SIFT: Syncmer-Informed Selection of Haplotypes for T2T Imputation
SIFT एक संकुचित अनुक्रमण (compressed indexing) विधि है जो T2T जीनोम पैचिंग के लिए बड़े पैनजीनोम पैनलों से विविध संदर्भ हैप्लोटाइप्स को कुशलतापूर्वक चुनने के लिए क्लोज्ड-सिंकमेर पार्सिंग (closed-syncmer parsing) और स्यूडो-मैक्सिमल एक्जैक्ट मैच (pseudo-maximal exact match) प्रश्नों का उपयोग करती 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
एक विशाल और जटिल परिदृश्य के फटे हुए मानचित्र को ठीक करने की कल्पना कीजिए। वह मानचित्र हजारों बिखरे हुए टुकड़ों में टूटा हुआ है, और जबकि आप प्रत्येक टुकड़े के किनारों को देख सकते हैं, उसका मध्य भाग गायब है। इसे ठीक करने के लिए, आपको अन्य मानचित्रों के पुस्तकालय से सही गायब टुकड़ों को खोजने की आवश्यकता है। चुनौती यह है कि पुस्तकालय बहुत विशाल हो गया है, जिसमें एक ही परिदृश्य के सैकड़ों थोड़े अलग संस्करण शामिल हैं, जिनमें से प्रत्येक का अपना अनूठे विवरण है। यदि आप किसी खाली स्थान को भरने के लिए गलत संस्करण चुन लेते हैं, तो मरम्मत किनारों पर तो सहज दिख सकती है, लेकिन बीच में वह गलत होगी, जिससे भूभाग का एक विकृत चित्र बन जाएगा। यह मानव जीनोम के साथ काम करने वाले वैज्ञानिकों की दैनिक वास्तविकता है। उनके पास डीएनए को अनुक्रमित (sequence) करने की क्षमता है, लेकिन परिणामी मानचित्र अक्सर खंडित होते हैं। उन्हें पूर्ण बनाने के लिए, उन्हें संदर्भ जीनोम (reference genomes) के एक बढ़ते संग्रह, जिसे पैनजीनोम (pangenome) कहा जाता है, से अनुक्रमों का उपयोग करके रिक्तियों को "पैच" करना होता है। पुस्तकालय जितना बड़ा होगा, कंप्यूटर पर दिनों या हफ्तों के समय को खर्च किए बिना हर छोटे अंतराल के लिए सबसे सटीक मिलान खोजना उतना ही कठिन होता जाएगा।
शोधकर्ताओं के एक दल ने इस चयन समस्या को हल करने के लिए SIFT नामक एक नई विधि विकसित की है। एक क्वेरी अनुक्रम के प्रत्येक अक्षर की सैकड़ों जीनोमों के विशाल पुस्तकालय के प्रत्येक अक्षर के साथ तुलना करने के बजाय, SIFT इन अनुक्रमों को विशिष्ट, दोहराए जाने वाले पैटर्न के आधार पर प्रबंधनीय टुकड़ों में तोड़ देता है। इसे एक पुस्तक को हर अक्षर को स्कैन करके नहीं, बल्कि पूरे पाठ में दिखाई देने वाले अद्वितीय, निश्चित वाक्यांशों की पहचान करके पढ़ने के रूप में सोचें। शोधकर्ता इन वाक्यांशों को चुनने के लिए एक गणितीय नियम का उपयोग करते हैं, यह सुनिश्चित करते हुए कि यदि एक ही वाक्यांश दो अलग-अलग स्थानों पर दिखाई देता है, तो उनके बीच की दूरी हमेशा अनुमानित होती है। यह कंप्यूटर को लापता पाठ को संग्रहीत किए बिना वाक्यांशों के बीच के अंतराल को छोड़ने की अनुमति देता है, जिससे पूरे पुस्तकालय का एक अत्यधिक संकुचित इंडेक्स (index) बन जाता है। जब कोई वैज्ञानिक एक नए जीनोम में रिक्तता को भरने की इच्छा करता है, तो SIFT इस संकुचित इंडेक्स को तेजी से स्कैन करता है ताकि यह पता लगाया जा सके कि कौन से संदर्भ जीनोम उस अंतराल के परिवेश के साथ सबसे अधिक मेल खाने वाले वाक्यांश साझा करते हैं। इसके बाद यह उम्मीदवारों को रैंक करता है ताकि लापता डीएनए के सबसे संभावित स्रोत की पहचान की जा सके।
शोधकर्ताओं ने 472 मानव जीनोम के एक विशाल पुस्तकालय पर इस दृष्टिकोण का परीक्षण किया, जिसमें दुनिया भर की विविध आबादी शामिल थी। उन्होंने एक यूरोपीय मूल और एक पूर्वी एशियाई मूल के दो विशिष्ट मानव जीनोम की मरम्मत करने में मदद करने के लिए इस टूल का उपयोग किया। परिणामों ने दिखाया कि SIFT उन समूहों को बताए बिना कि वे कौन से समूह थे, गायब हिस्सों के लिए सही पूर्वज समूह की सटीक पहचान कर सकता था। यूरोपीय जीनोम के लिए, टूल ने लगातार यूरोपीय आबादी से संदर्भ अनुक्रमों को चुना, और पूर्वी एशियाई जीनोम के लिए, इसने विशेष रूप से पूर्वी एशियाई अनुक्रमों को चुना। यह सटीकता महत्वपूर्ण थी क्योंकि मरम्मत की गुणवत्ता काफी हद तक उस संदर्भ पर निर्भर करती है जो लक्ष्य के इतिहास से मेल खाता हो। जब शोधकर्ताओं ने खाली स्थानों को भरने के लिए SIFT द्वारा सुझाए गए छोटे, सावधानीपूर्वक चुने गए जीनोम समूह का उपयोग किया, तो अंतिम मरम्मत किए गए मानचित्र उतने ही सटीक थे, और कुछ मामलों में, पूरे 472 जीनोमों के पुस्तकालय का उपयोग करके बनाए गए मानचित्रों की तुलना में अधिक सटीक थे।
शायद सबसे आश्चर्यजनक खोज प्रक्रिया की गति थी। एक एकल मानव जीनोम की मरम्मत करने के लिए 472 जीनोमों के पूर्ण पुस्तकालय का उपयोग करने में कंप्यूटर को 500 घंटों से अधिक का प्रोसेसिंग समय लगा। इसके विपरीत, लगभग 50 जीनोमों के एक छोटे, इष्टतम समूह को पहले चुनने के लिए SIFT पद्धति का उपयोग करने में केवल लगभग 13 मिनट लगे। पूर्ण पुस्तकालय की तुलना में इस छोटे समूह के साथ वास्तविक मरम्मत कार्य बहुत कम समय में पूरा हुआ, फिर भी अंतिम परिणाम बेहतर था। टूल ने डीएनए वाक्यांशों की संरचना को देखकर सबसे अच्छे मिलान खोजने का काम किया, न कि प्रत्येक अक्षर की तुलना करने के लिए 'ब्रूट-फोर्स' (brute-force) का उपयोग करके। इसका अर्थ यह है कि जैसे-जैसे मानव जीनोम का पुस्तकालय हजारों में बढ़ता जाएगा, वैज्ञानिकों को अपने कंप्यूटरों द्वारा सही टुकड़ों को खोजने के लिए हफ्तों इंतजार करने की आवश्यकता नहीं होगी। वे इसके बजाय, तुरंत सबसे प्रासंगिक संदर्भों को खोजने के लिए SIFT का उपयोग कर सकते हैं, जिससे यह सुनिश्चित होगा कि मानव डीएनए के मरम्मत किए गए मानचित्र पूर्ण और व्यक्ति के अद्वितीय आनुवंशिक इतिहास के प्रति सच्चे हैं।
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।