Phylogenetically estimated neutral rates and fitness effects of mutations to influenza proteins

इन्फ्लुएंजा वायरस की कल्पना एक विशाल, अराजक पुस्तकालय के रूप में करें जहाँ किताबों (इसके जेनेटिक कोड) की लगातार नकल और पुनलेखन किया जा रहा है। कभी-कभी, ये पुनलेखन केवल रैंडम टाइपिंग की गलतियाँ (typos) होते हैं जो कहानी को बिल्कुल नहीं बदलते (न्यूट्रल म्यूटेशन)। अन्य समय में, ये गलतियाँ इतनी खराब होती हैं कि वे कहानी को बर्बाद कर देती हैं, या इतनी अच्छी होती हैं कि वे कहानी को बेस्टसेलर बना देती हैं (वे म्यूटेशन जो फिटनेस को प्रभावित करते हैं)।

लंबे समय तक, वैज्ञानिक इस लाइब्रेरी के विकास को समझने के लिए एक समय में केवल कुछ हज़ार किताबों को ही देख सकते थे। यह नया अध्ययन इन 1,00,000 से अधिक वायरल किताबों को एक साथ पढ़ने और व्यवस्थित करने के लिए सुपर-फास्ट रोबोटों के एक बेड़े को काम पर रखने जैसा है। इस विशाल संग्रह से एक विशाल वंशावली वृक्ष (family tree) बनाकर, शोधकर्ता अंततः पूरी तस्वीर देख सके।

यहाँ उन्होंने क्या खोजा, जिसे सरल अवधारणाओं में विभाजित किया गया है:

1. "टाइपो" मशीन रैंडम नहीं है
आप सोच सकते हैं कि जब वायरस गलती करता है, तो किसी भी अक्षर को दूसरे अक्षर से बदलने की संभावना समान होती है (जैसे 'A' को 'C' से बदलना उतना ही संभावित है जितना कि 'A' को 'G' से बदलना)। अध्ययन में पाया गया कि यह सच नहीं है। वायरस में गलतियाँ करने का एक बहुत ही विशिष्ट "बायस" (झुकाव) है। कुछ प्रकार की गलतियाँ दूसरों की तुलना में 100 गुना अधिक बार होती हैं। ऐसा लगता है जैसे वायरस की कॉपी मशीन इस तरह से जाम है कि वह कुछ खास तरह की गलतियों को प्राथमिकता देती है।

2. अन्य वायरसों के साथ पारिवारिक समानता
जब शोधकर्ताओं ने इन "टाइपो पैटर्न" की तुलना SARS-CoV-2 और HIV जैसे अन्य प्रसिद्ध वायरसों से की, तो उन्हें एक आश्चर्यजनक पारिवारिक समानता मिली। गलतियाँ करने के बुनियादी नियम बहुत समान हैं, जैसे कि वे चचेरे भाई जिनके पास एक ही पारिवारिक नाक है। हालाँकि, जब आप करीब से देखते हैं (जैसे टाइपो के आसपास के अक्षरों का संदर्भ), तो फ्लू वायरस और SARS-CoV-2 काफी अलग दिखने लगते हैं, जैसे कि वे चचेरे भाई जो बहुत अलग मोहल्लों में पले-बढ़े हों।

3. "फिटनेस" स्कोरकार्ड
शोधकर्ता यह जानना चाहते थे कि वास्तव में कौन से टाइपो मायने रखते हैं? इसे पता लगाने के लिए, उन्होंने "अपेक्षा बनाम वास्तविकता" का खेल खेला।

• अपेक्षा: उनके द्वारा खोजे गए "टाइपो मशीन" बायस के आधार पर, उन्होंने गणना की कि एक विशिष्ट म्यूटेशन कितनी बार होना चाहिए था यदि इसका कोई महत्व नहीं होता।
• वास्तविकता: उन्होंने गिना कि वह म्यूटेशन वंशावली वृक्ष में वास्तव में कितनी बार दिखाई दिया।
• परिणाम: यदि कोई म्यूटेशन अपेक्षा से बहुत कम बार हुआ, तो इसका मतलब है कि वायरस ने इसे "अस्वीकार" कर दिया क्योंकि यह हानिकारक था (खराब फिटनेस)। यदि यह अपेक्षा के अनुसार हुआ, तो यह संभवतः हानिरहित था।

उन्होंने फ्लू वायरस के प्रत्येक प्रोटीन में लगभग 33,000 हानिकारक दिखने वाले बदलावों और 8,000 हानिरहित दिखने वाले बदलावों को कवर करने वाला एक विशाल स्कोरकार्ड बनाया।

4. छिपे हुए नियम और इंटरैक्टिव मैप्स
इस स्कोरकार्ड ने कुछ आश्चर्यजनक बातें उजागर कीं। उदाहरण के लिए, यहाँ तक कि वे बदलाव जो "हानिरहित" (सिनोनिमस म्यूटेशन) होने चाहिए थे, वे भी अपेक्षा से कम बार दिखाई दिए, जिससे पता चलता है कि उनके पास कुछ छिपे हुए नियम या कार्य हैं जिन्हें हम नहीं जानते थे।

डेटा की इस विशाल मात्रा को खोजने में आसान बनाने के लिए, टीम ने इंटरैक्टिव हीटमैप्स (एक रंगीन, क्लिक करने योग्य मानचित्र की तरह) बनाए। आप वायरस के कोड के किसी भी हिस्से पर क्लिक करके उसकी "फिटनेस स्कोर" देख सकते हैं, जिससे हमें यह समझने में मदद मिलती है कि वायरस का कौन सा हिस्सा नाजुक है और कौन सा लचीला।

संक्षेप में
इस अध्ययन ने केवल फ्लू वायरस की कहानी के कुछ पन्ने नहीं देखे; इसने पूरी लाइब्रेरी को पढ़ा है। वायरस की प्राकृतिक "गलतियों" की तुलना उनके द्वारा अपेक्षित संयोग से करके, उन्होंने एक विस्तृत मानचित्र बनाया कि कैसे म्यूटेशन और सिलेक्शन वास्तविक दुनिया में फ्लू वायरस को आकार देते हैं, जबकि यह भी दिखाया कि यह SARS-CoV-2 और HIV जैसे वायरसों के व्यापक परिवार में कैसे फिट बैठता है।