Afanc: taxonomic deconvolution and probabilistic lineage assignment for pathogen genomic surveillance
अफैंक (Afanc) एक विस्तार योग्य ढांचा है जो डेटाबेस निर्माण, टैक्सोनोमिक डिकनवोल्यूशन और संभाव्य वंशावली असाइनमेंट को एकीकृत करता है ताकि माइकोबैक्टीरियासी (Mycobacteriaceae), प्लाज्मोडियम फाल्सीपेरम (Plasmodium falciparum) और मोंपॉक्स (Mpox) सहित विविध प्रणालियों में उच्च-रिज़ॉल्यूशन वाले रोगजनक जीनोमिक निगरानी को सक्षम बनाया जा सके।
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
संक्रामक रोगों के खिलाफ आधुनिक लड़ाई में, वैज्ञानिकों ने बैक्टीरिया, वायरस और परजीवियों के जेनेटिक कोड को पढ़ना सीख लिया है ताकि वे यह ट्रैक कर सकें कि वे कैसे आगे बढ़ते हैं और बदलते हैं। यह अभ्यास, जिसे जीनोमिक सर्विलांस (genomic surveillance) कहा जाता है, रोगी के नमूने में पाए जाने वाले डीएनए (DNA) या आरएनए (RNA) के सूक्ष्म धागों के अनुक्रमण (sequencing) पर निर्भर करता है। हालांकि, उस कच्चे जेनेटिक डेटा से एक स्पष्ट उत्तर प्राप्त करना अक्सर एक भीड़भाड़ वाले, धुंधले कमरे में किसी विशिष्ट व्यक्ति की पहचान करने की कोशिश करने जैसा होता है। नमूने में मौजूद जेनेटिक सामग्री अव्यवस्थित, अधूरी या अन्य जीवों के साथ मिश्रित हो सकती है, जिससे यह कहना कठिन हो जाता है कि वास्तव में कौन सा जीव मौजूद है और वह किस विशिष्ट परिवार से संबंधित है। वर्तमान उपकरण इस जटिलता के साथ संघर्ष करते हैं, या तो वे जीव के सामान्य प्रकार की पहचान तो कर लेते हैं लेकिन विशिष्ट परिवार को पहचानने में चूक जाते हैं, या फिर जब जेनेटिक संकेत कमजोर या अन्य चीजों के साथ मिश्रित होते हैं, तो भ्रमित हो जाते हैं। एक स्पष्ट उत्तर के बिना, सार्वजनिक स्वास्थ्य अधिकारी सटीक रूप से किसी प्रकोप का पता नहीं लगा सकते और न ही यह समझ सकते हैं कि कोई रोगजनक (pathogen) कैसे फैल रहा है।
इसे हल करने के लिए, कार्डिफ यूनिवर्सिटी के शोधकर्ताओं ने 'अफैंक' (Afanc) नामक एक नया सॉफ्टवेयर टूल विकसित किया है। यह सिस्टम रोगजनक जीनोमिक्स के लिए एक व्यापक मार्गदर्शक के रूप में कार्य करने के लिए डिज़ाइन किया गया है, जो नमूने से प्राप्त शोर भरे, भ्रमित करने वाले जेनेटिक डेटा को लेकर उसे एक स्पष्ट, विश्वसनीय वर्गीकरण में व्यवस्थित करता है। यह टूल दो मुख्य चरणों में काम करता है। पहले, यह एक व्यापक फिल्टर के रूप में कार्य करता है, जो जेनेटिक सामग्री को स्कैन करके मौजूद जीव के सामान्य प्रकार को निर्धारित करता है, जैसे कि बैक्टीरिया की एक विशिष्ट प्रजाति। दूसरे, एक बार सामान्य प्रकार की पहचान हो जाने के बाद, यह एक विस्तृत मोड में बदल जाता है ताकि सटीक वंश (lineage) या परिवार की शाखा को पहचाना जा सके, ठीक वैसे ही जैसे एक बड़े विस्तृत कुल (clan) के भीतर एक विशिष्ट परिवार की पहचान करना। यह दो-चरणीय दृष्टिकोण सॉफ्टवेयर को उन कठिन स्थितियों को संभालने की अनुमति देता है जहाँ जेनेटिक साक्ष्य अधूरे होते हैं या जहाँ एक ही नमूने में कई जीव मौजूद होते हैं।
शोधकर्ताओं ने विविध चुनौतियों को संभालने की अफैंक की क्षमता देखने के लिए तीन बहुत अलग प्रकार के रोगजनकों पर इसका परीक्षण किया। उन्होंने माइकोबैक्टीरियासी (Mycobacteriaceae) नामक बैक्टीरिया के एक समूह को देखा, जिसमें तपेदिक (tuberculosis) और अन्य बीमारियों का कारण बनने वाले बैक्टीरिया शामिल हैं; मलेरिया के एक परजीवी प्लाज्मोडियम फाल्सीपेरम (Plasmodium falciparum) को देखा, जिसकी आबादी भौगोलिक आधार पर भिन्न होती है; और मोंपॉक्स (Mpox) वायरस को देखा, जो हालिया प्रकोपों में फैल रहा है। बैक्टीरिया के मामले में, टीम ने ऐसे नमूनों का अनुकरण (simulate) किया जहाँ जेनेटिक सामग्री बहुत कम थी, जो पूर्ण जीनोम का केवल 1% दर्शाती थी। इन कठिन परिस्थितियों में भी, अफैंक ने सही प्रजाति और उप-प्रजाति की सफलतापूर्वक पहचान की, जबकि अन्य मौजूदा उपकरण अक्सर विफल रहे या गलत उत्तर देते रहे। जब शोधकर्ताओं ने सॉफ्टवेयर का परीक्षण विभिन्न बैक्टीरिया प्रजातियों के मिश्रण वाले नम들이 पर किया, तो अफैंक ही एकमात्र ऐसा टूल था जो बिना किसी गलत अलार्म के सभी अपेक्षित जीवों को खोजने में सफल रहा।
तपेदिक के बैक्टीरिया के लिए, टीम ने अफैंक की तुलना दुनिया भर की प्रयोगशालाओं में उपयोग किए जाने वाले दो अन्य विशिष्ट उपकरणों से की। 958 नमूनों में से, अफैंक ने 955 के लिए वंश (lineage) को सही ढंग से सौंपा, जिसमें गलत परिवार की शाखा में असाइन करने का एक भी मामला नहीं था। अन्य उपकरणों ने कुछ अधिक गलतियाँ कीं, और कभी-कभी नमूने को परिवार के गलत पेड़ की शाखा पर रख दिया। यह सटीकता महत्वपूर्ण है क्योंकि तपेदिक परिवार की विभिन्न शाखाओं के दवा प्रतिरोध प्रोफाइल (drug resistance profiles) अलग-अलग हो सकते हैं, और गलत पहचान से अप्रभावी उपचार हो सकता है।
मलेरिया परजीवी के साथ परीक्षण भी उतना ही महत्वपूर्ण था। शोधकर्ताओं ने 20,000 से अधिक नमूनों के एक विशाल डेटासेट का उपयोग यह देखने के लिए किया कि क्या सॉफ्टवेयर परजीवी की भौगोलिक उत्पत्ति की भविष्यवाणी कर सकता है, जो बीमारी के प्रसार को समझने के लिए एक प्रमुख कारक है। अफैंक ने लगभग 19,000 नमूनों के लिए क्षेत्रीय वंश को सही ढंग से सौंपा, जो वर्तमान अग्रणी टूल की तुलना में काफी बेहतर प्रदर्शन करता है। यह सुधार उन क्षेत्रों में सबसे अधिक स्पष्ट था जहाँ परजीवी की आबादी एक-दूसरे के बहुत समान है, एक ऐसी स्थिति जहाँ अन्य उपकरण उन्हें अलग पहचानने में संघर्ष करते हैं। अंत में, मोंपॉक्स वायरस के लिए, सॉफ्टवेयर ने हालिया प्रकोपों के हजारों नमूनों का विश्लेषण किया। इसने उपलब्ध डेटा सीमित होने या मेटाडेटा (metadata) जेनेटिक साक्ष्य जितना विस्तृत न होने के बावजूद, विशिष्ट वायरल क्लेड (clade) और वंश की सफलतापूर्वक पहचान की, बिना किसी गलत-शाखा असाइनमेंट के।
अफैंक की एक प्रमुख ताकत अनिश्चितता को संभालना है। साक्ष्य कमजोर या संदिग्ध होने पर एक निश्चित उत्तर देने के बजाय, यह सॉफ्टवेयर यह पहचानने के लिए डिज़ाइन किया गया है कि वह सुनिश्चित नहीं हो सकता। यह रिपोर्ट कर सकता है कि एक नमूना 'अनक्लासिफाइड' (unclassified) है या साक्ष्य एक विशिष्ट समूह के बजाय एक व्यापक समूह की ओर इशारा करते हैं। यह उस तरह की अति-आत्मविश्वासी गलतियों को रोकता है जो तब होती हैं जब कोई टूल अधूरे डेटा से उत्तर का अनुमान लगाने की कोशिश करता है। शोधकर्ताओं ने इस प्रणाली को लचीला भी बनाया है, जिससे वैज्ञानिकों को नई जानकारी उपलब्ध होने पर संदर्भ डेटाबेस और वंश परिभाषाओं को अपडेट करने की अनुमति मिलती है। इसका अर्थ है कि यह टूल नए प्रकोपों या रोगजनकों के वर्गीकरण में बदलाव के अनुसार बिना पूरी तरह से पुनर्गठित हुए अनुकूलित हो सकता है।
परिणाम बताते हैं कि अफैंक कच्चे, अव्यवस्थित जेनेटिक डेटा से स्पष्ट, कार्रवाई योग्य अंतर्दृष्टि प्राप्त करने के लिए एक विश्वसनीय ढांचा प्रदान करता है। व्यापक स्क्रीनिंग को विस्तृत वंश असाइनमेंट के साथ जोड़कर, और अनिश्चितता का स्पष्ट रूप से प्रबंधन करके, यह टूल जटिल रोगजनक डेटा को समझने का एक तरीका प्रदान करता है जिसे अन्य विधियाँ नहीं पकड़ पातीं। हालाँकि यह अध्ययन सिमुलेशन और मौजूदा सार्वजनिक डेटासेट का उपयोग करके किया गया था, विभिन्न प्रकार के जीवों पर इसका प्रदर्शन इस दृष्टिकोण की मजबूती को दर्शाता है। सार्वजनिक स्वास्थ्य टीमों और शोधकर्ताओं के लिए, इसका अर्थ है उनके सामने मौजूद विशिष्ट खतरों की पहचान करने का एक अधिक सटीक तरीका होना, जो संक्रामक रोगों के प्रसार को नियंत्रित करने के लिए एक मौलिक कदम 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।