেশ্যমূলক মাপকাঠি দেয়।
4. মেটাবলিক স্বাস্থ্যে বিনিয়োগ করুন: চিনির ভারসাম্য, পেশী ভর বজায় রাখা এবং স্বাভাবিক কোলেস্টেরল কোনো জিনগত হস্তক্ষেপ ছাড়াই কোষীয় বার্ধক্যকে ধীর করে দেয়।
5. আপডেট থাকুন, তবে ধৈর্য সহকারে: এটি একটি ক্ষেত্র যা লাফিয়ে লাফিয়ে এগিয়ে চলেছে। প্রকৃত সুসংবাদ একটি প্রেস রিলিজ থেকে নয়, একটি ক্লিনিকাল ট্রায়ালের ফলাফল থেকে আসবে।

বিস্তৃত দৃষ্টিভঙ্গি

দীর্ঘায়ু অঙ্গনে DeepMind-এর প্রবেশ পাওয়া যেকোনো একক জিনের চেয়ে গভীর পরিবর্তন চিহ্নিত করে। এটি চিহ্নিত করে যে বার্ধক্য একটি প্রান্তিক বৈজ্ঞানিক ক্ষেত্র থেকে এমন একটি অঙ্গনে চলে গেছে যেখানে বিশ্বের বৃহত্তম প্রযুক্তি খেলোয়াড়রা প্রতিযোগিতা করে। যখন Google, বিশ্বের সবচেয়ে শক্তিশালী কৃত্রিম বুদ্ধিমত্তা ল্যাবগুলির একটি সহ, সিদ্ধান্ত নেয় যে কোষের পুনরুজ্জীবন তার মনোযোগের যোগ্য, তখন পুরো ক্ষেত্রটি তহবিল, প্রতিভা এবং বৈধতা পায়।

তবে এখানে একটি বিনীত অনুস্মারকও রয়েছে। Co-Scientist জীববিজ্ঞানকে 'সমাধান' করেনি, এটি বিদ্যমান জ্ঞানকে সংশ্লেষিত করেছে এবং গবেষকদের একটি অনেক ভালো মানচিত্র দিয়েছে। কৃত্রিম বুদ্ধিমত্তা অনুসন্ধানের স্থানকে সংকুচিত করে, এটি যাচাইকরণ, নিরাপত্তা এবং বোঝার কঠোর পরিশ্রমকে প্রতিস্থাপন করে না। জিনোম শুধুমাত্র একটি পাঠ্য নয় যা ডিকোড করতে হবে, এটি একটি জীবন্ত সিস্টেম যা এমনভাবে প্রতিক্রিয়া জানায় যা এখনও আমাদের অবাক করে।

উত্তেজিত হওয়ার সঠিক মুহূর্তটি যখন একটি অ্যালগরিদম একজন প্রার্থীর প্রস্তাব করে তা নয়, বরং যখন ল্যাবে একটি বাস্তব মানব কোষ এটির কারণে আরও তরুণ হয়। Co-Scientist এই মুহূর্তের পথকে সংক্ষিপ্ত করেছে, কিন্তু এটি বাতিল করেনি।

রেফারেন্স:
Google DeepMind: Fast-tracking genetic leads to reverse cellular aging, 19 May 2026