📄 विकासवादी जीव विज्ञान

Exploring the influence of mutation rates with stochastic perturbations on genome evolution

यह शोधपत्र शास्त्रीय लुरिया-डेलब्रुक मॉडल का एक स्टोकेस्टिक इटो कैलकुलस-आधारित विस्तार प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि कैसे यादृच्छिक रूप से परिवर्तनशील उत्परिवर्तन दरें जीनोम विकास को, विशेष रूप से वहन क्षमता के निकट, महत्वपूर्ण रूप से प्रभावित करती हैं, जो वायरल आणविक विकास और उत्परिवर्तन भार को दूर करने की रणनीतियों के लिए नए अंतर्दृष्टि प्रदान करता है।

मूल लेखक: Bohlin, J., Pettersson, J. H.- O.

प्रकाशित 2026-10-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Bohlin, J., Pettersson, J. H.- O.

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

जीवन व्यवस्था और अराजकता के बीच एक निरंतर संघर्ष है, एक ऐसा संघर्ष जो वायरस और बैक्टीरिया की सूक्ष्म दुनिया में सबसे जीवंत रूप से दिखाई देता है। यह समझने के लिए कि ये सूक्ष्म जीव समय के साथ कैसे बदलते हैं, वैज्ञानिक लंबे समय से 'लुरिया-डेलब्रुक मॉडल' नामक एक क्लासिक विचार पर भरोसा करते आए हैं। इस मॉडल को इस तरह सोचें कि यह गणना करने का एक तरीका है कि एक सूक्ष्मजीवों की आबादी कितनी बार अपनी संख्या बढ़ाते समय अनजाने में अपने जेनेटिक कोड (आनुवंशिक कोड) को बदल लेती है। दशकों तक, यह गणना एक अनुमानित दुनिया को मानती थी: यदि आप जानते हैं कि एक आबादी कितनी तेजी से बढ़ती है और गलतियाँ कितनी बार होती हैं, तो आप सटीक भविष्यवाणी कर सकते हैं कि कितने नए बदलाव दिखाई देंगे। यह एक सुव्यवस्थित, सीधी रेखा वाला तर्क है जो तब अच्छा काम करता है जब चीजें स्थिर होती हैं। लेकिन वास्तविक दुनिया शायद ही कभी स्थिर होती है। आबादी सीमाओं से टकराती है, संसाधन सूख जाते हैं, और यादृच्छिक घटनाएँ—जैसे तापमान में अचानक बदलाव या प्रतिरक्षा गतिविधि का उछाल—एक कॉलोनी को अप्रत्याशित तरीकों से झकझोर सकती हैं। सवाल यह बना हुआ है कि क्या ये यादृच्छिक झटके, जिन्हें वैज्ञानिक 'स्टोकेस्टिक प्रभाव' (stochastic effects) कहते हैं, केवल मामूली बैकग्राउंड शोर हैं, या वे विकास के नियमों को ही फिर से लिखने के लिए पर्याप्त शक्तिशाली हैं।

दो शोधकर्ताओं, जॉन बोह्लिन और जॉन एच.-ओ. पेटर्सन ने एक नया प्रकार का गणितीय मानचित्र बनाकर इसका परीक्षण करने का निर्णय लिया। विकास की एक एकल, चिकनी रेखा खींचने के बजाय, उन्होंने 'इटो कैलकुलस' (Itô calculus) नामक एक परिष्कृत गणना पद्धति का उपयोग करके, इसमें यादृच्छिकता (randomness) की एक परत पेश की। यह दृष्टिकोण उन्हें यह सिम्युलेट करने की अनुमति देता है कि एक आबादी कैसे बढ़ती है जब उसकी गति लगातार संयोग के कारण बदल रही होती है। उन्होंने इसे एक ऐसी स्थिति में लागू किया जहाँ एक आबादी अनंत काल तक नहीं बढ़ सकती, बल्कि उसे एक सीमा तक पहुँचने पर रुकना होगा, ठीक वैसे ही जैसे एक भीड़ कमरे को भरने तक बढ़ती है जब तक कि वहां और जगह न बचे। अपने सिमुलेशन में, उन्होंने देखा कि जब आबादी तेजी से बढ़ती है बनाम जब वह धीरे बढ़ती है, और कैसे यादृच्छिक धक्कों ने समय के साथ संचित होने वाले कुल आनुवंशिक उत्परिवर्तनों (genetic mutations) को प्रभावित किया।

परिणामों ने विकास के काम करने के तरीके में एक आश्चर्यजनक मोड़ का खुलासा किया। जब एक आबादी तेजी से बढ़ रही होती है, तो गुणन की तीव्र गति यादृच्छिक शोर को दबा देती है; आबादी इतनी व्यस्त होती है कि संयोग के छोटे झटके बहुत मायने नहीं रखते। हालांकि, जैसे ही आबादी धीमी होती है और अपने अधिकतम आकार के करीब पहुँचती है, कहानी पूरी तरह बदल जाती है। शोधकर्ताओं ने पाया कि इस धीमी अवस्था में, यादृच्छिक प्रभाव केवल बैकग्राउंड शोर नहीं रह जाते, बल्कि प्रक्रिया पर हावी होने लगते हैं। एक स्थिर संचय के बजाय, आबादी एक फीडबैक लूप में प्रवेश करती है जहाँ संयोग की घटनाएँ विकास की दिशा तय करती हैं। यदि विकास दर एक निश्चित सीमा से नीचे गिर जाती है, तो ये यादृच्छिक उतार-चढ़ाव नियंत्रण ले सकते हैं, जिससे समूह की आनुवंशिक संरचना उन तरीकों से बदल सकती है जिसकी एक अनुमानित मॉडल कभी भविष्यवाणी नहीं कर सकता। अध्ययन बताता है कि जैसे-जैसे आबादी अपनी सीमा तक पहुँचती है, शुद्ध भाग्य की भूमिका उसके जीनोम को आकार देने में बहुत गहरी हो जाती है, जिससे आनुवंशिक विविधता में तेजी से वृद्धि या लक्षणों में अचानक बदलाव हो सकता है।

इस सिद्धांत को वास्तविक दुनिया के संदर्भ में देखने के लिए, लेखकों ने अपने मॉडल को SARS-CoV-2 वायरस पर लागू किया, जो हालिया वैश्विक महामारी के लिए जिम्मेदार रोगजनक है। उन्होंने मानव शरीर के भीतर वायरस के बढ़ने का एक सिमुलेशन तैयार किया, जिसमें 1,000 वायरल कणों की शुरुआती संख्या और 10 मिलियन की अधिकतम क्षमता मानी गई। मौजूदा डेटा से प्राप्त विकास दर और उत्परिवर्तन दर का उपयोग करते हुए, उन्होंने अपने नए, अराजक मॉडल की तुलना पुराने, अनुमानित मॉडल से की। अंतर चौंकाने वाला था। पारंपरिक मॉडल ने एक निश्चित संख्या में उत्परिवर्तन का सुझाव दिया, लेकिन नए मॉडल ने, जिसने वायरल विकास के उतार-चढ़ाव को ध्यान में रखा, आनुवंशिक विविधताओं की काफी अधिक संख्या की भविष्यवाणी की। यह विशेष रूप से महत्वपूर्ण है क्योंकि वायरस अक्सर एक व्यक्ति से दूसरे व्यक्ति में जाने के दौरान एक "बॉटलनेक" (bottleneck) का सामना करता है, जहाँ केवल कुछ जीवित बचे लोग ही यात्रा कर पाते हैं। यदि वायरस मेजबान के भीतर रहने के दौरान पहले से सोचे गए मुकाबले अधिक यादृच्छिक विविधताओं को संचित कर रहा है, तो यह अगले संक्रमण में लेकर जाने के लिए एक बहुत अधिक समृद्ध और विविध जेनेटिक टूलकिट (आनुवंशिक उपकरण) रख सकता है।

शोधकर्ताओं ने यह भी पता लगाया कि एक आबादी इस अराजक वातावरण में कैसे जीवित रह सकती है। उन्होंने पाया कि यदि एक आबादी यादृच्छिक धक्कों के आकार के सापेक्ष उच्च विकास दर बनाए रख सकती है, तो वह स्थिर रह सकती है। हालांकि, यदि विकास धीमा होता है, तो आबादी "म्यूटेशनल लोड" (mutational load) के प्रति संवेदनशील हो जाती है, जहाँ यादृच्छिक त्रुटियों का संचय उसे अभिभूत कर सकता है। अध्ययन बताता है कि जीवित रहने का एक तरीका "रोबस्टनेस" (robustness/मजबूती) विकसित करना है, जिसका अर्थ है कि वह जेनेटिक ड्रिफ्ट (आनुवंशिक विचलन) को सहना सीख ले जो धीमी विकास दर के साथ आता है। यह कोई गारंटीकृत समाधान नहीं है, बल्कि एक रणनीति है जो गणित से स्वाभाविक रूप से उभरती है: पर्यावरण की वहन क्षमता (carrying capacity) बढ़ाकर या विकास की अस्थिरता को कम करके, एक आबादी अराजकता को बेहतर ढंग से प्रबंधित कर सकती है।

अंत में, यह कार्य यह दावा नहीं करता है कि इसने वायरल विकास के रहस्य को सुलझा लिया है, बल्कि यह इसे देखने के लिए एक स्पष्ट लेंस प्रदान करता है। अतीत की चिकनी, अनुमानित रेखाओं को वर्तमान के ऊबड़-खाबड़, यथार्थवादी रास्तों से बदलकर, लेखक दिखाते हैं कि यादृच्छिकता केवल एक मामूली विवरण नहीं है जिसे अनदेखा किया जा सके। यह जीवन की कहानी में एक केंद्रीय पात्र है, विशेष रूप से तब जब चीजें धीमी हो रही हों। SARS-CoV-2 जैसे वायरसों के लिए, इसका अर्थ है कि आज दुनिया में दिखने वाली विविधता हमारे शरीर के भीतर होने वाली एक अराजक, संयोग-संचालित प्रक्रिया का परिणाम हो सकती है, इससे बहुत पहले कि वायरस हमें छोड़कर बाहर निकले। अध्ययन निष्कर्ष निकालता है कि इन यादृच्छिक प्रभावों को अपने मॉडलों में शामिल करना केवल एक गणितीय अभ्यास नहीं है, बल्कि यह समझने के लिए एक आवश्यक कदम है कि जीवन कैसे विकसित होता है जब वह अपनी सीमा (दीवार) से टकराता है।

तकनीकी सारांश: स्टोकेस्टिक विक्षोभों के साथ उत्परिवर्तन दरों के जीनोम विकास पर प्रभाव का अन्वेषण

समस्या विवरण
शास्त्रीय लुरिया-डेलब्रुक मॉडल, जिसे मूल रूप से 1943 में जीवाणु उत्परिवर्तन दरों को समझने के लिए तैयार किया गया था, नियतात्मक साधारण अवकल समीकरणों (ODEs) पर निर्भर करता है जो स्थिर विकास दर और उत्परिवर्तन मापदंडों को मानकर चलते हैं। हालांकि यह उपयोगी है, लेकिन यह दृष्टिकोण जैविक प्रणालियों में अंतर्निहित यादृच्छिकता (randomness) की उपेक्षा करता है, विशेष रूप से जनसंख्या के उतार-चढ़ाव और केवल प्रति पीढ़ी के बजाय समय के साथ उत्परिवर्तन संचय के संबंध में। लेखक तर्क देते हैं कि जनसंख्या वृद्धि को एक नियतात्मक प्रक्रिया के रूप में मॉडल करना अवास्तविक है, विशेष रूप से जब वह वहन क्षमता ( $K$ ) जैसे बाधाओं और पर्यावरणीय विक्षोभों की यादृच्छिक प्रकृति पर विचार कर रहा हो। इसके अलावा, मौजूदा मॉडल अक्सर यह बताने में विफल रहते हैं कि कैसे स्टोकेस्टिक प्रभाव जीनोम विकास को तब प्रभावित कर सकते हैं जब विकास दरें घटती हैं या विशिष्ट थ्रेसहोल्ड (सीमा) के करीब पहुँचती हैं, जो संभावित रूप से जेनेटिक ड्रिफ्ट (आनुवंशिक विचलन) के "स्नोबॉल प्रभाव" की ओर ले जा सकते हैं।

कार्यप्रणाली
लेखक इटो कैलकुलस (Itô calculus) का उपयोग करके लुरिया-डेलब्रुक मॉडल के एक स्टोकेस्टिक विस्तार का प्रस्ताव करते हैं। कार्यप्रणाली में निम्नलिखित चरण शामिल हैं:

स्टोकेस्टिक ग्रोथ फॉर्मुलेशन: नियतात्मक विकास दर $r$ को एक स्टोकेस्टिक प्रक्रिया $r = \kappa + cW_t(\omega)$ द्वारा प्रतिस्थापित किया जाता है, जहाँ $\kappa$ नियतात्मक विकास दर है, $W_t$ गाऊसी व्हाइट नॉइज़ है, और $c$ एक स्केलिंग गुणांक है। यह जनसंख्या वृद्धि समीकरण को एक स्टोकेस्टिक डिफरेंशियल इक्वेशन (SDE) में बदल देता है।
वहन क्षमता बाधाएं: मॉडल एक लॉजिस्टिक ग्रोथ फ्रेमवर्क का उपयोग करके वहन क्षमता $K$ (जो विकास की स्थिर अवस्था को दर्शाता है) को शामिल करता है। इसका नियतात्मक संस्करण $\frac{dN}{dt} = r(K-N)N$ है।
गणितीय व्युत्पत्ति:
- लेखक $dX_t = f(t, X_t)dt + c(t)X_t dB_t$ के रूप में गैर-रेखीय SDEs के एक वर्ग के लिए एक सामान्य समाधान व्युत्पन्न करते हैं।
- वे इटो फॉर्मूला (Itô's formula) और एक इंटीग्रेटिंग फैक्टर ( $F_t$ ) की अवधारणा का उपयोग लॉजिस्टिक ग्रोथ के लिए स्टोकेस्टिक विक्षोभों वाले विशिष्ट SDE को हल करने के लिए करते हैं।
- परिणामी $X_t$ के लिए जनसंख्या आकार का समाधान एक्सपोनेंशियल मार्टिंगेल और ब्राउनियन मोशन ( $B_t$ ) को शामिल करते हुए एक क्लोज्ड फॉर्म में व्यक्त किया गया है।
उत्परिवर्तन संचय: उत्परिवर्तन की संख्या को समय के साथ उत्परिवर्तन दर $\mu$ और स्टोकेस्टिक जनसंख्या आकार $X_t$ के इंटीग्रल (समाकलन) के रूप में मॉडल किया गया है।
संख्यात्मक सिमुलेशन: मॉडलों को DifferentialEquations लाइब्रेरी के साथ जूलिया (Julia v1.6.1) का उपयोग करके सिम्युलेट किया गया है। ODEs के लिए Tsit5 सॉल्वर और SDEs के लिए यूलर-मारियूरामा (EM) सॉल्वर का उपयोग किया गया है।
केस स्टडी: इस फ्रेमवर्क को SARS-CoV-2 वायरस पर लागू किया गया है, जिसमें वायरल लोड, विकास दर और साहित्य में देखे गए उत्परिवर्तन मापदंडों को दर्शाने वाले पैरामीटर के साथ इन-होस्ट (शरीर के भीतर) वायरल विकास को मॉडल किया गया है।

प्रमुख योगदान

स्टोकेस्टिक लुरिया-डेलब्रुक मॉडल: यह शोध पत्र लुरिया-डेलब्रुक मॉडल का एक नया इटो कैलकुलस-आधारित संस्करण प्रस्तुत करता है जो जनसंख्या वृद्धि में यादृच्छिक विक्षोभों को स्पष्ट रूप से शामिल करता है।
गैर-रेखीय SDEs के लिए विश्लेषणात्मक समाधान: लेखक वहन क्षमता बाधाओं वाले गैर-रेखीय SDEs के एक वर्ग को हल करने के लिए एक सामान्य सूत्र और स्पष्ट व्युत्पत्ति प्रदान करते हैं, जो स्टोकेस्टिक जनसंख्या आकार $X_t$ के लिए एक क्लोज्ड-फॉर्म समाधान प्रदान करता है।
थ्रेसहोल्ड प्रभावों की पहचान: विश्लेषण प्रकट करता है कि स्टोकेस्टिक प्रभाव केवल योगात्मक शोर (additive noise) नहीं हैं, बल्कि वे विकासवादी प्रक्षेपवक्रों को मौलिक रूप से बदल सकते हैं। विशेष रूप से, जब प्रभावी विकास दर स्टोसेस्टिक अस्थिरता द्वारा परिभाषित थ्रेसहोल्ड ( $rK \to c^2/2$ ) के करीब पहुँचती है, तो स्टोसेस्टिक प्रभाव फीडबैक-आधारित तरीके से हावी हो जाते हैं।
वहन क्षमता गतिशीलता: अध्ययन प्रदर्शित करता है कि एक्सपोनेंशियल ग्रोथ मॉडल्स के विपरीत, लॉजिस्टिक ग्रोथ मॉडल्स में स्टोसेस्टिक प्रभाव तब बढ़ते हैं जब जनसंख्या अपनी वहन क्षमता के करीब पहुँचती है, एक ऐसी घटना जिसे नियतात्मक समकक्षों द्वारा कैप्चर नहीं किया जा सकता है।

परिणाम

स्टोकेस्टिसिटी का प्रभुत्व: सिमुलेशन दिखाते हैं कि जैसे-जैसे विकास दर घटती है या जनसंख्या वहन क्षमता के करीब पहुँचती है, यादृच्छिक विक्षोभ जनसंख्या के विकास पर हावी हो सकते हैं। यह एक "स्नोबॉल प्रभाव" की ओर ले जाता है जहाँ जेनेटिक ड्रिफ्ट जीनोम विकास को महत्वपूर्ण रूप से प्रभावित करता है, भले ही प्रारंभिक विकास दर उच्च रही हो।
मजबूती (Robustness) रणनीतियाँ: मॉडल सुझाव देता है कि जनसंख्या उत्परिवर्तन भार (mutational load) और जेनेटिक ड्रिफ्ट के विरुद्ध "रोबस्टनेस" विकसित कर सकती है, जैसे कि अस्थिरता ( $c$ ) को कम करके, विकास दर को कम करके (बशर्ते वह अस्थिरता थ्रेसहोल्ड से ऊपर रहे), या वहन क्षमता ( $K$ ) को बढ़ाकर।
SARS-CoV-2 निहितार्थ: SARS-CoV-2 पर लागू होने पर, स्टोकेस्टिक मॉडल नियतार्थक मॉडलों और मौजूदा सर्वसम्मति-आधारित अध्ययनों की तुलना में अधिक 'इन-होस्ट' उत्परिवर्तन की भविष्यवाणी करता है। परिणाम बताते हैं कि प्रतिरक्षा प्रतिक्रियाएं (जो वायरल विकास दर को कम करती हैं) अनजाने में स्टोसेस्टिक अस्थिरता के प्रभाव को बढ़ा सकती हैं, जिससे वायरल विविधता और संभावित रूप से वेरिएंट का उदय बढ़ सकता है। मॉडल यह भी रेखांकित करता है कि सर्वसम्मति अनुक्रम (consensus sequences) विविध स्टोकेस्टिक वास्तविकताओं के "पतन" (collapse) के कारण इन-होस्ट वेरिएंट की वास्तविक विविधता को कम आंक सकते हैं।

महत्व और दावे
यह पेपर दावा करता है कि इटो कैलकुलस जैविक प्रणालियों के गणितीय मॉडलों में स्टोसेस्टिक प्रभावों को शामिल करने के लिए एक "बहुत स्वाभाविक" ढांचा प्रदान करता है। लेखक का तर्क है कि उनके निष्कर्ष इस धारणा को चुनौती देते हैं कि जीनोम विकास को समझने के लिए नियतात्मक मॉडल पर्याप्त हैं, विशेष रूप से उन परिदृश्यों में जहाँ जनसंख्या वहन क्षमता सीमाओं या उतार-चढ़ाव वाली विकास दरों का सामना करती है।

इसका महत्व इस बात के प्रदर्शन में निहित है कि स्टोसेस्टिक प्रभाव नगण्य नहीं हैं; बल्कि, वे विशिष्ट स्थितियों (कम विकास दर, उच्च वहन क्षमता निकटता) के तहत विकास के प्राथमिक चालक बन सकते हैं। पेपर निष्कर्ष निकालता है कि इन स्टोसेस्टिक विक्षोभों की अनदेखी करना उत्परिवर्तन भार और आनुवंशिक विविधता को कम आंकने की ओर ले जा सकता है, जिसका SARS-CoV-2 जैसे तेजी से उत्परिवर्तित होने वाले रोगजनकों के आणविक विकास को समझने में विशेष महत्व है। लेखक इस बात पर जोर देते हैं कि उनका मॉडल विकास दर, वहन क्षमता और अस्थिरता के बीच परस्पर क्रिया के माध्यम से जनसंख्याएं बढ़ते उत्परिवर्तन भार से कैसे पार पा सकती हैं, इसे समझने की एक रणनीति प्रदान करता है।

इसी तरह के और पेपर