Data Independent Acquisition Pipeline for Microbiome Samples (Microbe-DIA)
यह शोध पत्र माइक्रोबायोम मेटाप्रोटिओमिक्स के लिए एक अनुकूलित, स्केलेबल और लागत प्रभावी पाइपलाइन प्रस्तुत करता है जो अनुभवजन्य स्पेक्ट्रल लाइब्रेरी पर निर्भर हुए बिना सैंपल थ्रूपुट और मात्रात्मक प्रदर्शन को बढ़ाने के लिए बेहतर LC–MS/MS अधिग्रहण मापदंडों को एक कम्प्यूटेशनल रूप से कुशल, लाइब्रेरी-मुक्त डेटा-इंडिपेंडेंट एक्विजिशन (DIA) वर्कफ़्लो के साथ जोड़ता 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
सूक्ष्मजीव हमारी दुनिया के अदृश्य वास्तुकार हैं, जो हमारी मिट्टी, हमारे महासागरों और यहाँ तक कि हमारे अपने शरीर के भीतर भी रहते हैं। ये सूक्ष्म समुदाय वास्तव में क्या कर रहे हैं—वे कचरे को कैसे तोड़ते हैं, पोषक तत्वों का चक्रण कैसे करते हैं, या मानव स्वास्थ्य को कैसे प्रभावित करते हैं—इसे समझने के लिए वैज्ञानिक उन प्रोटीनों को देखते हैं जिन्हें वे उत्पन्न करते हैं। प्रोटीन जीवन के कार्यात्मक कार्यकर्ता हैं; वे वे मशीनें हैं जो किसी जीव के जीवित रहने के लिए आवश्यक कार्यों को पूरा करती हैं। हालाँकि, हजारों विभिन्न प्रजातियों की एक मिश्रित भीड़ में इन प्रोटीनों का अध्ययन करना अविश्वसनीय रूप से कठिन है। यह एक साथ चिल्लाते हुए लोगों से भरे स्टेडियम में एक एकल बातचीत को सुनने की कोशिश करने जैसा है। विभिन्न प्रजातियों की विशाल संख्या और प्रत्येक की उपस्थिति में व्यापक अंतर, समुदाय की गतिविधि की स्पष्ट तस्वीर पकड़ना कठिन बना देता है।
वर्षों से, इन प्रोटीनों का अध्ययन करने का मानक तरीका एक ऐसी विधि रही है जो एक स्पॉटलाइट की तरह कार्य करती है, जो एक-एक करके सबसे तेज़ आवाजों को चुनती है। यह दृष्टिकोण सरल नमूनों के लिए अच्छा काम करता है, लेकिन एक जटिल माइक्रोबायोम में, यह शांत और कम प्रचुर आवाजों को छोड़ देता है, जिससे डेटा में बड़े अंतराल रह जाते हैं। डेटा-स्वतंत्र अधिग्रहण (data-independent acquisition) के रूप में जानी जाने वाली एक नई पद्धति, पूरे ध्वनि स्पेक्ट्रम को व्यापक खंडों में विभाजित करके एक साथ सभी को सुनने का प्रयास करती है। जबकि यह विधि कहीं अधिक जानकारी कैप्चर करती है, ऐतिहासिक रूप से यह बड़े अध्ययनों के लिए बहुत धीमी रही है और इसे शोर को समझने के लिए एक विशाल, पूर्व-निर्मित ध्वनि लाइब्रेरी की आवश्यकता होती थी। उस लाइब्रेरी के बिना, डेटा विश्लेषण के लिए बहुत जटिल था, विशेष रूप से प्राकृतिक वातावरण में पाई जाने वाली विशाल आनुवंशिक विविधता के मामले में।
पैसिफिक नॉर्थवेस्ट नेशनल लेबोरेटरी के शोधकर्ताओं की एक टीम ने अब एक सुव्यवस्थित पाइपलाइन विकसित की है जो इन समस्याओं को हल करती है, जिससे वैज्ञानिक बिना किसी पूर्व-मौजूदा लाइब्रेरी के जटिल सूक्ष्मजीव समुदायों का तेजी से और सटीक रूप से विश्लेषण कर सकते हैं। उन्होंने अपने तरीके का परीक्षण एक सूक्ष्मजीव के सावधानीपूर्वक निर्मित मॉडल का उपयोग करके किया, जिसमें बर्तियों के पैंतीस अलग-अलग बैक्टीरिया स्ट्रेन से पेप्टाइड्स को मिलाया गया था। यह मॉडल एक नियंत्रित वातावरण के रूप में कार्य करता था जहाँ शोधकर्ता जानते थे कि कौन सी प्रजातियाँ मौजूद हैं और किन अनुपातों में हैं, जिससे वे यह सत्यापित कर सके कि क्या उनकी नई विधि उन्हें सही ढंग से पहचान सकती है और माप सकती है।
शोधकर्ताओं ने सबसे पहले अपने मास स्पेक्ट्रोमीटर (mass spectrometers), जो इन प्रोटीनों को तौलने और पहचानने के लिए उपयोग किए जाने वाले उपकरण हैं, की सेटिंग्स को अनुकूलित किया। उन्होंने पाया कि प्रोटीन अंशों को कैप्चर करने के लिए उपयोग किए जाने वाले "विंडो" का आकार महत्वपूर्ण था। एक संकीर्ण विंडो का उपयोग करके, वे संकेतों को अधिक स्पष्ट रूप से अलग कर सके, जिससे चौड़ी विंडों की तुलना में काफी अधिक प्रोटीन की पहचान हुई। फिर उन्होंने अपनी नई, तेज़ विधि की तुलना पारंपरिक, धीमी पद्धति से की। पारंपरिक पद्धति के लिए नमूने को बारह अलग-अलग भागों में विभाजित करने और प्रत्येक का दो घंटे तक विश्लेषण करने की आवश्यकता थी, जो एक एकल नमूने के लिए पूरे दिन का इंस्ट्रूमेंट समय था। इसके विपरीत, नई पद्धति ने पूरे नमूने का विश्लेषण केवल छह घंटे में कर लिया। समय के लिए समायोजन करने पर, नए दृष्टिकोण ने पुराने तरीके की तुलना में प्रति घंटा लगभग नौ गुना अधिक प्रोटीन की पहचान की, जिससे यह सिद्ध हुआ कि गति से सटीकता का समझौता नहीं हुआ।
विशाल डेटाबेस में संभावित प्रोटीनों की खोज करने की कम्प्यूटेशनल चुनौती को संभालने के लिए, टीम ने एक दो-चरणीय प्रक्रिया बनाई जिसे वे 'मेटाप्रोटिओमिक एनालिसिस विद डीआईए लाइब्रेरी-फ्री' (Metaproteomic Analysis with DIA Library-free, या MADL) कहते हैं। पहला चरण एक फिल्टर के रूप में कार्य करता है, जो खोज को केवल उन सबसे आवश्यक जैविक मार्गों तक सीमित कर देता है जो लगभग सभी बैक्टीरिया में सामान्य हैं, जैसे कि ऊर्जा उत्पादन और डीएनए प्रतिकृति में शामिल मार्ग। यह उस डेटाबेस के आकार को नाटकीय रूप से कम कर देता है जिसकी कंप्यूटर को खोज करने की आवश्यकता होती है। एक बार जब कंप्यूटर यह पहचान लेता है कि इन मुख्य कार्यों के आधार पर कौन से जीव मौजूद होने की संभावना है, तो यह उस सूची का उपयोग खोज को परिष्कृत करने के लिए दूसरे चरण में करता है, जो पहचाने गए जीवों के विशिष्ट कार्यों पर ध्यान केंद्रित करता है। इस दृष्टिकोण ने उन्हें अपने परीक्षण मिश्रण में मौजूद सत्ताइस ज्ञात प्रजातियों में से पच्चीस को सफलतापूर्वक पहचानने की अनुमति दी, भले ही वे मिट्टी और आंत के वातावरण से लाखों संभावित प्रोटीनों वाले डेटाबेस के विरुद्ध खोज कर रहे थे।
अध्ययन ने इस बात को भी संबोधित किया कि विभिन्न प्रजातियों के बीच बहुत समान दिखने वाले प्रोटीनों को कैसे संभाला जाए। इन साझा प्रोटीनों को सबसे संभावित स्रोत को सौंपने के लिए एक तार्किक पद्धति का उपयोग करके, टीम ने पाया कि वे पहले की तुलना में हजारों अधिक प्रोटीनों की प्रचुरता को माप सकते हैं। उन्होंने पुष्टि की कि उनका तरीका सूक्ष्मजीव समुदाय की संरचना को सटीक रूप से पुनर्गठित कर सकता है, जो उनके परीक्षण मिश्रण में स्ट्रेन के ज्ञात अनुपातों से मेल खाता है। इसके अलावा, उन्होंने इस वर्कफ़्लो का परीक्षण एक नए, तेज़ मास स्पेक्ट्रोमीटर, एस्ट्रल (Astral) पर किया, और पाया कि यह उच्च सटीकता के साथ हजारों प्रोटीनों की पहचान करते हुए केवल एक घंटे से कुछ अधिक समय में विश्लेषण पूरा कर सकता है।
यह कार्य यह प्रदर्शित करता है कि अब कस्टम लाइब्रेरी बनाने या इंस्ट्रूमेंट के समय में कई दिन बिताने की बाधा के बिना सूक्ष्मजीव समुदायों के बड़े पैमाने पर, हाई-थ्रूपुट अध्ययन करना संभव है। शोधकर्ताओं ने दिखाया कि अनुकूलित इंस्ट्रूमेंट सेटिंग्स को एक स्मार्ट, दो-चरणीय कम्प्यूटेशनल रणनीति के साथ जोड़कर, वैज्ञानिक सूक्ष्मजीव कार्यों का एक व्यापक दृश्य कैप्चर कर सकते हैं। यह वैज्ञानिकों के लिए यह अध्ययन करने के द्वार खोलता है कि ये समुदाय समय के साथ या विभिन्न पर्यावरणीय स्थितियों के जवाब में कैसे बदलते हैं, एक ऐसे स्तर के विवरण और गति के साथ जो पहले पहुंच से बाहर था। यह विधि केवल यह सूचीबद्ध करने से कि कौन से सूक्ष्मजीव मौजूद हैं, यह समझने की ओर बढ़ने के लिए एक व्यावहारिक, स्केलेबल तरीका प्रदान करती है कि वे उनके निवास वाले जटिल पारिस्थितिक तंत्रों में वास्तव में क्या कर रहे 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।