A Minimal Model of Functional Redundancy as a Route to Enzyme Specialisation

एंजाइम वे नन्हे यंत्र हैं जो जीवन को चलाए रखते हैं, वे उन रासायनिक प्रतिक्रियाओं की गति बढ़ाते हैं जो कोशिकाओं का निर्माण करती हैं, भोजन पचाती हैं और डीएनए की मरम्मत करती हैं। लंबे समय तक, वैज्ञानिकों का मानना था कि इन मशीनों को एक विशिष्ट कार्य में अत्यधिक कुशल होने के लिए, उन्हें आमतौर पर अलग होने की आवश्यकता होती है। मानक कहानी यह थी कि एक जीन स्वयं की प्रतिलिपि बनाता है, जिससे जीव के पास एक ही उपकरण के दो संस्करण मिल जाते हैं। एक प्रति मूल कार्य को जारी रख सकती थी, जबकि दूसरी नई कार्यक्षमता में विशेषज्ञता हासिल करने के लिए स्वतंत्र थी। यह प्रक्रिया, जिसे 'जीन डुप्लीकेशन' (gene duplication) कहा जाता है, लंबे समय से नए, विशिष्ट एंजाइम बनाने के प्राथमिक तरीके के रूप में देखी जाती रही है। लेकिन यह एक पेचीदा सवाल खड़ा करती है: क्या होगा यदि किसी जीव के पास प्रतिलिपि बनाने की विलासिता न हो? क्या होगा यदि उसे अपने पास मौजूद प्रोटीन के साथ ही काम चलाना पड़े? क्या एक एकल प्रोटीन अन्य कार्यों में मदद करने की क्षमता खोए बिना एक विशिष्ट कार्य पर अधिक केंद्रित हो सकता है, जिनकी जीव को अभी भी आवश्यकता है?

शोधकर्ताओं की एक टीम ने यह पता लगाने के लिए एक डिजिटल विकास मॉडल बनाकर इसका उत्तर देने का प्रयास किया कि जब प्रोटीन को कार्यभार साझा करने के लिए मजबूर किया जाता है, तो वे कैसे बदलते हैं। उन्होंने प्रयोगशाला में वास्तविक बैक्टीरिया या यीस्ट को नहीं देखा; इसके बजाय, उन्होंने एक सरल कंप्यूटर सिमुलेशन बनाया जहाँ प्रोटीनों के एक समूह को सामूहिक रूप से 120 अलग-अलग रासायनिक प्रतिक्रियाओं का प्रबंधन करना था। उनकी दुनिया में, जीव की "फिटनेस" या सफलता पूरी तरह से इस बात पर निर्भर थी कि प्रोटीनों का पूरा समूह इन प्रतिक्रियाओं को मिलकर कितनी अच्छी तरह से करता है। शोधकर्ताओं ने प्रोटीनों के साथ शुरुआत की जो 'जनरलिस्ट' (generalists) थे, जिसका अर्थ है कि प्रत्येक एक कई अलग-अलग प्रतिक्रियाओं में मदद कर सकता था, लेकिन उनमें से कोई भी किसी एक के लिए पूर्ण नहीं था। फिर उन्होंने इन प्रोटीनों को समय के साथ विकसित होने दिया, जिससे उन्हें उत्परिवर्तित (mutate) होने और उनकी गतिविधि स्तरों को बदलने की अनुमति मिली, लेकिन एक सख्त नियम के साथ: कोई भी नया जीन बनाने की अनुमति नहीं थी। पूरे प्रयोग के दौरान प्रोटीनों की संख्या स्थिर रही।

लक्ष्य यह देखना था कि क्या ये प्रोटीन स्वाभाविक रूप से अधिक विशिष्ट बनेंगे, यानी कुछ प्रमुख कार्यों पर अपनी ऊर्जा केंद्रित करेंगे, भले ही जीव को अभी भी सभी 120 प्रतिक्रियाओं की आवश्यकता हो। शोधकर्ताओं ने इसे कई अलग-अलग स्थितियों के तहत परखा। उन्होंने कार्य करने के लिए उपलब्ध प्रोटीनों की संख्या, गतिविधि बढ़ाने या घटाने की उत्परिवर्तन की संभावना, और प्रोटीन की संरचना किस हद तक एक साथ होने वाली गतिविधियों को सीमित करती है, इन सबको बदला। सिमुलेशन के एक संस्करण में, गतिविधियाँ कम होने की संभावना बढ़ने की तुलना में अधिक थी, जो उस परिदृश्य की नकल करता है जहाँ कार्य को सुधारने की तुलना में उसे बिगाड़ना आसान होता है। दूसरे संस्करण में, वृद्धि और कमी दोनों समान रूप से संभावित थीं। उन्होंने यह देखने के लिए सैकड़ों सिमुलेशन चलाए कि क्या होगा।

परिणामों ने दिखाया कि जीन डुप्लीकेशन के बिना भी विशेषज्ञता (specialization) हुई। लगभग हर परिदृश्य में, प्रोटीन अधिक केंद्रित हो गए। उन्होंने कई प्रतिक्रियाओं में अपने प्रयासों को बिखेरना बंद कर दिया और इसके बजाय कार्यों के एक छोटे सेट पर अपनी गतिविधि केंद्रित कर दी। शोधकर्ताओं ने इसे "प्रभावी विस्तार" (effective breadth) को देखकर मापा, जो एक सांख्यिकीय माप है कि एक प्रोटीन की गतिविधि कितनी व्यापक रूप से वितरित है। शुरुआत में, औसत प्रोटीन का प्रभावी विस्तार लगभग 13.5 था। सिमुलेशन के पूरा होने के बाद, यह संख्या काफी कम हो गई। 'लॉस-बायस्ड म्यूटेशन' (loss-biased mutation) वाले परिदृश्य में विस्तार में औसत कमी लगभग 1.6 से 4.0 यूनिट के बीच थी, और 'सिमेट्रिक म्यूटेशन' (symmetric mutation) वाले परिदृश्य में यह 6.3 से 8.2 यूनिट के बीच थी। साथ ही, एक प्रोटीन के कुल प्रयास का हिस्सा जो उसके सबसे मजबूत कार्य के लिए समर्पित था, वह बढ़ गया। इसका अर्थ है कि प्रोटीन केवल यादृच्छिक रूप से कार्य नहीं खो रहे थे; वे अपने प्राथमिक कार्यों में बेहतर होने के लिए सक्रिय रूप से पुनर्गठित हो रहे थे।

महत्वपूर्ण रूप से, यह विशेषज्ञता जीव के अस्तित्व की कीमत पर नहीं आई। भले ही प्रोटीन अधिक केंद्रित हो गए थे, सिस्टम की कमजोर प्रतिक्रियाएं विफल नहीं हुईं। क्योंकि कई प्रोटीन मिलकर काम कर रहे थे, यदि एक प्रोटीन किसी विशिष्ट प्रतिक्रिया में मदद करने की अपनी क्षमता खो देता, तो अन्य लोग कमी को पूरा करने के लिए मौजूद थे। सिस्टम इस अतिरेक (redundancy) द्वारा सुरक्षित था। शोधकर्ताओं ने पाया कि सबसे कठिन प्रतिक्रियाओं का प्रदर्शन अपेक्षाकृत स्थिर रहा, जिसमें केवल मामूली गिरावट आई या कुछ मामलों में सुधार भी हुआ। यह सुझाव देता है कि विशेषज्ञता के दबाव ने जीव को अपनी बुनियादी जरूरतों को संभालने की क्षमता का त्याग करने के लिए मजबूर नहीं किया। प्रोटीन अधिक कुशल विशेषज्ञ बन सकते थे जबकि समूह के रूप में पूरा समूह अभी भी वह सब कुछ प्रदान कर रहा था जिसकी जीव को आवश्यकता थी।

सबसे आश्चर्यजनक निष्कर्षों में से एक यह था कि विशेषज्ञता की ओर इस बदलाव के लिए कार्यों को कम करने की ओर झुकाव (bias) की आवश्यकता नहीं थी। कई वैज्ञानिकों ने माना था कि एक प्रोटीन को विशिष्ट होने के लिए, उसे अतिरिक्त क्षमताओं को तोड़ने के पक्ष में उत्परिवर्तन के दबाव की आवश्यकता होगी। हालांकि, शोधकर्ताओं ने पाया कि विशेषज्ञता तब भी हुई जब उत्परिवर्तन गतिविधि को बढ़ाने या घटाने के लिए समान रूप से संभावित थे। वास्तव में, जिन सिमुलेशन में वृद्धि और कमी संतुलित थी, उनमें कार्य को कम करने वाले परिदृश्य की तुलना में विशेषज्ञता की ओर और भी अधिक मजबूत बदलाव देखा गया। यह इंगित करता है कि विशेषज्ञता की प्रेरणा प्रोटीन के कार्य करने के तरीके और सफलता को मापने के तरीके से आती है, न कि किसी विशिष्ट प्रकार के उत्परिवर्तन से। प्रोटीन स्वाभाविक रूप से अपने प्रयासों को केंद्रित करने का तरीका खोज लेते थे क्योंकि यह समूह की सफलता के लिए सबसे प्रभावी रणनीति थी।

अध्ययन ने यह भी खुलासा किया कि प्रोटीन की भौतिक संरचना ने एक जटिल भूमिका निभाई। शोधकर्ताओं ने अपने मॉडल में एक नियम शामिल किया जो एक प्रोटीन के एक हिस्से को एक ही समय में दो अलग-अलग चीजों में बहुत अच्छा होने से रोकता था, जो एक वास्तविक दुनिया की भौतिक सीमा का अनुकरण करता है। उन्होंने पाया कि यह सीमा प्रोटीनों को और अधिक विशेषज्ञ बनाने के लिए केवल एक सरल बाधा नहीं थी। यदि सीमा बहुत सख्त थी, तो इसने वास्तव में विशेषज्ञता को कठिन बना दिया क्योंकि इसने कुछ विकासवादी पथों को अवरुद्ध कर दिया। यदि सीमा बहुत ढीली थी, तो प्रोटीनों को बदलने के लिए पर्याप्त दबाव महसूस नहीं हुआ। एक मध्य मार्ग था जहाँ भौतिक बाधाएं विशेषज्ञता को प्रोत्साहित करने के लिए सबसे अच्छी थीं। यह सुझाव देता है कि एंजाइमों की भौतिक वास्तुकला विशेषज्ञता को प्रोत्साहित करने वाले एक सूक्ष्म कारक के रूप में कार्य करती है, न कि केवल एक साधारण बाधा के रूप में।

सिमुलेशन के दौरान, सिस्टम में कुल रासायनिक गतिविधि वास्तव में बढ़ गई। प्रोटीन समग्र रूप से अधिक शक्तिशाली हो गए, लेकिन यह इसलिए नहीं था कि मॉडल ने उन्हें संसाधनों को बचाने के तरीके से अधिक कुशल बनाने के लिए मजबूर किया था। मॉडल ने संसाधनों की बचत के रूप में अधिक सक्रिय एंजाइम बनाने के लिए जीव को दंडित नहीं किया। कुल गतिविधि में वृद्धि एक दुष्प्रभाव था कि प्रोटीन मिलकर काम करने के बेहतर तरीके खोज रहे थे। मुख्य बात यह नहीं थी कि सिस्टम संसाधनों के उपयोग के मामले में अधिक कुशल हो गया था, बल्कि यह थी कि कार्य का वितरण बदल गया था। प्रोटीन उन जनरलिस्टों के बजाय जो थोड़ा-थोड़ा सब कुछ करते थे, उन विशेषज्ञों में बदल गए जो कुछ चुनिंद कार्यों को बहुत अच्छी तरह से करते थे, जबकि समूह के रूप में पूरा समूह आवश्यक कार्यों को संभालने की अपनी क्षमता बनाए रखता था।

यह कार्य इस विचार को चुनौती देता है कि एंजाइमों के विशिष्ट होने का एकमात्र तरीका जीन डुप्लीकेशन है। हालांकि, जीन डुप्लीकेशन प्रकृति में एक ज्ञात और महत्वपूर्ण प्रक्रिया है, यह अध्ययन दिखाता है कि विशेषज्ञता के लिए यह एक तार्किक आवश्यकता नहीं है। यहाँ तक कि जब प्रोटीनों की संख्या स्थिर होती है, तब भी मौजूदा उपकरणों को पुनर्गठित किया जा सकता है। प्रोटीन अपना ध्यान केंद्रित कर सकते हैं, विशिष्ट कार्यों के प्रति समर्पित हो सकते हैं, जबकि समूह का सामूहिक प्रयास यह सुनिश्चित करता है कि कोई भी महत्वपूर्ण कार्य अधूरा न रह जाए। शोधकर्ता निष्कर्ष निकालते हैं कि विशेषज्ञता का मार्ग पहले की तुलना में अधिक व्यापक है। यह मौजूदा योगदानों के पुनर्गठन के माध्यम से हो सकता है, जो प्रतिक्रियाओं के एक जटिल नेटवर्क में प्रदर्शन को संतुलित करने की आवश्यकता से प्रेरित होता है।

इस खोज के निहितार्थ महत्वपूर्ण हैं कि हम जीवन के इतिहास को कैसे समझते हैं। यह सुझाव देता है कि प्रारंभिक जीव, जिनके पास बहुत कम जीन हो सकते थे और डुप्लीकेशन की कोई क्षमता नहीं थी, फिर भी अत्यधिक विशिष्ट एंजाइम विकसित कर सकते थे। वे अपने पास मौजूद कुछ प्रोटीनों की गतिविधियों को बदलकर ऐसा कर सकते थे, जिससे वे अपने जेनेटिक कोड की प्रतिलिपि बनाए बिना अधिक कुशल बन सकते थे। यह अध्ययन एक स्पष्ट, सिम्युलेटेड उदाहरण प्रदान करता है कि कैसे प्रकृति सहयोग और पुनर्वितरण के माध्यम से विशेषज्ञता की समस्या को हल कर सकती है, न कि केवल गुणन (multiplication) के माध्यम से। यह दिखाता है कि जटिलता का विकास हमेशा नए हिस्सों की आवश्यकता नहीं रखता; कभी-कभी, इसे केवल पुराने हिस्सों को मिलकर काम करने का बेहतर तरीका खोजने की आवश्यकता होती है।

अंत में, शोधकर्ताओं ने प्रदर्शित किया कि विशेषज्ञता एक ऐसे सिस्टम का स्वाभाविक परिणाम है जहाँ कई एजेंट एक कार्यभार साझा करते हैं और जहाँ सफलता सामूहिक प्रदर्शन पर निर्भर करती है। उनके मॉडल के प्रोटीनों को विशेषज्ञ बनने के लिए किसी मास्टर प्लान या किसी विशिष्ट उत्परिवर्तन की आवश्यकता नहीं थी। वे बस उन चीजों में बेहतर बनने की दिशा में विकसित हुए जिनमें वे सबसे अच्छे थे, जबकि बाकी चीजों को संभालने के लिए अपने पड़ोसियों पर भरोसा किया। यह प्रक्रिया विभिन्न स्थितियों में लगातार हुई, जिससे सिद्ध हुआ कि विशेषज्ञता की क्षमता जैविक प्रणालियों की एक मजबूत विशेषता है, भले ही जीन डुप्लीकेशन अनुपस्थित हो। यह अध्ययन एक नया दृष्टिकोण प्रदान करता है कि कैसे जीवन सरल, सामान्य शुरुआत से आज की जटिल, विशिष्ट मशीनरी में विकसित हुआ होगा।