Genomics Myanmar

22/10/2025

22/10/2025

22/10/2025

Today's news

‌ဗီဇပြုပြင်ထားတဲ့ ဝက်ဆီက ကျောက်ကပ်ကို လူမှာ အစားထိုးလိုက်တာ အဆင်ပြေတယ် ဆိုတဲ့ သတင်းတပုဒ် ဒီကနေ့လှုပ်ခတ်လာပါတယ်။

ဟိုးအရင် ၁၉၆၀ တဝိုက်ကလည်း ချင်ပန်ဇီ တွေရဲ့ ကိုယ်တွင်းအင်္ဂါတွေ လူမှာ အစားထိုးဖို့ ကြိုးစားကြတာ မအောင်မြင်ပါဘူး။ ၁၉၈၃ တုန်းကလည်း ကလေးမလေး တယောက်ကို ဘာဘွန်း မျောက်ရဲ့ နှလုံးအစားထိုးကုသတာ အစားထိုးပြီး ရက် ၂၀ ကြာမှာ သေဆုံးသွားပါတယ်။ အခုတကြိမ်ကတော့ Xenotransplant သီးသန်းမဟုတ်ဘဲ လူရဲ့ ဗီဇကို ဝက်ပေါ်မှာ အငှား ဖန်တီးထားတဲ့ အင်္ဂါတွေလို့ဆိုနိုင်ပါတယ်။

ဗီဇပြုပြင်ရေးနည်းပညာ ထွန်းကားလာကတည်းက လူတွေ ကြံ‌စည်နေကြတာ ကြာပါပြီ။ ဒီနေ့ခေတ် CRISPR လိုမျိုး နေရာအတိအကျ သွားပြုပြင်နိုင်တဲ့ Gene Editing Tools တွေ ပေါ်လာပြီးနောက်ပိုင်းတော့ Life Sciences နယ်ပယ်အသီးသီးမှာ သုတေသနတွေ အမြောက်အများ လုပ်လာကြပါတယ်။ လူနဲ့ အနီးစပ်ဆုံး ဘာဘွန်း တွေ ဝက်တွေမှာ ဗီဇနည်းပညာနဲ့ လူ့အင်္ဂါတွေ Culture လုပ်ထားပြီး လိုအပ်တဲ့အချိန် ခွဲစိတ် အစားထိုးဖို့ စိတ်ကူးယဉ်ခဲ့ကြတာ ကြာပါပြီ။ ဒိနေ့တော့ တဆင့်တက်လှမ်းခဲ့ကြတာပေါ့။

အခုလည်း နယူးးယောက် NYU က သိပ္ပံပညာရှင်တွေနဲ့ ဆရာဝန်တွေ ပေါင်းပြီး ဗီဇပြုပြင်ထားတဲ့ ဝက်မှာ ကျောက်ကပ်ကို culture လုပ်ထားပြီး အဆင်သင့်ဖြစ်တာနဲ့ လူဆီအစားထိုးကြည့်တာ အဆင်ပြေတယ်ဆိုပါတယ်။ ခွဲစိတ်အစားထိုးပြီး ၅၄ နာရီအကြာမှာ ကျောက်ကပ် အလုပ်လုပ်ပြီး ထွက်လာတဲ့ ဆီးကို Creatinine စစ်ဆေးကြည့်တဲ့အခါ ရလာဒ်ကောင်းတယ်ဆိုပါတယ်။

ဒါပေမယ့် အခု စမ်းသပ်မှုက Brain dead ဖြစ်နေတဲ့ လူနာကို မိသားစု ခွင့်ပြုချက်နဲ့ စမ်းသပ်တာပါ။ လူ့ခန္ဓာကိုယ်ထဲကို ခွဲထည့်တာ မဟုတ်ဘဲ ့ြပင်ပမှာ ထားပြီး လက်က သွေးလွှတ်ကြောနဲ့ ချိတ်ဆက် စမ်းသပ်ကြည့်တာဖြစ်ပါတယ်။

သုတေသန အဖွဲ့ဝန်ခံထားတာက ဒါသည် ရှေ့ပြေးအခြေအနတခုပဲ ရှိနေ‌ပါသေးတယ်တဲ့။ နောက်ပိုင်း နှစ်ကာလကြာတဲ့အချိန် ဘယ်လို နောက်ဆက်တွဲတွေ ဖြစ်လာနိုင်ခဲဆိုတာ လေ့လာကြရဦးမှာပါ။ ဒါ့အပြင် လူက အစားထိုးထားတဲ့ အင်္ဂါကို တုန့်ပြန်ဆန့်ကျင်တာမျိုး မဖြစ်စေဖို့ အပါအဝင် နောက်ထပ် ကျော်ဖြတ် ဖြေရှင်းရဦးမယ့် အဆင့်တွေ အများကြီးရှိနေပါသေးတယ်။

ဘာပဲဖြစ်ဖြစ် ဒါတွေအောင်မြင်ခဲ့ရင် လူတွေ ကိုယ်တွင်း ကလီစာ အစားထိုးဖို့ ဗီဇပြုပြင်ထားတဲ့ တိရိစ္ဆာန်တွေ ဆီကရမယ်ဆို အစားထိုးဖို့ အလှူရှင်စောင့်ရင် သေနေကြရတဲ့ လူနာတွေအတွက်တော့ သတင်းကောင်းပါပဲ။ တဖက်ကလည်း တိရိစ္ဆာန်အရေး လှုပ်ရှားနေသူတွေရဲ့ ကျင့်ဝတ်ပိုင်းဆိုင်ရာ ကန့်ကွက်မေးခွန်းထုတ်မှုတွေကလည်း ရှိနေပြန်ပါတယ်။

22/10/2025

သက်ရှည်ကျန်းမာနုပျိုဖို့ နည်းပညာသိပ္ပံပေါင်းစပ်စို့

ဒီနေ့ခေတ် အောက်ဖော်ပြပါ နည်းပညာ နယ်ပယ်တွေ တရှိန်ထိုး တိုးတက်လာမှု ကြောင့် လူသားတွေ သက်ရှည်ကျန်းမာနုပျိုရေး (Longevity) ပိုတိုးတက်လာတယ်ဆိုပါတယ်။

(၁) ဗီဇပြုပြင်ရေး နည်းပညာ တရှိန်ထိုးတိုးတက်မှု
(၂) ပြန်လည်နုပျိုရေး ဆေးပညာ တရှိန်ထိုး တိုးတက်လာမှု
(၃) ကျန်းမာရေးစောင့်ရှောက်မှု ပစ္စည်းကိရိယာတွေ တဟုန်ထိုးတိုးတက်လာမှု
(၄) ကျန်းမာရေးသတင်းအချက်လက် ခွဲခြမ်းစိတ်ဖြာနိုင်မှု တရှိန်ထိုးတိုးတက်လာမှု

ဗီဇပြုပြင်ရေး နည်းပညာ တရှိန်ထိုးတိုးတက်ရှိမှု

၂၀၀၃ ခုနှစ်က အပြီးသတ်ခဲ့တဲ့ လူသားဗီဇစီမံကိန်း (Human Genome Project) ကြောင့် လူ့ဗီဇကြီးတခုလုံးကို sequence ဆွဲနိုင်ခဲ့တယ်။ (တကယ်က repeats တွေတော်တော်ကျန်နေသေးတယ်။ ၂၀၂၁ ရောက်မှ ထပ်ဖော်ထုတ်နိုင်ခဲ့တာတွေ ရှိသေးတယ်။)

ဘေ့စ်အတွဲပေါင်း (၃) ဘီလျံလောက်ရှိပြီး၊ ဗီဇစုပေါင်း နှစ်သောင်းခွဲလောက် ရှိတယ်ဆိုတာ သိလာရတာပေါ့။ ဒီစီမံကိန်းက သမိုင်းတလျောက် အငြင်းပွားဖွယ် ရည်မှန်းချက်အကြီးဆုံး သိပ္ပံပညာရဲ့ လုပ်ဆောင်မှုဆိုပါတော့။ ဒေါ်လာ ဘီလျံနဲ့ချီကုန်တယ်။ အားလုံးပြည့်စုံဖို့ (၁၃)နှစ်လောက်အချိန်ယူခဲ့ရတယ်။ ဒီနေ့မှာတော့ ခင်ဗျား ဗီဇကြီးတခုလုံးကို တညနေနဲ့တောင် sequence ဆွဲနိုင်တဲ့အထိ ဖြစ်လာပြီ။ ကုန်ကျစားရိတ်ကလည်း ဒေါ်လာ (၂၀၀) သာသာနဲ့တောင် အလုပ်ဖြစ်နေပြီဆိုပါတယ်။

ဒီလိုထူးခြားမှုရဲ့နောက်ဆက်တွဲအနေနဲ့ Longevity Revolution အတွက် အရမ်းကောင်းသွားတယ်။ ဗီဇတွေ Sequence ဆွဲနိုင်လာတော့ မျိုးရိုးလိုက်တတ်တဲ့ရောဂါတွေ၊ ကင်ဆာဖြစ်နိုင်ချေလိုမျိုးတွေ ခန့်မှန်းလို့ရလာတယ်။ ဗီဇတွေ Sequence ဆွဲတာရဲ့ ကနဦးကောင်းကျိုးတွေကို လူတွေ ကျယ်ကျယ်ပျံ့ပျံ့သိသွားစေတာက ဟောလိဝုဒ်ရုပ်ရှင်မင်းသမီး အင်ဂျလီနာဂျိုလီ ပါပဲ။ သူမရဲ့ မျိုးဗီဇကြီး စစ်ဆေးလိုက်တဲ့အခါ ရင်သားကင်ဆာဖြစ်နိုင်ချေ များတယ်ဆိုပြီး ကာကွယ်တဲ့အနေနဲ့ ရင်သားခွဲစိတ်မှုလုပ်လိုက်တယ်။

မျိုးဗီဇကြီး Sequence ဆွဲ စစ်ဆေးတာဟာ ဆရာဝန်တွေ သိပ္ပံပညာရှင်တွေကို ရောဂါကုရာမှာ အရမ်းအထောက်ပံ့ဖြစ်စေပါတယ်။ အဲဒီမှာ အဆင့်မြင့် မှတ်ဉာဏ်ရည်တု(AI) ကိုပါ ပေါင်းစပ်လိုက်တဲ့အခါ လူနာတဦးချင်းစီအတွက် တိကျတဲ့ သီးသန့်ကုထုံးတွေအထိ ထွက်ပေါ်လာပါတယ်။

Longevity သိပ္ပံပညာရှင်တွေက သက်ရှည်ကျန်းမာတာနဲ့ စပ်ဆိုင်တဲ့ မျိုးဗီဇတချို့ကိုတောင် ဖော်ထုတ်မှတ်တမ်းပြုနိုင်ခဲ့ကြတယ်။ အဲ့ဒီ မျိုးဗီဇပိုင်ဆိုင်ထားသူတွေက ယေဘုယျ အသက်ရှည်ကျန်းမာတာမျိုးပေါ့။ သိပ္ပံပညာရှင်တွေက အခုဆိုရင် ဗီဇနဲ့ဇရာကြားက အဆက်စပ်ကို ပိုပြီးသိနားလည်လာကြပြီ။ ကျနော်တို့ မျိုးဗီဇကြီးက မွေးကတည်းကနေ သေသည်အထိ သိသိသာသာပြောင်းသွားတယ်တော့ မရှိဘူး။

ဒါပေမယ့် ကျနော်တို့ မျိုးဗီဇကြီး အလုပ်လုပ်ပုံကို ထိန်းချုပ်ထားတဲ့ Epigenome ကတော့ ပြောင်းလဲနေတယ်။ ဟိုအရင်က ကျနော်တို့မွေးစာရင်းထဲမှာရှိတဲ့ မွေးနေ့ဟာ လူတယောက်ရဲ့အသက်ရွယ်တိုင်းတာဖို့ တခုတည်းသောနည်းလမ်းပဲဆိုပါတော့။ ဒါပေမယ့် ဒီနေ့မှာတော့ ကျ‌နော်တို့ Epigenome ရဲ့ ဇီဝဗေဒအရအသက်ရွယ်က ပိုအရေးကြီးပါလားဆိုတာ Longevity သိပ္ပံပညာရှင်တွေ သဘောပေါက်လာကြတယ်။

သတင်းကောင်းကတော့ ဒီနေ့သိပ္ပံပညာဟာ ကျနော်တို့ သက်ရှည်ကျန်းမာနုပျိုနေဖို့ မျိုးဗီဇကြီးကိုရော သူ့ကိုထိန်းချုပ်ထားတဲ့ Epigenome ကိုရောပါ ပြုပြင်ပြောင်းလဲနိုင်ဖို့ လမ်းစတွေရထားပါပြီ။ CRISPR-Cas9 တို့လို နည်းပညာသစ်တွေနဲ့ အခြားဗီဇပြုပြင်ရေးနည်းစနစ်တွေက လူတယောက်ရဲ့ ဗီဇကို ထပ်ဖြည့်တာ၊ ဖျက်ပစ်တာ၊ ဒါမှမဟုတ် ပြောင်းလဲပစ်တာမျိုးတွေ လုပ်ပေးနိုင်ဖို့ ဆရာဝန်တွေကို အစွမ်းဖြည့်ပေးနေပါတယ်။

များမကြာခင် အချိန်တွင်းမှာ ကျနော်တို့တွေ ရောဂါဖြစ်စေတဲ့ မျိုးဗီဇတွေကို ဖယ်ရှားပစ်တာ၊ အလုပ်မလုပ်နိုင်အောင် ချိုးနှိမ်ထားတာ မျိုးတွေ လုပ်နိုင်တော့မယ်။ တဖက်မှာလည်း သက်ရှည်ကျန်းမာဖို့ အထောက်ပံ့ဖြစ်တဲ့ မျိုးဗီဇတွေ ထပ်ပေါင်း ဖြည့်ထည့်တာ၊ ပွားများအောင် လုပ်ပေးတာတွေ လုပ်နိုင်တော့မှာ ဖြစ်ပါတယ်။

မျိုးဗီဇပြုပြင်တာက မျိုးဗီဇတခေတ်ပြောင်းရဲ့ ထွက်ပေါ်လာတဲ့ နည်းပညာတွေထဲက တခုဖြစ်ပါတယ်။ ဗီဇကုထုံး (Gene therapy) ဆိုတာ လူတယောက်ရဲ့ လိုအပ်နေတဲ့ပရိုတိန်းကို ကိုယ့်မှာရှိတဲ့ မျိုးဗီဇကမထုတ်နိုင်လို့ ပြင်ပကနေ အဲ့ဒီပရိုတိန်း ထုတ်နိုင်တဲ့ မျိုးဗီဇကို ဆဲလ်ထဲထည့်ပေးတဲ့ လုပ်ငန်းစဥ်ပါ။ လက်ရှိမှာ ဒီနည်းနဲ့ ရှားပါးရောဂါ အနည်းငယ်ကို ကုသပေးနေပါတယ်။ မကြာခင်မှာ ဒီနည်းက အစွမ်းထက်ကုသရေးစနစ် ဖြစ်လာပြီး ခုထက်ပိုခေတ်စားလာမှာပါ။ ၂၀၂၅ လောက်မှာ FDA အနေနဲ့ ဒီလိုဗီဇကုထုံးနည်း (၁၀-၂၅) ခုလောက်ထိ ခွင့်ပြုပေးမယ် မျှော်လင့်ရပါတယ်။

ဒီနေ့ခေတ် ဗီဇကုထုံးတွေထဲက အစွမ်းထက်ဆုံး ဆိုနိုင်တဲ့တခုကတော့ CAR T-Cells Therapy ဖြစ်ပါတယ်။ ဒါက ကင်ဆာလူနာရဲ့ T-Cells ကို သူတိုက်ရမယ့် ကင်ဆာအတွက် သိပ္ပံပညာရှင်တွေက အဆင့်မြင့်လက်နက်တပ်ဆင်ပေးတဲ့ နည်းစနစ်ဆိုပါတော့။ အဲ့ဒီ T-Cells တွေကို သူတိုက်ခိုက်ရမယ့် ကင်ဆာဆဲလ်အမျိုးအစားအလိုက် antigen receptors တွေကို ဓာတ်ခွဲခန်းထဲမှာ တပ်ဆင်ပြီးအဆင့်မြှင့်ပေးတယ်။ ပြီးတာနဲ့ လူနာထဲပြန်ထည့်ပြီး ကင်ဆာဆဲလ်တွေကို တိုက်ခိုက်ချေမှုန်းခိုင်းတာပေါ့။ ဒါ့အပြင့် နောက်ထပ်ပြန်လည် ထကြွလာနိုင်တဲ့ ကင်ဆာဆဲလ်ကိုလည်း စောင့်ကြည့် နှိမ်နင်းပေးတယ်။ CAR T-Cells Therapy ဟာ တနှစ်ကို လူဆယ်သန်းလောက်သေစေတဲ့ ကင်ဆာကို အဆုံးသတ်ပေးနိုင်ပါလိမ့်မယ်။






The Science and Technology of GROWING YOUNG (Sergey Young) စာအုပ်မှ ကောက်နှုတ်ချက်

21/10/2025

ပြန်ရေးရမယ့် Transcription သင်ခန်းစာ

၂၁ အောက်တိုဘာ ၂၀၂၅

ကျ‌နော်တို့တွေ မော်လီကျူးဇီဝဗေဒ (Molecular Biology) မှာ ပရိုတိန်းထုတ်လုပ်ပုံ (Gene Expressions) ကို DNA ကနေ mRNA အဖြစ်ကူးရေးတာ (Transcription) နဲ့ mRNA ကနေ Protein အဖြစ်ပြောင်းတာ (Translation) ဆိုပြီး ပါဝင်တာ သိခဲ့ကြပြီးဖြစ်ပါတယ်။

DNA ကနေ mRNA အဖြစ် ကူးရေးခြင်း (Transcription) အဆင့်မှာ ဖတ်စာအုပ်တွေအရ တလျောက်လုံး ကျ‌နော်တို့ သိထားကြတာက ဗီဇ တခုမှာ စတင်ကူးရေးတဲ့နေရာက တနေရာတည်းပုံသေဖြစ်တယ် (fixed transcription start site) လို့ သိထားကြတယ်။ အဲ့ဒီ Transcription Start Site (TSS) ဆိုတာ ကူးရေးခြင်း (Transcription) စတင်ရာနေရာပေါ့။ DNA ရဲ့ အဲ့ဒီနေရာလေး (TSS) မှာ ဘာတွေပါလဲဆို

(၁) Promotor Region

သူက ဗီဇ (gene) တခုရဲ့ အစနေရာရဲ့ ရှေ့ကပ်လျှက်မှာ ရှိတဲ့ DNA sequence လေး။

(၂) RNA Polymerase Binding

အထက်က Promoter က အချက်ပြလိုက်တာနဲ့ RNA Polymerase နဲ့ တခြား အထောက်ကူပြု ပရိုတိန်းတွေ (Transcription factors) တွေက ဗီဇ (gene) ရဲ့ DNA ပေါ်လာ ပူးကပ်လိုက်တယ်။

(၃) Transcription Initiation

အဲ့လို ပူးကပ်ပြီးမှ RNA Polymerase က ကူးရေးခြင်း (Transcription) လုပ်ငန်းစဉ်ကို Transcription Start Site (TSS) နေရာအတိကျကနေ စတင် ကူးရေးတော့တာပါပဲ။

ဒါက ကျနော်တို့ သိထားတဲ့ ကူးရေးခြင်း စတင်ရာနေရာက ဇာတ်လမ်းဆိုပါတော့။ အပြည့်စုံ အဆင့်တွေပြောရရင် အစပြုခြင်း (Initiation), ရှည်ဆန့်ခြင်း (Elongation) နဲ့ အဆုံးသတ်ခြင်း (Termination) ပေါ့။ ဗီဇတခု (gene) ပရိုတိန်းထုတ်လုပ်မယ်ဆိုတိုင်း (gene expressions) ဒီနေရာကနေပဲ စတင်တယ်။ တရားသေ ဒီနေရာပဲ လို့ပဲ သိထား၊ မှတ်ယူထားကြတာ။

ဒါပေမယ့် ဘော်စတွန်တက္ကသိုလ်ရယ်၊ မန်ဆာချူးဆက်တက္ကသိုလ် က T.H. Chan ဆေးကျောင်းက ဇီဝဗေဒ လက်ထောက်ပါမောက္ခ Ana Fiszbein တို့ရဲ့ သုတေသန တွေ့ရှိချက်က အထက်က ကျနော်တို့ အစဉ်အလာရ သိထားတာထက် ပိုတယ်လို့ဆိုပါတယ်။ သူတို့တွေ့ရှိချက် သုတေသနကို Science ဂျာနယ်မှာ ရေးသားထုတ်ဝေခဲ့တာပါ။

သူတို့ဘာတွေဖော်ထုတ်ခဲ့လဲ?

ကျနော်တို့ အရင်က သိထားတာ ဗီဇတခု ပရိုတိန်းထုတ်ရင် စတင်ကူးရေးရာနေရာဟာ တခုတည်းပဲ။ အဲ့ဒီနေရာကပဲ တသမတ်တည်း စတင်တယ်လို့ သိထားတယ်။

အခု သူတို့‌ ဖော်ထုတ်တာမှာ ပထမတခုက Transcription Start Site (TSS) ဟာ ပြောင်းနိုင်တယ်။ တခုတည်း တရားသေမဟုတ်ဘူး။ ဒါကတချက်။
ဒုတိယတခုက အဲဒီကူးရေးခြင်း အစပြုရာနေရာ (TSS) ပြောင်းရင် ကူးရေးခြင်း ရပ်တဲ့နေရာ (Transcription Stop Site) ကလည်း လိုက်ပြောင်းသွားတယ်။ ဆိုလိုတာ ကူးရေးခြင်း အစပြုတဲ့နေရာကပဲ အဆုံးသတ်နေရာကို ဆုံးဖြတ်ပေးတယ်။ အစပြုတဲ့နေရာက အဆုံးသတ်‌ေနရာကို ထိန်းချုပ်ထားတယ်‌ေပါ့။ ဒီ (၂) ချက်ကို ဖော်ထုတ်ခဲ့ကြတာ။

ဘယ်လိုအခြေအနေမှာ TSS ပြောင်းသွားနိုင်သလဲ?

(၁) ဆဲလ်ဖွံ့ဖြိုးခြင်းနဲ့ ခွဲခြားကွဲပြားခြင်း

ကျနော်တို့ဆဲလ်တွေဟာ မူလဆဲလ် (Stem cells) တွေဟာ သက်ဆိုင်ရာ ဆဲလ်တွေ (ဥပမာ၊ အရေပြားဆဲလ်၊အရိုးဆဲလ်၊ ဦးနှောက်ဆဲလ် စသဖြင့်) အဖြစ် ခွဲခြားကွဲပြား ပြောင်းလဲတဲ့အခါ သက်ဆိုင်ရာ ဆဲလ်မှာ လုပ်ဆောင်ရမယ့် လုပ်ငန်းတာဝန်အတွက် လိုအပ်တဲ့ ပရိုတိန်း ထုတ်ပေးနိုင်ဖို့ TSS ပြောင်းလဲသွားပါတယ်။

(၂) ပတ်ဝန်းကျင်ကိုတုန့်ပြန်ခြင်း

ကျနော်တို့ဆဲလ်တွေက သူ့ပတ်ဝန်းကျင် (Stress, Hormone နဲ့ Nutrition) ပြောင်းသွားရင် လိုက်လျောညီထွေဖြစ်အောင် ပရိုတိန်းတွေ ပြောင်းထုတ်ရပါတယ်။ အဲ့လိုအခြေ‌အနေမှာ ဒီ ဗီဇတခုတည်းကနေပဲ TSS ပြောင်းပြီး ပတ်ဝန်းကျင်နဲ့ လိုက်လျောညီထွေဖြစ်တဲ့ ပရိုတိန်း ထုတ်ပေးပါတယ်။

(၃) သတ်မှတ်တစ်ရှူးအရ ပြောင်းလဲခြင်း

လူတယောက်ရဲ့ ဗီဇ (gene) တွေဟာ ဆဲလ်တိုင်းမှာ တူတူပဲ ဆိုပေမယ့် သူလုပ်ဆောင်ရတဲ့ လုပ်ငန်းက ကွာခြားသွားရင် ပရိုတိန်းထုတ်ပုံလည်း ကွာသွားတာမို့ TSS ပြောင်းပြီး သူ့တစ်ရှူးနဲ့ ကိုက်ညီတဲ့ ပရိုတိန်း ပြောင်းထုတ်ပေးပါတယ်။
(ဥပမာ ဗီဇ တခုဟာ ဦးနှောက်ဆဲလ်မှာရော ကြွက်သားဆဲလ်မှာပါ တည်ဆောက်ပုံ တူညီတယ်ဆိုပေမယ့် ဦးနှောက်ဆဲလ်မှာ ဦးနှောက်နဲ့ သင့်လျော်တဲ့ ပရိုတိန်းထုတ်ပြီး၊ ကြွက်သားဆဲလ်ထဲမှာ ကြွက်သားနဲ့ အလုပ်ဖြစ်တဲ့ ပရိုတိန်းထုတ်ပေးပါတယ်။ ဒီလိုလုပ်ဆောင်ဖို့ TSS နေရာကို ပြောင်းလိုက်တာပါပဲ)

ဘယ်လိုဖော်ထုတ်လဲ?

သူတို့တွေက မျိုးဗီဇကြီးအချက်အလက် အမြောက်အများ (Large scale genomic data) တွေ အသုံးပြုပြီး တိကျတဲ့ ဗီဇပြုပြင်ရေးနည်းလမ်းတွေ (gene editing) နဲ့ ဗီဇ‌တွေကို ဖွင့်တာ၊ပိတ်တာ မျိုးတွေလုပ်ပြီး စမ်းသပ်ဖော်ထုတ်ခဲ့ကြတာပါ။ အဲ့ဒီမှာ သူတို့တွေ ကူးရေးခြင်း စတင်တဲ့နေရာကို ပြောင်းလိုက်ရင် အဆုံးသတ်တဲ့နေရာပါ ‌လိုက်ပြောင်းသွားတာ တွေ့ခဲ့ကြရတယ်။

အဲ့မှာ ဒီ ဗီဇတခုတည်းကနေ ပရိုတိန်း ပုံစံ ရာချီ ထုတ်နိုင်တာ တွေ့လာရတယ်။ isoform တေွပေါ့။ အဲ့လို စတင်တဲ့နေရာတွေ ပြောင်းပေးလိုက်တာနဲ့ ပရိုတိန်းတွေကလည်း ပြောင်းကုန်တာ။ တချို့ဆို အရင် ပုံမှန်ပရိုတိန်း လုပ်ငန်းစဉ်နဲ့ ပြောင်းပြန်အလုပ်လုပ်တဲ့ ပရိုတိန်းတွေတောင် ထွက်လာပါတယ်။ ဆိုတော့ ဗီဇတခုက မူမမှန်ဖြစ်ပြီး လွဲမှားတဲ့ ပရိုတိန်း ထုတ်နေရင်တောင် မူလ ပုံမှန်ပရိုတိန်း ပြန်ထုတ်နိုင်အောင် စတင်ကူးရေးတဲ့ နေရာကို ပြောင်းပေးလို့ရနိုင်တယ် ဆိုပါတယ်။

ဘယ်လိုတွေ သက်ရောက်နိုင်သလဲ?

ဗီဇတခုရဲ့ ကူးရေးခြင်း စတင်တဲ့ နေရာ ပြောင်းသွားတာနဲ့ အဆုံးသတ်ပါ ပြောင်းပြီး မတူညီတဲ့ ပရိုတိန်းတွေ ထုတ်လာတတ်တယ်။ အဲ့လိုထုတ်တဲ့အခါ ကင်ဆာအကျိတ် လိုမျိုးတွေဖြစ်လာနိုင်တယ်။ ဘယ်လောက်တောင်ဆို တခါတလေမှာ ကင်ဆာကျိတ်ကို ဖိနှိပ်ပေးထားတဲ့ ပရိုတိန်းကနေ ကင်ဆာဖြစ်စေတဲ့ ပရိုတိန်း အဖြစ်တောင် ပြောင်းစေနိုင်ပါတယ်။

အဲ့လိုအခါ နဂိုမူလ ပုံမှန် စတင်‌ရာနေရာကို ပြန်ပြောင်းပေးခြင်းအားဖြင့် ပုံမှန်ပရိုတိန်းတွေ ပြန်ထုတ်လာနိုင်အောင် လုပ်ပေးနိုင်တယ်ပေါ့။

ဒါ့ကြောင့် ကင်ဆာ‌ တွေကို ပစ်မှတ်ထားတာ၊ အာရုံကြောရောဂါတွေ၊ ဖွံဖြိုးမှု နောက်ကျတာ နဲ့ ဇရာဖြစ်စဉ်လို ရောဂါတွေ ကုသရေးအတွက် အင်မတန်ကောင်းမွန်တဲ့ နည်းတွေ ဖြစ်လာနိုင်ပါတယ်။

ဆိုတော့ အရင်က အခြေခံအသိအရ ကုသရေးမှာ ဗီဇတခု ပုံမှန်မဟုတ်ဘဲ ပြသနာဖြစ်စေတဲ့ ပရိုတိန်းတွေထုတ်နေတယ်ဆို အဲ့ဒီ ဗီဇကို ပိတ်ချလိုက်ပြီး၊ အလုပ်မလုပ်အောင် တားလိုက်တာမျိုးပေါ့။
အခုတွေ့ရှိချက် အသစ်အရ ပိတ်လိုက်တာမျိုး လုပ်စရာ မလိုဘဲ ကိုယ်လိုချင်တဲ့ ပုံမှန် ပရိုတိန်း ထုတ်အောင် စတင် ကူးရေးတဲ့ ‌နေရာကို ရွှေ့ပေးလိုက်ပြီး ပြင်လို့ရလာမယ်ပေါ့။

ဒါဟာ ကျနော်တို့ အရင်က သိထားတဲ့ မောလီကျူးဇီဝဗေဒ Textbook ကို ပြင်ရေးရမယ့် သဘောဖြစ်သွားတာပေါ့။







Photo credit

20/10/2025

ကြောင်က‌လေးရွှေဝါတွေ ဘာ့ကြောင့်ဝါ - ရွှေဝါတွေမှာ အထီးတွေ ဘာလို့ ပိုများရတာလဲ?

၂၀ အောက်တိုဘာ ၂၀၂၅

ကြောင် ကလေး ရွှေဝါတို့ရဲ့ ဒီလိုဆွဲဆောင်မှုရှိတဲ့ အမွှေးလေးတွေက ဘယ်လိုဖြစ်လာတာလဲ၊ ပြီးတော့ ဘာလို့ ရွှေဝါတွေရဲ့ (၈၀%) လောက်က အထီးတွေ ဖြစ်နေရတာလဲဆိုတဲ့ ပဟေဠိကို သိပ္ပံပညာရှင်တွေ မကြာသေးခင်ကပဲ ဖော်ထုတ်နိုင်ခဲ့ပါပြီ။ အဖြေကတော့ သူတို့မှာ အခြားနို့တိုက်သတ္တဝါတွေနဲ့မတူတဲ့ ထူးခြားတဲ့ မျိုးရိုးဗီဇဆိုင်ရာ ပြောင်းလဲမှု (Genetic Mutations) တစ်ခု ရှိနေလို့ပါပဲ။

ရွှေဝါဖြစ်ရတဲ့ ဇာစ်မြစ်

ကြောင်တွေရဲ့ ဒီရွှေအိုရောင်ဟာ လူတွေရဲ့ ဆံပင်နီနီကို ဖြစ်စေတဲ့ ဖီယိုမီလာနင် (Pheomelanin) လို့ခေါ်တဲ့ ဆိုးဆေးတစ်မျိုးကနေ လာတာပါ။ ဒါပေမဲ့ ဒီအရောင်ဖြစ်လာပုံကတော့ တခြားတိရစ္ဆာန်တွေနဲ့ မတူပါဘူး။

ဗီဇ (Gene) တည်နေရာ - ရွှေ‌အိုရောင်ကို ထိန်းချုပ်တဲ့ ဗီဇက ကြောင်ရဲ့ လိင်ကို ဆုံးဖြတ်တဲ့ X ခရိုမိုဆုန်း ပေါ်မှာ ရှိပါတယ်။

ထူးခြားတဲ့ ဗီဇပြောင်းလဲမှု (Mutation) - သုတေသီတွေ ရှာဖွေတွေ့ရှိတာကတော့ ရွှေအိုရောင်ကြောင်တွေရဲ့ X ခရိုမိုဆုန်းမှာ Arhgap36 ဆိုတဲ့ ဗီဇတခု အနီးနားက DNA အပိုင်းအစလေးတခု ပျောက်နေတာ (Deletion) ပါပဲ။

အရောင်ကို ဘယ်လို ပြောင်းလဲပစ်လဲ။ ဒီ DNA အပိုင်းလေး ပျောက်ဆုံးသွားတာ(deletion) က Arhgap36 ဗီဇကို အရောင်ထုတ်တဲ့ ဆဲလ်တွေ (အရေပြားဆဲလ်တွေ) ထဲမှာ ပုံမှန်မဟုတ်ဘဲ အလုပ်လုပ်ခိုင်းလိုက်ပါတယ်။ ဒီဗီဇက ပုံမှန်အလုပ်လုပ်သင့်တဲ့နေရာမဟုတ်ဘဲ ရောက်နေတဲ့အခါ၊ သူက အနက်ရောင် ဒါမှမဟုတ် အညိုရောင်လို အ‌ရောင်ရင့် ဆိုးဆေးတွေ ထုတ်လုပ်တဲ့ လမ်းကြောင်းကို ပိတ်ဆို့လိုက်ပါတယ်။ အဲဒီလို ပိတ်ဆို့လိုက်တဲ့အခါ၊ ဆဲလ်တွေက အရောင်ရင့် (အညို၊ အနက်) အစား အလိုအလျောက် လိမ္မော်ရောင် (ဖီယိုမီလာနင်) ကိုပဲ ထုတ်လုပ်တော့တာကြောင့် ကြောင်လေးတွေ လိမ္မော်ရောင် (ရွှေဝါ) ဖြစ်လာတာပါ။

အထီးတွေ ဘာလို့ ပိုများနေရတာလဲ? (လိင်နဲ့ ဗီဇ ဆက်စပ်မှု)

ဒီလိမ္မော်ရောင်ဗီဇက X ခရိုမိုဆုန်းပေါ်မှာ ရှိနေတာကြောင့် အထီးနဲ့အမ အချိုးအစားက မတူဘဲ ပြောင်းလဲသွားတာပါ။

အထီးများ (XY) - ကြောင်ထီးတွေမှာ X ခရိုမိုဆုန်း တစ်ခုတည်း သာ ရှိပါတယ်။ ဒါကြောင့် သူတို့ရဲ့ X ခရိုမိုဆုန်းမှာ လိမ္မော်ရောင် ဗီဇအထွန်း( gene mutation) ပါလာတာနဲ့ တစ်ကောင်လုံး အလိုလို လိမ္မော်ရောင် (ရွှေအိုရောင်) ဖြစ်သွားပါတော့တယ်။

အမများ (XX): ကြောင်အမတွေမှာ X ခရိုမိုဆုန်း နှစ်ခု ရှိပါတယ်။ သူတို့ လုံးဝဥဿုံ လိမ္မော်ရောင်ဖြစ်ဖို့ဆိုရင် X ခရိုမိုဆုန်း နှစ်ခုလုံးမှာ လိမ္မော်ရောင် ဗီဇ အထွန်း ပါရမှာ ဖြစ်ပါတယ်။ အခြားအရောင်ဗီဇတွေ ပိုများနေတဲ့အတွက် X နှစ်ခုစလုံး လိမ္မော်ရောင်ဖြစ်ဖို့ဆိုတာ ဖြစ်နိုင်ခြေ အင်မတန် နည်းပါတယ်။

Calico နဲ့ Tortoiseshell (ကွက်ကြားအရောင်) ဘယ်လိုပေါ်လာသလဲ။

လိမ္မော်ရောင်ဗီဇတစ်ခုနဲ့ အခြားအရောင်ဗီဇတစ်ခုစီပါတဲ့ (ဥပမာ- လိမ္မော်နဲ့အနက်) ကြောင်အမတွေကတော့ ကယ်လီကို (Calico) ဒါမှမဟုတ် လိပ်ခွံရောင် (Tortoiseshell) လို အရောင်ကွက်ကြားတွေ ဖြစ်လာပါတယ်။ ဒါကို X-Inactivation (X-ခရိုမိုဆုန်း ရပ်တန့်ခြင်း) လို့ ခေါ်ပါတယ်။

X inactivation ကြောင့် ကြောင်အမရဲ့ ဆဲလ်တစ်ခုစီတိုင်းမှာ X ခရိုမိုဆုန်းနှစ်ခုထဲက တစ်ခုကို ကျပန်းရွေးချယ်ပြီး အလုပ်မလုပ်တော့အောင် ပိတ်လိုက်ပါတယ်။

ဒီလို ပိတ်လိုက်တဲ့အခါ၊ လိမ္မော်ရောင် ဗီဇ "ပွင့်နေတဲ့" ဆဲလ်တွေက လိမ္မော်ရောင် အမွေးတွေကို ဖြစ်စေပြီး၊ အနက်ရောင် ဗီဇ "ပွင့်နေတဲ့" ဆဲလ်တွေက အနက်ရောင် အမွေးတွေကို ဖြစ်စေပါတယ်။ ဒါကြောင့် အရောင်နှစ်မျိုးက ကွက်ကြား ပေါ်နေတာပါ။

အထီးတွေမှာ X တစ်ခုတည်းသာရှိလို့ ဒီလိုရွေးချယ်ပိတ်ဖို့ မလိုတဲ့အတွက် ကယ်လီကိုလို ကွက်ကြားတွေ မပေါ်ပါဘူး။

သိပ္ပံပညာရှင်တွေရဲ့ အဆိုအရ ဒီလိမ္မော်ရောင်ဗီဇဟာ အလွန်ရှေးကျပြီး နှစ်ပေါင်း ၉၀၀ လောက်ကတည်းက ပေါ်ပေါက်ခဲ့တယ်လို့ ယူဆရပါတယ်။ ပြီးတော့ ကြောင်က‌ေလး ရွှေဝါတွေရဲ့ နာမည်ကြီး "ဆိုးသွမ်းတဲ့ စရိုက်" တွေကတော့ ဒီဗီဇကြောင့် မဟုတ်ဘဲ၊ လိမ္မော်ရောင်ကြောင် အများစုက အထီးတွေဖြစ်နေလို့ အထီးတွေရဲ့ ပုံမှန်စရိုက်ပဲ ဖြစ်နိုင်တယ်လို့ သုံးသပ်ထားပါတယ်။

တခြား နို့တိုက်သတ္တဝါတွေထက် ထူးခြားတာက သူ့ရဲ့ ရောင်ချယ် ဗီဇဟာ လိင်ဆက်စပ် ခရိုမိုဇုမ်းပေါ်မှာ ရှိနေတာမို့ X-linked ဖြစ်သွားပြီး အထီးတွေမှာ တွေ့ရများတာ ဖြစ်ပါတယ်။ အခြားနို့တိုက်သတ္တဝါတွေမှာကျ ရောင်ချယ် ဗီဇက S*x Chromosome ပေါ်မှာ ရှိတာ မဟုတ်လို့ Skin colour ဟာ ကျား၊မ လိင်နဲ့ မသက်ဆိုင်ပါဘူး။

ကျနော်တို့ လူတွေက တိရစ္ဆာန်တွေမှာ gene mutation ဖြစ်ပြီး ထူးခြားရင် ရှားပါးတာမို့ ပိုသဘောကျနှစ်ခြိုက်ကြတယ်။ တချို့ ရိုးရာယဥ်‌ေကျးမှု‌ေတွမှာဆို အလေးထား မွေးမြူကြတာရှိတယ်။ တကယ်က ဗီဇအထွန်းပါပဲ။ လူမှာဖြစ်ရင်တော့ ခွဲခြားတတ်တဲ့ဓလေ့လေး ရှိတတ်ပြန်ပါတယ်။






Photo credit - Pixabay

19/10/2025

အချက်လက်ဒေတာသိမ်းဆည်းမှုရဲ့ အနာဂတ် - DNA ကို အသုံးပြုခြင်း

19 October 2025

AI ခေတ်မှာ ဒစ်ဂျစ်တယ်ဒေတာပမာဏဟာ တစ်ဟုန်ထိုးတိုးတက်လာတာနဲ့အမျှ လက်ရှိ ဒေတာသိမ်းဆည်းတဲ့ နည်းလမ်းတွေ (ဥပမာ- ဟာ့ဒ်ဒစ်များ(Hard Disk Drive)၊ သံလိုက်တိပ်များ (Magnetic ) ဟာ စွမ်းဆောင်ရည်၊ တာရှည်ခံမှုနှင့် ရေရှည်တည်တံ့မှုမှာ စိန်ခေါ်မှု‌ေတွနဲ့ ရင်ဆိုင်နေရသည်။ ဒီစိန်ခေါ်မှု‌ေတွကို ကျော်လွှားဖို့ အတွက် သိပ္ပံပညာရှင်တွေက သဘာဝတရားရဲ့ အချက်အလက်သိုလှောင်တဲ့ မူလပုံစံဖြစ်တဲ့ ဒီအန်အေ (DNA) ကို အသုံးပြုပြီး ဒေတာသိမ်းဆည်းရန် နည်းလမ်း‌ တွေတီထွင်ဖော်ထုတ်နေကြပါတယ်။

(၁) ဘာ့ကြောင့်လဲ (အဓိကမောင်းနှင်အားများ)

သိပ္ပံပညာရှင် တွေက အချက်လက် ဒေတာတွေ သိုလှောင်သိမ်းဆည်းဖို့ DNA ကို စိတ်ဝင်စားရခြင်း၏ အဓိကအကြောင်းရင်း‌ တွေက-

ဒေတာသိပ်သည်းဆ မြင့်မားခြင်း (High Storage Density)

DNA ဟာ ဒေတာသိမ်းဆည်းနိုင်မှု စွမ်းရည် အလွန်မြင့်မားပါတယ်။ သံလိုက်သိုလှောင်မှု (magnetic storage) မှာ (၁) ဘစ် (bit) သိမ်းဆည်းရန် အက်တမ်ပေါင်း (၁) သန်းခန့် လိုအပ်ပေမယ့် DNA မှာတော့ (၁) ဘစ်အတွက် အက်တမ် (၅၀) ခန့်သာ လိုအပ်တယ်ဆိုပါတယ်။ စာတမ်းအချို့အရ DNA (၁) ဂရမ်မှာ Exabytes (၄၅၅ Exabytes အထိ) ပမာဏရှိတဲ့ ဒေတာ‌ တွေကို သိမ်းဆည်းနိုင်ပြီး၊ ဒါဟာ အင်တာနက်ပေါ်ရှိသမျှ ဒေတာအားလုံးကို သကြားခဲတစ်လုံးစာ‌ေလာက်သာရှိတဲ့ DNA ထဲမှာ သိမ်းဆည်းနိုင်မယ့် အလားအလာရှိတယ် ဆိုပါတယ်။

တာရှည်ခံမှုနှင့် ရေရှည်တည်တံ့မှု (Longevity and Durability)

သင့်လျော်တဲ့အခြေအနေ (ဥပမာ- ခြောက်သွေ့အေးမြသော ပတ်ဝန်းကျင်) မှာ သိမ်းဆည်းထားမယ်ဆိုရင် DNA ဟာ နှစ်ပေါင်း ထောင်နှင့်ချီပြီး (ပင်မ သန်းနဲ့ချီပြီး) တည်တံ့နိုင်ပါသည်။ အခုပဲ လွန်ခဲ့တဲ့ နှစ်သန်းချီက ကျောက်ဖြစ်ရုပ်ကြွင်းတွေက DNA ကို Sequence ဆွဲ ဖော်ထုတ်နေနိုင်ကြတယ်မဟုတ်လား။ လက်ရှိ အသုံးပြုနေသော သံလိုက်တိပ်များသည် (၅) နှစ်မှ (၁၀) နှစ်အတွင်း ပျက်စီးနိုင်သဖြင့် ဒေတာများကို အချိန်ကြာလာတာနဲ့အမျှ ထပ်မံကူးယူရန် လိုအပ်ပါတယ်။

(၂) ဘယ်လိုအကျိုးရှိတာလဲ

နေရာကျဉ်းကျဉ်းဖြင့် ဒေတာများစွာ သိမ်းဆည်းနိုင်ခြင်း

- ဒေတာစင်တာများ၏ နေရာလိုအပ်ချက်နှင့် စီမံခန့်ခွဲမှုစရိတ်ကို လျှော့ချပေးနိုင်တယ်။

စွမ်းအင်ချွေတာနိုင်ခြင်း

- သိမ်းဆည်းဖို့အတွက် (အေးခဲထားသည့် အခြေအနေမှလွဲ၍) စွမ်းအင် လိုအပ်ချက် အင်မတန်နည်းပါတယ်။ ဒါ့ကြောင့် ရေရှည် ဒေတာမော်ကွန်းတိုက် (Archival Storage) အတွက် အလွန်သင့်လျော်ပါတယ်။

လွယ်ကူစွာ ကူးယူနိုင်ခြင်း

- အင်ဇိုင်း (Enzyme) ကို အခြေခံတဲ့ နည်းပညာ တွေသုံးပြီး DNA ပုံစံနဲ့ သိမ်းဆည်းထားတဲ့ ဒေတာ တွေကို လွယ်ကူစွာ ပွားယူနိုင်ပါတယ်။

(၃) ဘာတွေလိုအပ်မလဲ (စိန်ခေါ်မှုများ)

DNA ဒေတာသိမ်းဆည်းခြင်း နည်းပညာကို လက်တွေ့အသုံးချနိုင်ဖို့ အောက်ပါစိန်ခေါ်မှုများကို ကျော်လွှားဖို့ လိုအပ်ပါတယ်။

ကုန်ကျစရိတ်လျှော့ချရေး

ဒေတာကို DNA အဖြစ် ပေါင်းစပ်ထုတ်လုပ်ခြင်း (Synthesis) နဲ့ ဖတ်ရှုခြင်း (Sequencing) လုပ်ငန်းစဉ်တွေဟာ လက်ရှိမှာ စရိတ်စက အလွန်ကြီးမားနေဆဲဖြစ်ပါတယ်။

ဖတ်/ရေးနှုန်းမြှင့်တင်ရေး

ဒေတာများကို DNA ထဲသို့ ရေးသွင်းခြင်း (Write) နှင့် ပြန်လည်ဖတ်ရှုခြင်း (Read) အရှိန်ဟာ ရိုးရိုး ဒစ်ဂျစ်တယ်စနစ်များနဲ့ နှိုင်းယှဉ်ကြည့်ရင် အင်မတန် နှေးကွေးနေပါ သေးတယ်။

အမှားပြင်ဆင်ခြင်း (Error Correction)

DNA ပေါင်းစပ်ခြင်းနှင့် ဖတ်ရှုခြင်း လုပ်ငန်းစဉ်များအတွင်း အမှားများ ဖြစ်ပေါ်နိုင်တာမို့ ဒေတာ တွေမပျောက်ပျက်စေဖို့ဆိုရင် ထိရောက်တဲ့ စနစ် (Coding System) များ လိုအပ်ပြန်ပါတယ်။

(၄) လုပ်နည်း အဆင့်ဆင့် (Process)

DNA ဒေတာသိမ်းဆည်းခြင်း လုပ်ငန်းစဉ်သည် အဓိကအားဖြင့် အဆင့်သုံးဆင့်ရှိပါတယ်။

ကုဒ်သွင်းခြင်း (Encoding)

လုပ်ဆောင်ပုံ

ဒစ်ဂျစ်တယ်ဖိုင် (Binary Data: ၀ နှင့် ၁) ကို DNA နျူကလီရိုတိုက် (Nucleotides) လေးမျိုးဖြစ်တဲ့ အေ (A)၊ တီ (T)၊ ဂျီ (G)၊ စီ (C) တို့ရဲ့ အစီအစဉ်အလိုက် ပြောင်းလဲကုဒ်သွင်းပါတယ်။ အမှားပြင်ဆင်ခြင်းအတွက် လိုအပ်တဲ့ အချက်အလက်များကိုလည်း ထည့်သွင်းရပါတယ်။

ဥပမာ - ဒစ်ဂျစ်တယ်စနစ်ရဲ့ (၀,၁) ကို DNA ကုဒ်အဖြစ် ပြောင်းလဲပုံ (Goldman et al., 2013 မှ စနစ်တစ်ခုဥပမာ)

00 to A
01 to C
10 to G
11 to T

ဒါ့ကြောင့် "HELLO" ဆိုတဲ့ စကားလုံးကို ASCII ကုဒ်လုပ်၊ ပြီးမှ Binary ပြောင်း၊ နောက်ဆုံးမှ DNA အဖြစ် အစီအစဉ်တကျ ပြောင်းလဲလိုက်ပါတယ်။

(လက်တွေ့မှာတော့ အမှား တွေကို လျှော့ချဖို့ ပိုမိုရှုပ်ထွေးတဲ့ ကုဒ်စနစ်‌ေတွကို အသုံးပြုပါတယ်။ ဒါက အကြမ်းဖျင်း မြင်သာရုံ ရေးပြခြင်းသာ)။

ပေါင်းစပ်ထုတ်လုပ်ခြင်း (Synthesis / Writing)

လုပ်ဆောင်ပုံ

ကုဒ်သွင်းထားတဲ့ DNA အစီအစဉ် (DNA sequence) အတိုင်း ဓာတုနည်းလမ်းတွေ ဒါမှမဟုတ် အင်ဇိုင်းနည်းလမ်းတွေနဲ့ စမ်းသပ်ဖန်ပြွန်အတွင်းမှာ DNA မော်လီကျူးတိုလေးတွေ (Oligonucleotides) အဖြစ် စီစဉ်ဖန်တီးလိုက်ပါတယ်။ ဒါဟာ ဒစ်ဂျစ်တယ်ဒေတာကို ရုပ်ပိုင်းဆိုင်ရာ DNA အဖြစ် ပြောင်းလဲသည့် အဆင့်ဖြစ်သည်။

သိမ်းဆည်းခြင်း (Storage)

လုပ်ဆောင်ပုံ

ဓာတုပစ္စည်းတွေနဲ့ အကာအကွယ်ပြုထားတဲ့ DNA မော်လီကျူး တွေကို ခြောက်သွေ့ပြီး အေးမြတဲ့ အခြေအနေ (ဥပမာ- ဖန်ပုလင်း သို့မဟုတ် အခန်းအပူချိန်) မှာ သိမ်းဆည်းလိုက်ပါတယ်။

ဖတ်ရှုခြင်း (Sequencing / Reading)

လုပ်ဆောင်ပုံ

လိုအပ်တဲ့အခါ သိမ်းဆည်းထားတဲ့ DNA ကို မျိုးရိုးဗီဇ အစီစဉ် ဖတ်ရှုတဲ့ စက် (DNA Sequencer) ကို အသုံးပြုပြီး DNA အစီအစဉ် (A, T, G, C) ကို ပြန်လည်ဖတ်ရှုပါတယ်။

ကုဒ်ပြန်‌ ဖော်ခြင်း (Decoding)

ဖတ်ရှုရရှိလာတဲ့ DNA အစီအစဉ်ကို မူလဒစ်ဂျစ်တယ် Binary ဒေတာ (၀ နှင့် ၁) အဖြစ် ပြောင်းပြန်ကုဒ်ပြန်‌ေဖာ်ပြီး မူရင်းဖိုင်ကို ပြန်လည်ရရှိစေပါတယ်။

(၆) ဘယ်နေရာတွေမှာ အသုံးချလို့ရနိုင်မလဲ

ရေရှည် မော်ကွန်းတိုက် (Long-Term Archival Storage)

မကြာခဏ ထုတ်ယူဖတ်ရှုဖို့ မလိုအပ်ဘဲ နှစ်ပေါင်းများစွာ သိမ်းဆည်းထားဖို့သာ လိုအပ်တဲ့ ဒေတာများ (ဥပမာ- နိုင်ငံတော်မှတ်တမ်းများ၊ သမိုင်းဝင်အချက်အလက်များ၊ သိပ္ပံနည်းကျ ဒေတာကြီးများ)

Big Data Storage

တိုးပွားလာတဲ့ ဒစ်ဂျစ်တယ်ဒေတာပမာဏကို စွမ်းရည်မြင့်မားစွာ သိမ်းဆည်းထားဖို့။
ဆေးပညာနှင့် ဇီဝနည်းပညာ: ဆေးဘက်ဆိုင်ရာ ဓာတ်ပုံများ၊ လူနာမှတ်တမ်းများနှင့် မျိုးရိုးဗီဇဆိုင်ရာ ဒေတာများကို ရေရှည် ထိန်းသိမ်းထားဖို့။

(၇) အခုလက်ရှိ ဘယ်လောက်ထိလုပ်နိုင်ပြီလဲ

DNA ဒေတာသိမ်းဆည်း ရေး နည်းပညာဟာ သုတေသနအဆင့်မှာ စမ်းသပ်ဖွံ့ဖြိုးဆဲ အဆင့်ပဲ ရှိပါ‌ေသးတယ်။

စွမ်းဆောင်ရည်: ၂၀၁၈ ခုနှစ်မှာ သုတေသီတွေဟာ (၂၀၀ )မီဂါဘိုက် (MB) ကျော်ရှိတဲ့ ဒေတာ‌ တွေကို DNA ထဲမှာ အောင်မြင်စွာ သိမ်းဆည်းနိုင်ခဲ့ပြီး၊ ဒါဟာ အရင်ကထက် အများကြီး တိုးတက်လာခဲ့တာ ဖြစ်ပါတယ်။
တိုးတက်မှုများ: အင်ဇိုင်းကို အခြေခံတဲ့ DNA ပေါင်းစပ်ထုတ်လုပ်ခြင်း နည်းပညာများ (Enzymatic DNA Synthesis) ကို တီထွင်နေပြီး ဒါဟာ ဓာတုနည်းလမ်း‌ တွေထက် ပိုမိုမြန်ဆန်၊ စရိတ်သက်သာပြီး အမှားနှုန်းနည်းပါး‌ေစဖို့ ရည်ရွယ်တာဖြစ်ပါတယ်။

စီးပွားဖြစ် အဖွဲ့အစည်းများ: Twist Bioscience နဲ့ Catalog တို့လို ကုမ္ပဏီတွေဟာ DNA ဒေတာသိမ်းဆည်းမှု နည်းပညာကို စီးပွားဖြစ် ဖော်ဆောင်ဖို့ ကြိုးပမ်းနေကြတာ ဖြစ်ပြီး DNA Data Storage Alliance လိုမျိုး အဖွဲ့အစည်းများလည်း ပေါ်ပေါက်လာပြီဖြစ်ပါတယ်။

(၈) အနာဂတ်အလားအလာ ဘယ်လိုရှိလဲ

DNA ဒေတာသိမ်းဆည်းမှု၏ အနာဂတ်အလားအလာသည် အင်မတန် အလားလာ ကောင်းတယ် ဆိုနိုင်ပါတယ်။
စရိတ်စကကျဆင်းခြင်း

Moore's law အရ DNA အစီစဉ်ဖတ်ရှုခြင်း (Sequencing) စရိတ်တွေဟာ ဟိုး အရင်ကထက် အများကြီး ကျဆင်းလာခဲ့ပြီး၊ ပေါင်းစပ်ထုတ်လုပ်ခြင်း (Synthesis) စရိတ်ကိုလည်း လျှော့ချနိုင်မယ်လို့ မျှော်မှန်းရပါတယ်။

မရှိမဖြစ် လိုအပ်ချက်

ဒစ်ဂျစ်တယ်ဒေတာ ပေါက်ကွဲမှုကြောင့် လက်ရှိ သိုလှောင်မှု စနစ်တွေဟာ မနိုင်နင်းဖြစ်လာတဲ့အခါ DNA သိုလှောင်မှုကသာ ရေရှည်ဒေတာမော်ကွန်းတိုက်ရဲ့ အဓိကမဏ္ဍိုင် ဖြစ်လာနိုင်ပါတယ်။

နည်းပညာ ပေါင်းစပ်မှု

ဇီဝဗေဒ၊ ကွန်ပျူတာသိပ္ပံနှင့် ဓာတုဗေဒတို့ ပေါင်းစပ်ထားတဲ့ နည်းပညာဖြစ်တာကြောင့် သုတေသနနဲ့ တီထွင်ဖန်တီးမှုနယ်ပယ် ကျယ်ပြန့်လာမယ်လို ခန့်မှန်းရပါတယ်။

နိဂုံးချုပ်အားဖြင့် DNA ဒေတာသိမ်းဆည်းမှုဟာ လက်ရှိမှာ စိန်ခေါ်မှုတွေ (ကုန်ကျစရိတ်၊ နှေးကွေးမှု) အများကြီး ရှိနေပေမယ့် သူ့ရဲ့ စွမ်းရည်မြင့်မားမှု၊ တာရှည်ခံမှုနဲ့ ခေတ်မီမှု စတဲ့ ထူးခြားသော အားသာချက်‌ တွေကြောင့် ဒစ်ဂျစ်တယ်ခေတ်ရဲ့ ရေရှည်ဒေတာသိမ်းဆည်းမှုပြဿနာကို ဖြေရှင်းပေးမယ့် နည်းပညာ ခေတ်ပြောင်း တော်လှန်ရေး တစ်ရပ်အဖြစ် ပေါ်ထွက်လာနိုင်တဲ့ အလားအလာရှိနေတယ်လို့ ဆိုချင်ပါတယ်။

မှတ်ချက် -

1g DNA can store 215 Petabytes (215 Million Gigabytes)
(1 Petabyte = 1,000,000 GB)

18/10/2025

AI in Molecular Biology

ဘာ့ကြောင့် AI ပညာရှင်တွေကို ၂၀၂၄ ဓာတုဗေဒ နိုဗယ်လ်ဆု ချီးမြှင့်ခဲ့သလဲ?

၁၈-၁၀-၂၀၂၄

ခင်ဗျားတို့ ကျနော်တို့တွေ ပရိုတိန်း ဆိုတာကို နေ့စဥ်ကြားဖူးနေကြမှာပါ။ အာဟာရညီညွတ်မျှတအောင် စားသောက်ဖို့ ပြောကြတဲ့အခါ၊ ဒီနေ့ခေတ်စားနေတဲ့ Body Building အတွက် ဖြည့်တင်းကြတဲ့အခါ ဒီ ပရိုတိန်း ဆိုတဲ့ အသားဓာတ်အကြောင်းက မပါမဖြစ်ပြောနေကြတော့ ဒီစကားလုံးနဲ့ ရင်းနှီးနေကြမှာပေါ့။ တကယ်တမ်းကျတော့ ကျနော်တို့ သက်ရှိတွေ (လူအပါအဝင် တိရစ္ဆာန်တွေ၊ အပင်တွေ စသည်ဖြင့်) အားလုံးဟာ ဒီ ပရိုတိန်း အတုံးအခဲကြီးတွေ (Protein Building Block) တွေပါပဲ။ ဒါ့ကြောင့်လည်း အာဟာရမျှတဖို့၊ ကိုယ်ခန္ဓာကြီးထွားဖို့ တို့အတွက် ပရိုတိန်း ကြွယ်ဝတာတွေ စားခိုင်းတာပေါ့။

မော်လီကျူးဇီဝဗေဒ (Molecular Biology) မှာ ကျနော်တို့ ဒီ မျက်စိနဲ့ မြင်တွေ့နေရတဲ့ ရုပ်ခန္ဓာကြီးရော အကူကိရိယာတွေနဲ့မှ မြင်ရတဲ့ အင်ဇိုင်းတွေ၊ ဟော်မုန်းတွေ ကလည်း အကုန် ပရိုတိန်းတွေချည်းပါပဲ။ ဒီ ပရိုတိန်းတွေ ဘယ်ကရလာသလဲ? သူတို့ကို ထုတ်ပေးတဲ့ ဗီဇ (Genes) တွေ ရှိပါတယ်။ မော်လီကျူးဇီဝဗေဒ (Molecular Biology) ရဲ့ Central Dogma မှာ ဗီဇ (Genes) တွေကို ပရိုတိန်းထုတ်တဲ့ လုပ်ငန်းစဥ် (Gene Expression) လူပ်တဲ့အခါ ပထမအဆင့် ဗီဇ (Genes) ပေါ်က ဒီအန်အေ (DNA) တွေ ကို mRNA အဖြစ် ပြောင်းလဲလိုက်ပါတယ်။ အဲ့ဒါကို transcription လို့ ခေါ်ပါတယ်။ ဒုတိယအဆင့် mRNA ကို ပရိုတိန်း (Protein) အဖြစ်ပြောင်းထုတ်ပေးလိုက်တာပါ။ ဒီအဆင့်ကိုတော့ Translation လို့ ခေါ်ပါတယ်။

သဘောက ATGC ကုဒ်တွေပါတဲ့ DNA (Gene) ကနေ AUGC ကုဒ်ပါတဲ့ mRNA ပြောင်းတယ်။ အဲ့ဒီ AUGC ကုဒ်ပါတဲ့ mRNA တွေကို ရိုင်ဗိုဇုမ်း (Ribosome) ကနေ (3) လုံးတတွဲ ဖတ်ပြီး ဘာသာပြန်လိုက်တော့ Amino Acids အလုံး (၂၀) ကို လိုအပ်သလို စီပြီးထွက်လာတဲ့ ကနဦးပရိုတိန်းတွေ ထွက်လာတယ်။ အဲ့တာကို သူ့တို့အပေါ်မှာ ပါကြတဲ့ ဓာတုဗေဒ bond တွေ အပြန်အလှန်ချိတ်ဆက်ကြပြီး အဆင့် ၄ ဆင့် တွန့်ခေါက်လိုက်တဲ့အခါမှ အသင့်အသုံးချနိုင်တဲ့ လုပ်ငန်းသုံး ပရိုတိန်း ရလာတာပါ။

ဆိုတော့ ပရိုတိန်းတွေ ဘယ်က ထွက်လာလဲ ဆိုတာ အကြမ်းဖျင်းသိပြီပေါ့။ ကျနော်တို့ရဲ့ DNA (genes) တွေက ထုတ်ပေးတာ။ အထက်ကပြောတဲ့ ဖြစ်စဥ် Gene Expression အတိုင်း ထုတ်ပေးလိုက်တာပဲ။

တကယ်တမ်း အသေးစိတ်ဆိုရင် အဆင့်တွေက ဒီထက် များပြားရှုပ်ထွေးပါတယ်။ ထားလိုက်ဦးပေါ့။ ဒီလုပ်ငန်းစဥ် အဆင့်တခုခုတိုင်းမှာ အလွဲအချော်တခုခု ဖြစ်ခဲ့ရင် နောက်ဆုံးထွက်လာမယ့် အသင့်သုံး ပရိုတိန်းမှာ ပြသနာရှိပြီပေါ့။ ဒါ့ကြောင့်ပဲ ဗီဇရောဂါ၊ ကင်ဆာ နဲ့ အခြား ပြသနာ အမျိုးမျိုးက ဒီ အဆင့်တွေမှာ ဘယ်နားက ဘာဖြစ်နေလို့လဲ ဆိုတာကို trace လိုက်လို့ရလာတာပေါ့။

အဲ့ဒီမှာ ရှေ့ဆုံးက DNA အဆင့်ကို လေ့လာတော့ Genomics လို့ ခေါ်ကြတယ်။
mRNA တွေကို အသေးစိတ်လေ့လာကြတော့ Transcriptomics လို့ခေါ်ကြတယ်။
နောက်တဆင့် ထွက်လာတဲ့ Protein တွေကို လေ့လာကြတော့ Proteomics လို့ ခေါ်ကြတယ်။
အဲ့ဒီ Protein တွေရဲ့ Metabolism တွေကို လိုက်လေ့လာကြတော့ Metabolomics လို့ ခေါ်ကြတာပေါ့။
ဒါတောင်ကျန်သေးတယ်။ DNA ကို ပရိုတိန်း ဘယ်အချိန်၊ ဘယ်ရွေ့ဘယ်မျှ ထုတ်မယ် ဆိုတာ ပြင်ပ stimulus တွေနဲ့ ချိတ်ဆက်ပြီး ထိန်းညှိပေးနေတဲ့ Epigenome အကြောင်းတွေ လေ့လာတော့ Epigenomics တဲ့။

ထားပါ အခုဆိုလိုချင်တာက Proteomics ခေါ်မှာပေါ့။ ပရိုတိန်းက translation အဆင့်ပြီးမှထွက်လာတာမို့ Post translational လို့လည်း ပြောကြတယ်။ ဆိုတော့ ထွက်လာရင် Primary, Secondary, Tertiary နဲ့ Quaternary ဆိုပြီး အဆင့် (၄) ဆင့် တွန့်ခေါက် (Folding) လုပ်လိုက်မှ အသင့်သုံး Protein ရတယ်ဆိုထားတယ်။

သူက တွန့်ခေါက်ချင်သလို တွန့်ခေါက် လို့တော့ မရဘူး။ သူ့ရဲ့ အဖြောင့်တန်း ထွက်လာတဲ့ အမီနိုအက်ဆစ်တွေ ဖွဲ့စည်းထားတဲ့ ဓာတုဗေဒ တည်ဆောက်ပုံအရ ဘယ်ဓာတု ဒြပ်ပေါင်းပေါ်က လက်တံဟာ ဘယ်ပေါ်ကကောင်ကို လှမ်းချိတ်လိုက်မယ် ဆိုတာနဲ့ သွားတာ။ အမီနိုအက်ဆစ်က အမျိုး (၂၀) ကို ကာဗွန် ( C )၊ ဟိုက်ဒရိုဂျင် (H)၊ နိုက်ထရိုဂျင် (N)၊ အောက်ဆီဂျင် ( O) ရယ် ဆာလဖာ (S) ရယ်ဆိုတဲ့ အက်တမ် ‌၅ မျိုး နဲ့ ဖွဲ့စည်းထားကြတယ်။ အဲ့ဒီ အက်တမ်တွေ ဓာတ်ပြု ချိတ်ဆက်တော့မှ တွန့်ခေါက်ပြီး အသင့်သုံး ပရိုတိန်းရတာ။

ဆိုတော့ ဒီ အမီနိုအက်ဆစ် peptide chain အဖြောင့်တန်း ထွက်လာပြီး ဘယ်လိုတွန့်ခေါက်မလဲ ဆိုတာက ခန့်မှန်းရခက်ပါတယ်။ အဲ့ဒါကို သိဖို့ သုတေသီ ပညာရှင်များဟာ စမ်းသပ်မှု အကြိမ်ကြိမ်လုပ်ရတယ်။ ထွက်လာတဲ့ ပရိုတိန်းဟာ ပုံမှန်မဟုတ်ဘဲ (misfolding) ရောဂါဖြစ်စေနေတာမျိုးဆို သူတို့ရဲ့ တွန့်ခေါက်ပုံ (3D structure) သိဖို့ အတော်လေး လက်ဝင်အောင် စမ်းသပ်ဖော်ထုတ်ရပါတယ်။ X ray crystallography, NMR spectroscopy, Cryo EM လိုမျိုး နည်းတွေသုံး ပြီး ပုံဖော်တာတွေ လုပ်ကြည့်ရတယ်။ သိလာပြန်တော့လည်း အဲ့ဒီ ပရိုတိန်းကို အလုပ်မလုပ်နိုင်အောင် ပိတ်ပစ်ဖို့ သူနဲ့ အံဝင်ခွင်ကျ ဓာတ်ပြု ပိတ်ပေးမယ့် ပရိုတိန်း ရှာဖွေ ပြီး ဆေးအနေနဲ့ (Drug Development) ဖော်ထုတ်ရပြန်ပါတယ်။

ဒီနေရာမှာ လူတွေရဲ့ ပရိုတိန်းတွေမှာ အမီနိုအက်ဆစ် အလုံး (၅၁) လုံးပဲ ပါတဲ့ အင်ဆူလင် ပရိုတိန်း လို အ‌သေးလေးက စလို့ အမီနိုအက်ဆစ် အလုံးပေါင်း (၃၄၃၅၀) ထိပါတဲ့ အကြီးဆုံးပရိုတိန်း titin တို့ထိ ပါရှိကြတယ်။ ဒါ‌ကြောင့် ဒီလောက် များပြားတဲ့ အမီနိုအက်ဆစ် တွေ ဘယ်လို တွန့်ခေါက်ကြလဲ ဆိုတာ ဖြစ်နိုင်ချေတွေက အများကြီးရှိနေပါတယ်။ ဥပမာ မြင်အောင်ပြရရင် ဂဏန်း (၄) လုံး ပါတဲ့ password ကို ဂဏန်း (၄) လုံး စလုံးသိပြီး အစီအစဉ် ကို မသိရင် ဖော်ထုတ်ဖို့ ခက်သလိုမျိုးပေါ့။ အနည်းဆုံး (၅၁) လုံးလောက်ကနေ အများဆုံး ၃ သောင်းခွဲ နီးပါး ရှိတဲ့ အမီနိုအင်ဆစ်ကလေးတွေကို အဆင့် (၄) ဆင့် တွန့်ခေါက်ရင် ဖြစ်လာနိုင်မယ့် (3D structure) က အများကြီး ဖြစ်နေပါတယ်။

ဆိုတော့ ပြသနာတခု ဖြစ်လာရင် ဘယ်နေရာတွန့်ခေါက်တာ မှားသွားလဲ၊ အဲ့ဒီမှားတဲ့နေရာကို ဘယ်လို ပိတ်ရမလဲ ဆိုတာမျိုးက အတော်ရှာရမလွယ်တဲ့ အလုပ်ပါ။ အကြိမ်ရေအခေါက‌်ပေါင်းမြောက်များစွာ အထပ်ထပ်အခါအခါ စမ်းသပ်ပြီးမှ သိလာရတာမျိုးပါ။

အခုတော့ AlphaFold2 ရဲ့ ကျေးဇူးနဲ့ ခဏလေးအတွင်းမှာ တန်းသိနိုင်ပါပြီ။ အကြမ်းဖျင်း မြင်သာအောင် ပြောရရင် ဒီဘက်မှာ အမီနိုအက်ဆစ် အစဉ်လိုက်လေး ရိုက်ထည့်ပြီး ဟိုဘက်မှာ အဆင့်လိုက် ဖြစ်နိုင်ချေ 3D structure ပရိုတိန်း ပုံတွေ ခန့်မှန်းထုတ်ပေးတာမျိုးပေါ့။ သူ့ Algorithm မှာကိုက အထက်မှာပြောတဲ့ အမီနိုအက်ဆစ်တွေက အက်တမ်တွေဟာ ဘယ်ကောင် နဲ့ ဘယ်ကောင် ဓာတ်ပြုမယ် ဆိုတာကို ထည့်ထားတာမို့ ဒီ အမီနိုအက်ဆစ် အစဉ်တန်းဟာ ဘယ်လို တွန့်ခေါက်မယ်ဆိုတာ သေချာ တိတိကျကျ တွက်ပေးနိုင်ပါတယ်။

နောက်ပြီး သူက ကိုယ်ရှာချင်တဲ့ ပရိုတိန်းက ဘယ် ပရိုတိန်းတွေနဲ့ နီးစပ်သလဲ ဆိုတာ ကိုပါ Alignment လုပ်ပေးတာမျိုးတွေ လုပ်ပေးနိုင်တယ်ဆိုပါတယ်။ ဒါကို သိချင်းအားဖြင့် ဘယ်ကနေ ဆင်းသက်လာတယ် ဆိုတဲ့ evolution ကိုလည်း သိနိုင်တာပေါ့။ ဒီ နည်းပညာတီထွင်လိုက်နိုင်တော့ ဟိုးအရင်က အင်မတန်လက်ဝင်ပြီး အချိန်အကြာကြီးယူ စမ်းသပ်မီ သိလာရတာတွေကို ခဏတွင်း သိလာနိုင်တယ်။ နောက်ပြီး ဒီနည်းပညာကို အသုံးချပြီး ရောဂါရှာဖွေရေး၊ ဆေးဝါးထုတ်လုပ်ရေး၊ ကင်ဆာကုသရေး၊ ကာကွယ်ဆေးဖော်ထုတ်ရေး တွေမှာ အလျှင်အမြန် ရှာ‌ဖွေဖော်ထုတ်နိုင်စေမှာ ဖြစ်သလို၊ (ဟိုးအရင်က ဆေးဝါးတမျိုးဖော်ထုတ်ဖို့ သူတို့ရဲ့ ဓာတုဗေဒ ကိုက်ညီမှု အလားအလာရှိတာတွေ ရှာဖွေတဲ့အဆင့်ကနေ ဘေးကင်းလုံခြုံပြီး ရောင်းဖျဖို့ ဖြန့်ဝေတဲ့ အဆင့်အထိ ဆိုရင် ဆယ်စုနှစ်တခုစာ စမ်းသပ်ဖော်ထုတ်ရတာပါ)၊

ဆိုတော့ အရင်က အချိန်တွေအကြာကြီးယူပြီး စမ်းသပ်မှ သိနိုင်တဲ့ ပြသနာကို AlphaFold2 ဆိုတဲ့ AI နဲ့ ခဏတွင်းဖော်ထုတ်နိုင်တာမျိုးပေါ့ဗျာ။

အဲ့ဒီ AlphaFold2 ကို လုပ်ခဲ့တာက Google ရဲ့ DeepMind ပရောဂျက်က ဖန်တီးခဲ့တာ။ ဒီ AlphaFold2 ကို ဆရာကြီး ၂ ဦးဖြစ်တဲ့ ဒယ်မိစ် ဟာဆာဗစ် ( Demis Hassabis) နဲ့ ဂျွန် ဂျမ့်ပါ (John Jumper) တို့က တီထွင်ခဲ့ပြီး ဒီနှစ် ၂၀၂၄ ခုနှစ်ရဲ့ ဓာတုဗေဒ နိုဗယ်လ်ဆု ပူးတွဲချီးမြှင့်ခံခဲ့ရတာပါ။

AlphaFold2 လို နောက်ထပ် AI သုံးအစွမ်းထက် ဆော့ဖ်ဝဲ ကတော့ Rosetta Software ပါပဲ။ သူကလည်း ပရိုတိန်း‌တွေကို ဒီဇိုင်းဆွဲပေးနိုင်တယ် ဆိုပါတော့။ ဒါ့ကြောင့် Rosetta Software ရဲ့ ပဲ့ကိုင်ရှင်၊ Protein Structure တွေကို ကျွမ်းကျင်တဲ့ ဇီဝဓာတုပညာရှင် လည်းဖြစ် Computational Biologist လည်း ဖြစ်တဲ့ ပရော်ဖက်ဆာ ဒေးဗစ်ဘတ်ကာ ( David Baker ) ကလည်း DeepMind ဆရာ (၂) ဦးနဲ့အတူ ဓာတုဗေဒ နိုဗယ်လ်ဆု ပူးတွဲချီးမြှင့်ခံရတာဖြစ်ပါတယ်။အခုဆိုရင် ကမ္ဘာပေါ်မှာ သက်ရှိတွေက သဘာဝအတိုင်းထုတ်ထားတာမဟုတ်တဲ့ ပရိုတိန်း တွေပါ ဒီဇိုင်းဆွဲပြီး ဖော်ထုတ် ထုတ်လုပ်နိုင်ခဲ့တဲ့အထိစွမ်းဆောင်နိုင်ခဲ့ပါတယ်။

ဒီလောက်ဆို လူပြောများနေကြတဲ့ (memes တချို့တောင် ဖန်တီး နေကြတဲ့) ဒီနှစ်ရဲ့ ဓာတုဗေဒ နိုဗယ်လ်ဆု ကို ဘာ့ကြောင့် AI နည်းပညာသမားတွေက ရရှိခဲ့သလဲ ဆိုတာ နားလည်သဘောပေါက်သွားမယ် မျှော်လင့်ပါတယ်။