New genetic codes in bacteria and archaea identified with a fast k-mer based algorithm
यह शोध पत्र एक तेज़ k-mer आधारित एल्गोरिदम प्रस्तुत करता है जो जेनेटिक कोड अनुमान को 100 गुना से अधिक तेज़ बनाता है, जिससे नए कोड विविधताओं की पहचान करने के लिए हजारों बैक्टीरिया और आर्किया जीनोम का विश्लेषण करना सक्षम होता है, जिसमें आर्किया में पहली बार प्रलेखित सेंस कोडोन पुनर्रचना (sense codon reassignment) भी शामिल है।
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
कल्पना कीजिए कि पृथ्वी पर मौजूद हर जीवित प्राणी—आपकी आंत के बैक्टीरिया से लेकर गहरे समुद्र के वेंट में रहने वाले आर्किया तक—एक ही भाषा की थोड़ी अलग बोलियाँ बोलता है। यह भाषा है जेनेटिक कोड (आनुवंशिक कोड)।
आमतौर पर, हम इस कोड को एक सार्वभौमिक शब्दकोश के रूप में देखते हैं जहाँ तीन अक्षर (एक "कोडोन") हमेशा एक ही चीज़ का अर्थ देते हैं। उदाहरण के लिए, कोड "ACA" का अर्थ आमतौर पर "थ्रोनिन" (एक अमीनो एसिड बिल्डिंग ब्लॉक) होता है। लेकिन, ठीक वैसे ही जैसे मानव भाषाओं में क्षेत्रीय बोलियाँ या टाइपिंग की गलतियाँ स्थायी हो जाती हैं, कुछ बैक्टीरिया और आर्किया ने अपने शब्दकोशों को फिर से लिख दिया है। वे यह तय कर सकते हैं कि "ACA" का अर्थ वास्तव में "एस्पार्टेट" है।
समस्या यह है कि हमने पर्यावरण (जैसे मिट्टी या पानी) से डीएनए को सीक्वेंस करके लाखों नए बैक्टीरिया और आर्किया प्रजातियों की खोज की है, लेकिन हमने उन्हें कभी लैब में उगाया नहीं है। हमारे पास उनकी "किताबें" (जीनोम) तो हैं, लेकिन हमें यह नहीं पता कि वे उन्हें पढ़ने के लिए किस "शब्दकोश" का उपयोग कर रहे हैं।
पुराना तरीका: धीमा, विस्तृत अनुवादक
पहले, वैज्ञानिक इन शब्दकोशों का पता लगाने के लिए कोडेटा (Codetta) नामक टूल का उपयोग करते थे। कोडेटा को एक बहुत ही गहन, उच्च शिक्षित अनुवादक के रूप में समझें जो एक किताब के हर एक वाक्य को पढ़ता है, उसकी ज्ञात ग्रंथों के एक मास्टर लाइब्रेरी से तुलना करता है, और हर शब्द की निरंतरता की जाँच करता है।
- अच्छी बात: यह अविश्वसनीय रूप से सटीक है।
- बुरी बात: यह बहुत ही धीमा है। दस लाख किताबें जाँचने के लिए, आपको एक गोदाम के आकार के सुपरकंप्यूटर क्लस्टर की आवश्यकता होगी जो हफ्तों तक चलता रहे। आज के डेटा के विस्फोट के लिए यह बहुत धीमा है।
नया तरीका: KACI (तेज़ पैटर्न मैचर)
लेखक, आर्टम मेलनिकोव ने KACI (K-mer Assisted Code Inference) नामक एक नया टूल बनाया है।
उपमा:
कल्पना कीजिए कि आप किसी व्यक्ति की किताब के कुछ पन्ने देखकर उसकी भाषा का अनुमान लगाने की कोशिश कर रहे हैं।
- कोडेटा पूरी किताब पढ़ता है, व्याकरण का विश्लेषण करता है, और हर वाक्य की संरचना की ज्ञात भाषाओं से तुलना करता है।
- KACI एक जासूस की तरह है जो केवल विशिष्ट, प्रसिद्ध फिंगरप्रिंट्स (अक्षरों के छोटे पैटर्न) की तलाश करता है जो कुछ विशेष भाषाओं के लिए अद्वितीय होते हैं।
पूरी किताब पढ़ने के बजाय, KACI टेक्स्ट में छोटे, पहचानने योग्य पैटर्न (जिन्हें k-mers कहा जाता है) को स्कैन करता है। इसके पास इन पैटर्न का एक विशाल संदर्भ कार्ड डेक है। यदि यह एक ऐसा पैटर्न देखता है जो आमतौर पर "थ्रोनिन" शब्द के साथ आता है, लेकिन इस नई किताब में, उस पैटर्न के बाद एक अलग अक्षर आता है, तो यह तुरंत समझ जाता है, "आहा! यह किताब एक अलग शब्दकोश का उपयोग कर रही है!"
परिणाम:
KACI, कोडेटा की तुलना में 144 गुना तेज़ है। यह एक धीमी, मैनुअल टाइपराइटर को हाई-स्पीड लेजर प्रिंटर से बदलने जैसा है। अब आप एक नियमित लैपटॉप पर हजारों जीनोम को उस समय में चेक कर सकते हैं जिसमें पहले एक सुपरकंप्यूटर को केवल कुछ ही चेक करने में लगता था।
उन्होंने क्या पाया?
इस सुपर-फास्ट टूल का उपयोग करते हुए, लेखक ने लगभग 2.7 मिलियन बैक्टीरिया और आर्किया जीनोम को स्कैन किया और कुछ रोमांचक नए "बोलियाँ" खोजीं:
- बैक्टीरिया ("ACA" स्विच): मिट्टी और खदानों में पाए जाने वाले बैक्टीरिया के एक समूह में, कोड "ACA" (जो आमतौर पर थ्रोनिन होता है) वास्तव में एस्पार्टेट के रूप में पाया गया। यह ऐसा है जैसे लोगों के एक समूह ने अचानक यह तय कर लिया हो कि "एप्पल" शब्द का अर्थ अब "बनाना" है।
- बैक्टीरिया ("CGG" स्विच): मानव और सुअर की आंतों में पाए जाने वाले बैक्टीरिया में, कोड "CGG" (जो आमतौर पर आर्जिनिन होता है) लगता है कि एलानिन का अर्थ है।
- आर्किया (बड़ी खोज): गहरे समुद्र के वेंटों से जुड़े कुछ प्राचीन सूक्ष्मजीवों में, कोड "CGG" (जो आमतौर पर आर्जिनिन होता है) को ट्रिप्टोफैन के रूप में पाया गया। यह एक बड़ी बात है क्योंकि यह पहली बार है जब हमने आर्किया के डोमेन में एक "सेंस कोडोन" (एक शब्द जो प्रोटीन बनाता है) को पुनर्व्यवस्थित होते देखा है।
यह क्यों मायने रखता है?
यदि आप एक जीनोम को प्रोटीन सूची में अनुवाद करने की कोशिश कर रहे हैं (जिसे वैज्ञानिक जीव के कार्य को समझने के लिए करते हैं), और आप गलत शब्दकोश का उपयोग करते हैं, तो आपको अर्थहीन परिणाम मिलेंगे। आप सोच सकते हैं कि एक प्रोटीन एक चीज़ है जबकि वह वास्तव में कुछ और है।
इन नई "बोलियों" को खोजकर, वैज्ञानिक:
- अनुवाद त्रुटियों को ठीक कर सकते हैं: यह सुनिश्चित कर सकते हैं कि हमारे प्रोटीन डेटाबेस सटीक हैं।
- विकास (Evolution) को समझ सकते हैं: देख सकते हैं कि जीवन समय के साथ अपने नियमों को कैसे बदलता है।
- खोज की गति बढ़ा सकते हैं: अब हमारे पास KACI है, जिससे हम किसी भी नई खोजी गई प्रजाति के जेनेटिक कोड की तुरंत जाँच कर सकते हैं, बजाय इसके कि सुपरकंप्यूटर द्वारा गणित करने के लिए महीनों का इंतज़ार करना पड़े।
मुख्य बात
लेखक ने जीवन की भाषा को डिकोड करने के लिए एक "स्पीड डायल" बनाया है। जहाँ पुराना तरीका शब्दकोश को शुरू से अंत तक पढ़ने जैसा था, वहीं नया तरीका एक स्मार्ट सर्च इंजन का उपयोग करने जैसा है ताकि उन विशिष्ट शब्दों को खोजा जा सके जो बताते हैं कि किस शब्दकोश का उपयोग किया जा रहा है। यह तेज़ है, लगभग उतना ही सटीक है, और यह पहले से ही हमें यह खोजने में मदद कर रहा है कि जीवन अपने नियमों के साथ हमारी सोच से भी कहीं अधिक रचनात्मक 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।