Deep sequencing artificially inflates estimates of microbial diversity

हमारी त्वचा पर, हमारी मिट्टी में, या हमारे पेट के भीतर रहने वाली अदृश्य दुनिया को समझने के लिए, वैज्ञानिक अक्सर एक ऐसी तकनीक का सहारा लेते हैं जो एक आनुवंशिक जनगणना (genetic census) की तरह कार्य करती है। वे एक नमूना लेते हैं, मौजूद सूक्ष्मजीवों के डीएनए को अलग करते हैं, और उन विशिष्ट जीनों के आनुवंशिक कोड को पढ़ने के लिए मशीनों का उपयोग करते हैं जो प्रत्येक प्रजाति के लिए अद्वितीय पहचानकर्ता के रूप में कार्य करते हैं। एक नमूने में इन जीनों के कितने विभिन्न संस्करण दिखाई देते हैं, इसकी गणना करके, शोधकर्ता अनुमान लगा सकते हैं कि वहां कितने अलग-अलग प्रकार के सूक्ष्मजीव जीवित हैं। इस पद्धति ने सूक्ष्मजीवों की दुनिया के प्रति हमारे दृष्टिकोण में क्रांति ला दी है, जिससे उन जटिल समुदायों का अनावरण हुआ है जो पहले अदृश्य थे। हालांकि, इन गणनाओं के सार्थक होने के लिए, डेटा को वास्तविकता को दर्शाना चाहिए, न कि गणना करने वाली मशीन की विचित्रताओं को। यदि तकनीक स्वयं वहां नए जीवन का भ्रम पैदा करती है जहां वास्तव में कुछ नहीं है, तो सूक्ष्मजीव विविधता की पूरी तस्वीर विकृत हो जाती है, जिससे वैज्ञानिकों को यह विश्वास होने लगता है कि एक समुदाय वास्तव में जितना विविध है, उससे कहीं अधिक विविध है।

एक हालिया अध्ययन एक परेशान करने वाले पैटर्न पर प्रहार करता है जहाँ नमूने को गहराई से देखने की प्रक्रिया ही वास्तव में वहां मौजूद जीवन से अधिक जीवन का निर्माण करती प्रतीत होती है। शोधकर्ताओं ने एक सरल, नियंत्रित परिदृश्य का परीक्षण करके शुरुआत की: उन्होंने ऐसे नमूनों लिए जिनमें केवल एक ही प्रकार का आनुवंशिक अनुक्रम (genetic sequence) था, जिसका अर्थ था कि शुरुआत में शून्य विविधता थी। ये "शून्य-विविधता" वाले नमूने उन होस्ट जीनों का उपयोग करके बनाए गए थे जिनमें बहुत कम भिन्नता होती है या मिश्रण में जोड़े गए सिंथेटिक डीएनए स्ट्रैंड्स का उपयोग करके बनाए गए थे। जब इन समान (uniform) नमोंों का अनुक्रमण (sequencing) किया गया, तो परिणाम चौंकाने वाले थे। केवल एक प्रकार के अनुक्रम को देखने के बजाय, मशीनों ने सैकड़ों अलग-अलग वेरिएंट्स की सूचना दी। समस्या तब और बढ़ गई जब शोधकर्ताओं ने 'रीड्स' (reads) की संख्या, या एकत्र किए गए डेटा के कुल आयतन को बढ़ाया। जब अनुक्रमण एक लाख रीड्स से आगे निकल गया, तो नकली वेरिएंट्स की संख्या तेजी से (exponentially) बढ़ गई। ऐसा लग रहा था मानो मशीन हवा से नई प्रजातियां बना रही है, केवल इसलिए क्योंकि वह बहुत गहराई से और बहुत लंबे समय तक देख रही थी।

यह कृत्रिम मुद्रास्फीति (artificial inflation) केवल नियंत्रित टेस्ट ट्यूबों तक सीमित नहीं थी। जब शोधकर्ताओं ने वास्तविक सूक्ष्मजीव नमूनों, जैसे कि बैक्टीरिया या कवक (fungi) वाले नमूनों पर वही विश्लेषण लागू किया, तो उन्होंने पाया कि वही पैटर्न मौजूद था। जैसे-जैसे रीड्स की संख्या बढ़ी, समुदाय की गणना की गई विविधता भी बढ़ गई, भले ही नमूने की वास्तविक जैविक संरचना अपरिवर्तित रही हो। अध्ययन ने दिखाया कि यह त्रुटि न केवल प्रजातियों की कुल संख्या को प्रभावित करती है, बल्कि जीवों के विशिष्ट समूहों के भीतर कथित विविधता को भी प्रभावित करती है। शोधकर्ताओं ने पाया कि यह मुद्दा सूक्ष्मजीवों की पहचान करने के लिए उपयोग किए जाने वाले विभिन्न प्रकार के जेनेटिक मार्कर्स में सुसंगत था, जो यह सुझाव देता है कि वर्तमान अनुक्रमण तकनीकें डेटा के बड़े आयतन को कैसे संभालती हैं, इसमें एक मौलिक चुनौती है।

टीम ने जांच की कि क्या विशिष्ट समायोजन इस समस्या को ठीक कर सकते हैं। उन्होंने मशीन द्वारा पढ़े जाने वाले आनुवंशिक अनुक्रमों की लंबाई को छोटा करने का परीक्षण किया और AVITI Element नामक एक अलग अनुक्रमण प्लेटफॉर्म का उपयोग करने का प्रयास किया। हालांकि इन परिवर्तनों ने नकली वेरिएंट्स की संख्या को कम करने में मदद की, लेकिन वे समस्या को पूरी तरह से समाप्त नहीं कर सके। कृत्रिम मुद्रास्फीति बनी रही, हालांकि एक छोटे रूप में। लेखक निष्कर्ष निकालते हैं कि फिलहाल सबसे व्यावहारिक समाधान यह है कि बहुत अलग गहराई (depth) से अनुक्रमित किए गए नमूनों की तुलना करते समय अत्यंत सावधान रहा जाए। यदि एक नमूने को दस लाख बार पढ़ा गया है और दूसरे को केवल एक हजार बार, तो पहला निश्चित रूप से अधिक विविध दिखाई देगा, इसलिए नहीं कि वह वास्तव में विविध है, बल्कि इसलिए क्योंकि मशीन के पास त्रुटियां उत्पन्न करने के अधिक अवसर थे। अध्ययन यह सुझाव देता है कि इन नियंत्रित, शून्य-विविधता वाले नमूनों को एक बेंचमार्क के रूप में उपयोग करना वैज्ञानिकों को अपने तरीकों को ट्यून करने में मदद कर सकता है ताकि वे सत्य के करीब पहुंच सकें, जिससे यह सुनिश्चित हो सके कि सूक्ष्मजीवों की दुनिया के जो मानचित्र वे बना रहे हैं, वे वास्तव में वहां मौजूद चीजों पर आधारित हैं, न कि उस पर जो मशीन की कल्पना है।