PartitionFinder-mAIC: Phylogenetic Partitioning using Marginal Akaike Information Criterion

पृथ्वी पर जीवन एक विशाल, शाखाओं वाला पारिवारिक वृक्ष है, और वैज्ञानिक अपना अधिकांश समय इन शाखाओं को सही ढंग से उकेरने में बिताते हैं। ऐसा करने के लिए, वे पौधों, जानवरों और सूक्ष्मजीवों में पाए जाने वाले जेनेटिक कोड (आनुवंशिक कूट) को देखते हैं, और तुलना करते हैं कि ये अनुक्रम लाखों वर्षों में कैसे बदले हैं। हालाँकि, जेनेटिक अनुक्रम के सभी भाग एक ही गति या एक ही तरीके से नहीं बदलते। कुछ क्षेत्र मजबूत पुरानी दीवारों की तरह हैं जो शायद ही कभी हिलते हैं, जबकि अन्य ढीली ईंटों की तरह हैं जो बार-बार गिरती और पुनर्व्यवस्थित होती रहती हैं। इस विविधता के कारण, शोधकर्ता पूरे जेनेटिक अनुक्रम को एक ही समान ब्लॉक के रूप में नहीं मान सकते। इसके बजाय, उन्हें अनुक्रम को छोटे समूहों, या 'पार्टिशन्स' (विभाजनों) में विभाजित करना चाहिए, जहाँ प्रत्येक समूह के विकास के अपने नियम होते हैं। इन खंडों को समूहित करने का सही तरीका खोजना महत्वपूर्ण है; यदि समूह बहुत व्यापक हैं, तो विश्लेषण महत्वपूर्ण विवरणों को छोड़ देता है, लेकिन यदि वे बहुत संकीले हैं, तो मॉडल अनावश्यक जटिलता से भर जाता है, जिससे इतिहास की एक भ्रमित तस्वीर सामने आती है।

वर्षों से, 'पार्टीशन फाइंडर' (PartitionFinder) नामक एक लोकप्रिय टूल ने वैज्ञानिकों को यह तय करने में मदद की है कि इन जेनेटिक खंडों को कैसे व्यवस्थित किया जाए। यह समान समूहों को एक साथ मिलाने के लिए गणितीय स्कोर का उपयोग करता है, जिसका लक्ष्य एक ऐसा संतुलन बनाना है जो कहानी को अत्यधिक जटिल बनाने से बचा सके। ये स्कोर पारंपरिक रूप से उन विधियों पर निर्भर रहे हैं जो खंडों के समूहन को एक निश्चित तथ्य के रूप में देखते हैं, यह मानते हुए कि अंतिम इतिहास की गणना करने से पहले सीमाएँ पत्थर की लकीर की तरह तय कर दी जाती हैं। लेकिन एक नया दृष्टिकोण सुझाव देता है कि यह धारणा बहुत कठोर हो सकती है। हाल ही में पेश की गई एक विधि, जिसे 'मार्जिनल एकीके सूचना मानदंड' (marginal Akaike information criterion) के रूप में जाना जाता है, एक अलग दृष्टिकोण रखती है। समूहों को स्थिर करने के बजाय, यह सभी विभाजनों के मॉडलों के माध्यम से डेटा की संभावना का औसत निकालती है, और सीमाओं को तरल संभावनाओं के रूप में देखती है। यह बदलाव मॉडल को डेटा में निहित अनिश्चितता को बेहतर ढंग से समझने की अनुमति देता है, जिससे संभावित रूप से पेड़ की मुख्य शाखाओं का अधिक स्पष्ट दृश्य प्राप्त होता है।

एक नए विकास में, शोधकर्ताओं ने इस अधिक लचीली विधि को व्यापक रूप से उपयोग किए जाने वाले 'IQ-TREE' सॉफ्टवेयर में शामिल किया है, जिससे उन्होंने एक टूल बनाया है जिसे वे 'पार्टीशन फाइंडर-एमएआईसी' (PartitionFinder-mAIC) कहते हैं। इस नई स्कोरिंग प्रणाली को मौजूदा एल्गोरिदम में एकीकृत करके, टीम ने परीक्षण किया कि क्या यह पारंपरिक तरीकों की तुलना में बेहतर परिणाम दे सकता है। उन्होंने अपने नए टूल को सिम्युलेटेड (कृत्रिम) डेटा की एक विस्तृत श्रृंखला के विरुद्ध चलाया, जहाँ वास्तविक पारिवारिक वृक्ष पहले से ही ज्ञात था, साथ ही वास्तविक दुनिया के डीएनए और प्रोटीन अनुक्रमों पर भी। परिणामों ने दिखाया कि नया तरीका पुराने दृष्टिकोणों की तुलना में कम विभाजन उपयोग करने का निर्णय लेता है। जेनेटिक डेटा को कई छोटे, अत्यधिक विशिष्ट समूहों में विभाजित करने के बजाय, इसने पाया कि विकासवादी पैटर्न को समझाने के लिए व्यापक समूह पर्याप्त थे।

जब शोधकर्ताओं ने इन निष्कर्षों को हरे पौधों के विकासवादी इतिहास पर लागू किया, तो इसका प्रभाव प्रत्यक्ष था। नए तरीके द्वारा तैयार की गई विभाजन योजनाओं ने पादप परिवार के वृक्ष की सबसे महत्वपूर्ण शाखाओं पर अधिक सटीक निष्कर्ष प्रस्तुत किए। यह सुझाव देता है कि मॉडल को इस बात पर विचार करने की अनुमति देकर कि डेटा को कैसे समूहित किया गया है, वैज्ञानिक 'ओवरफिटिंग' के जाल से बच सकते हैं, जहाँ एक मॉडल डेटा के वास्तविक संकेत को सीखने के बजाय उसमें मौजूद शोर (noise) को याद कर लेता है। यह टूल अब सॉफ्टवेयर के नवीनतम संस्करण में अन्य शोधकर्ताओं के उपयोग के लिए उपलब्ध है, जो जीवन के इतिहास के मानचित्रों को परिष्कृत करने के लिए एक ऐसा तरीका प्रदान करता है जो जेनेटिक विकास की तरल प्रकृति को स्वीकार करता है।