Unsupervised decomposition of massively parallel TraDIS-Xpress fitness data from Escherichia coli identifies distinct functional and expression modules of antimicrobial resistance determinants

बैक्टीरिया अनुकूलन के उस्ताद होते हैं। जब वे किसी खतरे का सामना करते हैं, जैसे कि एक एंटीबायोटिक, तो वे केवल नष्ट होने के लिए चुपचाप बैठे नहीं रहते; वे एक जटिल आंतरिक रक्षा प्रणाली को सक्रिय कर देते हैं। यह समझने के लिए कि यह कैसे काम करता है, वैज्ञानिक अक्सर 'ट्रांसपोज़न इंसर्शन सीक्वेंसिंग' नामक तकनीक का उपयोग करते हैं। कल्पना कीजिए कि जीनोम एक बैक्टीरिया के निर्माण और संचालन के लिए एक लंबे निर्देश मैनुअल की तरह है। इस पद्धति में, शोधकर्ता आनुवंशिक सामग्री के छोटे टुकड़ों को यादृच्छिक रूप से मैनुअल में डालते हैं, जो प्रभावी रूप से विशिष्ट बिंदुओं पर निर्देशों को बाधित (जैम) कर देते हैं। यदि एक बैक्टीरिया बाधित निर्देश के बावजूद जीवित रहता है और अच्छी तरह से बढ़ता है, तो उस मैनुअल का वह हिस्सा संभवतः उन परिस्थितियों में जीवित रहने के लिए आवश्यक नहीं था। यदि बैक्टीरिया मर जाता है या संघर्ष करता है, तो वह निर्देश महत्वपूर्ण था। इन लाखों टूटे हुए बैक्टीरिया का एक साथ परीक्षण करके, वैज्ञानिक मानचित्र बना सकते हैं कि विभिन्न वातावरणों में जीवित रहने के लिए कौन से जीन महत्वपूर्ण हैं।

हालाँकि, इन मानचित्रों को पढ़ने के पारंपरिक तरीकों की एक महत्वपूर्ण सीमा है। आमतौर पर, वैज्ञानिक प्रत्येक जीन को अलग-थलग देखते हैं, और तुलना करते हैं कि एक नियंत्रण वातावरण बनाम एक तनावपूर्ण वातावरण में वह कैसे व्यवहार करता है। यह दृष्टिकोण सैकड़ों अलग-अलग सूचियाँ उत्पन्न करता है, एक हर परीक्षित स्थिति के लिए, जिससे यह देखना कठिन हो जाता है कि विभिन्न जीन एक टीम के रूप में मिलकर कैसे काम करते हैं। इसके अलावा, मानक विधियाँ अक्सर उन जीनों के सूक्ष्म संकेतों को भी चूक जाती हैं जो टूटे हुए नहीं हैं बल्कि केवल चालू या बंद (ऑन या ऑफ) किए गए हैं, जो दवाओं के प्रति प्रतिरोध दिखाने का एक महत्वपूर्ण हिस्सा है। क्वाड्रम इंस्टीट्यूट और यूनिवर्सिटी ऑफ ईस्ट एंग्लिया के शोधकर्ताओं द्वारा एक अध्ययन, एक शक्तिशाली गणितीय उपकरण को बैक्टीरिया के डेटा के विशाल संग्रह पर लागू करके इन कमियों को दूर करता है। जीनों को एक-एक करके देखने के बजाय, उन्होंने छिपे हुए पैटर्न की तलाश की जो जीनों के समूहों को एक साथ जोड़ते हैं, जिससे यह पता चलता है कि बैक्टीरिया अपनी रक्षा को वास्तविक समय में कैसे समन्वित करते हैं।

शोधकर्ताओं ने एस्चेरिचिया कोली (Escherichia coli), जो प्रयोगशालाओं में उपयोग किया जाने वाला एक सामान्य बैक्टीरिया है, के लगभग 8,00,000 उत्परिवर्ती (म्यूटेंट) उपभेदों के एक विशाल पुस्तकालय से शुरुआत की। इस पुस्तकालय को एक विशेष आनुवंशिक उपकरण का उपयोग करके बनाया गया था जो न केवल जीनों को तोड़ सकता है बल्कि उन्हें चालू या बंद भी कर सकता है, जिससे वैज्ञानिकों को उन आवश्यक जीनों का अध्ययन करने की अनुमति मिलती है जिन्हें बिना कोशिका को मारे आमतौर पर तोड़ा नहीं जा सकता। उन्होंने इन बैक्टीरिया को 754 विभिन्न स्थितियों, जिसमें विभिन्न एंटीबायोटिक्स और अन्य पर्यावरणीय तनाव शामिल थे, के संपर्क में लाया। लक्ष्य प्रत्येक प्रयोग का अलग-अलग विश्लेषण करने की मानक विधि से आगे बढ़ना था। इसके बजाय, उन्होंने सभी डेटा को एक कंप्यूटर प्रोग्राम में डाला जिसे स्वतंत्र पैटर्न, या "मॉड्यूल" खोजने के लिए डिज़ाइन किया गया था, जो तब उभरते हैं जब बैक्टीरिया विभिन्न चुनौतियों का सामना करते हैं। इस प्रक्रिया को 'इंडिपेंडेंट कंपोनेंट एनालिसिस' कहा जाता है, जिसने उन्हें उन जीनों को समूहबद्ध करने की अनुमति दी जो एक साथ प्रतिक्रिया करते हैं, चाहे वे गुणसूत्र (क्रोमोसोम) पर एक-दूसरे के बगल में स्थित हों या एक ही ज्ञात जैविक पथ (पाथवे) से संबंधित हों।

विश्लेषण ने 99 विशिष्ट कार्यात्मक समूहों का खुलासा किया, जिन्हें शोधकर्ताओं ने "fxModules" कहा। ये समूह इस आधार पर परिभाषित नहीं हैं कि पहले से मौजूद ज्ञान के अनुसार जीन क्या करते हैं, बल्कि इस आधार पर हैं कि वे वास्तव में डेटा में एक साथ कैसे व्यवहार करते हैं। अध्ययन में पाया गया कि इन मॉड्यूल्स ने व्यक्तिगत जीनों को देखने की तुलना में बैक्टीरिया के प्रतिरोध की बहुत स्पष्ट तस्वीर प्रदान की। उदाहरण के लिए, जब बैक्टीरिया को फॉस्फोमाइसिन (fosfomycin) एंटीबायोटिक के संपर्क में लाया गया, तो विश्लेषण ने एक विशिष्ट मॉड्यूल की पहचान की जिसमें कोशिका में दवा के प्रवेश, उसके नियमन और उसके चयापचय प्रसंस्करण के लिए जिम्मेदार जीन शामिल थे। इस मॉड्यूल ने ज्ञात प्रतिरोध तंत्रों को सटीक रूप से पुनरुत्पादित किया, लेकिन इसने एक ऐसी सटीकता के साथ किया जिसने विभिन्न जैविक पथों के बीच जीनों को जोड़ा, जिसे पारंपरिक विधियों ने मिस कर दिया था। शोधकर्ता देख सके कि बैक्टीरिया का बचाव दवा के प्रवाह को नियंत्रित करने के एक समन्वित प्रयास में शामिल था, न कि केवल एक अकेले जीन के कार्य करने में।

इस दृष्टिकोण की शक्ति क्लोरैम्फेनिकॉल (chloramphenicol), एक अन्य एंटीबायोटिक के अध्ययन में और भी स्पष्ट हो गई। इस मामले में, विश्लेषण ने उन क्षेत्रों से उत्पन्न संकेतों द्वारा संचालित एक मॉड्यूल को उजागर किया जो जीनों से ठीक पहले होते हैं, जिन्हें प्रमोटर (promoters) कहा जाता है। ये क्षेत्र नियंत्रित करते हैं कि एक जीन कितनी मजबूती से व्यक्त (एक्सप्रेस) होता है। अध्ययन ने दिखाया कि बैक्टीरिया का प्रतिरोध मुख्य रूप से उन विशिष्ट जीनों की आवाज़ बढ़ाने पर निर्भर था जो कोशिका से दवा को बाहर पंप करते हैं। चूंकि पारंपरिक विधियाँ अक्सर इन नियामक क्षेत्रों को अनदेखा करती हैं या उन्हें उनके द्वारा नियंत्रित जीनों से अलग मानती हैं, इसलिए वे इस महत्वपूर्ण अंतर्दृष्टि को खो देतीं। जीन अभिव्यक्ति के संकेत को जीन व्यवधान के संकेत से अलग करके, शोधकर्ता देख सके कि बैक्टीरिया इफ्लक्स पंपों (efflux pumps) का अत्यधिक उत्पादन करके जीवित रह रहे थे, एक ऐसा तंत्र जो एक मानक जीन-दर-जीन विश्लेषण में अदृश्य रहता।

इसी तरह, अध्ययन ने इस बात का विस्तृत विवरण दिया कि बैक्टीरिया जेंटामाइसिन (gentamicin) के प्रति कैसे प्रतिक्रिया करते हैं। विश्लेषण ने बैक्टीरिया की श्वसन श्रृंखला (respiratory chain), जो ऊर्जा उत्पन्न करने वाली प्रणाली है, को तीन अलग-अलग मॉड्यूल्स में विभाजित किया जो दवा के प्रति अलग तरह से प्रतिक्रिया करते थे। एक समूह के जीन, जो ऊर्जा आपूर्ति बनाने में शामिल थे, ने एक मजबूत सकारात्मक प्रतिक्रिया दिखाई, जिसका अर्थ था कि इन जीनों को तोड़ने से बैक्टीरिया के जीवित रहने में मदद मिली। दूसरे समूह ने, जो ATP बनाने के लिए उस ऊर्जा का उपयोग करता है, एक नकारात्मक प्रतिक्रिया दिखाई, जिसका अर्थ था कि इन जीनों को तोड़ने से जीवित रहना मुश्किल हो गया। विवरण के इस स्तर ने खुलासा किया कि बैक्टीरिया अपने ऊर्जा तंत्र को एक एकल ब्लॉक के रूप में नहीं देखते; इसके बजाय, वे एंटीबायोटिक के प्रवेश को कम करने के लिए इसके विशिष्ट हिस्सों को सूक्ष्मता से नियंत्रित करते हैं। शोधकर्ताओं ने विशिष्ट नियामकों (regulators) की भी पहचान की जो इन प्रतिक्रियाओं को नियंत्रित करते हैं, जिनमें से कुछ को पहले जेंटामाइसिन प्रतिरोध से नहीं जोड़ा गया था, जो भविष्य के अध्ययन के लिए नए लक्ष्य प्रदान करते हैं।

अध्ययन ने सेल वॉल (कोशिका भित्ति) को समर्पित एक मॉड्यूल का भी खुलासा किया, जो बैक्टीरिया का बाहरी कवच है, और जो बीटा-लैक्टम (beta-lactams) नामक दवाओं के एक वर्ग के प्रति विशेष रूप से प्रतिक्रिया करता है। इस समूह में वे प्रोटीन शामिल थे जो दीवार बनाते हैं, वे एंजाइम जो उसे काटते हैं, और वे नियामक जो उसकी अखंडता को महसूस करते हैं। उल्लेखनीय रूप से, विश्लेषण ने पाया कि ये प्रोटीन, जो कोशिका में भौतिक रूप से जुड़े हुए हैं, कंप्यूटर द्वारा एक साथ समूहबद्ध किए गए थे, भले ही वे विभिन्न जैविक डेटाबेस में बिखरे हुए हों। यह सुझाव देता है कि गणितीय दृष्टिकोण उन कार्यात्मक इकाइयों को खोज सकता है जिन्हें मानव-क्यूरेटेड डेटाबेस चूक सकते हैं क्योंकि वे अलग-अलग मानदंडों द्वारा व्यवस्थित होते हैं। शोधकर्ताओं ने उल्लेख किया कि जबकि पद्धति ने ज्ञात तंत्रों को सफलतापूर्वक याद किया, इसने नए संबंध भी प्रस्तावित किए, जैसे कि एक विशिष्ट नियामक जो सेल वॉल को तनाव प्रतिक्रिया (stress response) से जोड़ सकता है, जिसके लिए अब आगे के प्रयोगात्मक परीक्षण की आवश्यकता है।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि यह पद्धति बिना यह जाने कि जीनों का कार्य क्या है, काम करती है। कंप्यूटर ने केवल इस आधार पर जीनों को समूहबद्ध किया कि सभी विभिन्न तनाव स्थितियों में उनकी गतिविधि के स्तर एक साथ कैसे बदलते हैं। इसका मतलब है कि यह दृष्टिकोण मौजूदा पाठ्यपुस्तकों या डेटाबेस पर निर्भर हुए बिना जीनों और अस्तित्व में उनकी भूमिकाओं के बीच नए संबंधों की पहचान कर सकता है। शोधकर्ताओं ने प्रदर्शित किया कि एक बड़े डेटा संकलन का एक साथ विश्लेषण करके, वे एक सामान्य ढांचा बना सकते हैं जहाँ नए प्रयोगों की सीधे पुराने प्रयोगों से तुलना की जा सकती है। यह वैज्ञानिकों के काम करने के तरीके को बदल देता है, सैकड़ों अलग-अलग सूचियों को बैक्टीरिया के व्यवहार के एक एकल, सुसंगत मानचित्र में बदल देता है।

शोधकर्ता इस बात पर ध्यान देने में सावधानी बरतते हैं कि हालांकि यह विधि मजबूत और पुनरुत्पादक (reproducible) है, लेकिन इसके द्वारा पहचाने गए समूह सांख्यिकीय गति के पैटर्न पर आधारित हैं, न कि अनिवार्य रूप से भौतिक कनेक्शनों पर। केवल इसलिए कि जीन डेटा में एक साथ चलते हैं, इसका मतलब यह गारंटी नहीं है कि वे सीधे परस्पर क्रिया करते हैं, हालांकि कई मामलों में, समूह ज्ञात जैविक परिसरों से मेल खाते थे। अध्ययन ने यह भी रेखांकित किया कि इन समूहों को परिभाषित करने के लिए उपयोग किए गए विशिष्ट थ्रेशोल्ड (सीमाएं) इस प्रकार के डेटा के लिए अनुभवजन्य रूप से निर्धारित किए गए थे, जिसका अर्थ है कि अन्य प्रकार के प्रयोगों के लिए उन्हें समायोजन की आवश्यकता हो सकती है। इन चेतावनियों के बावजूद, नियामक संकेतों को हल करने और जीनों को उनके वास्तविक कार्यात्मक प्रभाव के आधार पर समूहबद्ध करने की क्षमता एक बड़ी प्रगति है। यह वैज्ञानिकों को केवल पेड़ों को नहीं, बल्कि पूरे जंगल को देखने की अनुमति देता है, जिससे यह पता चलता है कि बैक्टीरिया एंटीबायोटिक्स के खिलाफ अपनी रक्षा को कैसे व्यवस्थित करते हैं, जो पहले व्यक्तिगत जीन सूचियों के शोर में छिपा हुआ था।

अंततः, यह कार्य दवाओं और बैक्टीरिया के बीच के युद्ध को समझने के लिए एक नया लेंस प्रदान करता है। जीनोम को एक गतिशील प्रणाली के रूप में मानकर जहाँ जीन मिलकर काम करते हैं, न कि भागों की एक स्थिर सूची के रूप में, शोधकर्ताओं ने जैविक अंतर्दृष्टि की एक गहरी परत को खोल दिया है। यह पद्धति केवल वही पुष्टि नहीं करती जो पहले से ज्ञात है; यह यह भविष्यवाणी करने का एक तरीका प्रदान करती है कि बैक्टीरिया नई चुनौतियों के प्रति कैसे प्रतिक्रिया दे सकते हैं और उन विशिष्ट लीवरों की पहचान करती है जिन्हें वे जीवित रहने के लिए खींचते हैं। जैसे-जैसे बैक्टीरिया के डेटा का संग्रह बढ़ता जा रहा है, यह दृष्टिकोण सूक्ष्मजीवी जीवन की जटिल भाषा की व्याख्या करना आसान बनाने का वादा करता है, जो संभावित रूप से एंटीबायोटिक प्रतिरोध से निपटने के लिए बेहतर रणनीतियों की ओर ले जा सकता है। यह अध्ययन इस बात का प्रमाण है कि सही विश्लेषणात्मक उपकरणों के साथ, विशाल जैविक डेटासेट के भीतर छिपी संरचना को प्रकट किया जा सकता है, जो जीवन के मौलिक नियमों को समझने के लिए एक स्पष्ट मार्ग प्रदान करता है।