Extended t-cores for the de novo identification of transposable elements and other inexact repeats from short read RNAseq data
यह शोध पत्र कॉम्पैक्टेड डी ब्रुइन ग्राफ्स (De Bruijn graphs) के भीतर "एक्सटेंडेड टी-कोर्स" (extended t-cores) पर आधारित एक पूर्णतः 'डी नोवो' (de novo) विधि प्रस्तुत करता है, जो बिना किसी संदर्भ जीनोम की आवश्यकता के, सीधे शॉर्ट-रीड आरएनए-सीक (short-read RNA-seq) डेटा से ट्रांसपोसेबल तत्वों और अन्य इनएक्सैक्ट रिपीट को प्रभावी ढंग से पहचानने और अलग करने के लिए 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 आपकी कोशिका एक हलचल भरे शहर की तरह है जहाँ सब कुछ बनाने के निर्देश एक विशाल पुस्तकालय में लिखे हैं जिसे जीनोम कहा जाता है। इनमें से अधिकांश निर्देश अद्वितीय हैं, जैसे किसी घर या पुल के लिए विशिष्ट ब्लूप्रिंट। लेकिन इस पुस्तकालय में बिखरे हुए लाखों समान पृष्ठों की प्रतियां बार-बार चिपकाई गई हैं। इन्हें "रिपीट्स" (repeats) कहा जाता है, और सबसे शरारती तत्व "ट्रांसपोसेबल एलिमेंट्स" (transposable elements) हैं—वे अनुक्रम जो अपनी प्रतियां बना सकते हैं और नई जगहों पर कूद सकते हैं, जैसे कि फोटोकॉपी करने वाली मशीनें जो गलती से खुद को डुप्लिकेट करती हैं और कॉपियों को यादृच्छिक किताबों में चिपका देती हैं।
जब वैज्ञानिक शहर की वर्तमान गतिविधि को पढ़ने की कोशिश करते हैं, तो वे पूरे पुस्तकालय को नहीं पढ़ते; इसके बजाय, वे उन किताबों के कागज़ के लाखों छोटे-छोटे फटे हुए टुकड़ों (जिन्हें RNA-seq reads कहा जाता है) को लेते हैं जो वर्तमान में खुली हुई हैं। चुनौती यह है कि जब आप उन छोटे टुकड़ों को वापस जोड़ने की कोशिश करते हैं ताकि पूरी कहानी देखी जा सके, तो दोहराए गए पृष्ठ एक बड़ी सिरदर्द बन जाते हैं। यदि आपके पास एक ऐसा टुकड़ा है जो एक ही पृष्ठ की एक हजार अलग-अलग प्रतियों में से किसी एक का हो सकता है, तो आपको नहीं पता होता कि किसे चुनना है। यह एक विशाल जिग्सॉ पहेली को हल करने की कोशिश करने जैसा है जहाँ हजारों टुकड़े बिल्कुल एक जैसे हैं; अंत में आप एक उलझे हुए ढेर या एक ऐसी तस्वीर के साथ रह जाते हैं जिसका कोई अर्थ नहीं निकलता। यह इन कूदने वाले जीन का अध्ययन करना अविश्वसनीय रूप से कठिन बना देता है, विशेष रूप से जानवरों में जहाँ हमारे पास पुस्तकालय का कोई सटीक नक्शा भी उपलब्ध नहीं है।
यहाँ एक नया उपकरण आता है जिसे ET-core कहा जाता है, जो पूरी तस्वीर को हल करने के बजाय पहेली में सबसे भ्रमित करने वाली, उलझी हुई गांठों को खोजने वाले एक जासूस की तरह काम करता है। शोधकर्ताओं, साशा डार्मोन, अर्नौड मैरी और विन्सेंट लैक्रोस ने महसूस किया कि इन भ्रमित करने वाली गांठों का एक विशिष्ट आकार होता है। उन्होंने सभी छोटे टुकड़ों का एक डिजिटल मानचित्र (एक डी ब्रुइन ग्राफ - De Bruijn graph) बनाया और "सघन क्षेत्रों" (dense regions) की तलाश की—ऐसे स्थान जहाँ मानचित्र बेतहाशा फैलता है क्योंकि बहुत सी समान प्रतियां एक साथ जुड़ने की कोशिश कर रही होती हैं। उन्होंने "एक्सटेंडेड टी-कोर्स" (extended t-cores) की एक अवधारणा बनाई, जो अनिवार्य रूप से इस मानचित्र में सबसे भीड़भाड़ वाले, अराजक चौराहे हैं।
यह शोध पत्र सुझाव देता है कि केवल इन अत्यधिक घने गांठों पर ध्यान केंद्रित करके, टीम ज्ञात रिपीट्स के डेटाबेस या संदर्भ मानचित्र की आवश्यकता के बिना ट्रांसपोसेबल तत्वों की पहचान कर सकती है। जब उन्होंने इसका परीक्षण चूहों पर किया, तो उन्होंने पाया कि उनके तरीके ने उन "पोटेंशियल टीई" (Potential TEs) को सही ढंग से पहचाना जिन्हें उन्होंने वास्तविक ट्रांसपोसेबल तत्वों के रूप में चिह्नित किया था, भले ही उन्होंने पहले से यह नहीं जाना था कि वे तत्व कैसे दिखते हैं। उन्होंने कुत्तों पर भी इसका परीक्षण किया, एक ऐसी प्रजाति जहाँ ज्ञात रिपीट्स का पुस्तकालय अधूरा है, और टूल अभी भी सही आनुवंशिक पैटर्न खोजने में सफल रहा।
हालाँकि, शोध पत्र इस बात पर जोर देता है कि यह कोई जादुई छड़ी नहीं है जो सब कुछ ढूंढ ले। यह विधि उन "युवा" और "उच्च-प्रति (high-copy)" रिपीट्स को पकड़ने के लिए डिज़ाइन की गई है जो ग्राफ में सबसे अधिक अराजकता पैदा करते हैं। यह स्पष्ट रूप से उन रिपीट्स को खोजने से इनकार करती है जो पूरी तरह से समान हैं (क्योंकि वे उलझी हुई गांठ नहीं बनाते) या जो बहुत पुराने और दुर्लभ हैं (क्योंकि उनके पास सघन क्षेत्र बनाने के लिए पर्याप्त प्रतियां नहीं हैं)। वास्तव में, लेखकों ने पाया कि कुछ सक्रिय, युवा तत्व जो जीन के बाहर ट्रांसक्राइब होते थे, उन्हें छोड़ दिया गया क्योंकि उन्होंने वह विशिष्ट टोपोलॉजिकल संरचना नहीं बनाई जिसे यह टूल खोजता है।
शोधकर्ता इस विचार के विरुद्ध भी तर्क देते हैं कि हमें इस समस्या को हल करने के लिए महंगी, लॉन्ग-रीड सीक्वेंसिंग (long-read sequencing) की आवश्यकता है। उन्होंने दिखाया कि उनका तरीका मानक, शॉर्ट-रीड डेटा पर अविश्वसनीय रूप से अच्छा काम करता है, जो सस्ता और अधिक प्रचुर मात्रा में है। वास्तव में, उन्होंने पाया कि लॉन्ग-रीड डेटा अक्सर इन रिपीट्स को मिस कर देता है क्योंकि इसमें गहराई (एक ही टुकड़े की पर्याप्त प्रतियां) की कमी होती है जिससे पैटर्न स्पष्ट हो सके। उनका टूल एक सामान्य लैपटॉप पर तेजी से चलता है, जो एक घंटे के भीतर लाखों रीड्स को प्रोसेस कर लेता है, यह साबित करते हुए कि हम नए डेटा उत्पन्न किए बिना या नया उपकरण खरीदे बिना, हमारे पास पहले से मौजूद डेटा के विशाल भंडार का उपयोग करके इन आनुवंशिक "जंक" क्षेत्रों के रहस्यों को खोल सकते हैं। यह जीनोम असेंबली की सबसे बड़ी समस्या—दोहराव के उलझे हुए ढेर—को ही उन्हें खोजने के सुराग में बदलने का एक चतुर तरीका 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।