Unsupervised machine-learning identifies latent pyrenoid states linked to mitotic remodeling defects and CO2-dependent growth

एककोशिकीय शैवाल की सूक्ष्म दुनिया के भीतर, जीवन एक नाजुक, अदृश्य मशीनरी पर निर्भर करता है जो हवा से कार्बन डाइऑक्साइड को पकड़कर उसे भोजन में बदल देती है। यह प्रक्रिया, जिसे प्रकाश संश्लेषण (photosynthesis) कहा जाता है, एक विशिष्ट एंजाइम पर निर्भर करती है जो एक आणविक कारखाने के कर्मचारी की तरह कार्य करता है, जो शर्करा बनाने के लिए कार्बन परमाणुओं को पकड़ता है। हालाँकि, यह कर्मचारी अक्सर अक्षम होता है, और इसे बेहतर ढंग से काम करने के लिए, कुछ शैवालों ने एक विशेष कक्ष विकसित किया है, जो प्रोटीन का एक घना समूह है जो कार्बन डाइऑक्साइड को ठीक वहीं केंद्रित करता है जहाँ इसकी आवश्यकता होती है। यह संरचना, जिसे पाइरेनॉइड (pyrenoid) कहा जाता है, कोशिका के भीतर तैरते हुए एक तरल बूंद की तरह व्यवहार करती है, जो लगातार बदलती और पुनर्गठित होती रहती है। इन नन्हे जीवों के लिए चुनौती यह है कि इस तरल संरचना को कोशिका विभाजन की हिंसक घटना के दौरान जीवित रहना चाहिए। जब कोशिका दो संतति कोशिकाओं में विभाजित होती है, तो पाइरेनॉइड को विघटित, वर्गीकृत और प्रत्येक नई संतति कोशिका में पुनर्गठित किया जाना चाहिए। यदि यह पुनर्गठन गलत होता है, भले ही वह सूक्ष्म स्तर पर हो जिसे देखना कठिन हो, तो नई कोशिकाओं को बढ़ने या जीवित रहने में संघर्ष करना पड़ सकता है, विशेष रूप से तब जब कार्बन डाइऑक्साइड की कमी हो।

वैज्ञानिक लंबे समय से यह जानना चाहते थे कि क्या कोशिका विभाजन के दौरान इन संरचनाओं के पुनर्निर्माण में होने वाली छोटी, छिपी हुई खामियां बाद में बड़ी समस्याओं का कारण बन सकती हैं। इसका उत्तर देने के लिए, शोधकर्ताओं ने एक सामान्य हरे शैवाल, Chlamydomonas reinhardtii की ओर रुख किया और इसकी आंतरिक संरचनाओं को देखने का एक नया तरीका विकसित किया। मानव आंखों पर निर्भर रहने के बजाय, जो सूक्ष्म अनियमितताओं को पहचान करने में चूक सकती हैं, उन्होंने एक कंप्यूटर को यह सिखाया कि एक स्वस्थ पाइरेनॉइड कैसा दिखता है। उन्होंने शुरुआत में सामान्य, स्वस्थ कोशिकाओं की हजारों छवियां लीं और एक प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग किया ताकि यह सीख सके कि "सामान्य" की पूरी सीमा क्या है। लगभग पांच हजार वाइल्ड-टाइप कोशिकाओं की छवियों पर प्रशिक्षित इस कंप्यूटर सिस्टम ने पाइरेनॉइड के मानक आकार और बनावट को पहचानने के लिए सीखा। इस प्रशिक्षण को और अधिक सुदृढ़ बनाने के लिए, शोधकर्ताओं ने अपना डेटासेट विस्तारित किया, और एक लाख से अधिक छवि विविधताएं बनाईं ताकि कंप्यूटर हर संभावित सामान्य अवस्था को समझ सके।

इस डिजिटल मानक के साथ, टीम ने इक्कीस हजार उत्परिवर्ती (mutant) शैवाल उपभेदों (strains) के पुस्तकालय में एक व्यापक खोज शुरू की, जिनमें से प्रत्येक में एक यादृच्छिक आनुवंशिक परिवर्तन मौजूद था। उन्होंने इन उत्परिवर्ती जीवों की छवियों को कंप्यूटर सिस्टम में डाला, जिसने उन्हें सामान्यता के सीखे गए मानक के विरुद्ध तुलना किया। कंप्यूटर ने सत्रह विशिष्ट उपभेदों को चिह्नित किया जिन्होंने असामान्य पैटर्न दिखाए, जिससे यह पहचान हुआ कि उनमें पाइरेनॉइड संरचना में दोष है। जो बात इस दृष्टिकोण को शक्तिशाली बनाती थी, वह थी सूक्ष्म विचलन का पता लगाने की क्षमता जिसे एक मानव पर्यवेक्षक संभवतः अनदेखा कर देता। यह विश्लेषण करके कि कंप्यूटर ने कहाँ अंतर देखा, शोधकर्ता पाइरेनॉइड में विशिष्ट स्थानीय खामियों का मानचित्रण कर सके, जिससे ऐसी अनियमितताएं सामने आईं जो अकेले आंखों से वर्गीकृत करने के लिए बहुत जटिल थीं।

जब शोधकर्ताओं ने इन उत्परिवर्ती कोशिकाओं को वास्तविक समय में देखा, तो उन्होंने इन छिपे हुए दोषों के परिणाम देखे। पहचाने गए कई उपभेदों में, कोशिका विभाजन के दौरान पाइरेनॉइड सही ढंग से टूटने में विफल रहा, या आवश्यक एंजाइम वाले हिस्से नई कोशिकाओं में समान रूप से वितरित नहीं हुए। अन्य मामलों में, कोशिका के विभाजन के बाद संरचना ठीक से पुनर्गठित होने में विफल रही। कोशिका के विभाजन की प्रक्रिया में इन यांत्रिक विफलताओं का सीधा असर विकास की समस्याओं में हुआ। जब कार्बन डाइऑक्साइड प्रचुर मात्रा में थी, तो उत्परिवर्ती शैवाल सामान्य रूप से बढ़े, लेकिन जैसे ही कार्बन डाइऑक्साइड की आपूर्ति कम हुई, उनकी वृद्धि काफी धीमी हो गई। इसने पुष्टि की कि पाइरेनॉइड में सूक्ष्म संरचनात्मक खामियों ने कम संसाधन होने पर कोशिकाओं को बहुत अधिक संवेदनशील बना दिया।

अध्ययन ने इन समस्याओं के लिए जिम्मेदार विशिष्ट जीन की ओर भी संकेत किया। यह मानचित्रण करके कि यादृच्छिक आनुवंशिक परिवर्तन कहाँ हुए थे, शोधकर्ताओं ने STT7 नामक एक जीन की पहचान की, जो एक प्रोटीन का उत्पादन करता है जो यह नियंत्रित करने के लिए जाना जाता है कि शैवाल प्रकाश को कैसे ग्रहण करता है। इस संबंध की पुष्टि करने के लिए, उन्होंने शैवाल की नई लाइनें बनाईं जहाँ इस जीन को जानबूझकर बंद कर दिया गया था। इन संशोधित शैवालों ने मूल उत्परिवर्ती की तरह ही अपने पाइरेनॉइड की संरचना में अजीब पैटर्न दिखाए, और उनमें STT7 प्रोटीन पूरी तरह से अनुपस्थित था। यह साक्ष्य बताता है कि STT7 प्रोटीन पाइरेनॉइड के आकार और कार्य को बनाए रखने में प्रत्यक्ष भूमिका निभाता है, जो प्रकाश संचयन के नियमन को कार्बन-केंद्रित संरचना की भौतिक अखंडता से जोड़ता है।

यह कार्य प्रदर्शित करता है कि अनसुपरवाइज्ड मशीन लर्निंग उन जैविक दोषों को उजागर कर सकती है जो पारंपरिक अवलोकन के लिए बहुत सूक्ष्म होते हैं। कंप्यूटर को सामान्य की सीमाओं को परिभाषित करने देने और फिर किसी भी ऐसी चीज़ की खोज करने के बाद जो उनसे बाहर है, वैज्ञानिक जटिल कोशिकीय प्रक्रियाओं में शामिल नए आनुवंशिक कारकों को खोज सकते हैं। निष्कर्ष बताते हैं कि कोशिका के विकास का स्वास्थ्य और कम-कार्बन वातावरण में फलने-फूलने की उसकी क्षमता, विभाजन के दौरान अपनी आवश्यक मशीनरी को फिर से बनाने की सटीक, अक्सर अदृश्य यांत्रिकी से गहराई से जुड़ी हुई है। इन अंतर्निहित अवस्थाओं का पता लगाने की क्षमता यह समझने के लिए एक नया द्वार खोलती है कि जीवन प्रजनन की अराजकता के बीच अपनी आवश्यक मशीनरी को कैसे बनाए रखता है।