Revisiting Xia's Index of Substitution Saturation, Part II: Iss.c is a power boundary, not a saturation threshold

في المكتبة الشاسعة للحياة، تُعد تسلسلات الحمض النووي (DNA) هي الصفحات التي تروي قصة كيفية ارتباط الأنواع ببعضها البعض. يقرأ العلماء هذه الصفحات لبناء أشجار العائلة، فيربطون البشر بالشمبانزي، والطيور بالديناصورات، والبكتيريا ببعضها البعض. ولكن على مر ملايين السنين، تتغير الحروف في هذه الشفرات الجينية. أحياناً، يتغير الحرف لمرات عديدة جداً لدرجة يستحيل معها معرفة ما كان عليه في الأصل. وهذا ما يسمى "التشبع بالاستبدال" (substitution saturation). تخيل كلمة أُعيدت كتابتها مرات كثيرة جداً حتى ضاعت تهجئتها الأصلية؛ في علم الوراثة، عندما تتراكم التغييرات بشكل كبير، تغرق إشارة شجرة العائلة الحقيقية في الضجيج. لعقود من الزمن، اعتمد الباحثون على فحص رياضي محدد، يُعرف باسم "المؤشر"، لتقرير ما إذا كان تسلسل الحمض النووي قد أصبح مشبعاً جداً بحيث لا يمكن الاستفادة منه. وإذا قال الفحص إن البيانات مليئة بالضجيج، يستبعدها العلماء، آملين أنه من خلال إزالة الأجزاء الفوضوية، يمكنهم رؤية الصورة الواضحة للتطور بسهولة أكبر.

لقد أخذ باحث في جامعة دونغهوا، وهو تشي-جي إكسو (Zhi-Jie Xu)، نظرة جديدة على هذه القاعدة الراسخة. ففي دراسة ضخمة شملت عشرين ألف قطعة محاكات من الحمض النووي، وجد إكسو أن القاعدة التي يستخدمها العلماء ليست في الواقع تقيس ما تدعي قياسه. لقد صُمم المؤشر للكشف عن متى يصبح التسلسل مشبعاً جداً لدرجة تمنع استعادة شجرة العائلة الصحيحة. ومع ذلك، تُظهر الدراسة أن المؤشر أعمى عن أهم عامل: وهو الشكل الفعلي لشجرة العائلة نفسها. اكتشف الباحثون أنه يمكنك الحصول على مجموعتين من بيانات الحمض النووي تبدوان متطابقتين للمؤشر، ومع ذلك يمكن لإحدى المجموعتين أن تكشف بدقة عن شجرة العائلة بينما لا تكشف الأخرى أي شيء على الإطلاق. إن المؤشر ليس حارساً موثوقاً لتقرير أي البيانات يجب التخلص منها.

يكمن جوهر المشكلة في كيفية سلوك المؤشر. توضح الدراسة أن المؤشر هو مقياس لمتوسط مقدار التغيير في البيانات، لكنه لا يهتم بكيفية ترتيب ذلك التغيير. ولإثبات ذلك، قام الباحثون بإنشاء سيناريو حيث قاموا بخلط البيانات الجينية داخل كل عمود من التسلسل. هذا الخلط دمر القدرة على إعادة بناء شجرة العائلة، مما أدى إلى انخفاض معدل النجاح في إيجاد الشجرة الصحيحة من كونه شبه مثالي إلى مجرد تخمين عشوائي. ومع ذلك، ظل المؤشر كما هو تماماً، ولم يتغير ولو بجزء ضئيل. كان الأمر كما لو أن ميزان حرارة يعطي نفس القراءة لبحيرة متجمدة وقدر مغلي. وهذا يثبت أن المؤشر لا يقيس الكمية المحددة التي تحدد ما إذا كان يمكن استعادة الشجرة أم لا.

علاوة على ذلك، تكشف الدراسة أن العتبة المستخدمة لتقرير ما إذا كانت البيانات "مشبعة" ليست رقماً ثابتاً. فهي تتغير اعتماداً على طول تسلسل الحمض النووي والشكل المحدد لشجرة العائلة قيد الدراسة. وجد الباحثون أن العلاقة بين كمية البيانات والقدرة على إيجاد الشجرة ليست قاعدة بسيطة أو عالمية. بدلاً من ذلك، هي توازن معقد يتغير بناءً على هندسة فروع الشجرة. في بعض أشكال الأشجار، يمكن أن تصبح البيانات صعبة القراءة مع كمية صغيرة جداً من التغيير، بينما في أشكال أخرى، تظل قابلة للقراءة حتى مع كميات هائلة من التغيير. الجداول القديمة التي يستخدمها العلماء لتحديد حدودهم لا تأخذ هذا التباين في الاعتبار، مما يؤدي إلى قرارات غالباً ما تكون تعسفية.

ولاختبار هذه النتائج في سياق واقعي، قام الباحثون بمحاكاة جينوم كبير يحتوي على ستة عشر نوعاً مختلفاً. قاموا بتقطيع هذا الجينوم إلى قطع صغيرة وفرزوها بناءً على درجة المؤشر. ثم حاولوا إعادة بناء شجرة العائلة باستخدام القطع التي صنفها المؤشر على أنها "نظيفة" مقابل القطع التي صنفها على أنها "مشبعة". وكانت النتيجة مفاجئة. ففي مقياس بيانات الجينوم الحديثة، والتي تتضمن آلاف القواعد، كانت القطع التي رفضها المؤشر جيدة تماماً في المساعدة على إيجاد الشجرة الصحيحة مثل القطع التي احتفظ بها. لقد رسم المؤشر خطاً في الرمل حيث لا يزال الماء ضحلاً. البيانات التي أخبر العلماء بضرورة التخلص منها لم تكن غير قابلة للاستخدام في الواقع؛ بل كانت ببساطة جزءاً من تدرج فشل المؤشر في قياسه بشكل صحيح.

كما فحصت الدراسة طريقة محددة مصممة للتعامل مع أشجار العائلة الصعبة حيث تجذب الفروع الطويلة بعضها البعض، وهي مشكلة شائعة في علم الأحياء التطوري. ووجد الباحثون أن هذه الطة لم تستفد من عملية تصفية المؤشر. في الواقع، عندما كانت البيانات قصيرة ومشبعة، كان الأداء القياسي أفضل من الطريقة المتخصصة. وهذا يشير إلى أن الطريقة المتخصصة لم تكن تعالج مشكلة ناتجة عن التشبع، بل إن عملية التصفية كانت تزيل معلومات مفيدة. لقد صُممت الطريقة المتخصصة لإصلاح نوع معين من الأخطاء، لكن الدراسة أظهرت أنه في سياق البيانات المختبرة، لم يكن الخطأ موجوداً، بل إن الفلتر عمل فقط على رمي بيانات كان من الممكن أن تساعد.

في النهاية، تخلص الورقة البحثية إلى أن المؤشر ليس عتبة للتشبع، بل هو حدود للقوة الإحصائية. إنه يخبرنا بمقدار البيانات المطلوبة لحل لغز معين، لكنه لا يخبرنا ما إذا كانت قطع اللغز مكسورة. يجادل الباحثون بضرق استخدام هذا المؤشر كقاعدة صارمة للتخلص من البيانات. بدلاً من ذلك، يجب عليهم إدراك أن القدرة على استعادة شجرة العائلة تعتمد على الترتيب المحدد للفروع وإجمالي كمية البيانات المتاحة. توفر الدراسة طريقة أكثر دقة لفهم هذه الحدود، حيث تظهر أن الحد الفاصل بين شجرة قابلة للحل وأخرى غير قابلة للحل ليس خطاً ثابتاً، بل هو هدف متحرك يعتمد على الهندسة الفريدة للتاريخ التطوري قيد الدراسة.

إن تداعيات ذلك على المجال كبيرة. لسنوات، كان الباحثون يحذفون أجزاء من بياناتهم الجينية لأن مؤشراً أخبرهم أنها مليئة بالضجيج للغاية. تشير هذه الدراسة إلى أنه في كثير من الحالات، لم تكن تلك البيانات مليئة بالضجيج على الإطلاق، بل كانت ببساطة جزءاً من نمط معقد لم يستطع المؤشر رؤيته. ومن خلال الاحتفاظ بهذه البيانات، قد يتمكن العلماء من حل أشجار عائلية كان يُعتقد سابقاً أنها صعبة الحل للغاية. العمل لا يقول إن التشبع ليس مشكلة؛ بل يقول إن الأداة المستخدمة للكشف عنه معيبة. لقد قدم الباحثون طريقة جديدة للنظر إلى المشكلة، وهي طريقة تركز على المسافة الفعلية بين شجرة العائلة الحقيقية والتخمين العشوائي، بدلاً من مجرد متوسط التغييرات. هذا التحول في المنظور يسمح بتقييم أكثر دقة لما يمكن للبيانات وما لا يمكنها إخبارنا به عن تاريخ الحياة.

وفي النهاية، تقدم الدراسة مساراً أوضح للمضي قدماً. فهي تستبدل القاعدة الجامدة بفهم دقيق لكيفية تفاعل البيانات وشكل الشجرة وطولها. لقد أظهر الباحثون أن القيمة الحرجة لتقرير ما إذا كانت البيانات مفيدة ليست رقماً واحداً ينطبق على الجميع. إنها قيمة تتغير مع الظروف المحددة للدراسة. وهذا يعني أن العلماء يجب أن يكونوا أكثر حذراً في كيفية تفسير بياناتهم، والبحث فيما وراء العتبات البسيطة لفهم البنية العميقة للإشارات التطورية التي يحاولون التقاطها. يقف هذا العمل كتصحيح لممارسة مستخدمة على نطاق واسع، مما يضمن أن تكون أدوات علم الأحياء التطوري بدقة الأسئلة التي تسعى للإجابة عنها.