Mutation breeding for quantitative traits in the era of genomic selection
यह अध्ययन प्रदर्शित करता है कि जहाँ जीनोमिक चयन व्यक्तिगत उत्परिवर्ती लाइनों (mutant lines) में निजी उत्परिवर्तनों (private mutations) की सीधे भविष्यवाणी नहीं कर सकता है, वहीं यह प्रभावी रूप से प्रेरित बहुरूपी भिन्नता (polygenic variation) को पकड़ लेता है जब ये उत्परिवर्तन क्रॉसिंग के माध्यम से रिश्तेदारों के बीच साझा किए जाते हैं, जिससे प्री-ब्रीडिंग कार्यक्रमों में उत्परिवर्तन प्रजनन (mutation breeding) को एकीकृत करने के लिए एक व्यवहार्य रणनीति का प्रस्ताव मिलता 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
किसानों और वैज्ञानिकों ने फसलों को बेहतर बनाने के लिए लंबे समय से दो अलग-अलग रास्तों पर भरोसा किया है। पहला है चयनात्मक प्रजनन (selective breeding), जो सदियों पुरानी एक पद्धति है जिसमें खेत के सबसे अच्छे पौधों को चुनकर उनके वांछित गुणों को मिलाने के लिए उनका क्रॉस कराया जाता है। यह विधि मौजूदा आबादी में पहले से मौजूद आनुवंशिक कार्डों को पुनर्व्यवस्थित करके काम करती है। दूसरा रास्ता म्यूटेशन ब्रीडिंग (mutation breeding) है, जो एक अधिक आधुनिक तकनीक है जिसमें बीजों के डीएनए को जानबूझकर बदलने के लिए रसायनों या विकिरण का उपयोग किया जाता है, इस उम्मीद में कि ऐसे नए आनुवंशिक कार्ड बनाए जा सकें जो प्रकृति ने स्वयं कभी नहीं बनाए। जबकि चयनात्मक प्रजनन ने पीढ़ियों से दुनिया का पेट भरा है, म्यूटेशन ब्रीडिंग अक्सर एक अलग, धीमी प्रक्रिया रही है, जो शोधकर्ताओं द्वारा हजारों क्षतिग्रस्त पौधों के बीच दुर्लभ, लाभकारी परिवर्तनों की मैन्युअल रूप से खोज करने पर निर्भर करती है। आधुनिक कृषि के सामने प्रश्न यह है कि क्या ये दोनों दुनियाएं अंततः मिल सकती हैं: क्या चयनात्मक प्रजनन की सफलता की भविष्यवाणी करने के लिए उपयोग किए जाने वाले शक्तिशाली कंप्यूटर मॉडल, ब्रीडर्स को प्रेरित म्यूटेशन (induced mutations) की अराजक क्षमता का लाभ उठाने में भी मदद कर सकते हैं?
स्कॉटलैंड के रूरल कॉलेज के शोधकर्ताओं की एक टीम ने गेहूं की 190 लाइनों और टमाटर की 74 लाइनों वाले उन्नत उत्परिवर्ती (mutant) पौधों के दो समूहों पर जीनोमिक चयन (genomic selection) नामक विधि का परीक्षण करके इसका उत्तर देने का प्रयास किया। जीनोमिक चयन एक ऐसा उपकरण है जो पौधे के पूर्ण रूप से विकसित होने की प्रतीक्षा किए बिना, उसके आनुवंशिक कोड का उपयोग करके उसके भविष्य के प्रदर्शन, जैसे कि वह कितना अनाज पैदा करेगा या उसका फल कितना मीठा होगा, की भविष्यवाणी करता है। शोधकर्ता यह देखना चाहते थे कि क्या यह उपकरण उन उत्परिवर्ती लाइनों पर काम कर सकता है जिन्हें आपस में कभी क्रॉस नहीं कराया गया है, और क्या यह ब्रीडर्स को एक ही उत्कृष्ट फसल में कई छोटे, लाभकारी म्यूटेशन को संयोजित करने में मदद कर सकता है। उन्होंने कंप्यूटर सिमुलेशन भी चलाए यह देखने के लिए कि यदि इन उत्परिवर्ती लाइनों को कई पीढ़ियों तक जंगली पौधों के साथ क्रॉस कराया जाए तो वे कैसे व्यवहार करेंगी, और यह परीक्षण करने के लिए कि क्या कंप्यूटर मॉडल इन नए म्यूटेशन को सफलतापूर्वक ट्रैक और संचित कर सकता है।
वास्तविक-दुनिया के पौधों के पैनलों के परिणामों ने एक आश्चर्यजनक सीमा का खुलासा किया। जब शोधकर्ताओं ने केवल प्रत्येक लाइन द्वारा ले जाए गए म्यूटेशन के आधार पर उत्परिवर्ती गेहूं और टमाटर की लाइनों के मूल्य की भविष्यवाणी करने के लिए जीनोमिक चयन का उपयोग करने की कोशिश की, तो मॉडल विफल रहा। कंप्यूटर उन अद्वितीय, प्रेरित म्यूटेशन को "देख" नहीं सका क्योंकि वे प्रत्येक व्यक्तिगत लाइन के लिए निजी थे; कोई भी दो पौधे एक ही नए आनुवंशिक परिवर्तन को साझा नहीं करते थे। इसके बजाय, मॉडल की भविष्यवाणियां पूरी तरह से उन पृष्ठभूमि आनुवंशिक समानताओं से आईं जो पौधों के मूल जनक किस्मों के साथ साझा की जाती थीं। उदाहरण के लिए, गेहूं समूह में, भविष्य कहने वाला संकेत क्रोमोसोम के उन बड़े टुकड़ों से आया जो अभी भी जनक पौधे के मिश्रित थे, न कि नए म्यूटेशन से। टमाटर समूह में, जहाँ म्यूटेशन और भी अधिक अद्वितीय थे, मॉडल को निजी म्यूटेशन में कोई भविष्य कहने वाली शक्ति नहीं मिली। यह निष्कर्ष बताता है कि केवल स्वतंत्र उत्परिवर्ती लाइनों का संग्रह करना इन उन्नत भविष्यवाणी उपकरणों का उपयोग करने के लिए पर्याप्त नहीं है; म्यूटेशन को पहले क्रॉसिंग के माध्यम से रिश्तेदारों के बीच साझा किया जाना चाहिए।
हालाँकि, कहानी तब बदल गई जब शोधकर्ताओं ने उस पर गौर किया जो तब होता है जब उन म्यूटेंट्स को क्रॉस कराया जाता है। अपने कंप्यूटर सिमुलेशन में, उन्होंने ऐसी आबादी बनाई जहाँ उत्परिवर्ती लाइनों को जंगली पौधों के साथ क्रॉस कराया गया, जिससे नए म्यूटेशन का मिश्रण और प्रसार हुआ। इन परिदृश्यों में, जीनोमिक चयन सुधार के लिए एक शक्तिशाली इंजन साबित हुआ, लेकिन केवल विशिष्ट परिस्थितियों में। जब म्यूटेशन प्रचुर मात्रा में थे और उनमें सहायक और हानिकारक परिवर्तनों का एक संतुलित मिश्रण शामिल था, तो कंप्यूटर-निर्देशित चयन पारंपरिक तरीकों की तुलना में बहुत बड़े अंतर से बेहतर रहा। केवल दो चक्रों के चयन के बाद, जीनोमिक दृष्टिकोण ने 2.84 का आनुवंशिक मूल्य वाला पौधे तैयार किए, जबकि पारंपरिक पद्धति, जो केवल एकल सबसे बड़े लाभकारी म्यूटेशन को खोजने और रखने पर ध्यान केंद्रित करती है, का मूल्य केवल 0.45 था। कंप्यूटर मॉडल सफल रहा क्योंकि यह कई छोटे, लाभकारी परिवर्तनों को एक साथ चुनने के साथ-साथ हानिकारक परिवर्तनों को छानने में सक्षम था, जो कि मैन्युअल चयन के लिए बहुत जटिल कार्य है।
सिमुलेशन ने यह भी दिखाया कि इस दृष्टिकोण का मूल्य शुरुआती आबादी की आनुवंशिक विविधता पर बहुत अधिक निर्भर करता है। उन परिदृश्यों में जहाँ प्राकृतिक आनुवंशिक भिन्नता कम थी, उत्परिवर्ती संस्थाओं (mutant founders) को पेश करने से पांच चक्रों में आनुवंशिक लाभ लगभग सात गुना बढ़ गया। इन मामलों में, नए म्यूटेशन सुधार का एकमात्र स्रोत थे, और कंप्यूटर मॉडल उस पूरे लाभ को पकड़ने में सक्षम था। इसके विपरीत, जब प्राकृतिक भिन्नता पहले से ही उच्च थी, तो म्यूटेशन का अतिरिक्त लाभ न्यूनतम था, जिससे लाभ केवल लगभग पांच प्रतिशत बढ़ा। यह इंगित करता है कि म्यूटेशन ब्रीडिंग तब सबसे मूल्यवान होती है जब किसी फसल के पास काम करने के लिए प्राकृतिक विविधता समाप्त हो जाती है, और नए म्यूटेशन गुणों का एक नया भंडार प्रदान करते हैं।
अंततः, यह अध्ययन फसल सुधार के लिए एक महत्वपूर्ण मार्ग स्पष्ट करता है। यह दर्शाता है कि जीनोमिक चयन एक उत्परिवर्ती लाइन के मूल्य की भविष्यवाणी अलग-थलग रहकर नहीं कर सकता क्योंकि अद्वितीय म्यूटेशन बहुत दुर्लभ हैं जिन्हें अन्य लाइनों से सीखा जा सके। लेकिन एक बार जब उन म्यूटेंट्स को क्रॉस कराया जाता है और उनके नए आनुवंशिक परिवर्तन रिश्तेदारों के बीच अलग होने लगते हैं, तो कंप्यूटर मॉडल प्रभावी रूप से उन परिवर्तनों को पकड़ और संचित कर सकता है। यह प्री-ब्रीडिंग कार्यक्रमों में म्यूटेशन ब्रीडिंग को एकीकृत करने के लिए एक व्यावहारिक मार्ग प्रदान करता है: म्यूटेशनजेनेसिस का उपयोग नई विविधता बनाने के लिए करें, म्यूटेंट्स को क्रॉस कराकर परिवर्तनों को साझा करें, और फिर लाभकारी गुणों को तेजी से जोड़ने के लिए जीनोमिक चयन का उपयोग करें। यह दृष्टिकोण ब्रीडर्स को ऐसी फसलें विकसित करने में मदद कर सकता है जो जलवायु परिवर्तन के प्रति अधिक लचीली हों और बढ़ती वैश्विक आबादी को खिलाने में सक्षम हों, जिससे यादृच्छिक म्यूटेशन की अराजक क्षमता को कृषि के लिए एक अनुमानित और शक्तिशाली उपकरण में बदला जा सके।
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।