Generative continuous time model reveals epistatic signatures in protein evolution

तकनीकी सारांश: जेनेरेटिव कंटीन्यूअस टाइम मॉडल प्रोटीन विकास में एपिस्टैटिक हस्ताक्षरों को प्रकट करता है

समस्या विवरण
प्रोटीन का विकास मौलिक रूप से एपिस्टेसिस (epistasis) द्वारा आकार लेता है, जहाँ एक उत्परिवर्तन (mutation) का फिटनेस प्रभाव अनुक्रम संदर्भ (sequence context) पर निर्भर करता है। मानक फाइलोजेनेटिक विधियाँ आमतौर पर यह मानती हैं कि स्थल (sites) स्वतंत्र रूप से विकसित होते हैं, जो एक सरलीकरण है जो इन सर्वव्यापी अंतःक्रियाओं की उपेक्षा करता है। जबकि आधुनिक जेनेरेटिव मॉडल, जैसे कि पॉट्स मॉडल (Potts models), एपिस्टैटिक प्रभावों को सफलतापूर्वक कैप्चर कर सकते हैं और कार्यात्मक अनुक्रम उत्पन्न कर सकते हैं, वे ऐतिहासिक रूप से डिस्क्रीट-टाइम मोंटे कार्लो सैंपलिंग पर निर्भर रहे हैं। यह डिस्क्रीट दृष्टिकोण मानक विकासवादी जीव विज्ञान ढाँचों के साथ एकीकरण में बाधा उत्पन्न करता है, जो निरंतर-समय मार्कोव श्रृंखलाओं (CTMCs) पर आधारित हैं और शाखा लंबाई को प्रति साइट अपेक्षित प्रतिस्थापन (expected substitutions per site) के रूप में मापते हैं। फलस्वरूप, ऐसे उपकरणों की कमी है जो सीधे पारंपरिक फाइलोजेनेटिक मॉडलों के साथ तुलनात्मक होने योग्य, यथार्थवादी, एपिस्टेसिस-संचालित प्रोटीन विकास का अनुकरण कर सकें।

कार्यप्रणाली (Methodology)
लेखक एक निरंतर-समय अनुक्रम विकास मॉडल पेश करते हैं जो एक जेनेरेटिव पॉट्स मॉडल द्वारा पैरामीटराइज्ड है। मुख्य कार्यप्रणाली में शामिल है:

• मॉडल परिभाषा: साम्यावस्था वितरण $P_{eq}(a)$ को bmDCA एल्गोरिदम का उपयोग करके मल्टीपल सीक्वेंस एलाइनमेंट से प्राप्त फील्ड्स ($h$) और कपलिंग्स ($J$) वाले पॉट्स मॉडल द्वारा परिभाषित किया गया है। यह वितरण एकल-स्थल आवृत्तियों और युग्मवार सहसंबंधों (pairwise correlations/epistasis) दोनों को कैप्चर करता है।
• निरंतर-समय गतिकी (Continuous-Time Dynamics): फाइलोजेनेटिक्स के साथ अंतर को पाटने के लिए, लेखक इसे एक CTMC के रूप में स्वरूपित करते हैं। वे प्रक्षेपवक्र (trajectories) का अनुकरण करने के लिए गिलेस्पी एल्गोरिदम (Gillespie algorithm) का उपयोग करते हैं। संक्रमण दर मैट्रिक्स $Q$ को $P_{eq}$ के संबंध में विस्तृत संतुलन (detailed balance) को संतुष्ट करने के लिए निर्मित किया गया है, जिसमें ग्लौबर डायनेमिक्स (Glauber dynamics) का उपयोग किया गया है (हालाँकि अन्य डायनेमिक्स जैसे मेट्रोपोलिस या म्यूटेशन-सिलेक्शन का परीक्षण किया गया था और उन्होंने समान गुणात्मक परिणाम दिए)।
• दर स्केलिंग (Rate Scaling): एक स्केलिंग फैक्टर $\Omega$ को समय पैरामीटर $t$ पर लागू किया जाता है ताकि प्रति स्थिति औसत प्रतिस्थापन दर एक हो। यह सुनिश्चित करता है कि समय की इकाई सीधे मानक फाइलोजेनेटिक अनुमान में उपयोग की जाने वाली शाखा लंबाई के अनुरूप हो।
• तुलनात्मक ढांचा: मॉडल को विशिष्ट प्रोटीन परिवारों (जैसे, PF00072, रिस्पॉन्स रेगुलेटर) पर लागू किया जाता है और दो बेसलाइन के विरुद्ध तुलना की जाती है: एक प्रोफाइल मॉडल (जो साइट-विशिष्ट आवृत्तियों को बनाए रखता है लेकिन स्वतंत्रता मानता है) और मानक प्रतिस्थापन मॉडल (जैसे, LG+G4)।

मुख्य योगदान और परिणाम
अध्ययन इस बारे में मात्रात्मक अंतर्दृष्टि प्रदान करता है कि एपिस्टेसिस विकासवादी गतिकी को कैसे बदलता है:

1. जेनेरेटिव सटीकता: निरंतर-समय पॉट्स मॉडल के तहत सिम्युलेटेड प्रक्षेपवक्र प्राकृतिक अनुक्रमों के सांख्यिकीय रूप से अभिन्न (indistinguishable) होते हैं, चाहे वह एकल-साइट आवृत्तियाँ हों, युग्मवार सहसंबंध हों, या प्रिंसिपल कंपोनेंट प्रोजेक्शन। इसके विपरीत, प्रोफाइल मॉडल और मानक प्रतिस्थापन मॉडल लंबे विकासवादी समय के दौरान इन उच्च-क्रम सांख्यिकीओं को बनाए रखने में विफल रहते हैं, जिससे अक्सर उच्च सांख्यिकीय ऊर्जा (जो संभावित गैर-कार्यात्मकता का संकेत देती है) वाले अनुक्रम उत्पन्न होते हैं।

2. एपिस्टेसिस विकास को धीमा करता है: एपिस्टेसिस की उपस्थिति विचलन (divergence) की दर को महत्वपूर्ण रूप से धीमा कर देती है। जबकि प्रति साइट औसत प्रतिस्थापन दर पॉट्स और प्रोफाइल मॉडलों के बीच समान है, पॉट्स मॉडल को पूर्वज अनुक्रम से एक विशिष्ट हैमिंग दूरी (Hamming distance) तक पहुँचने के लिए अधिक विकासवादी समय की आवश्यकता होती है। यह सुलभ उत्परिवर्तनों के एक अधिक प्रतिबंधित सेट और रिवर्स म्यूटेशन की उच्च आवृत्ति के कारण है।

3. संदर्भ-निर्भर दर विषमता (Context-Dependent Rate Heterogeneity): एक केंद्रीय निष्कर्ष यह है कि जबकि औसत साइट-विशिष्ट विकास दर $\langle R_i \rangle$ एपिस्टैटिक और गैर-एपिस्टैटिक मॉडलों के बीच लगभग समान है, संदर्भ-निर्भर दर $R_i^C(a_{\setminus i})$ नाटकीय रूप से भिन्न होती है।

   • कुछ स्थितियाँ विशिष्ट संदर्भों में "जमी हुई" (rate near zero) होती हैं लेकिन अन्य संदर्भों में अत्यधिक विकास योग्य होती हैं।
   • अन्य स्थितियाँ संदर्भ से स्वतंत्र रूप से विकसित होती हैं।
   • लेखकों ने संदर्भ-निर्भर दरों के विचरण (variance) के आधार पर साइटों को पहचानने के लिए एक रैंकिंग विधि विकसित की। उन्होंने पाया कि अत्यधिक संदर्भ-निर्भर साइटें अक्सर संरचनात्मक रूप से क्लस्टर (जैसे, बाइंडिंग इंटरफेस पर) होती हैं, जबकि संदर्भ-स्वतंत्र साइटों में कोई संरचनात्मक क्लस्टरिंग नहीं देखी गई।

4. विकासवादी दूरी अनुमान में व्यवस्थित पूर्वाग्रह (Systematic Bias): जब एपिस्टैटिक पॉट्स मॉडल द्वारा उत्पन्न डेटा पर मानक साइट-स्वतंत्र मॉडलों (जैसे, प्रोफाइल मॉडल) का उपयोग करके विकासवादी दूरियों का अनुमान लगाया जाता है, तो वास्तविक विकासवादी समय का व्यवस्थित कम अनुमान (underestimation) होता है।

   • यह पूर्वाग्रह एकसमान नहीं है; यह "धीमे" संदर्भों (कम ऊर्जा, अत्यधिक बाधित अनुक्रमों) में शुरू होने वाले अनुक्रमों के लिए काफी अधिक है।
   • यह पूर्वाग्रह मुख्य रूप से उन साइटों के समूह द्वारा संचालित होता है जो दृढ़ता से संदर्भ-निर्भर हैं। जब अनुमान को संदर्भ-स्वतंत्र साइटों तक सीमित कर दिया जाता है, तो पूर्वाग्रह काफी हद तक समाप्त हो जाता है।
   • चार-टैक्सोन ट्री प्रयोगों में, यह शाखा लंबाई और ट्री व्यास के कम अनुमान की ओर ले जाता है, विशेष रूप से उन पेड़ों के लिए जो धीमे-विकसित होने वाले संदर्भों में रूट (root) किए गए हैं।

महत्व
यह शोध पत्र आधुनिक प्रोटीन जेनेरेटिव मॉडलों और शास्त्रीय फाइलोजेनेटिक्स के बीच के अंतर को पाटने का दावा करता है। एपिस्टैटिक विकास को निरंतर समय में स्वरूपित करके, लेखक एक ऐसा उपकरण प्रदान करते हैं जो मानक फाइलोजेनेटिक इकाइयों के अनुकूल यथार्थवादी विकासवादी प्रक्षेपवपथों का अनुकरण कर सकता है। यह कार्य प्रदर्शित करता है कि एपिस्टेसिस की अनदेखी करना केवल विकासवादी दरों के विचरण को ही प्रभावित नहीं करता है, बल्कि विकासवादी समय के अनुमान में एक व्यवस्थित पूर्वाग्रह भी उत्पन्न करता है। विशेष रूप से, यह प्रकट करता है कि मानक विधियाँ जब एपिस्टेसिस मौजूद होता है, तो अनुक्रमों को अलग होने के लिए आवश्यक समय का कम अनुमान लगाती हैं, विशेष रूप से अत्यधिक बाधित अनुक्रमों के लिए। यह सुझाव देता है कि वर्तमान फाइलोजेनेटिक पुनर्निर्माण व्यवस्थित रूप से शाखा लंबाई को संकुचित कर रहे हैं और विकासवादी विकिरण (evolutionary radiations) के कथित समय को विकृत कर रहे हैं, विशेष रूप से उन क्लेड्स (clades) में जो कड़े कार्यात्मक प्रतिबंधों के अधीन हैं। लेखक इस कार्य को आणविक विकास के अधिक यथार्थवादी मॉडलों की ओर एक आवश्यक कदम और फाइलोजेनेटिक अनुमान में पूर्वाग्रहों को ठीक करने के लिए एक आधार के रूप में देखते हैं।