A Block Decomposed QUBO Workflow for Chromosome-Y Phylogeny Reconstruction
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
प्रत्येक जीवित प्राणी अपने डीएनए में एक इतिहास समेटे हुए है, जो इस बात का एक आणविक रिकॉर्ड है कि हजारों वर्षों में आबादी कैसे आगे बढ़ी, मिली और अलग हुई। वैज्ञानिकों के लिए, इस इतिहास का पुनर्निर्माण करना एक विशाल, खंडित पहेली को जोड़ने की कोशिश करने जैसा है, जहाँ टुकड़े आनुवंशिक विविधताओं के हैं और चित्र एक प्रजाति के वंशावली वृक्ष (फैमिली ट्री) का है। मानव पूर्वजों का पता लगाने के सबसे विश्वसनीय तरीकों में से एक वाई (Y) क्रोमोसोम को देखना है, जो डीएनए का एक छोटा सा हिस्सा है जो पिता से पुत्र में लगभग अपरिवर्तित रूप से स्थानांतरित होता है। क्योंकि यह माँ के डीएनए के साथ मिश्रित नहीं होता है, इसलिए वाई क्रोमोसोम वंश की एक स्पष्ट, अटूट रेखा के रूप में कार्य करता है, जिससे शोधकर्ता मानव वंशावली वृक्ष की गहरी शाखाओं का मानचित्रण कर सकते हैं। हालाँकि, जैसे-जैसे आनुवंशिक डेटा की मात्रा बढ़ती है, सही वृक्ष संरचना खोजने का कार्य अविश्वसनीय रूप से कठिन होता जाता है। लोगों की एक मध्यम संख्या को भी वंशावली वृक्ष में व्यवस्थित करने के संभावित तरीकों की संख्या इतनी विशाल है कि यह हर संभावना की एक-एक करके जांच करने की मानक कंप्यूटरों की क्षमता से भी अधिक है। इस 'कॉम्बिनेटोरियल एक्सप्लोजन' (संयोजन विस्फोट) ने वैज्ञानिकों को शॉर्टकट या 'ह्यूरिस्टिक्स' पर निर्भर होने के लिए मजबूर किया है, जो जल्दी से सबसे अच्छा उत्तर तो बताते हैं लेकिन इसकी गारंटी नहीं देते कि वह वास्तविक सत्य है।
सार्डिनिया में CRS4 के शोधकर्ताओं की एक टीम ने एक नया कम्प्यूटेशनल वर्कफ़्लो विकसित किया है जो इस समस्या से निपटने के लिए दो अलग-अलग रणनीतियों को जोड़कर इस पर काम करता है: एक विशाल समस्या को छोटे, प्रबंधनीय टुकड़ों में तोड़ना और उन टुकड़ों को हल करने के लिए एक विशेष प्रकार के क्वांटम-प्रेरित एल्गोरिदम का उपयोग करना। उनका कार्य मानव वाई-क्रोमोसोम डेटा पर केंद्रित है, विशेष रूप से आनुवंशिक कोड में एकल-अक्षर परिवर्तनों को देखना जिसे सिंगल न्यूक्लियोटाइड पॉलीमोर्फिज्म (SNPs) कहा जाता है। शोधकर्ताओं ने 150 नमूनों वाले डेटासेट से शुरुआत की, जिसे उन्होंने 72 गैर-सूचनात्मक नमूनों को हटाकर साफ किया जिनमें आवश्यक आनुवंशिक वेरिएंट्स की कमी थी, जिससे विश्लेषण के लिए 78 पुरुष आबादी शेष बची। फिर उन्होंने अपने नए तरीके का उपयोग करके विकासवादी वृक्ष का पुनर्निर्माण किया। पूरे वृक्ष को एक साथ हल करने के बजाय, जो वर्तमान तकनीक के लिए बहुत जटिल होता, उन्होंने कार्य को दो मुख्य निर्णयों में विभाजित किया। पहले, उन्होंने निर्धारित किया कि लोगों के कौन से समूह वृक्ष पर एक साथ क्लस्टर (समूहबद्ध) होने चाहिए। दूसरे, उन्होंने यह पता लगाया कि समय की दिशा दिखाने के लिए वृक्ष की शुरुआत यानी 'रूट' (जड़) को कहाँ रखा जाना चाहिए।
इन निर्णनों को लेने के लिए, शोधकर्ताओं ने जैविक समस्या को एक गणितीय प्रारूप में अनुवादित किया जिसे 'क्वाड्रेटिक अनकन्स्ट्रेंड बाइनरी ऑप्टिमाइजेशन' समस्या के रूप में जाना जाता है। सरल शब्दों में, यह सर्वोत्तम वृक्ष की खोज को पहाड़ियों और घाटियों के एक जटिल परिदृश्य में सबसे निचले बिंदु को खोजने के खेल में बदलने का एक तरीका है, जहाँ सबसे निचला बिंदु सबसे संभावित पारिवारिक इतिहास का प्रतिनिधित्व करता है। चुनौती यह है कि यह परिदृश्य इतना विशाल है कि इसे एक साथ नहीं खोजा जा सकता। टीम का समाधान 'ADMM डिकंपोजिशन' नामक एक तकनीक का उपयोग करना था, जो विशाल परिदृश्य को ओवरलैपिंग (एक दूसरे पर चढ़े हुए) छोटे खंडों में विभाजित करता है। प्रत्येक खंड को स्वतंत्र रूप से हल किया जाता है, और फिर परिणामों को एक सुसंगत पूर्ण रूप देने के लिए वापस जोड़ा जाता है। यह सिस्टम को उस समस्या के आकार को संभालने की अनुमति देता जो अन्यथा एक एकल कंप्यूटर के लिए असंभव होता।
इन छोटे खंडों को हल करने के लिए, टीम ने 'डिजिटाइज्ड काउंटर-डायैबेटिक क्वांटम ऑप्टिमाइजेशन' नामक विधि का उपयोग किया। यह दृष्टिकोण समाधान के सबसे निचले बिंदु को बहुत तेज़ी से खोजने के लिए क्वांटम यांत्रिकी के सिद्धांतों का उपयोग करता है। अन्य क्वांटम विधियों के विपरीत, जिन्हें एक धीमी, पुनरावृत्ति वाली 'ट्रायल एंड एरर' प्रक्रिया की आवश्यकता होती है, यह तकनीक एक ही, सीधे मार्ग में समाधान तक पहुँचती है। शोधकर्ताओं ने अपने वर्कफ़्लो का परीक्षण एक शोर-मुक्त (नॉइज़-फ्री) कंप्यूटर सिमुलेशन पर किया जो एक क्वांटम प्रोसेसर के व्यवहार की नकल करता है। उन्होंने पाया कि इस पद्धति ने 78 आबादी के पारिवारिक वृक्ष का सफलतापूर्वक पुनर्निर्माण किया। परिणामी वृक्ष ने रूट को अफ्रीकी वंशों के भीतर गहराई में स्थापित किया, जो मानव उत्पत्ति की स्थापित वैज्ञानिक समझ के अनुरूप है। इसके अलावा, जबकि उनके नए तरीके द्वारा पहचाना गया प्रत्येक समूह एक मानक, व्यापक रूप से स्वीकृत वृक्ष-निर्माण तकनीक 'नेबर-जॉइनिंग' के साथ सुसंगत था, उनका नया तरीका नेйबर-जॉइनिंग संदर्भ वृक्ष द्वारा पाए गए समूहों में से केवल 40% को ही पुनः प्राप्त किया, जो यह दर्शाता है कि हालांकि उनका दृष्टिकोण सटीक है, लेकिन इसने मानक पद्धति की तुलना में कम कुल क्लस्टर की पहचान की।
यह अध्ययन प्रदर्शित करता है कि यह हाइब्रिड दृष्टिकोण, जो बड़े समस्याओं को विभाजित करने और कुशल क्वांटम-शैली के सॉल्वर को जोड़ता है, जनसंख्या जीनोमिक्स के लिए एक व्यवहार्य मार्ग है। यह पारंपरिक शॉर्टकट के अनुमान लगाने के बजाय आगे बढ़ने का एक तरीका प्रदान करता है, जिसके लिए पूर्ण-स्तरीय क्वांटम कंप्यूटरों की भारी, त्रुटि-पूर्ण हार्डवेयर की आवश्यकता नहीं है। यह सिद्ध करके कि वे एक सिम्युलेटेड क्वांटम डिवाइस पर इन कठिन वृक्ष-पुनर्निर्माण समस्याओं को हल कर सकते हैं, शोधकर्ताओं ने दिखाया है कि यह तकनीक भविष्य में और भी बड़े डेटासेट पर लागू होने के लिए तैयार है। उनका कार्य एक स्पष्ट, चरण-दर-चरण पाइपलाइन प्रदान करता है जो कच्चे आनुवंशिक डेटा को लेता है और उसे एक रूटेड, एनोटेटेड फैमिली ट्री में बदल देता है, जिसमें वे विशिष्ट आनुवंशिक मार्कर भी शामिल हैं जो प्रत्येक शाखा को परिभाषित करते हैं। यह उपलब्धि बताती है कि क्षेत्र एक ऐसे भविष्य की ओर बढ़ रहा है जहाँ मानव विकास के इतिहास की पूरी जटिलता को अधिक सटीकता के साथ और अनुमान पर कम निर्भरता के साथ मैप किया जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।