Evolution of mutation rates in digital genomes: the roles of genetic drift, mutational supply, and genome size
एवल (Aevol) सिम्युलेटर के एक उन्नत संस्करण का उपयोग करते हुए, जिसमें यथार्थवादी जीनोम संरचनाओं और उत्परिवर्तन-दर संशोधक जीन (mutation-rate modifier genes) को शामिल किया गया है, यह अध्ययन प्रदर्शित करता है कि जबकि प्राकृतिक चयन व्यवस्थित रूप से उच्च प्रतिकृति निष्ठा (replication fidelity) के विकास को प्रेरित करता है, अंतिम उत्परिवर्तन दर जेनेटिक ड्रिफ्ट (genetic drift) और लाभकारी निष्ठा-सुधारने वाले उत्परिवर्तनों की सीमित आपूर्ति के बीच परस्पर क्रिया द्वारा बाधित होती 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
विकास की कल्पना एक विशाल, अराजक पुस्तकालय के रूप में करें जहाँ पुस्तकों (जीवों) की लगातार नकल की जा रही है। कभी-कभी, नकल करने वाले गलतियाँ कर देते हैं। ये गलतियाँ उत्परिवर्तन (mutations) हैं। आमतौर पर, हम गलतियों को बुरा समझते हैं, लेकिन कभी-कभी एक गलती गलती से एक नई, उपयोगी कहानी बना देती है। जीवन इसी तरह नए करतबों का आविष्कार करता है।
चूँकि ये गलतियाँ इतनी महत्वपूर्ण हैं, इसलिए आप सोच सकते हैं कि प्रकृति नकल करने वालों को पूर्ण बनाने की कोशिश करेगी। लेकिन यह एक संतुलन का खेल है: नई चीजें खोजने के लिए आपको कुछ गलतियों की आवश्यकता होती है, लेकिन बहुत अधिक गलतियाँ कहानी को बर्बाद कर देती हैं।
पिछले मॉडलों के साथ समस्या
लंबे समय तक, वैज्ञानिकों ने यह अध्ययन करने के लिए कंप्यूटर सिमुलेशन का उपयोग किया कि ये "नकल करने के नियम" कैसे विकसित होते हैं। हालाँकि, वे पुराने सिमुलेशन बहुत सरल, कार्टून जैसे नियमों वाले खेल खेलने की तरह थे। वे वास्तविकता के उस जटिल रूप को नहीं पकड़ सके कि जीन वास्तव में कैसे काम करते हैं। विशेष रूप से, वे यह सिम्युलेट नहीं कर सके कि "सावधानी से नकल करने" (प्रतिकृति निष्ठा/replication fidelity) के लिए जिम्मेदार जीन वास्तव में कैसे व्यवहार करते हैं जब वे स्वयं उत्परिवर्तित हो जाते हैं।
नया प्रयोग: एक यथार्थवादी पुस्तकालय
शोधकर्ताओं ने इसे बहुत अधिक यथार्थवादी बनाने के लिए Aevol नामक एक सिमुलेशन टूल को अपग्रेड किया। इसे एक साधारण टेक्स्ट एडिटर से एक जटिल, जीवित पुस्तकालय प्रणाली में अपग्रेड करने जैसा समझें।
इस नई व्यवस्था में:
- समझौता (The Trade-off): नकल करने वाले को अधिक सावधान बनाने और कम गलतियाँ करने के लिए, जीव को एक बड़ा "निर्देश मैनुअल" (एक बड़ा जीनोम) रखने की आवश्यकता होती है। यह प्रूफरीडर की एक टीम को काम पर रखने जैसा है; यह पुस्तक को बेहतर बनाता है, लेकिन यह अधिक शेल्फ स्पेस घेरता है और इस अतिरिक्त वजन को ढोने में अधिक ऊर्जा खर्च होती है।
- नियम: जो जीन यह नियंत्रित करते हैं कि नकल करने वाला कितना सावधान है, उन्हें किसी भी अन्य जीव के हिस्से की तरह माना जाता है। वे उत्परिवर्तित हो सकते हैं, और वे "घटते प्रतिफल" (diminishing returns) का सामना करते हैं (अर्थात, आप जितना अधिक पूर्ण बनाने की कोशिश करेंगे, उतना ही कठिन होता जाएगा)।
उन्होंने क्या पाया
शोधकर्ताओं ने यह देखने के लिए सिमुलेशन चलाया कि लंबे समय में क्या होता है। यहाँ उन्होंने क्या खोजा:
- प्रकृति पूर्णता को पसंद करती है (एक लागत पर भी): सिमुलेशन में मौजूद जीवों ने लगातार बेहतर नकल करने वाले बनने की कोशिश की। वे कम से कम गलतियाँ करने के लिए विकसित हुए, भले ही एक बड़ा, भारी जीनोम होने से वे अल्पकाल में थोड़े कम सक्षम (कम कुशल) हो गए हों। वे अपनी नकल करने के कौशल को पूर्ण बनाने की कोशिश करते रहे।
- दो ब्रेक (The Two Brakes): हालाँकि, दो मुख्य चीजों ने उन्हें पूरी तरह सटीक बनने से रोका:
- जेनेटिक ड्रिफ्ट (Genetic Drift - "भाग्य का खेल"): कभी-कभी, भले ही कोई उत्परिवर्तन नकल करने वाले को बेहतर बनाता है, फिर भी वह केवल यादृच्छिक संयोग (random chance) के कारण आगे नहीं बढ़ पाता है। यह सिक्का उछालने जैसा है; कभी-कभी "अच्छा" परिणाम बस नहीं आता, चाहे आप कितना भी चाहें।
- अच्छे विचारों की आपूर्ति (Mutational Supply): एक बेहतर नकल करने वाला प्राप्त करने के लिए, आपको एक विशिष्ट, दुर्लभ उत्परिवर्तन की आवश्यकता होती है। यदि जीव मूल रूप से पर्याप्त उत्परिवर्तन उत्पन्न नहीं करता है, तो वह सुधार के लिए आवश्यक विशिष्ट "सुधार" को नहीं पा सकता है। यह एक अंधेरे कमरे में एक विशिष्ट चाबी खोजने की कोशिश करने जैसा है; यदि आपके पास देखने के लिए पर्याप्त चाबियाँ नहीं हैं, तो आप शायद कभी सही वाली नहीं ढूंढ पाएंगे।
निष्कर्ष
यह अध्ययन दर्शाता है कि जबकि जीव त्रुटियों से बचने के लिए अपनी उत्परिवर्तन दर को कम करने की स्वाभाविक इच्छा रखते हैं, उन्हें विकास की यादृच्छिकता और सही जेनेटिक "सुधार" खोजने की अत्यधिक कठिनाई द्वारा रोका जाता है। यह पूर्ण नकल की इच्छा और विकास वास्तव में कैसे काम करता है, इसकी जटिल वास्तविकता के बीच एक निरंतर खींचतान 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।