Sequence-Dependent DNA Base Selection Fidelity: A Kinetics-based Model and its validation

जीवन की कल्पना एक विशाल, हलचल भरी लाइब्रेरी के रूप में करें जहाँ किताबें केवल चार अक्षरों—A, C, G और T—से बने एक कोड में लिखी गई हैं। हर बार जब एक कोशिका विभाजित होती है, तो उसे इस पूरी लाइब्रेरी की सटीक फोटोकॉपी करनी पड़ती है। यदि फोटोकॉपी करने वाली मशीन कोई छोटी सी भी गलती करती है, तो इससे ऐसी कहानी बन सकती है जिसका कोई अर्थ न निकले, या इससे भी बुरा, ऐसी कहानी जो लाइब्रेरी को ही ढहा दे। डीएनए रेप्लिकेशन (DNA replication) की दुनिया यही है। कोशिका का "फोटोकॉपी करने वाला" एक एंजाइम है जिसे पॉलीमरेज़ (polymerase) कहा जाता है, और यह अपने काम में अविश्वसनीय रूप से कुशल है, जो हर एक अरब से दस अरब अक्षरों में से केवल एक गलती करता है। लेकिन यह पूर्ण नहीं है। कभी-कभी, यह गलत अक्षर चुन लेता है।

यह गलत अक्षर क्यों चुनता है? वैज्ञानिक लंबे समय से जानते हैं कि यह गलती यादृच्छिक (random) नहीं है; यह उन अक्षरों पर निर्भर करती है जो कॉपी किए जा रहे अक्षर के ठीक बगल में होते हैं। यह बिल्कुल वैसा ही है जैसे किसी वाक्य में टाइपो (typo) होने की संभावना अधिक हो सकती है यदि आस-पास के शब्द भ्रमित करने वाले हों। बड़ा सवाल यह था कि: अक्षरों का स्थानीय परिवेश (local neighborhood) फोटोकॉपी करने की सटीकता को कैसे प्रभावित करता है? क्या यह केवल इस बारे में है कि अक्षर एक-दूसरे के प्रति कितने चिपचिपे (sticky) हैं (ऊष्मागतिकी/thermodynamics), या यह एक अधिक जटिल, दिशात्मक 'धक्का-और-खिंचाव' (push-and-pull) की प्रक्रिया है (काइनेटिक्स/kinetics)? इस बात को समझना महत्वपूर्ण है क्योंकि ये सूक्ष्म त्रुटियाँ ही उत्परिवर्तन (mutations) का स्रोत हैं, जो विकास (evolution) को संचालित करती हैं लेकिन बीमारियों का कारण भी बनती हैं।

इस शोध पत्र में, लेखक कौशिक घोष और उनकी टीम ने इस "नेबरहुड इफेक्ट" (पड़ोस प्रभाव) को समझने का एक नया तरीका प्रस्तावित किया है। उन्होंने एक गणितीय मॉडल बनाया है जो डीएनए कॉपी करने की प्रक्रिया के हाई-स्पीड सिमुलेशन की तरह कार्य करता है। केवल यह अनुमान लगाने के बजाय कि गलतियाँ क्यों होती हैं, उन्होंने दो भौतिक विचारों को जोड़ा: डीएनए के पड़ोसी अक्षरों की "चिपचिपाहट" (जिसे 'नियरस्ट-नेबर स्टैकिंग' कहा जाता है) और एक दिशात्मक "सहकारिता" (cooperativity), जहाँ एक सही अक्षर अगले अक्षर को चिपकने में मदद करता है जबकि पिछले अक्षर को दूर जाने से कठिन बनाता है।

टीम ने यह देखने के लिए अपना सिमुलेशन चलाया कि क्या यह भविष्यवाणी कर सकता है कि गलतियाँ कहाँ होंगी। सबसे पहले, उन्होंने केवल "चिपचिपाहट" को देखा। उन्होंने पाया कि G और C अक्षरों से समृद्ध क्षेत्रों में (जो बहुत चिपचिपे होते हैं), मशीन वास्तव में A और T अक्षरों वाले क्षेत्रों (जो कम चिपचिपे होते हैं) की तुलना में अधिक गलतियाँ करती है। यह विरोधाभासी लगता है—आमतौर पर, हम सोचते हैं कि मजबूत बंधन से कम गलतियाँ होती हैं। लेकिन मॉडल ने दिखाया कि चूंकि G-C जोड़े बहुत स्थिर होते हैं, वे गलत अक्षरों को बहुत लंबे समय तक थामे रखते हैं, जिससे मशीन को गलती पकड़ने और उसे स्थायी रूप से चिपकाने से पहले सुधारने के लिए कम समय मिलता है।

हालाँकि, मॉडल अभी भी पूर्ण नहीं था। जब उन्होंने अपने अनुमानों की तुलना तीन अलग-अलग बैक्टीरिया (जिनमें से एक मेसोप्लाज्मा फ्लोरम नामक एक छोटा, सरल जीव है जिसमें कोशिका की "स्पेल-चेकर" प्रणाली का अभाव है) के वास्तविक डेटा से की, तो मिलान ठीक था लेकिन बहुत अच्छा नहीं। सरल "चिपचिपाहट" का नियम सब कुछ स्पष्ट नहीं कर सका।

इसलिए, लेखकों ने दूसरा घटक जोड़ा: दिशात्मक विषमता (directional asymmetry)। उन्होंने एक नियम पेश किया जहाँ एक सही अक्षर केवल वहाँ बैठा नहीं रहता; वह सक्रिय रूप से अपने पड़ोसियों के लिए नियम बदल देता है। यह अगले अक्षर के जुड़ने के अवरोध को कम करता है (गति बढ़ाता है) लेकिन पिछले अक्षर के जाने के अवरोध को बढ़ाता है (अतीत को स्थिर करता है)। महत्वपूर्ण रूप से, यह प्रभाव अक्षर के जोड़े के अभिविन्यास (orientation) पर निर्भर करता है। एक G-C जोड़ा एक दिशा में कैसे कार्य करता है, वह दूसरी दिशा में कार्य करने वाले G-C जोड़े से भिन्न होता है।

जब उन्होंने अपने सिमुलेशन में इस दिशात्मक नियम को जोड़ा, तो परिणाम सटीक बैठ गए। मॉडल की भविष्यवाणियाँ अचानक वास्तविक दुनिया के उत्परिवर्तन डेटा के साथ बहुत बेहतर तरीके से मेल खाने लगीं। मेसोप्लाज्मा फ्लोरम के लिए, मिलान बहुत मजबूत था (0.74 का सहसंबंध), जो यह सुझाव देता है कि यह दिशात्मक "धक्का-और-खिंचाव" एक वास्तविक भौतिक तंत्र है जिसका उपयोग कोशिका करती है। अधिक जटिल बैक्टीरिया के लिए मिलान अच्छा था लेकिन थोड़ा कमजोर था, संभवतः इसलिए क्योंकि उन जीवों में अभी भी उनके "स्पेल-चेकर" सिस्टम सक्रिय हैं, जो डेटा को थोड़ा धुंधला कर देते हैं।

यह पत्र तापमान के बारे में भी एक दिलचस्प बात का सुझाव देता है। मॉडल भविष्यवाणी करता है कि डीएनए कॉपी करने की सटीकता केवल गर्म होने पर बेहतर या बदतर नहीं होती; यह ऊपर जाकर फिर नीचे आती है। एक "स्वीट स्पॉट" (इष्टतम) तापमान होता है जहाँ कॉपी करने वाली मशीन सबसे सटीक होती है। यदि यह बहुत ठंडा है, तो अक्षर इतने चिपचिपे होते हैं कि उन्हें छोड़ना मुश्किल होता है; यदि यह बहुत गर्म है, तो सही अक्षर भी बिखर जाते हैं। यह "स्वीट स्पॉट" अक्षरों के स्थानीय अनुक्रम के आधार पर बदल जाता है।

संक्षेप में, लेखक सुझाव देते हैं कि कोशिका केवल डीएनए अक्षरों की रासायनिक चिपचिपाहट पर निर्भर नहीं करती है ताकि त्रुटियों से बचा जा सके। यह एक चतुर, दिशात्मक काइनेटिक ट्रिक का भी उपयोग करती है जहाँ एक सही अक्षर अगले को जुड़ने में मदद करता है और पिछले को लॉक कर देता है, लेकिन केवल तभी जब अक्षर सही ढंग से उन्मुख हों। यह तंत्र, डीएनए की प्राकृतिक स्थिरता के साथ मिलकर, एक जटिल, अनुक्रम-निर्भर फ़िल्टर बनाता है जो हमारी जेनेटिक लाइब्रेरी को काफी हद तक त्रुटि-मुक्त रखता है। हालाँकि यह मॉडल एक सिमुलेशन है और एंजाइम की प्रत्यक्ष क्रिया का अवलोकन नहीं है, लेकिन वास्तविक बैक्टीरिया डेटा के साथ इसका मजबूत मिलान यह सुझाव देता है कि यह एक बहुत ही संभावित स्पष्टीकरण है कि जीवन अपनी अविश्वसनीय सटीकता को कैसे बनाए रखता है।