BWR-finder: BWT-based de novo interspersed repeat detection for gigantic genomes

कल्पना कीजिए कि आपका जीनोम एक विशाल, प्राचीन पुस्तकालय है जिसमें एक जीवित प्राणी बनाने के निर्देश रखे हैं। लेकिन इस पुस्तकालय के साथ एक अजीब समस्या है: इसकी किताबों के बड़े हिस्से में एक ही कहानी बार-बार कॉपी की गई है और पूरे पन्नों में बेतरतीब ढंग से बिखरी हुई है। इन्हें "इंटरस्पर्स रिपीट" (interspersed repeats) कहा जाता है, जो मुख्य रूप से "जंपिंग जींस" (ट्रांसपोसेबल एलिमेंट्स) के कारण होते हैं, जिन्होंने लाखों वर्षों में खुद को जीनोम के चारों ओर कॉपी-पेस्ट किया है। कुछ जीवों में, जैसे फेफड़े वाली मछली (lungfish) या सैलामैंडर में, ये कॉपियां पूरे जीनोम का लगभग 90% हिस्सा बनाती हैं! वैज्ञानिक इन कॉपियों को खोजने और मैप करने की आवश्यकता महसूस करते हैं ताकि वे समझ सकें कि इन जानवरों का विकास कैसे हुआ और उनके जीनोम इतने विशाल कैसे हो गए। हालांकि, अरबों पन्नों लंबे इस पुस्तकालय में इन पैटर्नों को खोजना ऐसा ही है जैसे कागज के उस ढेर में एक विशिष्ट वाक्य खोजने की कोशिश करना जो चंद्रमा तक पहुँचता हो। हमारे सामान्य कंप्यूटर जो यह काम करते हैं, वे इस खोज में अभिभूत हो जाते हैं, मेमोरी खत्म कर देते हैं या काम पूरा करने में वर्षों लगा देते हैं।

यहीं पर BWR-finder नामक एक नया टूल आता है। शोधकर्ताओं ने, जिनका नेतृत्व अत्सुशी ताकेदा और सहयोगियों ने किया, एक चतुर सॉफ्टवेयर प्रोग्राम बनाया है जिसे विशाल जीनोम में इन दोहराव वाले अनुक्रमों (repetitive sequences) को खोजने के लिए डिज़ाइन किया गया है, बिना किसी घर जितने बड़े सुपरकंप्यूटर की आवश्यकता के। पूरे पुस्तकालय को पन्ना-दर-पन्ना पढ़ने के बजाय, BWR-finder बर्ोज़-व्हीलर ट्रांसफॉर्म (Burrows-Wheeler Transform - BWT) नामक एक गणितीय ट्रिक का उपयोग करता है। इस ट्रिक को पुस्तकालय की किताबों को एक ऐसे तरीके से पुनर्व्यवस्थित करने के रूप में सोचें जिससे सभी समान कहानियाँ एक व्यवस्थित, संकुचित ढेर में एक साथ आ जाएँ। इस संकुचित ढेर का उपयोग करके, सॉफ्टवेयर पैटर्न ढूंढ सकता है और उन्हें बाहर की ओर फैलाकर देख सकता है कि रिपीट कितने लंबे हैं, और यह सब अन्य टूल्स की तुलना में बहुत कम मेमोरी का उपयोग करके कर सकता है।

टीम ने चावल, मनुष्यों और गेहूं के पौधे (14.6 Gb) तथा सैलामैंडर Pleurodeles waltl (20.3 Gb) और 87.2 Gb तक के जीनोम वाले फेफड़े वाली मछली जैसे वास्तव में विशाल जीवों सहित कई वास्तविक दुनिया के पुस्तकालयों पर इसका परीक्षण किया। परिणाम प्रभावशाली थे: BWR-finder मौजूदा टूल्स जैसे RepeatModeler2, HiTE और REPrise की तुलना में काफी तेज़ था और बहुत कम मेमोरी का उपयोग करता था। उदाहरण के लिए, मानव जीनोम पर, इसने काम को दो घंटे से भी कम समय में पूरा कर दिया, जबकि अन्य टूल्स को कई दिन लग गए या सैकड़ों गीगाबाइट रैम की आवश्यकता पड़ी। इसने उन रिपीट क्षेत्रों की सफलतापूर्वक पहचान की जिन्हें अन्य टूल्स मिस कर गए थे, जिसमें सैलामैंडर जीनोम में नए उम्मीदवार भी शामिल थे जो मौजूदा डेटाबेस में नहीं थे। हालांकि, पेपर नोट करता है कि एक ट्रेड-ऑफ (समझौता) है: क्योंकि BWR-finder बहुत तेज़ी से और समानांतर (parallel) में काम करता है, यह कभी-कभी लंबे रिपीट कहानियों को कई छोटे, खंडित टुकड़ों में तोड़ देता है। हालांकि यह अधिक लाइब्रेरी ढूंढता है, लेकिन जो टुकड़े यह पाता है वे धीमे और अधिक सावधानीपूर्ण तरीकों द्वारा पाए गए टुकड़ों की तुलना में थोड़े अधिक बिखरे हुए होते हैं। लेखक सुझाव देते हैं कि हालांकि यह विशाल जीनोम को स्कैन करने का एक शक्तिशाली नया तरीका है, वैज्ञानिकों को इन टुकड़ों को पूरी तरह से वापस जोड़ने के लिए अभी भी कुछ अतिरिक्त काम करने की आवश्यकता होगी।

बिखरे हुए पुस्तकालय की कहानी

यह समझने के लिए कि यह नया टूल इतना महत्वपूर्ण क्यों है, हमें पहले हमारे डीएनए के भीतर के बिखराव को देखना होगा। कल्पना कीजिए कि आपका जीनोम केवल एक साफ निर्देश पुस्तिका नहीं है, बल्कि एक अव्यवस्थित अटारी है जो एक ही फ्लायर की लाखों कॉपियों से भरी हुई है, जो हर जगह बिखरी हुई है। ये फ्लायर्स "इंटरस्पर्स रिपीट" हैं। ये मुख्य रूप से "जंपिंग जींस" (ट्रांसपोसेबल एलिमेंट्स) हैं जिन्होंने लाखों वर्षों में खुद को कॉपी किया है और डीएनए के यादृच्छिक स्थानों में पेस्ट किया है। कुछ जानवरों में, जैसे फेफड़े वाली मछली या सैलामैंडर में, ये कॉपियां इतनी अधिक संख्या में हैं कि वे लगभग पूरा जीनोम बनाती हैं।

वैज्ञानिक इन कॉपियों को इसलिए खोजना चाहते हैं ताकि वे समझ सकें कि इन जानवरों का विकास कैसे हुआ और उनके जीनोम इतने विशाल क्यों हैं। लेकिन उन्हें खोजना एक दुःस्वप्न है। यदि आप एक 20-बिलियन अक्षर वाले जीनोम (जैसे सैलामैंडर का) को मानक कंप्यूटर टूल्स के साथ स्कैन करने की कोशिश करते हैं, तो कंप्यूटर की मेमोरी (RAM) तुरंत भर जाती है, और खोज में अनंत काल लग जाता है। यह एक ऐसी किताब में एक विशिष्ट शब्द खोजने जैसा है जो 20 मील लंबी है, जहाँ आपको हर एक अक्षर को एक-एक करके पढ़ना पड़ता है।

जादुई ट्रिक: BWR-finder

शोधकर्ताओं ने इस समस्या को हल करने के लिए BWR-finder (बर्ोज़-व्हीलर ट्रांसफॉर्म-आधारित रिपीट फाइंडर) विकसित किया है। जीनोम को एक सामान्य किताब की तरह पढ़ने के बजाय, BWR-finder बर्ोज़-व्हीलर ट्रांसफॉर्म (BWT) नामक एक गणितीय जादू का उपयोग करता है।

BWT को एक ऐसे लाइब्रेरियन के रूप में सोचें जो किताबों के एक अस्त-व्यस्त ढेर को लेता है और उन्हें इस तरह से पुनर्व्यवस्थित करता है कि एक ही अक्षर से शुरू होने वाली सभी किताबें एक साथ समूहबद्ध हो जाती हैं, फिर एक ही दो अक्षरों से शुरू होने वाली किताबें, और इसी तरह। यह एक अत्यधिक संकुचित, व्यवस्थित सूची बनाता है। सबसे अच्छी बात? आपको इस काम को करने के लिए मूल, अस्त-व्यस्त किताबों के ढेर को रखने की आवश्यकता नहीं है। आप पूरी तरह से संकुचित सूची के साथ काम कर सकते हैं।

BWR-finder इस संकुचित सूची का उपयोग करके रिपीट को ढूंढता है:

1. सीड सर्च (Seed Search): यह संकुचित सूची में छोटे, सामान्य "सीड" पैटर्न की तलाश करता है। चूंकि सूची व्यवस्थित है, इसलिए यह बिना पूरी मेमोरी में पूरा जीनोम स्टोर किए, अविश्वसनीय रूप से तेज़ी से इन सीड्स को ढूंढ सकता है।
2. एक्सटेंशन (Extension): एक बार जब इसे एक सीड मिल जाता है, तो यह पैटर्न को बाहर की ओर, अक्षर-दर-अक्षर बढ़ाने की कोशिश करता है ताकि यह देखा जा सके कि रिपीट कितना लंबा है। यह मूल जीनोम को पढ़ने के बजाय एक विशेष मानचित्र (जिसे LF/FL मैपिंग कहा जाता है) का उपयोग करके संकुचित सूची में कूदकर ऐसा करता है।
3. पैरेलल प्रोसेसिंग (Parallel Processing): यह टूल काम को एक साथ कई कंप्यूटर प्रोसेसरों के बीच विभाजित करता है। चूंकि प्रत्येक सीड को स्वतंत्र रूप से खोजा जा सकता है, इसलिए टूल समानांतर में चलता है, जो इसे सुपर फास्ट बनाता है।

परिणाम: तेज़, हल्का और अधिक खोज

टीम ने चावल के छोटे जीनोम (382 Mb) से लेकर विशाल फेफड़े वाली मछली के जीनोम (87.2 Gb) तक के जीनोम पर परीक्षण किया। यहाँ उन्होंने क्या पाया:

• गति और मेमोरी: BWR-finder एक स्पीड डेमन (गति का दैत्य) था। मानव जीनोम (3.1 Gb) पर, इसने लगभग 1 घंटा 50 मिनट में काम पूरा कर दिया, जबकि अन्य टूल्स को 28 घंटे तक लग गए। चावल के जीनोम पर, यह लोकप्रिय टूल RepeatModeler2 की तुलना में 80 गुना तेज़ था।
• मेमोरी का उपयोग: यह अविश्वसनीय रूप से हल्का था। जबकि अन्य टूल्स को मानव जीनोम का विश्लेषण करने के लिए 30 से 92 GB मेमोरी की आवश्यकता थी, BWR-finder को केवल लगभग 6.5 GB की आवश्यकता थी। इसका मतलब है कि यह केवल एक विशाल सुपरकंप्यूटर पर ही नहीं, बल्कि एक मानक कंप्यूटर पर भी चल सकता है।
• अज्ञात की पहचान: जब उन्होंने 20.3-जीबी सैलामैंडर जीनोम पर इसका परीक्षण किया, तो BWR-finder ने 2.39 जीबी के रिपीट क्षेत्र खोज निकाले जिनके बारे में मौजूदा डेटाबेस को जानकारी नहीं थी। इसने रिपीट के उन नए समूहों की पहचान की जो पहले अदृश्य थे।

ट्रेड-ऑफ: गति बनाम पूर्णता

हालांकि, पेपर सावधानीपूर्वक यह भी बताता है कि BWR-finder पूर्ण नहीं है। क्योंकि यह बहुत तेज़ी से काम करता है और एक साथ कई सीड्स को प्रोसेस करता है, यह कभी-कभी लंबे रिपीट अनुक्रमों को छोटे, खंडित टुकड़ों में तोड़ देता है।

कल्पना कीजिए कि आप एक फटे हुए समाचार पत्र को फिर से जोड़ने की कोशिश कर रहे हैं। एक धीमा, सावधानीपूर्ण तरीका पूरे फ्रंट पेज को पूरी तरह से जोड़ सकता है। BWR-finder, "स्पीड डेमन" होने के नाते, उन सभी फटे हुए टुकड़ों को बहुत तेज़ी से ढूंढ सकता है लेकिन उन्हें छोटे-छोटे टुकड़ों के ढेर के रूप में छोड़ सकता है। शोधकर्ताओं ने पाया कि BWR-finder ने मानव जीनोम के लिए 10,000 से 12,000 रिपीट अनुक्रम बनाए, जबकि "गोल्ड स्टैंडर्ड" लाइब्रेरी में केवल लगभग 1,100 थे। इनमें से कई केवल एक ही कहानी के टुकड़े थे।

लेखक सुझाव देते हैं कि हालांकि BWR-finder सभी संभावित उम्मीदवारों को तेज़ी से खोजने के लिए उत्कृष्ट है, वैज्ञानिकों को इन टुकड़ों को पूर्ण कहानियों में वापस जोड़ने के लिए बाद में कुछ "पॉलिशिंग" (सुधार) करने की आवश्यकता होगी।

यह क्यों मायने रखता है

यह पेपर सुझाव देता है कि अब हम बिना असंभव मात्रा में कंप्यूटर शक्ति की आवश्यकता के पृथ्वी के सबसे बड़े जीनोमों—जैसे फेफड़े वाली मछली और सैलामैंडर—का विश्लेषण कर सकते हैं। BWT ट्रिक का उपयोग करके, BWR-finder विशाल जीनोम के "डार्क मैटर" का अध्ययन करने का द्वार खोलता है, जिससे हमें यह समझने में मदद मिलती है कि जीवन का विकास कैसे होता है जब उसका निर्देश मैनुअल 87 बिलियन अक्षरों तक बढ़ जाता है। यह कोई जादुई छड़ी नहीं है जो सब कुछ तुरंत हल कर देती है, लेकिन यह जैविक पुस्तकालय के सबसे गहरे, सबसे दोहराव वाले कोनों की खोज के लिए एक शक्तिशाली नई टॉर्च है।