Towards coevolution-aware ancestral sequence reconstruction

कल्पना कीजिए कि आप 100 साल पहले के एक प्रसिद्ध व्यंजन की रेसिपी का अनुमान लगाने की कोशिश कर रहे हैं। आपके पास उस व्यंजन के सभी आधुनिक संस्करणों (मौजूदा प्रोटीनों) की एक सूची है और एक वंशावली (फैमिली ट्री) है जो दिखाती है कि वे एक-दूसरे से कैसे संबंधित हैं। आपका लक्ष्य यह पता लगाना है कि वह मूल, प्राचीन रेसिपी वास्तव में कैसी दिखती थी। वैज्ञानिक इसे एन्सेस्ट्रल सीक्वेंस रिकंस्ट्रक्शन (ASR) कहते हैं।

लंबे समय तक, इसे करने का मानक तरीका ऐसा रहा है जैसे कि प्रत्येक सामग्री को अलग-अलग देखकर रेसिपी का अनुमान लगाना। यदि 90% आधुनिक व्यंजन नमक का उपयोग करते हैं, तो पुराना तरीका यह मान लेता है कि प्राचीन व्यंजन में निश्चित रूप से नमक था। यदि 90% काली मिर्च का उपयोग करते हैं, तो वह काली मिर्च मान लेता है। यह हर सामग्री के साथ ऐसा व्यवहार करता है जैसे कि उनका आपस में कोई संबंध ही न हो।

समस्या: "अकेली" सामग्री की गलती
यह शोध पत्र तर्क देता है कि यह "सोलो" (अकेला) दृष्टिकोण त्रुटिपूर्ण है क्योंकि किसी रेसिपी में सामग्रियां (या प्रोटीन में अमीनो एसिड) अकेले काम नहीं करती हैं। वे गहराई से जुड़ी होती हैं। एक वास्तविक रसोई में, यदि आप बहुत अधिक तीखी मिर्च डालते हैं, तो आपको संतुलन बनाए रखने के लिए अधिक चीनी डालने की आवश्यकता हो सकती है। यदि आप प्रोटीन के एक हिस्से को बदलते हैं, तो पूरे ढांचे को स्थिर रखने के लिए अक्सर दूसरे हिस्से में बदलाव करना पड़ता है। वैज्ञानिक इसे एपिस्टेसिस (epistasis) या सह-विकास (coevolution) कहते हैं।

पुराने तरीके इन संबंधों को अनदेखा करते हैं। इससे दो बुरे परिणाम निकलते हैं:

1. "बहुत सटीक" अनुमान: कंप्यूटर एक एकल "सर्वश्रेष्ठ" रेसिपी चुनता है जो गणितीय रूप से तो एकदम सही दिखती है, लेकिन वास्तविक जीवन में उसे बनाना असंभव हो सकता है क्योंकि सामग्रियां आपस में टकराती हैं।
2. "रैंडम" (यादृच्छिक) अनुमान: यदि वैज्ञानिक कुछ अलग संभावित रेसिपी बनाने की कोशिश करते हैं, तो वे ऐसे संयोजन बना सकते हैं जो भौतिक रूप से असंभव हैं, जैसे कि केवल पानी और तेल से बना केक।

नया समाधान: "टीमवर्क" वाला दृष्टिकोण
लेखक एक नया तरीका पेश करते हैं जो एक ऐसे मास्टर शेफ की तरह काम करता है जो यह समझता है कि सामग्रियां एक-दूसरे से कैसे "बात" करती हैं। वे मानक फैदली ट्री विश्लेषण को एक तकनीक जिसे डायरेक्ट कपलिंग एनालिसिस (DCA) कहा जाता है, के साथ जोड़ते हैं।

DCA को हजारों आधुनिक रसोइयों को देखकर "रसोई के नियमों" को सीखने के तरीके के रूप में समझें। यह यह समझने में मदद करता है कि "यदि आप सामग्री A का उपयोग करते हैं, तो इसे काम करने योग्य बनाने के लिए आपको सामग्री B का भी उपयोग करना ही होगा।"

नया ढांचा इन नियमों का उपयोग मार्गदर्शन के लिए करता है। एक एकल सटीक अनुक्रम या कई यादृच्छिक अनुक्रमों का अनुमान लगाने के बजाय, यह उम्मीदवार पूर्वजों की एक टीम तैयार करता है। ये उम्मीदवार:

• वंशावली के अनुरूप होते हैं (फाइलोजेनेटिक रूप से सुसंगत)।
• "रसोई के नियमों" का पालन करते हैं (रेसिड्यू-रेसिड्यू बाधाओं का सम्मान करते हैं)।
• अनिश्चितता को बनाए रखते हैं (यह स्वीकार करते हुए कि हम हर एक सामग्री के बारे में 100% निश्चित नहीं हैं, लेकिन हम जानते हैं कि वे एक साथ कैसे फिट बैठती हैं)।

उन्होंने इसका परीक्षण कैसे किया
इसे सिद्ध करने के लिए, वैज्ञानिकों ने केवल अनुमान नहीं लगाया; उन्होंने एक "टाइम मशीन" सिमुलेशन बनाया। उन्होंने एक नकली विकासवादी इतिहास बनाया जहाँ वे सटीक "ग्राउंड ट्रुथ" (वास्तविक सत्य) रेसिपी जानते थे क्योंकि उन्होंने स्वयं नियम लिखे थे। फिर उन्होंने पुराने "सोलो" तरीके और अपने नए "टीमवर्क" तरीके का उपयोग करके पूर्वज का पुनर्निर्माण करने का प्रयास किया।

परिणाम
जब उन्होंने वास्तविक जैविक उदाहरणों (विशेष रूप से $\beta$-लैक्टामेस, जो एंटीबायोटिक्स को तोड़ने वाले एंजाइम हैं, और DNA-बाइंडिंग डोमेन, जो प्रोटीन को DNA से चिपकने में मदद करते हैं) पर इसका परीक्षण किया, तो उन्होंने पाया कि:

• नया तरीका सही प्राचीन अनुक्रमों का अनुमान लगाने में बेहतर काम करता है जब वे अनुक्रम सामग्रियों के बीच "टीमवर्क" पर बहुत अधिक निर्भर करते हैं।
• इसने संभावित पूर्वजों का एक समूह तैयार किया जो प्रकृति में पाए जाने वाले वास्तविक, कार्यात्मक प्रोटीनों की तरह दिखते हैं, न कि अजीब, टूटे हुए संयोजनों की तरह।

संक्षेप में
यह शोध पत्र एक नया उपकरण प्रस्तुत करता है जो प्रोटीन के विकास को स्वतंत्र डाइस रोल (पासे फेंकने) के खेल के रूप में देखना बंद कर देता है। इसके बजाय, यह विकास को एक जटिल नृत्य की तरह मानता है जहाँ हर चाल अपने साथी पर निर्भर करती है। इन संबंधों का सम्मान करके, यह नया तरीका हमें एक स्पष्ट और अधिक वास्तविक तस्वीर देता है कि हमारे प्राचीन आणविक पूर्वज वास्तव में कैसे दिखते थे।