← नवीनतम पेपर
📄 विकासवादी जीव विज्ञान

Aevol-9: A simulation platform to decipher the evolution of genome architecture

Aevol-9 एक फॉरवर्ड-इन-टाइम (forward-in-time) सिमुलेशन प्लेटफॉर्म है जो विविध उत्परिवर्तक ऑपरेटरों (mutational operators) के अधीन स्पष्ट जीनोम वाली आबादी का मॉडल बनाता है, जिससे शोधकर्ताओं को यह जांचने में सक्षम बनाया जाता है कि विकासवादी स्थितियाँ जीनोम की संरचना और संगठन को कैसे प्रभावित करती हैं।

मूल लेखक: Luiselli, J., Parsons, D., Galle, R., Banse, P., Rouzaud-Cornabas, J., Beslon, G.

प्रकाशित 2026-11-11 (v2)
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Luiselli, J., Parsons, D., Galle, R., Banse, P., Rouzaud-Cornabas, J., Beslon, G.

मूल पेपर CC BY 4.0 (https://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

पृथ्वी पर जीवन एक कोड में लिखा गया है, रासायनिक अक्षरों की एक लंबी श्रृंखला जो एक कोशिका को खुद को बनाने और जीवित रहने का निर्देश देती है। दशकों से, जीव वैज्ञानिकों ने यह समझा है कि यह कोड सूक्ष्म स्तर पर कैसे बदलता है, जैसे एक अक्षर को दूसरे से बदलना या एक अतिरिक्त वर्ण जोड़ना। लेकिन यह कोड एक बड़ी संरचना में भी व्यवस्थित होता है, जो इस बात का खाका (ब्लूप्रिंट) है कि जीन कैसे व्यवस्थित हैं, उनमें से कितने मौजूद हैं, और उनके बीच कितना "खाली स्थान" स्थित है। यह बड़ी संरचना, जिसे जीनोम आर्किटेक्चर (genome architecture) कहा जाता है, जीवन के वृक्ष में व्यापक रूप से भिन्न होती है। कुछ जीव अपने आनुवंशिक निर्देशों को छोटे वृत्तों में सघन रूप से पैक करते हैं, जबकि अन्य विशाल, विस्तृत जीनोम लेकर चलते हैं जो गैर-कोडिंग डीएनए (non-coding DNA) के बड़े विस्तारों से भरे होते हैं। वैज्ञानिक लंबे समय से यह जानना चाहते थे कि इन विभिन्न ब्लूप्रिंट्स को कौन सी ताकतें आकार देती हैं। क्या यह प्राकृतिक चयन (natural selection) का दबाव है, जो दक्षता को प्राथमिकता देता है? या क्या यह जेनेटिक ड्रिफ्ट (genetic drift) नामक भाग्य का खेल है, जो केवल संयोग से अतिरिक्त आनुवंशिक सामग्री को जमा होने की अनुमति दे सकता है? इन विचारों का वास्तविक दुनिया में परीक्षण करना लगभग असंभव है, क्योंकि विकास (evolution) को घटने में लाखों वर्ष लगते हैं, और इतनी विशाल समयावधि में एक ही प्रजाति का अवलोकन करना मानवीय पहुंच से परे है।

इस पहेली को सुलझाने के लिए, शोधकर्ताओं की एक टीम ने 'एवोल-9' (Aevol-9) नामक एक डिजिटल प्रयोगशाला बनाई है। यह अतीत को देखने का उपकरण नहीं है, बल्कि एक भविष्योन्मुखी सिम्युलेटर है जो वैज्ञानिकों को तीव्र गति से विकास होते देखने की अनुमति देता है। इस आभासी दुनिया में, शोधकर्ताओं ने डिजिटल जीवों की आबादी बनाई, जिनमें से प्रत्येक के पास एक संरचित, द्वि-तंतुक (double-stranded) जीनोम था। ये डिजिटल जीव जीवित रहने के लिए प्रतिस्पर्धा करते हैं, प्रजनन करते हैं, और अपने आनुवंशिक निर्देशों को अगली पीढ़ी को सौंपते हैं। इस प्रणाली का मुख्य नवाचार यह है कि यह किसी पूर्व-लिखित सूची के आधार पर उत्परिवर्तन (mutation) को केवल एक स्कोर नहीं देता है। इसके बजाय, सॉफ्टवेयर जीव के संपूर्ण जीनोम को पढ़ता है, उसे प्रोटीन के एक सेट में अनुवादित करता है, और फिर यह गणना करता है कि वे प्रोटीन जीव को एक विशिष्ट उत्तरजीविता लक्ष्य को पूरा करने में कितनी अच्छी तरह मदद करते हैं। यदि कोई उत्परिवर्तन जीनोम को इस तरह से बदलता है कि यह इस प्रक्रिया को बिगाड़ देता है, तो जीव की फिटनेस गिर जाती है। यदि परिवर्तन इस प्रक्रिया में सुधार करता है, तो फिटनेस बढ़ जाती है। यह प्रणाली को स्वाभाविक रूप से यह खोजने की अनुमति देता है कि विभिन्न परिस्थितियों में कौन से आनुवंशिक विन्यास सबसे अच्छा काम करते हैं, चाहे वह छोटी आबादी हो जहाँ संयोग का शासन हो, या विशाल आबादी जहाँ चयन सख्त हो।

शोधकर्ताओं ने इस प्लेटफॉर्म का उपयोग यह देखने के लिए एक विशाल प्रयोग चलाने के लिए किया कि जनसंख्या का आकार जीनोम के आकार को कैसे प्रभावित करता है। उन्होंने एक डिजिटल स्ट्रेन (strain) से शुरुआत की जो पहले से ही एक स्थिर वातावरण में दस मिलियन पीढ़ियों तक विकसित हो चुका था। फिर उन्होंने इस आबादी को तीन समूहों में विभाजित किया: एक जो उसी आकार का रहा, एक जो चार गुना बड़ा हो गया, और एक जो इसके मूल आकार के एक चौथाई तक सिकुड़ गया। उन्होंने इन समूहों को अगले 1.1 मिलियन पीढ़ियों तक विकसित होने दिया, जो एक ऐसा समय है जिसे वास्तविक बैक्टीरिया को कवर करने में हजारों साल लग सकते हैं। परिणाम चौंकाने वाले थे। छोटी आबादी में, जहाँ यादृच्छिक संयोग (random chance) एक बड़ी भूमिका निभाता है, जीनोम बड़े हो गए, जिससे अधिक गैर-कोडिंग डीएनए जमा हो गया जिसका कोई प्रत्यक्ष उद्देश्य नहीं दिखता था। बड़ी आबादी में, जहाँ प्राकृतिक चयन अक्षमताओं को बाहर निकालने में अधिक कुशल है, जीनोम सिकुड़ गया। इन बड़े समूहों के जीवों ने अपने आनुवंशिक कोड को सुव्यवस्थित किया, अतिरिक्त बोझ को त्याग दिया ताकि वे अधिक सघन बन सकें।

यह निष्कर्ष जीव विज्ञान के एक लंबे समय से चले आ रहे विचार का समर्थन करता है जिसे 'म्यूटेशनल-हैज़र्ड हाइपोथीसिस' (mutational-hazard hypothesis) कहा जाता है, जो यह सुझाव देता है कि बड़ी आबादी बेकार आनुवंशिक सामग्री को हटाने में बेहतर होती है, जबकि छोटी आबादी में इसे जमा होने की अधिक संभावना होती है। हालाँकि, सिमुलेशन ने एक सूक्ष्म अंतर प्रकट किया जो तुरंत स्पष्ट नहीं था। जबकि जीनोम का कुल आकार नाटकीय रूप से बदल गया, वास्तविक कोडिंग डीएनए—वह हिस्सा जो प्रोटीन बनाता है—सभी समूह आकारों में आश्चर्यजनक रूप से स्थिर रहा। अंतर पूरी तरह से गैर-कोडिंग क्षेत्रों में था। इसके अलावा, जीन जिस तरह से व्यवस्थित थे, वह बदल गया। छोटी आबादी में, जीन डीएनए के लंबे विस्तारों पर फैले हुए थे। बड़ी, अधिक कुशल आबादी में, जीन अधिक सघन रूप से पैक किए गए थे, जो अक्सर एकल इकाइयों के रूप में कार्य करने वाले समूहों में व्यवस्थित थे। यह सुझाव देता है कि विकास न केवल जीन को जोड़ता या हटाता है; यह जनसंख्या के प्रतिबंधों के अनुरूप ढलने के लिए जीनोम के फर्नीचर को लगातार पुनर्व्यवस्थित करता है।

Aevol-9 की शक्ति इसके हर एक परिवर्तन को ट्रैक करने की क्षमता में निहित है, चाहे वह एक अक्षर का छोटा सा बदलाव हो या जीनोम के एक बड़े हिस्से का बड़ा विलोपन (deletion)। क्योंकि शोधकर्ता प्रत्येक डिजिटल जीव के संपूर्ण इतिहास को देख सकते हैं, वे ठीक से पता लगा सकते हैं कि ये बड़े पैमाने पर परिवर्तन कैसे हुए और क्यों टिके रहे। सिमुलेशन ने दिखाया कि ये परिवर्तन यादृच्छिक दुर्घटनाएं नहीं हैं बल्कि उत्परिवर्तन, चयन और जनसंख्या के आकार के बीच परस्पर क्रिया द्वारा संचालित होते हैं। अध्ययन बताता है कि जीनोम की जटिल संरचना एक स्थिर लक्षण नहीं बल्कि पर्यावरण के प्रति एक गतिशील प्रतिक्रिया है। हजारों ऐसे डिजिटल प्रयोगों को चलाकर, टीम ने एक स्पष्ट दृश्य प्रदान किया है कि जीवन कैसे अपने आनुवंशिक निर्देशों को गहरे समय (deep time) में व्यवस्थित कर सकता है, जो पृथ्वी पर जीवन की विविधता को नियंत्रित करने वाले नियमों को समझने का एक नया तरीका प्रदान करता 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।

Digest आज़माएँ →