How gradual evolution, fitness landscapes, and trait associations shape mutation rates in large populations
यह अध्ययन एक मल्टी-लोकस कॉन्टिन्यूम-ऑफ-एलीज़ मॉडल और व्यक्तिगत-आधारित सिमुलेशन का उपयोग यह प्रदर्शित करने के लिए करता है कि बड़ी आबादी में उत्परिवर्तन दरों (म्यूटेशन रेट्स) का विकास फिटनेस लैंडस्केप आकृतियों से जुड़े अप्रत्यक्ष चयन द्वारा संचालित होता है, जहाँ संतुलन से बाहर होने पर सकारात्मक उत्परिवर्तन दरों को प्राथमिकता दी जाती है लेकिन संतुलन पर उनके विरुद्ध चयन किया जाता है, जिसमें लक्षण वितरण विषमता (ट्रेट डिस्ट्रीब्यूशन स्क्यू) इस गतिशीलता में एक महत्वपूर्ण भूमिका निभाती 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
जीवन निर्देशों को पूरी तरह से कॉपी करने और कभी-कभार होने वाली गलती की अनुमति देने के बीच एक नाजुक संतुलन पर बना है। हर बार जब एक कोशिका विभाजित होती है, तो उसे अपने आनुवंशिक कोड को पुनरुत्पादित करना होता है, जो कि एक ऐसी प्रक्रिया है जो आमतौर पर उल्लेखनीय रूप से सटीक होती है। फिर भी, त्रुटियाँ अनिवार्य रूप से निकल आती हैं, जिससे डीएनए में नए बदलाव उत्पन्न होते हैं। ये उत्परिवर्तन (म्यूटेशन) विकास का कच्चा माल हैं; इनके बिना, प्रजातियाँ बदलते परिवेश के अनुकूल नहीं हो सकतीं। हालाँकि, आनुवंशिक कोड में अधिकांश परिवर्तन हानिकारक होते हैं, जैसे कि एक जटिल निर्देश नियमावली में टाइपो (लिखने की गलती) जो मशीन को खराब कर देते हैं। इस कारण से, प्राकृतिक चयन आमतौर पर उन जीवों का पक्ष लेता है जो कम गलतियाँ करते हैं, ताकि आनुवंशिक क्षति के भारी बोझ को रोकने के लिए उत्परिवर्तन दर को कम रखा जा सके। लेकिन जीवन स्थिर नहीं है। परिवेश बदलता है, नई चुनौतियाँ आती हैं, और कभी-कभी, अधिक गलतियाँ करना एक उत्तरजीविता रणनीति बन जाता है। वह प्रश्न जिसने जीवविज्ञानियों को लंबे समय से उलझाया है कि कैसे ये विपरीत बल—सटीकता के लिए चयन बनाम लचीलेपन के लिए चयन—एक प्रजाति की उत्परिवर्तन दर को निर्धारित करने के लिए परस्पर क्रिया करते हैं, और क्यों ये दरें विभिन्न जीवों और यहाँ तक कि एक ही जीनोम के विभिन्न हिस्सों में इतनी भिन्न होती हैं।
लोज़ान विश्वविद्यालय और टुलूज़ स्कूल ऑफ इकोनॉमिक्स के शोधकर्ताओं की एक टीम ने इस जटिलता को सुलझाने के लिए एक नया गणितीय ढांचा विकसित किया है। उत्परिवर्तन दरों को एक एकल, निश्चित संख्या के रूप में देखने के बजाय, जिसे एक जीन द्वारा नियंत्रित किया जाता है, उन्होंने उन्हें एक ऐसे लक्षण के रूप में माना जो किसी जीव के अन्य लक्षणों, जैसे आकार या गति के साथ विकसित होता है। उन्होंने एक ऐसा मॉडल बनाया जो एक बड़े जनसंख्या में इन लक्षणों के वितरण में होने वाले परिवर्तनों को ट्रैक करता है, और यह भी देखता है कि परिवेश का "फिटनेस लैंडस्स्केप" (वह मानचित्र जो बताता है कि कौन से लक्षण सफलता की ओर ले जाते हैं और कौन से विफलता की ओर)—कैसे उत्परिवर्तन दरों के विकास को निर्देशित करता है। उनका कार्य प्रकट करता है कि उत्तर पूरी तरह से इस बात पर निर्भर करता है कि एक जनसंख्या अनुकूलन के शिखर पर आराम से बैठी है या एक नए शिखर की ओर चढ़ने के लिए संघर्ष कर रही है।
शोधकर्ताओं ने पाया कि जब एक जनसंख्या स्थिर और अपने परिवेश के अनुकूल होती है, तो प्राकृतिक चयन एक सख्त संपादक के रूप में कार्य करता है, जो उच्च उत्परिवर्तन दर वाले व्यक्तियों को लगातार बाहर निकालता रहता है। इस अवस्था में, जिसे 'विकासवादी साम्यावस्था' (evolutionary equilibrium) कहा जाता है, कोई भी अतिरिक्त उत्परिवर्तन हानिकारक होने की संभावना होती है, जो जीव की फिटनेस को नीचे खींच लेता है। फलस्वरूप, जनसंख्या उच्च निष्ठा (fidelity) की स्थिति की ओर विकसित होती है, जहाँ उत्परिवर्तन दर को यथासंभव कम रखा जाता है। यह उस लंबे समय से चली आ रही धारणा की पुष्टि करता है कि एक स्थिर दुनिया में, सबसे अच्छी रणनीति अधिकतम सटीकता के साथ आनुवंशिक कोड को कॉपी करना है।
हालाँकि, कहानी नाटकीय रूप से बदल जाती है जब परिवेश बदलता है। यदि एक जनसंख्या अपनी इष्टतम अवस्था से दूर है—शायद इसलिए क्योंकि जलवायु बदल गई है या एक नया शिकारी आ गया है—तो चयन जनसंख्या को फिटनेस के एक नए शिखर की ओर तेज़ी से बढ़ने के लिए प्रेरित करता है। इस परिदृश्य में, शोधकर्ताओं ने पाया कि उच्च उत्परिवर्तन दरें वास्तव में अनुकूल हो सकती हैं। ऐसा इसलिए होता है क्योंकि अधिक गलतियाँ करने वाले व्यक्ति नई परिस्थितियों में जीवित रहने के लिए आवश्यक विशिष्ट आनुवंशिक परिवर्तनों को खोजने की अधिक संभावना रखते हैं। 'जेनेटिक हिच-राइडिंग' (आनुवंशिक लिफ्ट मिलना) की एक प्रक्रिया के माध्यम से, उच्च उत्परिवर्तन दरों के लिए जिम्मेदार जीन उन सफल नए लक्षणों के साथ चलते हैं जिन्हें वे बनाने में मदद करते हैं। मॉडल दिखाता है कि उच्च उत्परिवर्तन दरों के लिए यह अप्रत्यक्ष चयन तब सबसे मजबूत होता है जब जनसंख्या 'डायरेक्शनल प्रेशर' (दिशानिर्देशित दबाव) के तहत होती है, जो निरंतर एक नए लक्ष्य की ओर बढ़ रही होती है।
इन सैद्धांतिक भविष्यवाणियों का परीक्षण करने के लिए, टीम ने सैकड़ों हज़ार पीढ़ियों में विकसित होने वाली जनसंख्या के कंप्यूटर सिमुलेशन चलाए। उन्होंने देखा कि जब परिवेश तेजी से बदला, तो जनसंख्या की उत्परिवर्तन दर अनुकूलन की दौड़ में अस्थायी रूप से बढ़ गई, और एक बार नया इष्टतम स्तर प्राप्त हो जाने के बाद फिर से गिर गई। उन्होंने यह भी पता लगाया कि क्या होता है जब परिवेश उतार-चढ़ाव भरा होता है, जो दो अलग-अलग अवस्थाओं के बीच झूलता रहता है। इन मामलों में, सिमुलेशन ने दिखाया कि जनसंख्या एक स्थिर, मध्यवर्ती उत्परिवर्तन दर में बस सकती है। यह दर इतनी उच्च है कि जनसंख्या को परिवर्तन के लिए तैयार रख सके, लेकिन इतनी कम भी है कि हानिकारक त्रुटियों से घिर न जाए। सिमुलेशन ने जनसंख्या के आकार की भूमिका को भी रेखांकित किया; छोटे समूहों में, यादृच्छिक संयोग (random chance) एक बड़ी भूमिका निभाता है, जो जनसंख्या को अपनी उत्परिवर्तन दर को पूरी तरह से अनुकूलित करने से रोक सकता है, जिससे इसमें शुद्ध चयन द्वारा निर्धारित दरों की तुलना में थोड़ी अधिक दरें रह जाती हैं।
यह अध्ययन स्पष्ट करता है कि जीवन के लिए कोई एक "सही" उत्परिवर्तन दर नहीं है। इसके बजाय, दर परिवेश के तात्कालिक दबावों के प्रति एक गतिशील प्रतिक्रिया है। जब आगे का रास्ता स्पष्ट होता है और जनसंख्या पहले से ही शीर्ष पर होती है, तो चयन मौन और सटीकता का पक्ष लेता है। लेकिन जब रास्ता अनिश्चित होता है और जनसंख्या को आगे बढ़ना होता है, तो चयन थोड़े शोर और प्रयोग का पक्ष लेता है। इन गतिकी का मानचित्रण करके, शोधकर्ताओं ने यह समझाने के लिए एक एकीकृत विवरण प्रदान किया है कि क्यों उत्परिवर्तन दरें जीवन के वृक्ष और जीनोम के विभिन्न क्षेत्रों में भिन्न होती हैं, यह दिखाते हुए कि आनुवंशिक निष्ठा का विकास स्थिरता और परिवर्तन की आवश्यकता के बीच एक निरंतर समझौता 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।