🧬 biology

Smoothly Time-Varying Continuous Time Markov Chains in Phylogenetics

यह शोध पत्र एक नवीन "स्प्लाइन क्लॉक" (spline clock) मॉडल प्रस्तुत करता है जो आणविक अनुक्रम डेटा से समय-परिवर्तित विकासवादी दरों को लचीले ढंग से और सटीक रूप से पुनर्गठित करने के लिए असजातीय निरंतर-समय मार्कोव श्रृंखलाओं (inhomogeneous continuous-time Markov chains) और क्यूबिक बी-स्प्लाइन्स (cubic B-splines) का उपयोग करता है, जो फोमी वायरस और SARS-CoV-2 से संबंधित सिमुलेशन और वास्तविक दुनिया के अनुप्रयोगों, दोनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।

मूल लेखक: Pratyusa Datta, Philippe Lemey, Marc A. Suchard

प्रकाशित 2026-06-26

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pratyusa Datta, Philippe Lemey, Marc A. Suchard

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक परिवार के इतिहास को फिर से बनाने की कोशिश कर रहे हैं, लेकिन पुराने फोटो एल्बम देखने के बजाय, आप उनके डीएनए (DNA) को देख रहे हैं। वैज्ञानिक इन डीएनए अनुक्रमों का उपयोग एक "पारिवारिक वृक्ष" (जिसे 'फाइलोजेनी' कहा जाता है) बनाने के लिए करते हैं, जो यह दिखाता है कि विभिन्न प्रजातियां या वायरस एक-दूसरे से कैसे संबंधित हैं। इस पेड़ को यह बताने के लिए कि चीजें कब हुईं, उन्हें यह जानना होता है कि समय के साथ डीएनए कितनी तेजी से बदलता है। इस गति को "मॉलिक्यूलर क्लॉक" (आणविक घड़ी) कहा जाता है।

लंबे समय तक, वैज्ञानिकों ने माना कि यह घड़ी एक स्थिर, अपरिवर्तित गति से चलती है, जैसे कि एक दादाजी की घड़ी (ग्रैंडफादर क्लॉक)। बाद में, उन्हें एहसास हुआ कि घड़ी कभी तेज और कभी धीमी हो सकती है, लेकिन फिर भी उन्होंने इसे एक ऐसी घड़ी की तरह माना जो केवल बड़े, अचानक बदलावों में अपनी गति बदलती है—जैसे कि एक विशिष्ट घंटे पर "धीमी" से "तेज" मोड पर स्विच करना।

समस्या: "जंपी" (उछाल वाली) घड़ी
इस शोध पत्र के लेखक तर्क देते हैं कि प्रकृति इतनी कठोर नहीं है। विकास की दर अक्सर सुचारू रूप से और धीरे-धीरे बदलती है, जैसे कि एक कार की गति बढ़ना या कम होना, न कि अचानक एक गति से दूसरी गति में कूदने की तरह। पिछले तरीकों ने, जो इन परिवर्तनों को मॉडल करने की कोशिश करते थे, अक्सर "जंपी" या "ऊबड़-खाबड़" अनुमान बनाए जो वास्तविक नहीं लगते थे, जिससे वास्तविक संकेतों और कृत्रिम शोर (noise) का मिश्रण हो जाता था।

समाधान: "स्प्लिन क्लॉक" (Spline Clock)
टीम एक नया उपकरण पेश करती है जिसे स्प्लिन क्लॉक मॉडल कहा जाता है। यह कैसे काम करता है, इसके लिए कुछ रोजमर्रा के उदाहरण दिए गए हैं:

सुचारू वक्र (The Smooth Curve): कल्पना कीजिए कि आप एक रोलर कोस्टर का रास्ता बनाना चाहते हैं। पुराना तरीका बिंदुओं को सीधी रेखाओं से जोड़ना था, जिससे एक ऊबड़-खाबड़ और झटकेदार सवारी बनती थी। स्प्लिन क्लॉक एक लचीले रूलर (जिसे "क्यूबिक बी-स्प्लिन" कहा जाता है) का उपयोग करता है ताकि एक पूरी तरह से सुचारू और बहता हुआ वक्र बनाया जा सके जो डेटा के अनुकूल हो। यह डीएनए के बदलने की गति को समय के साथ धीरे-धीरे और स्वाभाविक रूप से बदलने की अनुमति देता है।
गणितीय जादू (Gauss-Legendre Quadrature): उस सुचारू वक्र के साथ डीएनए ने कितनी "दूरी" तय की, यह गणना करने के लिए आपको भारी गणित (इंटीग्रल्स) करना होगा। आमतौर पर, यह एक लहरदार रेखा के नीचे का क्षेत्रफल मापने के लिए छोटे-छोटे वर्गों को गिनने जैसा है—जो धीमा और गलत हो सकता है। लेखक एक चालाक शॉर्टकट का उपयोग करते हैं जिसे गॉस-लेजेंड्रे क्वाड्रैचर कहा जाता है। इसे एक अत्यंत सटीक रूलर के रूप में सोचें जो बहुत कम चरणों के साथ सटीक उत्तर प्राप्त करने के लिए जानता है कि माप के बिंदु कहाँ रखे जाने चाहिए, जिससे गणना तेज और सटीक हो जाती है।
सुरक्षा जाल (Gaussian Markov Random Field): क्योंकि यह मॉडल इतना लचीला है, इसलिए यह "अत्यधिक रचनात्मक" हो सकता है और डेटा में नकली पैटर्न बना सकता है (ओवरफिटिंग)। इसे रोकने के लिए, लेखक एक "सुरक्षा जाल" (एक सांख्यिकीय प्रायर) जोड़ते हैं। यह एक कलाकार के कंधे पर रखे कोमल हाथ की तरह काम करता है, जो वक्र को सुचारू रहने के लिए प्रोत्साहित करता है और इसे तब तक बेतहाशा हिलने-डुलने से रोकता है जब तक कि डेटा इसकी पुरजोर मांग न करे।

उन्होंने क्या पाया
टीम ने अपने नए क्लॉक का परीक्षण दो तरीकों से किया:

सिमुलेशन टेस्ट: उन्होंने नकली डीएनए डेटा बनाया जहाँ विकास की गति ज्ञात तरीके से, सुचारू रूप से बदलती थी। जब उन्होंने अपने नए मॉडल को चलाया, तो इसने वास्तविक गति को लगभग पूरी तरह से खोज लिया, एक सुचारू रेखा बनाई जो सत्य के अनुरूप थी। पुराने मॉडलों ने या तो रुझान को मिस कर दिया या एक ऊबड़-खाबड़, गलत रेखा खींची।
वास्तविक दुनिया के उदाहरण:
- फोमी वायरस (Foamy Virus): उन्होंने एक ऐसे वायरस का अध्ययन किया जो 100 मिलियन वर्षों से अधिक समय से विकसित हो रहा है। स्प्लिन क्लॉक ने दिखाया कि गहरे समय में इस वायरस के परिवर्तन की गति में भारी उतार-चढ़ाव आया है। इसने दिखाया कि वायरस हाल के समय में बहुत तेजी से विकसित हो रहा है जबकि लाखों साल पहले इसकी गति धीमी थी, लेकिन यह पैटर्न एक सरल, सीधी रेखा वाला गिरावट नहीं था जैसा कि कुछ पिछले सिद्धांतों ने सुझाव दिया था।
- यूरोप में SARS-CoV-2: उन्होंने 2020 में यूरोप के 10 देशों में कोरोनावायरस के प्रसार को ट्रैक किया। यह मॉडल वायरस की यात्रा की गति मापने वाले स्पीडोमीटर की तरह काम कर गया। इसने स्पष्ट रूप रूप से दिखाया कि सख्त लॉकडाउन के दौरान वायरस की गति गिरकर शून्य के करीब पहुँच गई, प्रतिबंधों के ढीले होने के साथ गति बढ़ी, गर्मियों में यह अपने चरम पर पहुँची, और फिर दूसरी लहर के आने और नए उपायों के लागू होने के साथ फिर से धीमी हो गई। मॉडल ने वास्तविक दुनिया की सार्वजनिक स्वास्थ्य घटनाओं को पूरी तरह से प्रतिबिंबित किया।

निष्कर्ष (The Bottom Line)
स्प्लिन क्लॉक मॉडल विकास की गति मापने का एक नया और लचीला तरीका है। प्रकृति को कठोर बक्सों या ऊबड़-खाबड़ चरणों में बांधने के बजाय, यह वैज्ञानिकों को गति के उन सुचारू और बहते हुए परिवर्तनों को देखने की अनुमति देता है जो वास्तव में प्राकृतिक दुनिया में घटित होते हैं। यह शोधकर्ताओं को विकास के इतिहास और बीमारियों के फैलने के तरीके की अधिक स्पष्ट और सटीक तस्वीर प्राप्त करने में मदद करता है।

तकनीकी सारांश: फाइलोगेनेटिक्स में सुचारू रूप से समय-परिवर्तनीय निरंतर समय मार्कोव श्रृंखलाएं (Smoothly Time-Varying Continuous Time Markov Chains)

समस्या विवरण
आणविक अनुक्रम डेटा (molecular sequence data) से विकासवादी इतिहास का पुनर्निर्माण करना विकासवादी जीव विज्ञान और संक्रामक रोग अनुसंधान के लिए केंद्रीय है। मानक फाइलोगेनेटिक अनुमान होमोजेनियस निरंतर-समय मार्कोव श्रृंखलाओं (CTMCs) पर निर्भर करते हैं जिन्हें आणविक घड़ी मॉडल द्वारा पुनर्गठित किया जाता है। जबकि रिलैक्स्ड क्लॉक मॉडल शाखाओं के माध्यम से विकास दर को बदलने की अनुमति देते हैं, वे अक्सर व्यवस्थित, समय-निर्भर दर भिन्नता को पकड़ने में विफल रहते हैं। तेजी से विकसित होने वाले वायरसों (जैसे फोमी वायरस, SARS-CoV-2) पर अनुभवजन्य अध्ययनों ने प्रदर्शित किया है कि विकास दर के अनुमान नमूनाकरण समय-सीमा (sampling timeframe) के प्रति अत्यधिक संवेदनशील होते हैं, जिसे 'समय-निर्भर दर घटना' (time-dependent rate phenomenon) के रूप में जाना जाता है। इस मॉडल करने के पिछले प्रयास, जैसे कि "पॉलीएपोक क्लॉक" (Datta et al., 2025), खंडवार स्थिर दर कार्यों (piecewise constant rate functions) का उपयोग करते हैं। कम्प्यूटेशनल रूप से सुलभ होने के बावजूद, ये मॉडल एपोक सीमाओं पर कृत्रिम विच्छेदन (discontinuities) उत्पन्न करते हैं, जिससे दर अनुमानों में स्पूरियस स्थानीय दोलन (spurious local oscillations) और व्यापक विश्वसनीय अंतराल (wider credible intervals) उत्पन्न होते हैं, विशेष रूप से घने टैक्सोन सैंपलिंग वाले क्षेत्रों में। एक ऐसे मॉडल की आवश्यकता है जो समय-परिवर्तनीय दरों को समायोजित कर सके और साथ ही टेम्पोरल डोमेन में सुचारूता (smoothness) और निरंतरता को लागू कर सके।

कार्यप्रणाली
लेखक स्प्लाइन क्लॉक मॉडल (spline clock model) प्रस्तावित करते हैं, जो इनहोमोजेनियस निरंतर-समय मार्कोव श्रृंखलाओं (ICTMCs) को एक लचीले, नॉनपैरामेट्रिक दर पैरामीट्राइजेशन के साथ एकीकृत करता है।

ICTMC ढांचा: अनुक्रम प्रतिस्थापन प्रक्रिया को एक phylogeny के साथ कार्य करने वाली ICTMC के रूप में मॉडल किया गया है। लेखक मानते हैं कि समय-परिवर्तनीय दर फलन $f(t)$ इन्फिनिटेसिमल जेनरेटर मैट्रिक्स $Q$ के सभी तत्वों को समान रूप से स्केल करता है, ताकि $Q(t) = f(t)Q$ हो सके। इस धारणा के तहत, एक शाखा के लिए ट्रांजिशन प्रोबेबिलिटी मैट्रिक्स $P(t_0, t)$ दर फलन के समाकलन (integral) के फलन के रूप में कम हो जाता है: $P(t_0, t) = \exp\left(\int_{t_0}^t f(\tau) d\tau \cdot Q\right)$ ।
स्प्लाइन पैरामीट्राइजेशन: सुचारूता सुनिश्चित करने के लिए, लॉग-ट्रांसफॉर्म किए गए दर को एक क्यूबिक बी-स्प्लाइन (cubic B-spline) बेसिस एक्सपेंशन के रूप में मॉडल किया गया है: $g(t) = \beta_0 + \sum \beta_i B_{i,d}(t)$ , जहाँ $d=3$ है। दर फलन को $f(t) = \exp(g(t))$ के रूप में परिभाषित किया गया है। यह विकल्प सुनिश्चित करता है कि दर धनात्मक है और यह एक लॉग-लीनियर व्याख्या की अनुमति देता है, जिससे स्क्वेयर्ड लिंक फंक्शन्स से जुड़ी आइडेंटिफिएबिलिटी समस्याओं से बचा जा जा सकता है।
संख्यात्मक एकीकरण (Numerical Integration): लाइelihood इवैल्यूएशन के लिए आवश्यक $\exp(g(t))$ का समाकलन करने का कोई क्लोज्ड-फॉर्म समाधान नहीं है। लेखक इन समाकलों को कुशलतापूर्वक गॉस-लेजेंड्रे (GL) क्वाड्रचर का उपयोग करके अनुमानित करते हैं। बी-स्प्लाइन्स की पीसवाइज पॉलीनोमियल प्रकृति का लाभ उठाते हुए, GL नियम को प्रत्येक शाखा के साथ ओवरलैप करने वाले नॉट इंटरवल (knot interval) पर स्थानीय रूप से लागू किया जाता है। यह दृष्टिकोण एक नियत कम्प्यूटेशनल लागत के साथ उच्च सटीकता प्रदान करता है, जिससे एडेप्टिव इंटीग्रेटर्स की पुनरावृत्ति अभिसरण (iterative convergence) संबंधी समस्याओं से बचा जा सकता है।
बायेसियन अनुमान: मॉडल एक बायेसियन ढांचे का उपयोग करता है। स्प्लाइन गुणांकों (coefficients) पर रफनेस को दंडित करने और ओवरफिटिंग को रोकने के लिए एक गौसियन मार्कोव रैंडम फील्ड (GMRF) प्रायर लगाया गया है। विशेष रूप से, एक प्रथम-क्रम रैंडम वॉक प्रायर जिसका उपयोग एक परिशुद्धता पैरामीटर $\tau$ के साथ किया जाता है। यह सुनिश्चित करने के लिए कि पोस्टीरियर प्रोप्राइटी बनी रहे (चूंकि गुणांकों के अनंत की ओर जाने पर लाइelihood शून्य तक कम नहीं होती है), लेखक एक संशोधित प्रिसिजन मैट्रिक्स ( $D - \rho A$ जहाँ $\rho=0.99$ ) के साथ एक प्रॉपर GMRF प्रायर का उपयोग करते हैं। हाइपरपैरामीटर्स, जिसमें स्मूथिंग प्रिसिजन शामिल है, का अनुमान डेटा से लगाया जाता है। अनुमान एक मेट्रोपोलिस-विदिन-गिब्स (Metropolis-within-Gibbs) MCMC योजना के माध्यम से किया जाता है।

प्रमुख योगदान

नवल मॉडल आर्किटेक्चर: स्प्लाइन क्लॉक मॉडल का परिचय, जो पिछले एपोक-आधारित मॉडलों की पीसवाइज कांस्टेंट धारणा को एक निरंतरतः अवकलनीय (continuously differentiable) क्यूबिक बी-स्प्लाइन बेसिस से बदल देता है।
कम्प्यूटेशनल दक्षता: एक पीसवाइस गॉस-लेजेंड्रे क्वाड्रचर रणनीति का विकास जो ICTMC ट्रांजिशन प्रोबेबिलिटीज के लिए आवश्यक दर फलन के कुशल और सटीक संख्यात्मक एकीकरण की अनुमति देता है, जिससे पूरी तरह से नॉनपैरामेट्रिक फ्रेमवर्क्स की कम्प्यूटेशनल बाधाओं को पार किया जा सके।
रेगुलराइजेशन रणनीति: स्प्लाइन गुणांकों पर एक प्रॉपर GMRF प्रायर का कार्यान्वयन जो डेटा-संचालित प्रिसिजन पैरामीटर द्वारा नियंत्रित, लचीलेपन और सुचारूता के बीच संतुलन बनाता है, जिससे मनमाने नॉट प्रतिबंधों के बिना स्थिर अनुमान सुनिश्चित होता है।

परिणाम

सिमुलेशन अध्ययन: मॉडल का परीक्षण ज्ञात समय-परिवर्तनीय दर प्रक्षेपवक्र (log-linear वृद्धि के बाद तीव्र गिरावट) वाले सिम्युलेटेड डेटा पर किया गया।
- स्प्लाइन क्लॉक मॉडल ने अनकोरिलेटेड रिलैक्स्ड क्लॉक (UCLD) और पॉलीएपोक क्लॉक (PCM) की तुलना में उच्च सटीकता और तंग विश्वसनीय अंतरालों के साथ वास्तविक दर प्रक्षेपवक्र को सफलतापूर्वक रिकवर किया।
- UCLD मॉडल व्यवस्थित टेम्पोरल ट्रेंड्स को पकड़ने में विफल रहा, जबकि PCM अपनी डिस्क्रीटाइज्ड प्रकृति के कारण रफनेस और विच्छेदन प्रदर्शित करता है।
फोमी वायरस (FV) विश्लेषण: लगभग 100 मिलियन वर्षों में फैले 14 FV pol अनुक्रमों के डेटासेट पर लागू किया गया।
- मॉडल ने मजबूत समय-परिवर्तनीय संकेतों को प्रकट किया, जहाँ दर अनुमान चार ऑर्डर्स ऑफ मैग्नीट्यूड तक भिन्न थे।
- पिछले पावर-लॉ डिके मॉडल्स के विपरीत, स्प्लाइन क्लॉक ने एक गैर-मोनोटोनिक प्रक्षेपवक्र को रिकवर किया, जिसमें रूट (लगभग 90 MYA) के पास बढ़ी हुई दर और उसके बाद की गिरावट, और फिर हाल के समय में वृद्धि शामिल है। यह जटिल दर विषमता (rate heterogeneity) का सुझाव देता है जो समय और वंश-विशिष्ट कारकों दोनों द्वारा संचालित हो सकती है।
SARS-CoV-2 स्थानिक प्रसार (Spatial Diffusion): 2020 में एकत्र किए गए 10 यूरोपीय देशों के 3,959 जीनोमों पर स्थानिक प्रसार की दर को मॉडल करने के लिए लागू किया गया।
- अनुमानित प्रसार दरें वास्तविक दुनिया के सार्वजनिक स्वास्थ्य हस्तक्षेपों के बहुत करीब थीं।
- मॉडल ने पहले वेव लॉकडाउन (जनवरी-अप्रैल) के दौरान प्रसार दरों में कमी, उपायों के ढील दिए जाने (अप्रैल-जुलाई) के दौरान एक उछाल, और दूसरी लहर (जुलाई-अक्टूबर) के दौरान गिरावट का पता लगाया।
- विश्लेषण ने विशिष्ट वेरिएंट्स (B.1.160/20A.EU2 और B.1.177/20E(EU1)) की उत्पत्ति और प्रसार की पहचान सफलतापूर्वक की।

महत्व और दावे
यह पेपर दावा करता है कि स्प्लाइन क्लॉक मॉडल कठोर पैरामेट्रिक क्लॉक मॉडल्स और कम्प्यूटेशनल रूप से निषेधकारी पूर्णतः नॉनपैरामेट्रिक विकल्पों के बीच एक महत्वपूर्ण पद्धतिगत अंतर को भरता है। विकासवादी दरों के लिए व्यवस्थित टेम्पोरल वेरिएशन को ध्यान में रखने के लिए एक सिद्धांतपूर्ण तरीका प्रदान करके, यह मॉडल अधिक सुचारू, सटीक अनुमान और बेहतर प्रिसिजन प्रदान करता है। लेखक का तर्क है कि यह फ्रेमवर्क केवल न्यूक्लियोटाइड प्रतिस्थापन दरों तक सीमित नहीं है बल्कि अन्य समय-परिवर्तनीय डिस्क्रीट प्रक्रियाओं, जैसे कि फाइलोजियोग्राफी में स्थानिक प्रसार, पर भी स्वाभाविक रूप से लागू होता है। गहरे विकासवादी टाइमस्केल्स (FV) और तीव्र महामारी डायनेमिक्स (SARS-CoV-2) दोनों में मजबूत समय-परिवर्तनीय संकेतों को रिकवर करने की क्षमता इस मॉडल की बहुमुखी प्रतिभा और मजबूती को प्रदर्शित करती है। लेखक सुझाव देते हैं कि भविष्य के कार्य इस फ्रेमवर्क को समय और वंश (lineages) दोनों में दर भिन्नता को संयुक्त रूप से कैप्चर करने के लिए विस्तारित कर सकते हैं।

इसी तरह के और पेपर