एमचयन या भाग्य के कारण आबादी में उनकी आवृत्ति बदल सकती है, और यह पता लगाने के लिए कि विशिष्ट बहुरूपता क्यों बनी रहती है, विशेष रूप से कठिन वैज्ञानिक चुनौती साबित हुई है। अब, शोध 13 सितंबर को प्रकाशित हुआ सेल रिपोर्ट एक उपकरण का वर्णन करता है जो संभवतः वैज्ञानिकों, विशेष रूप से अनुकूलन और रोग की जीनोमिक जड़ों का अध्ययन करने वालों के लिए ऐसा करना आसान बना देगा।

उपकरण, डीपफेवर्ड नामक एक गहन शिक्षण एल्गोरिथम, एक साथ मौजूदा जीनोम-वाइड एसोसिएशन स्टडी (जीडब्ल्यूएएस) डेटासेट पर कई सांख्यिकीय परीक्षण चलाता है ताकि पसंदीदा उत्परिवर्तनों को अलग किया जा सके- जो चयन के परिणाम थे-हिचहाइकिंग उत्परिवर्तन से जिन्हें चुना नहीं गया था लेकिन हुआ इष्ट के साथ। तीन अलग-अलग मानव आबादी पर उपकरण को मान्य करने में, पेपर के पीछे शोधकर्ता, जो चीन में दक्षिणी चिकित्सा विश्वविद्यालय में स्थित हैं, का कहना है कि उन्होंने जीनोमिक ट्रेडऑफ की पहचान की है: विशिष्ट वातावरण के लिए अनुकूल उत्परिवर्तन जिसने लोगों को कुछ बीमारियों के प्रति अधिक संवेदनशील बना दिया है, या जो सहयात्री उत्परिवर्तनों को वहन करते हैं जिन्होंने ऐसा किया।

जबकि जिन विशेषज्ञों से बात की वैज्ञानिक सभी ने पाया कि पेपर के ट्रेडऑफ़-विशिष्ट निष्कर्षों में थोड़ा खिंचाव है – इन तथाकथित पसंदीदा म्यूटेशनों की पहचान करना बहुत कठिन है, और अनुकूलन और रोग की संवेदनशीलता के बीच ट्रेडऑफ़ उतना साफ या सीधा होने की संभावना नहीं है जितना कि पेपर बताता है, वे कहते हैं -वे सभी एल्गोरिदम और वैज्ञानिकों को ऐसे शोध प्रश्नों का बेहतर ढंग से पता लगाने में मदद करने की क्षमता से चिंतित थे।

“मुझे लगता है कि यह एक अच्छा परिकल्पना पैदा करने वाला पेपर है,” कहते हैं क्लाउडिया गोंजागा-जौरेगुई, मेक्सिको के राष्ट्रीय स्वायत्त विश्वविद्यालय में एक आनुवंशिकीविद् जिन्होंने अध्ययन पर काम नहीं किया। “यदि आप अपनी आबादी के लिए अपने जीनोमिक डेटा में इन एल्गोरिदम को चला सकते हैं, तो हो सकता है कि आप कुछ ऐसे लोकी की पहचान कर सकें जिन्हें आप आगे तलाशना चाहते हैं।”

मानव: स्थानीय अनुकूलन का अध्ययन करने के लिए एक मॉडल

अध्ययन ने मौजूदा जीडब्ल्यूएएस डेटा को उन लोगों के जीनोम में उत्परिवर्तन की जांच करने के लिए नियोजित किया जिनके पूर्वज यूरोप, पश्चिमी अफ्रीका या पूर्वी एशिया में बस गए थे। शोधकर्ताओं ने आहार से संबंधित जीन में एलील पर ध्यान केंद्रित किया, जैसे कि चयापचय या स्वाद धारणा और प्रतिरक्षा में शामिल, यह मानते हुए कि भौगोलिक रूप से अलग किए गए तीन समूहों को रोगजनकों और भोजन की उपलब्धता से संबंधित विभिन्न दबावों के अनुकूल होने की आवश्यकता होगी।

“मनुष्य दुनिया भर में आबादी के साथ एक एकल प्रजाति है, जो हर संभव अक्षांश, ऊंचाई, जलवायु और पारिस्थितिकी तंत्र में रह रहे हैं और उसके अनुकूल हैं। हम अलग-अलग वातावरण के अनुकूल होने में एक महान केस स्टडी हैं, “जॉर्ज वाशिंगटन विश्वविद्यालय के विकासवादी जीनोमिकिस्ट ब्रेंडा ब्राडलीजो अध्ययन में शामिल नहीं था, बताता है वैज्ञानिक ईमेल पर।

संयोगी उत्परिवर्तन से अनुकूली विकास को अलग करने के लिए, डीपफेवर्ड एक साथ पहले से उपलब्ध सात सांख्यिकीय परीक्षण करता है और शोधकर्ताओं द्वारा उपयोग किया जाता है ताकि यह बताया जा सके कि जीडब्ल्यूएएस अध्ययनों में रुचि के स्थलों पर कौन से उत्परिवर्तन चयन का परिणाम थे, जो सहयात्री थे, और जो असंबंधित और संयोग से थे। इन परीक्षणों को यह पता लगाने के लिए डिज़ाइन किया गया था कि विकासवादी इतिहास में हार्ड स्वीप या क्षण क्या कहलाते हैं जब एक हैप्लोटाइप (आनुवांशिक रूपों का एक समूह एक साथ विरासत में मिला) पहली बार उभरने के तुरंत बाद प्रमुखता में बढ़ गया। आमतौर पर, ऐसा तब होता है जब एक हैप्लोटाइप उन लोगों को भारी लाभ प्रदान करता है जो इसे ले जाते हैं, शिकागो विश्वविद्यालय इम्यूनोजेनेटिसिस्ट बताते हैं लुइस बैरेइरो, जिन्होंने अध्ययन पर काम नहीं किया। विचार यह है कि कई परीक्षणों के संयोजन से, डीपफेवर्ड सॉफ्ट स्वीप-हैप्लोटाइप का पता लगाने में सक्षम हो सकता है जो पहले से ही प्रचलन में थे लेकिन स्थानीय वातावरण में उनके अनुकूल परिस्थितियों में बदलने के बाद अधिक लाभकारी और अधिक प्रचलित हो गए। आवृत्ति में ये सज्जन बदलाव, बैरेइरो कहते हैं, “पहचानना बहुत कठिन है।”

शोधकर्ताओं ने नकली GWAS डेटा के एक सेट में पसंदीदा और सहयात्री म्यूटेशन की पहचान करने के लिए वर्तमान में उपयोग में आने वाले दो अन्य एल्गोरिदम के खिलाफ इसके परिणामों की तुलना करके एल्गोरिथ्म को मान्य किया, ताकि वे सटीकता का एक विश्वसनीय माप प्राप्त कर सकें, यह पाते हुए कि यह मज़बूती से दोनों से बेहतर प्रदर्शन करता है।

शोधकर्ताओं ने तब डीपफेवर्ड और वास्तविक दुनिया के जीडब्ल्यूएएस डेटा पर अन्य दो उपकरणों का परीक्षण किया। प्रत्येक व्यक्तिगत मॉडल को 700 से 1,200 उम्मीदवारों को खोजने के बावजूद, सभी तीन उपकरणों द्वारा केवल 55 पुष्टिकृत रूप से पसंदीदा उत्परिवर्तनों की पहचान की गई थी, जो बैरेरो कहते हैं कि उन 55 को केवल एक या दो तकनीकों द्वारा देखे गए लोगों की तुलना में कुछ अधिक विश्वसनीय बनाता है। इनमें चयापचय उत्परिवर्तन की अच्छी तरह से स्थापित कड़ी मेहनत शामिल थी जिसने लोगों को दुर्लभ खाद्य स्रोतों से अधिक निकालने में मदद की लेकिन अब उन क्षेत्रों में मधुमेह जैसे चयापचय रोगों से जुड़े हुए हैं जहां भोजन प्रचुर मात्रा में है, साथ ही साथ ग्लूकोज की सुविधा वाले उत्परिवर्तन के नरम स्वीप भी शामिल हैं। पाचन लेकिन मेलेनोमा और कार्सिनोमा के बढ़ते जोखिम से भी जुड़ा हुआ है।

देखना “गोनोरिया-ब्लॉकिंग म्यूटेशन अल्जाइमर से भी बचाता है: अध्ययन“

“मुझे वास्तव में लगता है कि उन्होंने जो उपकरण बनाया है वह बहुत अच्छा है। . . . अन्य उपकरण, वे उतने परीक्षणों का उपयोग नहीं कर रहे हैं, वे उन्हें एक ही समय में नहीं कर रहे हैं,” कहते हैं जेसिका ब्रिंकवर्थ, इलिनोइस विश्वविद्यालय, अर्बाना-शैंपेन में एक विकासवादी प्रतिरक्षा विज्ञान और जीनोमिक्स शोधकर्ता, जिन्होंने अध्ययन पर काम नहीं किया। वह आगे कहती हैं कि उन्होंने इस बात की सराहना की कि कैसे डीपफेवर्ड अन्य उपकरणों की तुलना में अधिक मजबूत लगता है क्योंकि इसने एक साथ कई परीक्षण किए।

वास्तव में, समान तकनीकों के लिए त्रुटि दर अधिक है, दोनों झूठी सकारात्मक और नकारात्मक धुंधली निष्कर्षों के साथ, बैरेइरो चेतावनी देते हैं, यहां तक ​​​​कि परिमाण के पूर्ण (काल्पनिक) क्रम द्वारा इष्ट उत्परिवर्तन का पता लगाने में सुधार का मतलब उत्परिवर्तन की पूर्ण संख्या के संदर्भ में बहुत अधिक नहीं हो सकता है। , जीनोम की विशालता और जटिलता को देखते हुए।

अधिक डेटा की आवश्यकता

हालांकि कागज के व्यापक निष्कर्ष उचित हैं, बैरेइरो कहते हैं, वह, ब्रिंकवर्थ, और गोंजागा-जौरेगुई सभी कहते हैं कि यदि वे कार्यात्मक प्रयोगों से जैविक डेटा देखते हैं तो वे डीपफेवर द्वारा पहचाने गए विशिष्ट ट्रेडऑफ़ में अधिक आश्वस्त होंगे।

“मुझे लगता है कि ज्यादातर समय जब लोग बात कर रहे हैं [clear-cut] ट्रेडऑफ़, यह आवश्यक रूप से वास्तविक नहीं है,” ब्रिंकवर्थ कहते हैं, इस तथ्य का हवाला देते हुए कि कई फेनोटाइपिक लक्षण एक साथ काम करने वाले कई जीन वेरिएंट के परिणामस्वरूप होते हैं। “स्पष्ट रूप से अनुवांशिक ट्रेडऑफ हैं; इसके लिए सुरक्षा, इसके लिए संवेदनशीलता। वे बहुत कठिन हैं, उन्हें खोजना बहुत कठिन है।”

मनुष्य दुनिया भर में आबादी वाली एक एकल प्रजाति है, जो हर संभव अक्षांश, ऊंचाई, जलवायु और पारिस्थितिकी तंत्र में रह रही है और उसके अनुकूल है। हम अलग-अलग वातावरण के अनुकूल होने में एक महान केस स्टडी हैं।

-ब्रेंडा ब्रैडली, जॉर्ज वाशिंगटन विश्वविद्यालय

हालांकि, इन विट्रो और अंततः विवो प्रयोगों से डेटा – उदाहरण के लिए, एल्गोरिदम के पहचाने गए उत्परिवर्तन के शारीरिक प्रभावों की दोबारा जांच करने के लिए, या आनुवंशिक सामग्री को तत्काल ऊपर और नीचे की ओर से अनुक्रमित करने के लिए बेहतर मूल्यांकन करने के लिए कि क्या हो सकता है चयन का परिणाम और साथ में क्या सहयात्री – झाडू के विकासवादी इतिहास को छेड़ने में मदद कर सकते हैं। बैरेइरो यह भी सुझाव देते हैं कि प्राचीन डीएनए नमूनों का अनुक्रमण और प्रश्न में उत्परिवर्तन की तलाश से पता चल सकता है कि कौन कब, कितनी जल्दी और किस पर्यावरणीय दबाव के जवाब में उभरा।

गोंजागा-जौरेगुई कहते हैं, “यह वास्तविकता से बाहर की परिकल्पना और अध्ययन नहीं है, लेकिन मुझे लगता है कि वास्तव में यह दिखाने के लिए कुछ अतिरिक्त डेटा की कमी है कि वे जो दिखा रहे हैं वह वास्तव में सार्थक है।”

देखना “बड़े वैज्ञानिक सहयोग का लक्ष्य मानव जीनोम को पूरा करना है“

ब्रैडली लिखते हैं, “पहचाने गए अनुकूल अनुकूली और सहयात्री साइटों की अब और अधिक विस्तार से जांच की जानी चाहिए।” “ये अनुवांशिक परिवर्तन क्या हैं और वे प्रासंगिक प्रोटीन के कामकाज को कैसे प्रभावित कर रहे हैं? और ये आबादी की एक विस्तृत श्रृंखला में कैसे भिन्न होते हैं (यहां शामिल तीनों से परे)?”

कार्यात्मक डेटा की आवश्यकता के बारे में टिप्पणियों के जवाब में, अध्ययन सह-लेखक और दक्षिणी चिकित्सा विश्वविद्यालय के शोधकर्ता हाओ झू एक ईमेल में लिखते हैं वैज्ञानिक कि व्यावहारिक अध्ययन में अत्यधिक समय और पैसा लगेगा, “और इससे भी बुरी बात यह है कि अक्सर प्रयोगात्मक रूप से अनुकूली मानव विकास की जांच करना संभव नहीं है। . . . मुझे लगता है कि अधिक सहायक साक्ष्य प्राप्त करने का अधिक संभावित तरीका GWAS अध्ययन करना है, विशेष रूप से अफ्रीकियों के GWAS अध्ययन। . . इसलिए हम यूरेशियन के लिए अनुकूली विकास और रोग संवेदनशीलता के व्यापार-बंदों को अधिक सुनिश्चित और बेहतर तरीके से माप सकते हैं।” दुर्भाग्य से, उन्होंने नोट किया, अफ्रीकी देशों में GWAS अनुसंधान के लिए वित्तीय सहायता की कमी के कारण यह क्षेत्र बाधित है।