The standard genetic code's rank among randomized alternatives is not a property of the code
यह शोध पत्र यह प्रदर्शित करता है कि मानक आनुवंशिक कोड की कथित विशिष्टता कोई अंतर्निहित गुण नहीं बल्कि एक सांख्यिकीय विसंगति है, क्योंकि विशिष्ट उत्परिवर्तन स्पेक्ट्रम और तुलना के लिए उपयोग किए गए सारांश सांख्यिकी के आधार पर यादृच्छिक विकल्पों के बीच इसकी रैंक महत्वपूर्ण रूप से बदलती रहती 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 चार अक्षरों की एक भाषा में लिखे गए निर्देशों के एक समूह पर निर्भर करता है। प्रत्येक जीवित कोशिका में, तीन अक्षरों के समूह, जिन्हें कोडोन (codons) कहा जाता है, शब्दों की तरह कार्य करते हैं जो कोशिका को बताते हैं कि प्रोटीन बनाने के लिए किन निर्माण खंडों (building blocks) को संयोजित करना है। साठ-चार संभावित तीन-अक्षर वाले संयोजन होते हैं, लेकिन उन्हें केवल बीस अलग-अलग निर्माण खंडों, और कुछ 'स्टॉप सिग्नल' को निर्दिष्ट करने की आवश्यकता होती है। प्रकृति इस कार्य के लिए एक विशिष्ट व्यवस्था का उपयोग करती है, जिसे मानक आनुवंशिक कोड (standard genetic code) के रूप में जाना जाता है, जहाँ अधिकांश संयोजन एक ही निर्माण खंड की ओर संकेत करते हैं। दशकों से, वैज्ञानिक इस बात पर विचार कर रहे हैं कि क्या यह व्यवस्था विशेष है। उन्हें संदेह था कि इसे मजबूत (robust) बनाने के लिए डिज़ाइन किया गया है: यदि कोई उत्परिवर्तन (mutation) एक शब्द में एक अक्षर बदल देता है, तो नया शब्द आमतौर पर एक ऐसे निर्माण खंड की ओर संकेत करता है जो मूल के समान ही व्यवहार करता है। यह क्षति को कम करता है जो एक गलती अंतिम प्रोटीन को पहुँचा सकती है।
इस विचार का परीक्षण करने के लिए, शोधकर्ता पारंपरिक रूप से मानक कोड की तुलना हजारों यादृच्छिक (random) व्यवस्थाओं से करते रहे हैं। वे पूछते हैं: यदि हम शब्दों को यादृच्छिक रूप से उलट-पुलट कर दें, तो मानक कोड कितनी बार क्षति को कम करने में बेहतर प्रदर्शन करता है? पैंतीस वर्षों से, इसका उत्तर एक एकल, प्रभावशाली संख्या के रूप में प्रस्तुत किया जाता रहा है। एक सरल मॉडल के तहत जहाँ सभी परिवर्तनों की संभावना समान होती है, पाया गया कि मानक कोड 10,000 यादृच्छिक विकल्पों में से 9,998 से बेहतर था। जब वैज्ञानिकों ने एक अधिक यथार्थवादी विवरण जोड़ा—कि अक्षरों के कुछ प्रकार के परिवर्तन अन्य की तुलना में अधिक बार होते हैं—तो मानक कोड और भी असाधारण दिखने लगा, जो लगभग हर यादृच्छिक विकल्प से बेहतर प्रतीत हुआ। इससे यह विश्वास पैदा हुआ कि कोड एक लगभग पूर्ण समाधान है, जो विकास (evolution) द्वारा समय में स्थिर कर दिया गया है।
हालाँकि, स्वतंत्र शोधकर्ताओं लुकास जियोवानी रिबेरो और मार्कोस आंद्रे सिमोनसिनी द्वारा किए गए एक नए अध्ययन से पता चलता है कि यह एकल संख्या कहानी का केवल एक हिस्सा बताती है। उनका तर्क है कि आनुवंशिक कोड की "असाधारण" स्थिति कोड का एक निश्चित गुण नहीं है, बल्कि यह एक बदलते परिवेश के विरुद्ध हमारे मापने के तरीके का परिणाम है। शोधकर्ताओं ने दशकों से उपयोग किए जा रहे सैद्धांतिक मॉडलों से एक बड़ा कदम पीछे लिया। यह मानने के बजाय कि उत्परिवर्तन एक ही तरीके से होते हैं, उन्होंने लगभग 5,000 विभिन्न यूकेरियोट्स (eukaryotes) की प्रजातियों के वास्तविक उत्परिवर्तन पैटर्न को देखा, जिनमें जानवर, पौधे, कवक और शैवाल शामिल हैं। इन प्रत्येक वंशावलियों (lineages) का अपना अनूठा "स्पेक्ट्रम" है, जिसका अर्थ है कि उनके डीएनए में होने वाली त्रुटियों के विशिष्ट प्रकार व्यापक रूप से भिन्न होते हैं।
टीम ने प्रत्येक प्रजाति के अपने अनूठे उत्परिवर्तन पैटर्न का उपयोग करके यह गणना की कि मानक आनुवंशिक कोड त्रुटियों के विरुद्ध कितनी अच्छी तरह रक्षा करता है। उन्होंने मानक कोड की तुलना प्रत्येक प्रजाति के लिए समान 10,000 स्थिर यादृच्छिक कोडों से की। परिणाम एक एकल संख्या नहीं थे, बल्कि एक विस्तृत वितरण (distribution) थे। लगभग 22% प्रजातियों के लिए, मानक कोड वास्तव में सबसे अच्छा संभव विन्यास था; कोई भी यादृच्छिक विकल्प इसे मात नहीं दे सका। लेकिन अन्य प्रजातियों के लिए, सैकड़ों यादृच्छिक कोड बेहतर प्रदर्शन कर रहे थे। सबसे चरम मामले में, 10,000 में से 341 यादृच्छिक कोड मानक कोड से बेहतर प्रदर्शन कर रहे थे। मध्य मान (median) दो था, जो तीस-पाँच साल पहले की प्रसिद्ध संख्या से मेल खाता है, लेकिन शोधकर्ता दिखाते हैं कि यह संख्या एक वितरण का केवल एक बिंदु है जो दो परिमाण क्रमों (orders of magnitude) तक फैला हुआ है।
यह अध्ययन परिणामों की व्याख्या करने के तरीके में एक आश्चर्यजनक मोड़ प्रकट करता है। जैसे-जैसे किसी प्रजाति के उत्परिवर्तन पैटर्न एक विशिष्ट प्रकार की सामान्य त्रुटि की ओर अधिक पक्षपाती होते जाते हैं, मानक कोड वास्तव में पूर्ण संदर्भ में क्षति को कम करने में बेहतर होता जाता है। हालाँकि, साथ ही, यादृच्छिक कोड भी अपने प्रदर्शन में और अधिक विविध होते जाते हैं। क्योंकि यादृच्छिक कोड बहुत अधिक फैल जाते हैं, इसलिए मानक कोड कम अद्वितीय दिखाई देने लगता है। यह एक ऐसे धावक की तरह है जो तेज़ तो हो रहा है, लेकिन दौड़ इतनी अराजक हो जाती है कि वह अब स्पष्ट रूप से विशिष्ट नहीं रह जाता। शोधकर्ताओं ने पाया कि जैसे-जैसे उत्परिवर्तन का पक्षपात (bias) बढ़ता है, मानक कोड का पूर्ण लाभ बढ़ता है, लेकिन विकल्पों के बीच उसकी रैंक खराब होती जाती है। इसका अर्थ है कि उच्च उत्परिवर्तन पक्षपात वाला वंश वास्तव में कोड द्वारा बेहतर संरक्षित होता है, फिर भी यादृच्छिक विकल्पों की अराजकता के मुकाबले वह कोड कम "विशेष" दिखता है।
यह शोध उन दो विशिष्ट विचारों को भी चुनौती देता है जिनकी वैज्ञानिक आशा कर रहे थे। पहला, उन्होंने परीक्षण किया कि क्या 'CpG साइट्स' नामक एक विशिष्ट प्रकार का अति-उत्परिवर्तनीय (hyper-mutable) डीएनए अनुक्रम, इन अंतरों का मुख्य चालक था। उन्होंने पाया कि यह नहीं था; एक बार सामान्य उत्परिवर्तन पक्षपात को ध्यान में रखने के बाद, इस विशिष्ट अनुक्रम ने कोई अतिरिक्त सुरक्षात्मक शक्ति नहीं जोड़ी। दूसरा, उन्होंने सिमुलेशन चलाया यह देखने के लिए कि क्या विकास स्वाभाविक रूप से एक ऐसा कोड बना देगा जो मानक वाले जैसा दिखे यदि वह उच्च उत्परिवर्तन पक्षपात के लिए अनुकूलित हो। सिमुलेशन ने इसके विपरीत दिखाया: जो कोड उच्च उत्परिवर्तन पक्षपात के लिए अनुकूलित थे, वे मानक कोड की ओर नहीं बढ़े। इसके बजाय, वे इससे कम समान होते गए। यह इस विचार को खारिज करता है कि मानक कोड की संरचना केवल सबसे सामान्य प्रकार के उत्परिवर्तनों के लिए अनुकूलित होने का परिणाम है।
शोधकर्ताओं ने यह भी देखा कि क्या कोई उत्परिवर्तन "स्टॉप" सिग्नल बनाता है, जो प्रोटीन बनाने की प्रक्रिया को समय से पहले समाप्त कर देता है। उन्होंने पाया कि जबकि मानक कोड संभावनाओं की एक सरल गणना में इन त्रुटियों को रोकने में उत्कृष्ट है, वास्तविक प्रजातियों में वे त्रुटियाँ कितनी बार होती हैं, उसके भार (weight) के आधार पर यह उतना उल्लेखनीय नहीं है। वास्तविकताओं के बीच यह विचलन सिस्टम के कई हिस्सों में दिखाई देता है, जो बताता है कि कोड की गुणवत्ता को मापने का तरीका हमें जो उत्तर देता है, वह बदल जाता है।
अंततः, यह कार्य यह नहीं कहता कि आनुवंशिक कोड विशेष नहीं है। यह कहता है कि इसकी विशिष्टता पूरी तरह से उस संदर्भ पर निर्भर करती है जिसमें इसे मापा जाता है। मानक कोड मजबूत है, लेकिन यादृच्छिक विकल्पों के बीच इसकी रैंकिंग एक स्थिर सत्य नहीं है। यह उस जीव के अध्ययन किए जा रहे उत्परिवर्तन पैटर्न के आधार पर बदलती रहती है। वे प्रसिद्ध संख्याएँ जिन्होंने दशकों तक इस क्षेत्र को परिभाषित किया है, गलत नहीं हैं, लेकिन वे अपूर्ण हैं। वे एक विशिष्ट धारणाओं के तहत लिए गए स्नैपशॉट का प्रतिनिधित्व करती हैं। जब उन धारणाओं को हजारों प्रजातियों में जीवन की अव्यवस्थित और विविध वास्तविकता से बदल दिया जाता है, तो चित्र अधिक जटिल हो जाता है। कोड एक अच्छा समाधान है, लेकिन इसकी स्थिति स्वयं कोड का एक निश्चित गुण नहीं है; यह कोड और उन विशिष्ट त्रुटियों के बीच का एक संबंध है जिनका वह सामना करता 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।