এআই ব্যবহার করে বিজ্ঞানে তিন বিপ্লব: জেনেটিক ডার্ক ম্যাটার উন্মোচন, নতুন পদার্থ আবিষ্কারে ম্যাটারজেন ও রেডিওলজিতে রেডডিনো

ভূমিকা

অদৃশ্য ডার্ক ম্যাটার (Dark matter) যেমন জগতে এক রহস্যময়, তথাকথিত “দৃশ্যমান বস্তুতে” তার টান আছে, তেমনি মানব জিনোমের (Genome) এক বড় অংশও বিজ্ঞানের কাছে “ডার্ক ম্যাটার” (Dark matter) তুল্য — এর দ্বারা সেইসব ডিএনএ (DNA) সিকোয়েন্সকে বোঝানো হয় যারা সরাসরি প্রোটিন তৈরিতে অংশ নেয় না, অথচ এর মধ্যে আছে বহু রোগের (Disease) মূল ইঙ্গিত। নতুন এক এআই (AI) সিস্টেম তৈরি হয়েছে যা এসব অদৃশ্য-অপরীক্ষিত অংশকে বুঝতে পারছে, ফলে নানা জটিল রোগের কারণ খুঁজে বের করার পথ খুলছে।

এর বাইরে, এআই এখন আরও বহুবিধ কাজে ব্যবহৃত হচ্ছে—নতুন উপাদান (Material) ডিজাইন, এক্স-রে (X-ray) থেকে দ্রুত রোগনির্ণয় (Diagnosis)—সব মিলিয়ে আমরা অতি দ্রুত এক বৈপ্লবিক যুগে ঢুকে যাচ্ছি। আজকের নিবন্ধে আমরা প্রথমে আলোচনা করব কিভাবে নতুন এক এআই সিস্টেম আমাদের ডিএনএ-এর ডার্ক ম্যাটার চিহ্নিত করার পথ দেখাচ্ছে, তারপর জানব কীভাবে সাম্প্রতিক এআই উদ্যোগ আমাদের বৈপ্লবিক পদার্থ (Materials) বানাতে ও চিকিৎসা পরিসরে ত্বরান্বিত রোগনির্ণয়ে সহায়তা করতে পারে।

ডিএনএ ডার্ক ম্যাটার উন্মোচনের এআই

গবেষণার সারাংশ

কলম্বিয়া বিশ্ববিদ্যালয়ের (Columbia University) ভ্যাগেলস কলেজ অব ফিজিশিয়ানস অ্যান্ড সার্জনস (Vagelos College of Physicians and Surgeons) এর গবেষকরা নতুন এক এআই পদ্ধতি (AI method) তৈরি করেছেন, যা যেকোনো মানব কোষে (Human cell) জিন (Gene) কীভাবে সক্রিয় হবে, তা পূর্বাভাস দিতে (Predict gene activity) পারে। বিজ্ঞানীরা বলছেন, এই সিস্টেমটি যেকোনো কোষের (স্বাভাবিক বা রোগাক্রান্ত) ওপর প্রয়োগ করে জানতে পারা যাবে কোন জিন ‘অন’ (Switched on) বা ‘অফ’ হয়েছে।

উল্লেখযোগ্য হলো, অন্য অনেক প্রযুক্তির মতো এটি কয়েকটি তথ্যের ওপর নির্ভর করে অনুমান করে না, বরং লক্ষ লক্ষ কোষ থেকে সংগৃহীত ডেটা (Data) ব্যবহার করে আরও গভীর স্তরে পূর্বানুমান করতে সক্ষম। তথ্যানুযায়ী, মোট ১৩ লক্ষ কোষের ডেটা দিয়ে এআইকে প্রশিক্ষণ (Train) দেওয়া হয়েছে।

কেন জরুরি?

জিন এক্সপ্রেশন (Gene expression) পূর্বানুমান করতে পারলে বোঝা যায় কোষ কীভাবে আচরণ করবে—কীভাবে কোনও বিশেষ মিউটেশন (Mutation) বা রোগ (Disease) কোষের বেঁচে থাকা ও বৃদ্ধিতে প্রভাব ফেলতে পারে। এমনকি কোনো কোষ ক্যানসার সৃষ্টি করে (Cancer-causing) এরকম কোন বিপথে যাচ্ছে কি না, সেটিও আগেভাগে অনুমান করা সম্ভব হতে পারে।

অনেকটা চ্যাটজিপিটি (ChatGPT)-র মতো যে কীভাবে মানুষের ভাষার ব্যাকরণ (Grammar of human language) রপ্ত করে, এআই-ও জিনোমের (Genome) ব্যাকরণ (Grammar of the genome) শিখছে—ডিএনএ’র বিভিন্ন অংশ কীভাবে পরস্পরের সঙ্গে মিলে এক্সপ্রেশনের নিয়ন্ত্রণ করে।

বাস্তব উদাহরণ: শিশু ক্যানসার

গবেষকরা পেডিয়াট্রিক লিউকেমিয়ার (Pediatric leukemia) একটি উত্তরাধিকারী ধরন পর্যবেক্ষণ করেছেন। সংশ্লিষ্ট জিন-মিউটেশন কোষকে কীভাবে বিপথে চালিত করে, সেটা অনেকটাই আন্দাজের ব্যাপার ছিল। এআই দেখিয়েছে, ওই মিউটেশন দুটি গুরুত্বপূর্ণ ট্রান্সক্রিপশন ফ্যাক্টরের (Transcription factors) আন্তঃক্রিয়াকে (Interaction) ব্যাহত করে। ল্যাব-পরীক্ষায় (Lab experiment) দেখা গেছে এই পূর্বানুমান সঠিক।

এতে বুঝি, লক্ষ্য-নির্দিষ্ট (Targeted) থেরাপি বা টারগেটেড থেরাপির দরজা খুলেছে, কারণ একবার বোঝা গেলে সুনির্দিষ্ট কোন মিউটেশন কোন জিন বা প্রোটিন ফ্যাক্টরের আচরণ বদলাচ্ছে, চিকিৎসাবিদ্যার (Therapeutics) সেই জায়গায় হস্তক্ষেপ করা সম্ভব।

ডার্ক ম্যাটারের রহস্য উদ্ঘাটন

জেনেটিক “ডার্ক ম্যাটার” বলতে আমরা সেই ডিএনএ-কে বুঝি, যা সরাসরি প্রোটিন কোড করে না—অনেকেই বলে “নন-কোডিং (Non-coding) ডিএনএ।” ক্যানসারসহ নানা জটিল রোগের বহু মিউটেশন (Mutation) এই অংশেই ঘটে। এটি কীভাবে জিনের এক্সপ্রেশনে হস্তক্ষেপ করে, সেটি আমাদের বোঝা কঠিন ছিল। এখন এআই পদ্ধতিটি এসব এলাকাকে “আলো ফেলার” (Illuminate) সম্ভাবনা দেখাচ্ছে, কারণ এটি বলে দিতে পারবে, “এই নন-কোডিং সিকোয়েন্সে যদি এই পরিবর্তন ঘটে, তবে নির্দিষ্ট জিনের এক্সপ্রেশন এভাবে বদলে যেতে পারে।”

এই গবেষণার ফলাফল ২০২৫ সালের ৮ জানুয়ারি নেচারে (Nature) প্রকাশিত, শিরোনাম “A Foundation Model of Transcription Across Human Cell Types”। এতে জিউ শেনতং মো (Zeu Shentong Mo) অ্যালান্দ্রো বুয়েন্দিয়া (Alandro Buendia), আনুচা পি (Anucha P), লরেন্ট (Laurent) প্রমুখ লেখক ছিলেন।

গবেষকরা বলছেন, আমরা এখন এক নতুন যুগের দ্বারে—যেখানে জীববিজ্ঞান “পূর্বানুমানমূলক বিজ্ঞান (Predictive science)” হতে পারে, শুধুমাত্র “বর্ণনামূলক (Descriptive)” নয়।

এআই ও পদার্থ নির্মাণ (AI & Material Discovery)

সাম্প্রতিক দুইটি গবেষণা

নেচার (Nature) ও নেচার মেশিন ইন্টেলিজেন্স (Nature Machine Intelligence)-এ প্রকাশিত দু’টি পেপারে দেখা যায়, মাইক্রোসফট রিসার্চ (Microsoft Research) অংশীদারদের সঙ্গে মিলে জেনারেটিভ এআই (Generative AI) পদ্ধতি প্রয়োগ করছে:

1. নতুন উপাদান (Materials) আবিষ্কার বা ডিজাইন
2. ত্বরান্বিত রেডিওলজি (Radiology) বিশ্লেষণ

উপাদান আবিষ্কার

“ম্যাটারজেন” (MatterGen) নামের একটি জেনারেটিভ এআই মডেল—যা “টেক্সট-টু-ইমেজ” এআই-এর মতো, তবে উপাদান (Material) ডিজাইনের জন্য। সাধারণত নতুন ব্যাটারি, অর্ধপরিবাহী (Semiconductors), সুপারকনডাক্টর (Superconductor) ইত্যাদি তৈরিতে কয়েক বছর লেগে যায় হাজারো পরীক্ষা-নিরীক্ষার পর।

এখন যদি কেউ বলে, “আমার দরকার এমন একটি উপাদান যা উষ্ণ তাপমাত্রায় স্থিতিশীল এবং ব্যাটারি সঞ্চিত শক্তি দীর্ঘায়িত রাখে,” তখন এই এআই “ম্যাটারজেন” সরাসরি উপাদানের গঠন (Blueprint) সাজেশন দেবে। প্রথমবার এ থেকে তৈরি এক উপাদানের বৈশিষ্ট্য ছিল নির্ধারিত লক্ষ্যের ৮০%-এর (Within 20% of targeted values) কাছাকাছি—যা বেশ আশাব্যঞ্জক।

টোনি ইয়ার (Tony Ye) নামে মাইক্রোসফটের (Microsoft’s) AI for Science গ্রুপের গবেষক বলেন, “মানব সভ্যতার অগ্রগতি উপাদান প্রযুক্তির (Material technology) উন্নতির ওপর নির্ভরশীল। আমরা এআইকে কাজে লাগিয়ে সামগ্রী উদ্ভাবনের প্রক্রিয়া অনেকগুণ ত্বরান্বিত করতে পারব।”

এতে সবুজ জ্বালানি থেকে (Green energy) গাড়ির ব্যাটারি, কোয়ান্টাম কম্পিউটার (Quantum computer), এমনকি চিকিৎসা ডিভাইস (Biomedical devices)—সব ক্ষেত্রেই দ্রুত উন্নতি হতে পারে।

রেডিওলজিতে যুগান্তকারী অগ্রযাত্রা

মাইক্রোসফট রিসার্চ ম্যাও ক্লিনিকের (Mayo Clinic) সঙ্গে অংশীদারত্বে “রেডডিনো” (RadDINO) নামের সিস্টেম উন্নয়ন করেছে। মূলত এক্স-রে (X-ray) ডেটা বিশ্লেষণে এআই ব্যবহার করে রেডিওলজিস্টদের (Radiologists) কাজ সহজ করা এর লক্ষ্য।

• এই এআই শুধু ছবি (Images) দেখে না, বরং রেডিওলজি রিপোর্ট (Radiology report) বুঝতে পারে এবং যে কোনো নতুন এক্স-রে-এর জন্য বিস্তারিত নির্ধারণ করে দিতে পারে।
• পূর্বে ডাক্তারেরা অনেক সময় ব্যয় করে আগের স্ক্যানের (Previous scan) সাথে তুলনা করেন, উন্নতি বা অবনতি দেখেন। রেডডিনো সেটি অটোমেটিকভাবে করতে পারে, সামান্যতম পরিবর্তনও শনাক্ত করে দ্রুত জানায়।

এর ফলে চিকিৎসকরা দ্রুত সিদ্ধান্তে যেতে পারেন—যেখানে জরুরি ক্ষেত্রে মিনিটের ব্যবধানে জীবন রক্ষার ব্যবস্থা হতে পারে।

মেও ক্লিনিক (Mayo Clinic) হলো বিশ্বের অন্যতম শীর্ষস্থানীয় হাসপাতাল। সেখান থেকে স্পষ্ট ইঙ্গিত— এই প্রযুক্তি বাস্তবে ব্যবহৃত হতে পারে এবং মান (Quality) ও নিরাপত্তা (Safety) ঠিক রেখে।

এই সব এআই মডেলের বৃহত্তর দৃষ্টিভঙ্গি

দ্রুত ও নির্ভুল চিকিৎসা

রেডডিনো (RadDINO) স্বাস্থ্যসেবায় (Healthcare) বড় ভূমিকা রাখতে পারে:

• আগেই উল্লেখ করা হয়েছে, জরুরি কেসে (Emergency) তাড়াতাড়ি ধরা পড়লে রোগীর বেঁচে থাকার সম্ভাবনা বেড়ে যায়।
• প্রতিটি স্ক্যানকে বিশদভাবে দেখার সময় অগণিত, এআই যদি ওভারঅল অ্যানালাইসিস করে গুরুত্বপূর্ণ অস্বাভাবিকতাকে চিহ্নিত করে, ডাক্তাররা সময় বাঁচাতে পারেন।

বৈপ্লবিক উপাদান প্রযুক্তি

ম্যাটারজেন (MatterGen) যেমন নতুন নতুন ধাতু, অ্যালয়, পলিমার, সেমিকন্ডাক্টর তৈরি করতে সহায়তা করছে, যা পৃথিবীর অনেক সমস্যার সমাধান আনতে পারে। উদাহরণ:

• আরো উন্নত ব্যাটারি (Enhanced battery) যা বৈদ্যুতিক গাড়ির (EV) পরিসর বাড়াবে;
• সুপারকনডাক্টর যা কম তাপমাত্রায় কাজ করবে না, বরং অপেক্ষাকৃত উচ্চ তাপমাত্রায় কোয়ান্টাম-কম্পিউটিং উন্নত করবে;
• চিকিৎসা ডিভাইসে নতুন বায়োকম্প্যাটিবল পদার্থ, যাতে কম পার্শ্বপ্রতিক্রিয়া হবে।

এআই-চালিত বিজ্ঞানের আগামী

Microsoft-এর AI for Science Director ক্রিস বিশপ (Chris Bishop) বলেন, “এই মডেলগুলো কেবল ভাষা (Language) নয়, বরং প্রোটিন (Protein), অণু (Molecule) বুঝতে পারে। সেক্ষেত্রে ওষুধ আবিষ্কার (Drug discovery) ও রোগ নির্ণয় (Disease diagnosis) ত্বরান্বিত হবে।”

অবশ্য সতর্কতা ও চ্যালেঞ্জ আছে:

• ডেটার (Data) গুণমান (Quality) অত্যন্ত গুরুত্বপূর্ণ, নইলে এআই ভুল শিখবে।
• নৈতিক ও নিরাপত্তার (Ethical & safety) দিক সম্পর্কে নিশ্চিত হতে হবে, বিশেষ করে স্বাস্থ্যসেবায় ফলস পজিটিভ বা ফলস নেগেটিভ হলে বড় ক্ষতি হতে পারে।

তবে “বেনিফিট” বা সম্ভাব্য সুফল বিশাল—আরো নিরাপদ চিকিৎসা, শক্তিশালী উপাদান, দ্রুত বৈজ্ঞানিক আবিষ্কার।

উপসংহার

২০২৫ সালের শুরুতেই আমরা দেখছি, এআই (AI) কেবল ভাষা (Language) বা ছবি (Image) বিশ্লেষণেই নয়, বিজ্ঞান ও প্রযুক্তির বহু শাখায় বৈপ্লবিক রূপান্তর আনতে শুরু করেছে:

1. জিনোমিক গবেষণা (Genomic research): কোলাম্বিয়া বিশ্ববিদ্যালয়ের এআই নন-কোডিং ডিএনএ (Non-coding DNA) বা “জেনেটিক ডার্ক ম্যাটার” বিশ্লেষণ করে কঠিন রোগের মেকানিজম বুঝতে সাহায্য করছে, যাকে বলা যায় “বায়োলজি”-কে ভবিষ্যদর্শী বিদ্যায় রূপান্তর করার গুরুত্বপূর্ণ পদক্ষেপ।
2. উপাদান বিজ্ঞান (Material science): “ম্যাটারজেন” নামক জেনারেটিভ এআই নতুন পদার্থ ও রাসায়নিক যৌগ দ্রুত খুঁজে দিতে সক্ষম, যা আগের চেয়ে কয়েক বছর সময় সাশ্রয় করবে। এটি শক্তি থেকে কম্পিউটিং সবখানেই প্রভাব ফেলতে পারে।
3. চিকিৎসা রেডিওলজি (Medical radiology): “রেডডিনো (RadDINO)” মূলত এক্স-রে বিশ্লেষণ ও রেডিওলজি প্রতিবেদনকে সহজ করছে। ফলে রোগনির্ণয় অনেক দ্রুত হবে, ডাক্তারদের সময় কম লাগবে, এবং রোগীর সেবার মান বাড়বে।

বিশ্বব্যাপী গবেষণা ল্যাব ও বড় কোম্পানি, যেমন মাইক্রোসফট রিসার্চ (Microsoft Research), আরও বেশি করে এই সব জেনারেটিভ এআইকে (Generative AI) “সায়েন্স” ও “ইঞ্জিনিয়ারিং”-এ প্রয়োগ করছে। যদিও অনবরত সতর্কতা ও সীমাবদ্ধতা (Limitations) আছে, ভবিষ্যৎ বলছে যে খুব শীঘ্রই আমরা দেখব চিকিৎসা, শক্তি, পরিবহন, এমনকি সেমিকন্ডাক্টর শিল্পে (Semiconductor industry) দ্রুত সব পরিবর্তন ঘটছে।

অন্যভাবে ভাবলে, এআই একসময় কেবল ভাষা ও কথোপকথন বুঝত (যেমন চ্যাটজিপিটি), এখন তা প্রবেশ করেছে ডিএনএ কোড (DNA code) বা পদার্থের অণু (Molecular) বোঝায়। সেটি করতে পারার মানে হলো আগামী দশকে এআই আমাদের চারপাশের প্রযুক্তি ও চিকিৎসা ব্যবস্থাকে আমূল বদলে দেবে।

সুতরাং, “ডার্ক ম্যাটার” (Dark matter) বা “বিষয়বস্তুর অজানা অংশ”—যা আগে আমাদের নাগালের বাইরে ছিল—এখন এআইর সাহায্যে উন্মোচনের পথে। জেনেটিক স্তরে, এআই হতে পারে অসংখ্য জটিল রোগের ‘পূর্বাভাস ও প্রতিকার’ পাইয়ে দেওয়ার পথপ্রদর্শক।

আপনি এআই ও প্রযুক্তি (Tech) প্রেমী হলে বা বিজ্ঞানের ভবিষ্যৎ নিয়ে উৎসাহী হলে, এইসব ব্রেকথ্রুকে চোখ রাখুন—কারণ সামনের বছরগুলোয় এগুলোই হয়ত আমাদের জীবনের নানা ক্ষেত্রকে আরও গতিময় করে তুলবে।