Pre-binning correction of chimeric contigs reduces reference-discordant gene annotations in near-complete metagenome-assembled genomes
यह अध्ययन DeepMM को पेश करता है, जो एक डीप लर्निंग टूल है जो बिनिंग से पूर्व मेटाजीनोम-असेंबल किए गए जीनोम में इंटरस्पीशीज काइमेरिक कंटिग्स (interspecies chimeric contigs) का पता लगाता है और उन्हें ठीक करता है, जिससे संदर्भ-विसंगत जीन (reference-discordant gene) और विरुलेंस-फैक्टर एनोटेशन में उल्लेखनीय कमी आती है जिन्हें अक्सर मानक मार्कर-आधारित गुणवत्ता नियंत्रणों द्वारा छोड़ दिया जाता 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
मानव आंत की छिपी हुई दुनिया में, समुद्र तल पर, और हमारे पैरों के नीचे की मिट्टी में, खरबों सूक्ष्म जीव जटिल समुदायों में रहते हैं। वैज्ञानिक इन अधिकांश सूक्ष्मजीवों को प्रयोगशाला में विकसित नहीं कर सकते, इसलिए वे उनका अध्ययन करने के लिए मेटाजेनोमिक्स नामक तकनीक पर भरोसा करते हैं। एक अकेले जीव को अलग करने के बजाय, शोधकर्ता पर्यावरण का एक नमूना लेते हैं, उसके भीतर के सभी डीएनए (DNA) को अनुक्रमित (sequence) करते हैं, और पूरे जेनेटिक कोड को फिर से जोड़ने के लिए शक्तिशाली कंप्यूटरों का उपयोग करते हैं। इसका लक्ष्य व्यक्तिगत प्रजातियों के पूर्ण जीनोम का पुनर्निर्माण करना है, जिससे एक डिजिटल ब्लूप्रिंट तैयार होता है जिसे 'मेटाजेनोम-असेंबल किया गया जीनोम' कहा जाता है। ये ब्लूप्रिंट यह समझने के लिए आवश्यक हैं कि ये अदृश्य जीवन रूप क्या करते हैं और वे अपने पर्यावरण के साथ कैसे परस्पर क्रिया करते हैं। हालाँकि, इन जीनोमों को फिर से जोड़ने की प्रक्रिया एक विशाल जिग्सॉ पहेली को हल करने की तरह है जहाँ कई टुकड़े एक जैसे दिखते हैं और बॉक्स पर बनी तस्वीर गायब होती है। कभी-कभी, कंप्यूटर गलती से दो अलग-अलग पहेलियों के टुकड़ों को आपस में चिपका देता है, जिससे डीएनए की एक एकल, लंबी पट्टी बन जाती है जो दो अलग-अलग जीवों की होती है।
वर्षों से, वैज्ञानिक इन पुनर्निर्मित जीनोमों की गुणवत्ता को परखने के लिए एक मानक चेकलिस्ट का उपयोग करते रहे हैं। वे विशिष्ट, सार्वभौमिक जीन देखते हैं जो हर बैक्टीरिया में होने चाहिए। यदि किसी जीनोम में ये लगभग सभी जीन मौजूद हैं और डुप्लिकेट बहुत कम हैं, तो इसे "लगभग पूर्ण" और विश्वसनीय माना जाता है। लेकिन इस पद्धति में एक दोष है। यह आपको बता सकता है कि एक जीनोम काफी हदतः पूर्ण है, लेकिन यह देख नहीं सकता कि क्या एक विदेशी डीएनए का टुकड़ा एक ही स्ट्रैंड के बीच में चिपका दिया गया है। यह छिपी हुई त्रुटि, जिसे 'काइमेरा' (chimera) कहा जाता है, का अर्थ है कि जीनोम कागज पर तो एकदम सही लग सकता है, लेकिन वास्तव में इसमें दो अलग-अलग प्रजातियों का मिश्रण हो सकता है। यदि विदेशी टुकड़ा किसी टॉक्सिन (विषैले तत्व) या बीमारी के लिए जीन ले जाता है, तो वैज्ञानिक गलती से यह मान सकते हैं कि जिस हानिरहित जीव का वे अध्ययन कर रहे हैं, वह खतरनाक है। यही वह समस्या थी जिसे हांगकांग बैप्टिस्ट यूनिवर्सिटी और जियांग्शी यूनिवर्सिटी ऑफ चाइनीज मेडिसिन के शोधकर्ताओं के एक दल ने हल करने का प्रयास किया। उन्होंने पाया कि ये छिपे हुए मिश्रण लोगों की कल्पना से कहीं अधिक आम हैं, यहाँ तक कि उन जीनोमों में भी जो सभी मानक गुणवत्ता जांचों को पास कर चुके हैं, और उन्होंने एक नया टूल विकसित किया जो अंतिम विश्लेषण शुरू होने से पहले इन्हें ठीक कर सके।
शोधकर्ताओं ने आठ अलग-अलग परीक्षण वातावरणों से प्राप्त डेटा के एक विशाल संग्रह का परीक्षण किया, जिसमें मानव आंत से लेकर पौधों की जड़ें तक शामिल थीं। उन्होंने पाया कि एक लोकप्रिय कंप्यूटर प्रोग्राम द्वारा बनाए गए लगभग 70 प्रतिशत उच्च-गुणवत्ता वाले जीनोमों में, और दूसरे द्वारा बनाए गए लगभग 20 प्रतिशत में, कम से कम एक ऐसा मामला था जहाँ दो अलग-अलग प्रजातियों के डीएनए को एक ही स्ट्रैंड में जोड़ दिया गया था। सबसे अधिक प्रभावित मामलों में, इन जुड़े हुए स्ट्रैंड्स ने पूरे जीनोम का लगभग 4 प्रतिशत हिस्सा बना लिया था। इससे भी महत्वपूर्ण बात यह है कि इन जुड़े हुए खंडों में अक्सर ऐसे जीन होते थे जो मुख्य जीव के नहीं थे। कुछ मामलों में, जुड़े हुए डीएनए में 'विरुलेंस फैक्टर्स' (virulence factors) के निर्देश शामिल थे, जो बैक्टीरिया द्वारा रोग पैदा करने के लिए उपयोग किए जाने वाले उपकरण हैं। चूँकि मानक गुणवत्ता जांच केवल सार्वभौमिक जीनों की कुल संख्या को देखती थी, इसलिए ये खतरनाक या विदेशी निर्देश बिना पकड़े गए निकल गए, जिससे वैज्ञानिकों को उनके अध्ययन किए जा रहे सूक्ष्मजीवों की क्षमताओं को पहचानने में गलतफहमी हो सकती थी।
इसे संबोधित करने के लिए, टीम ने 'डीपएमएम' (DeepMM) नामक एक नया सॉफ्टवेयर टूल बनाया। केवल जीनों की गिनती करने के बजाय, यह टूल देखता है कि डीएनए रीड्स मूल जेनेटिक सामग्री के साथ कैसे संरेखित (align) होते हैं। कल्पना कीजिए कि डीएनए की एक लंबी पट्टी एक सड़क की तरह है; यदि कोई कार उस हिस्से से गुजरती है जहाँ सड़क की बनावट या रंग अचानक बदल जाता है, तो वह एक विशिष्ट निशान छोड़ देती है। डीपएमएम संरेखण डेटा को इन सूक्ष्म "बनावट परिवर्तनों" के लिए स्कैन करता है, जैसे कि अचानक यह बदलाव कि एक स्थान पर कितने डीएनए खंड कवर करते हैं या खंडों का ओरिएंटेशन (orientation) कैसा है। यह लाखों सिम्युलेटेड परिदृश्यों पर प्रशिक्षित एक प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग करता है ताकि इन पैटर्न को पहचान सके और सटीक रूप से पता लगा सके कि फ्यूजन (जुड़ाव) कहाँ हुआ है। एक बार जब यह स्थान मिल जाता है, तो यह कंप्यूटर द्वारा जीनोम बनाने के प्रयास से पहले ही डीएनए की उस लंबी पट्टी को दो अलग-अलग टुकड़ों में काट देता है। यह सॉफ्टवेयर को सही अनुक्रम को रखने और विदेशी टुकड़े को हटाने की अनुमति देता है, जिससे अंतिम जीनोम शुद्ध सुनिश्चित होता है।
जब शोधकर्ताओं ने इस नई पद्धति का परीक्षण किया, तो परिणाम चौंकाने वाले थे। परीक्षण डेटासेट में, डीपएमएम मौजूदा टूल्स की तुलना में इन छिपी हुई त्रुटियों को पकड़ने में काफी बेहतर था। सबसे महत्वपूर्ण बात यह है कि जब उन्होंने जीनोम बनाने से पहले डेटा को साफ करने के लिए डीपएमएम का उपयोग किया, तो उनके द्वारा पुनः प्राप्त किए जा सकने वाले उच्च-गुणवत्ता वाले, लगभग पूर्ण जीनोमों की संख्या वास्तव में बढ़ गई। जुड़े हुए स्ट्रैंड्स को काटने की प्रक्रिया ने डेटा को नष्ट नहीं किया; इसके बजाय, इसने कंप्यूटर को अधिक सटीक और पूर्ण जीनोम बनाने की अनुमति दी। उन विशिष्ट परीक्षण मामलों में जहाँ वे परिणामों की तुलना ज्ञात सत्य से कर सकते थे, इस नई पद्धति ने विदेशी जीनों की संख्या को 35 प्रतिशत कम कर दिया और बीमारी से संबंधित गलत जीन कॉल की संख्या को 43 प्रतिशत कम कर दिया। एक विशिष्ट उदाहरण में एक बैक्टीरिया शामिल था जो एक शक्तिशाली टॉक्सिन के जीन वाला प्रतीत होता था। डीपएमएम द्वारा जुड़े हुए स्ट्रैंड को विभाजित करने के बाद, यह स्पष्ट हो गया कि टॉक्सिन जीन पूरी तरह से एक अलग बैक्टीरिया का था और उसे हटा दिया गया, जिससे केवल सही जेनेटिक जानकारी ही पीछे बची।
अध्ययन यह निष्कर्ष निकालता है कि सूक्ष्मजीवों के जीनोम की सटीकता की गारंटी देने के लिए केवल मानक गुणवत्ता जांचों पर निर्भर रहना पर्याप्त नहीं है। भले ही एक जीनोम पारंपरिक मानदंडों के अनुसार पूर्ण और स्वच्छ दिखे, फिर भी इसमें छिपी हुई त्रुटियां हो सकती हैं जो जीव के जीव विज्ञान के बारे में हमारी समझ को विकृत कर सकती हैं। इन जुड़े हुए स्ट्रैंड्स को विभाजित करके, वैज्ञानिक विदेशी डीएनए को अपने डेटा को दूषित करने से रोक सकते हैं। यह दृष्टिकोण केवल त्रुटियों को ठीक नहीं करता है; यह जीनोम की समग्र रिकवरी में सुधार करता है, जिससे शोधकर्ता सूक्ष्मजीवों की विशाल, अनकल्टिवेटेड दुनिया की एक स्पष्ट तस्वीर देख पाते हैं। हालांकि इस टूल का परीक्षण विशिष्ट डेटासेट और सिम्युलेटेड वातावरण में किया गया था, लेकिन इसके निष्कर्ष बताते हैं कि इन फ्यूजन्स की जांच और सुधार का एक सरल चरण भविष्य में सूक्ष्मजीवों की विशाल, अनकल्टिवेटेड दुनिया के अध्ययन की विश्वसनीयता में उल्लेखनीय सुधार कर सकता है।
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।