On the mapping between evolutionary scenarios and governing rules in state-dependent speciation-extinction models
यह अध्ययन अवस्था-निर्भर विविधीकरण-विलुप्ति मॉडलों (state-dependent speciation-extinction models) में विकासवादी परिदृश्यों और शासी नियमों के बीच एक गणितीय मानचित्रण स्थापित करता है, जो यह प्रकट करता है कि भिन्न परिदृश्य समान टिप स्टेट वितरण (tip state distributions) उत्पन्न कर सकते हैं और केवल वर्तमान जीवित प्रजातियों वाले वृक्षों (extant-only trees) पर अनुमान, मिश्रण दरों, समय और संभावना अनुकूलन (likelihood conditioning) के परस्पर प्रभाव के कारण कुछ विशिष्ट परिदृश्यों की ओर पक्षपाती होता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
पृथ्वी पर जीवन के महान अध्ययन में, जीवविज्ञानी अक्सर एक सरल लेकिन गहन प्रश्न पूछते हैं: कोई एक विशेष लक्षण सामान्य क्यों है जबकि दूसरा दुर्लभ क्यों बना रहता है? क्या कोई विशिष्ट रंग, कोई विशेष आवास प्राथमिकता, या कोई अनूठा व्यवहार अधिकांश प्रजातियों में केवल इसलिए पाया जाता है क्योंकि वह अस्तित्व के लिए बेहतर अनुकूलित है, या यह एक ऐतिहासिक दुर्घटना है? इसका उत्तर देने के लिए, वैज्ञानिक जीवन के "वंशवृक्षों" (family trees) को देखते हैं, जिन्हें फाइलोजेनी (phylogenies) कहा जाता है। ये वृक्ष दर्शाते हैं कि प्रजातियां एक सामान्य पूर्वज से कैसे अलग हुईं और वे कितने समय पहले अलग हुई थीं। इन वृक्षों को उन डेटा के साथ जोड़कर, जिसमें यह जानकारी होती है कि किन प्रजातियों में कौन से लक्षण हैं, शोधकर्ता विकास के इतिहास को पुनर्गठित करने का प्रयास कर सकते हैं। वे नए प्रजातियों के बनने की दर, उनके विलुप्त होने की आवृत्ति और एक लक्षण से दूसरे लक्षण में बदलने की आवृत्ति का अनुमान लगाने के लिए गणितीय मॉडलों का उपयोग करते हैं। मैक्रोइवोल्यूशन (macroevolution) का यह क्षेत्र मुख्य रूप से इस धारणा पर निर्भर करता है कि आज जीवित प्रजातियों में जो पैटर्न हम देखते हैं, वे उन प्रक्रियाओं का सीधा प्रतिबिंब हैं जिन्होंने लाखों वर्षों में उन्हें आकार दिया है। हालाँकि, एक मौलिक चुनौती बनी हुई है: हम केवल जीवित बचे हुए लोगों को ही देख पाते हैं। अब तक जीवित रहने वाली प्रजातियों का विशाल बहुमत विलुप्त हो चुका है, और हम जो वंशवृक्ष बनाते हैं वे केवल उन्हीं शाखाओं पर आधारित होते हैं जो वर्तमान तक पहुँची हैं। यह एक 'ब्लाइंड स्पॉट' (अंध बिंदु) बनाता है, जिससे यह जानना कठिन हो जाता है कि लक्षणों का वर्तमान संतुलन एक स्थिर, दीर्घकालिक प्रक्रिया का परिणाम है या समय के एक क्षणिक पल का।
वाशिंगटन यूनिवर्सिटी इन सेंट लुइस की एक शोध टीम ने इस ब्लाइंड स्पॉट को खोजने के लिए एक साहसी प्रश्न पूछकर इसकी खोज करने का निर्णय लिया: यदि हम वंशवृक्ष को पूरी तरह से हटा दें और केवल विभिन्न लक्षणों वाली प्रजातियों की अंतिम संख्या को देखें, तो क्या हम अभी भी यह पता लगा सकते हैं कि क्या हुआ था? उन्होंने एक विशिष्ट प्रकार के विकासवादी मॉडल पर ध्यान केंद्रित किया जहाँ प्रजातियों के बनने (speciation) और विलुप्ति की दर उस लक्षण पर निर्भर करती है जो एक प्रजाति के पास होता है। इन मॉडलों में, यदि किसी प्रजाति के पास एक लक्षण के बजाय दूसरा लक्षण है, तो उसके जीवित रहने या प्रजनन करने की संभावना अधिक हो सकती है। शोधकर्ता जानना चाहते थे कि क्या अलग-अलग विकासवादी इतिहास एक ही अंतिम परिणाम की ओर ले जा सकते हैं। कल्पना कीजिए कि दो अलग-अलग कहानियाँ हैं: एक में, एक लक्षण प्रजातियों को तेजी से बढ़ने में मदद करता है लेकिन साथ ही उन्हें दूसरे लक्षण में जल्दी बदल देता है; दूसरे में, लक्षण तटस्थ है लेकिन प्रजातियाँ शायद ही कभी बदलती हैं। क्या दोनों कहानियाँ प्रत्येक लक्षण वाले प्रत्येक प्रजाति की समान संख्या के साथ समाप्त हो सकती हैं? टीम ने प्रत्येक लक्षण आवृत्ति के विशिष्ट पैटर्न को उत्पन्न करने वाले प्रत्येक संभावित "कहानी" या परिदृश्य को मैप करने के लिए एक नया गणितीय ढांचा विकसित किया। उन्होंने पाया कि उत्तर हाँ है: कई, पूरी तरह से अलग विकासवादी परिदृश्य लक्षणों के वितरण के समान दीर्घकालिक पैटर्न उत्पन्न कर सकते हैं।
शोधकर्ताओं ने पाया कि किसी भी दिए गए अंतिम मिश्रण के लिए, नियमों के कई अलग-अलग सेट हो सकते हैं जो इसे बना सकते थे। उन्होंने इन नियमों के सेट को "रूल्सेट्स" (rulesets) कहा। प्रत्येक रूल्सेट जन्म दर, मृत्यु दर और लक्षणों के बीच बदलने की दरों के एक अद्वितीय संयोजन का प्रतिनिधित्व करता है। उदाहरण के लिए, एक परिदृश्य जहाँ एक लक्षण नई प्रजातियों का "स्रोत" (source) है जबकि वैकल्पिक लक्षण एक "सिंक" (sink) है जहाँ प्रजातियाँ विलुप्त हो जाती हैं, उसी अंतिम संख्या को उत्पन्न कर सकता है जो एक ऐसे परिदृश्य से प्राप्त होती है जहाँ दोनों लक्षण स्रोत हैं, बशर्ते कि उनके बीच स्विच करने की दरों को एक विशिष्ट तरीके से समायोजित किया जाए। इसका अर्थ है कि दिन के अंत में केवल प्रजातियों को गिनने से यह पता नहीं चलता कि इनमें से कौन सी कहानी वास्तविक है। अध्ययन ने दिखाया कि जबकि ये अलग-अलग कहानियाँ गणितीय रूप से भिन्न हैं, वे सभी एक ही गंतव्य तक पहुँचने में सक्षम हैं।
यह समझने के लिए कि इनमें से कौन सी कहानी सत्य होने की सबसे अधिक संभावना है, टीम ने कंप्यूटर सिमुलेशन का सहारा लिया। उन्होंने हजारों काल्पनिक विकासवादी इतिहास उत्पन्न किए, उन्हें समय में आगे बढ़ने दिया ताकि यह देखा जा सके कि क्या वे वास्तव में प्रजातियों के जीवित परिवारों को उत्पन्न करते हैं। उन्होंने पाया कि सभी कहानियाँ समान नहीं होती हैं। वे परिदृश्य जहाँ दोनों लक्षण "स्रोत" के रूप में कार्य करते हैं—अर्थात, जिन प्रजातियों के पास दोनों लक्षण होते हैं, वे विलुप्त होने के बजाय बढ़ने की प्रवृत्ति रखती हैं—उन परिदृश्यों की तुलना में बहुत अधिक संभावना रखते थे जहाँ एक या दोनों लक्षण "सिंक" के रूप में कार्य करते हैं। यह सहज रूप से समझ में आता है: यदि कोई लक्षण प्रजातियों को विलुप्त होने का कारण बनता है, तो वह शाखा आज देखे जाने से पहले ही गायब होने की संभावना रखती है। फलस्वरूप, वर्तमान तक जीवित रहने वाले विकासवादी इतिहास उन इतिहासों की ओर झुके हुए होते हैं जहाँ प्रजातियाँ आम तौर पर फल-फूल रही होती हैं।
शोधकर्ताओं ने यह परीक्षण किया कि क्या मानक सांख्यिकीय विधियाँ, जो मूल नियमों का अनुमान लगाने के लिए जीवित वृक्षों से पीछे की ओर काम करती हैं, इन विभिन्न परिदृश्यों के बीच अंतर कर सकती हैं। उन्होंने पाया कि ये विधियाँ निष्पक्ष नहीं हैं। केवल जीवित प्रजातियों वाले वृक्षों का विश्लेषण करते समय, सांख्यिकीय उपकरण "स्रोत-स्रोत" (source-source) परिदृश्यों का पुरजोर समर्थन करते हैं, भले ही वास्तविक इतिहास कुछ और रहा हो। यह पूर्वाग्रह इसलिए उत्पन्न होता है क्योंकि इन विश्लेषणों में उपयोग की जाने वाली गणितीय संभावनाएँ इस तथ्य पर आधारित होती हैं कि वृक्ष जीवित रहा है। एक वृक्ष जो जीवित रहा है, इस बात की अधिक संभावना है कि वह एक ऐसे इतिहास से आया है जहाँ प्रजातियाँ बढ़ रही थीं, इसलिए विश्लेषण स्वाभाविक रूप से उस निष्कर्ष की ओर झुक जाता है। अध्ययन ने यह भी खुलासा किया कि एक सिस्टम कितनी तेजी से अपने अंतिम पैटर्न में स्थिर होता है, यह महत्वपूर्ण है। कुछ विकासवादी परिदृश्य बहुत जल्दी लक्षणों के एक स्थिर संतुलन तक पहुँच जाते हैं, जबकि अन्य में लंबा समय लगता है। यदि एक वृक्ष नया है, तो इसमें संतुलन तक पहुँचने के लिए पर्याप्त समय नहीं रहा होगा, जिससे सही इतिहास का अनुमान लगाना कठिन हो जाता है। सिमुलेशन ने दिखाया कि सही विकासवादी कहानी को पहचानने की क्षमता इस बात पर निर्भर करती है कि कितना समय बीत चुका है और सिस्टम अपने अंतिम अवस्था की ओर कितनी तेजी से अभिसरित (converging) हो रहा था।
जब शोधकर्ताओं ने अपने ढांचे को वास्तविक दुनिया के डेटा पर लागू किया, जिसमें छिपकलियों और साँपों (स्क्वेट्स/squamates) और पुष्पी पौधों (एंजियोस्पर्म/angiosperms) के विकासवादी इतिहास को देखा, तो उन्होंने पाया कि उनके सिमुलेशन से प्राप्त पैटर्न वास्तविक दुनिया में भी खरे उतरे। दोनों समूहों में, सबसे अधिक अनुमानित विकासवादी परिदृश्य वे थे जहाँ दोनों लक्षण स्रोतों के रूप में कार्य करते थे, जो इस विचार के अनुरूप है कि जीवित बचे हुए वृक्ष फलती-फूलती वंशावलियों की ओर झुके होते हैं। हालाँकि, सिम्युलेटेड डेटा और वास्तविक दुनिया के बीच कुछ अंतर भी थे। वास्तविक डेटा में, विधियों ने कुछ जटिल परिदृश्यों को उनके पूर्वानुमान से अधिक बार अनुमानित किया, जिससे पता चलता है कि वास्तविक विकासवादी प्रक्रियाएं अधिक सूक्ष्म हो सकती हैं या अन्य कारक, जैसे कि मॉडलों में शामिल न किए गए छिपे हुए लक्षण, परिणामों को प्रभावित कर रहे हैं। यह अध्ययन इस बात पर प्रकाश डालता है कि हालांकि हम जीवित प्रजातियों के लक्षणों से बहुत कुछ सीख सकते हैं, हमें यह मानने में सावधानी बरतनी चाहिए कि हम वास्तव में उस पथ को जानते हैं जिस पर विकास हुआ था। एक ही अंतिम चित्र को कई अलग-अलग ब्रशों से बनाया जा सकता है, और वृक्ष के पूर्ण इतिहास के बिना, जिसमें विलुप्त शाखाएँ भी शामिल हैं, हम केवल वास्तविक कहानी का एक अंश ही देख पाते हैं।
यह कार्य जीवित दुनिया से हम क्या सीख सकते हैं, इसकी सीमाओं के बारे में एक महत्वपूर्ण सैद्धांतिक आधार प्रदान करता है। यह दिखाता है कि हमारे द्वारा देखे गए डेटा और उसे उत्पन्न करने वाली प्रक्रियाओं के बीच का संबंध एक-से-एक (one-to-one) नहीं है। सभी संभावित नियमों को मैप करके, शोधकर्ताओं ने जीवविज्ञवर्तियों को संभावनाओं की पूरी सीमा देखने का एक तरीका दिया है। यह भविष्य के अध्ययनों के लिए बेहतर शुरुआती बिंदु चुनने और यह समझने में मदद करता है कि कुछ विकासवादी कहानियाँ अधिक बार क्यों सुनाई जाती हैं। यह एक अनुस्मारक के रूप में कार्य करता है कि जीवन का इतिहास जटिल है, और आज जो पैटर्न हम देखते हैं वे अस्तित्व, समय और विकास के विशिष्ट नियमों के बीच एक नाजुक परस्पर क्रिया का परिणाम हैं। यह अध्ययन यह दावा नहीं करता है कि यह लक्षण विकास के रहस्य को सुलझा देता है, बल्कि यह संभावनाओं के परिदृश्य को स्पष्ट करता है, जिससे यह सुनिश्चित होता है कि भविष्य की जांच इस वास्तविकतात्मक समझ पर आधारित हो कि डेटा हमें क्या बता सकता है और क्या नहीं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।