Cells are not replicates: permutation calibration of the unit-of-analysis error in a pooled sleep single-cell design (GSE137665)

नींद एक मौलिक जैविक अवस्था है, और दशकों से वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि यह मस्तिष्क को सूक्ष्म स्तर पर कैसे पुनर्गठित करती है। ऐसा करने के लिए, शोधकर्ता अक्सर सिंगल-सेल आरएनए सीक्वेंसिंग (single-cell RNA sequencing) की ओर रुख करते हैं, जो एक ऐसी तकनीक है जो व्यक्तिगत कोशिकाओं के भीतर मौजूद आनुवंशिक निर्देशों के लिए एक उच्च-शक्ति वाले सूक्ष्मदर्शी की तरह कार्य करती है। इन निर्देशों को पढ़कर, वैज्ञानिक देख सकते हैं कि कौन से जीन सक्रिय हैं और कौन से शांत हैं, जिससे यह पता चलता है कि विभिन्न प्रकार की कोशिकाएं नींद की कमी जैसे अनुभवों के प्रति कैसे प्रतिक्रिया देती हैं। हालांकि, एक महत्वपूर्ण नियम है जो यह निर्धारित करता है कि इन प्रयोगों को कैसे डिजाइन किया जाना चाहिए: विश्लेषण की इकाई (unit of analysis) हस्तक्षेप की इकाई के समान होनी चाहिए। यदि कोई वैज्ञानिक यह जानना चाहता है कि नींद की कमी एक चूहे को कैसे प्रभावित करती है, तो चूहा स्वतंत्र विषय (independent subject) है, न कि उसके भीतर की व्यक्तिगत कोशिकाएं। एक ही चूहे से प्राप्त हजारों कोशिकाओं को हजारों स्वतंत्र डेटा बिंदुओं के रूप में मानना एक सांख्यिकीय त्रुटि है जिसे 'स्यूडोरेप्लिकेशन' (pseudoreplication) कहा जाता है। यह निश्चितता का एक झूठा आभास पैदा करता है, जिससे यादृच्छिक शोर (random noise) एक शक्तिशाली जैविक संकेत जैसा दिखने लगता है। यह अंतर अत्यंत महत्वपूर्ण है क्योंकि इसके बिना, नींद मस्तिष्क को कैसे बदलती है, इस बारे में निकाले गए निष्कर्ष पूरी तरह से भ्रामक हो सकते हैं।

एक विशिष्ट डेटासेट, जिसे GSE137665 लेबल किया गया है, की हालिया जांच इस मुद्दे को स्पष्ट रूप से सामने लाती है। मूल अध्ययन ने इस डेटा का उपयोग यह मानचित्रण करने के लिए किया था कि नींद की कमी और रिकवरी चूहे के ब्रेनस्टेम, कॉर्टेक्स और हाइपोथैलेमस में जीन गतिविधि को कैसे बदलती है। शोधकर्ताओं ने नौ समूहों को एकत्र किया था, जहाँ प्रत्येक समूह तीन अलग-अलग चूहों की कोशिकाओं का मिश्रण था। मूल विश्लेषण में, वैज्ञानिकों ने इस डेटासेट की प्रत्येक कोशिका को एक अलग, स्वतंत्र अवलोकन के रूप में माना। इस दृष्टिकोण ने सुझाव दिया कि जब चूहों को जगाए रखा गया, तो हजारों जीन की गतिविधि में महत्वपूर्ण परिवर्तन हुआ। हालांकि, नए विश्लेषण ने इसी डेटा की फिर से जांच की, जिसमें सांख्यिकीय नियमों के सख्त पालन को सुनिश्चित किया गया। शोधकर्ताओं ने महसूस किया कि चूंकि अनुक्रमण (sequencing) से पहले ही तीनों चूहों की कोशिकाओं को आपस में मिला दिया गया था, इसलिए प्रत्येक कोशिका के मूल चूहे की पहचान खो गई थी। यह जाने बिना कि कौन सी कोशिका किस चूहे से आई थी, जानवरों के बीच प्राकृतिक भिन्नता को मापना असंभव है, जो कि यह साबित करने का एकमात्र तरीका है कि परिवर्तन वास्तविक है या केवल यादृच्छिक उतार-चढ़ाव।

यह परीक्षण करने के लिए कि क्या मूल निष्कर्ष कायम रहे, शोधकर्ताओं ने एक कठोर पुन: विश्लेषण किया जिसने प्रयोग की वास्तविक संरचना का सम्मान किया। नौ मिश्रित समूहों को स्वतंत्र डेटा बिंदुओं के रूप में गिनने के बजाय, उन्होंने इन नौ मिश्रित समूहों को ही एकमात्र उपलब्ध स्वतंत्र नमूनों के रूप में माना। इसके बाद उन्होंने 'परम्यूटेशन कैलिब्रेशन' (permutation calibration) नामक एक विधि का उपयोग किया, जिसमें नौ समूहों में नींद की स्थितियों के लेबल को आपस में बदलकर यह देखा जाता है कि यदि कोई वास्तविक प्रभाव नहीं होता तो क्या परिणाम दिखाई देते। परिणाम चौंकाने वाले थे। जब शोधकर्ताओं ने उसी परीक्षण को व्यक्तिगत कोशिकाओं पर चलाया जैसा कि मूल अध्ययन में किया गया था, तो उन्होंने पाया कि वह विधि बेहद अविश्वसनीय थी। एक ऐसी स्थिति में जहाँ कोई वास्तविक जैविक अंतर मौजूद नहीं था, यह त्रुटिपूर्ण विधि हजारों जीनों को लगभग 38 प्रतिशत बार महत्वपूर्ण के रूप में चिह्नित कर रही थी, जबकि इसे 5 प्रतिशत से कम होना चाहिए था। दूसरे शब्दों में, मूल विश्लेषण स्वीकार्य सीमा से सात गुना अधिक दर से गलत अलार्म (false alarms) उत्पन्न कर रहा था।

जब शोधकर्ताओं ने विश्लेषण को सुधारते हुए नौ मिश्रित समूहों को वास्तविक नमूने के रूप में माना, तो तस्वीर पूरी तरह बदल गई। इस स्तर पर, जो इस तथ्य का सम्मान करता है कि जानवर ही वास्तविक विषय थे, न तो एक भी जीन सांख्यिकीय सार्थकता के कड़े मानदंड को पार कर सका। मूल अध्ययन ने दावा किया था कि नींद की कमी के साथ हजारों जीन बदले, लेकिन सुधारात्मक विश्लेषण ने दिखाया कि ये दावे यादृच्छिक शोर से अलग नहीं थे। डेटा में उन निष्कर्षों का समर्थन करने के लिए पर्याप्त स्वतंत्र जानकारी नहीं थी। शोधकर्ताओं ने उल्लेख किया कि मूल अध्ययन के निष्कर्ष अनिवार्य रूप से "गलत" नहीं थे इस अर्थ में कि जीन नहीं बदले, बल्कि यह कि प्रदान किया गया साक्ष्य इसे सिद्ध करने के लिए अपर्याप्त था। प्रयोग के डिजाइन ने, जिसमें कोशिकाओं को कैप्चर करने से पहले जानवरों को मिला दिया गया था, वास्तविक जैविक प्रभावों और सांख्यिकीय विसंगतियों (artifacts) के बीच अंतर करने की क्षमता को नष्ट कर दिया था।

जांच केवल आनुवंशिक डेटा तक ही सीमित नहीं रही। मूल अध्ययन में 'आरएनएस्कोप' (RNAscope) नामक एक तकनीक का उपयोग करके एक सत्यापन परत भी शामिल की गई थी, जो आनुवंशिक निष्कर्षों की पुष्टि करने के लिए ऊतक नमूनों में विशिष्ट आरएनए अणुओं को गिनती है। यहाँ भी वही त्रुटि दोहराई गई। शोधकर्ताओं ने प्रति समूह केवल तीन मस्तिष्क से हजारों कोशिकाओं को गिना और प्रत्येक कोशिका को एक स्वतंत्र डेटा बिंदु के रूप में माना। जब नए विश्लेषण ने इस सत्यापन डेटा पर समान 'परम्यूटेशन लॉजिक' लागू किया, तो इसने खुलासा किया कि मूल पेपर में रिपोर्ट की गई अत्यधिक सांख्यिकीय सार्थकता एक भ्रम थी। परिणाम केवल तभी सार्थक रहते यदि एक ही मस्तिष्क की कोशिकाएं एक-दूसरे से पूरी तरह स्वतंत्र होतीं, जो कि एक जैविक असंभवता है। विश्लेषण ने दिखाया कि एक ही मस्तिष्क से आने वाली कोशिकाओं के बीच बहुत कम समानता भी मूल दावों को अमान्य करने के लिए पर्याप्त थी।

इस कार्य का मुख्य निष्कर्ष यह है कि मूल प्रयोग के डिजाइन ने चूहों की जनसंख्या के बारे में वैध निष्कर्ष निकालना असंभव बना दिया था। क्योंकि कोशिकाओं को गिनने से पहले जानवरों को मिला दिया गया था, इसलिए परिणामों को सत्यापित करने के लिए आवश्यक सांख्यिकीय उपकरण पूरी तरह से टूट चुके थे। शोधकर्ताओं ने जोर देकर कहा कि यह जीव विज्ञान या तकनीक की विफलता नहीं है, बल्कि प्रयोगात्मक डिजाइन की विफलता है। 'पॉइंट एस्टीमेट्स' (point estimates), या वास्तव में जीन कितने बदले इसके माप, त्रुटिपूर्ण और सुधारात्मक दोनों विधियों के बीच सुसंगत रहे। समस्या पूरी तरह से उन मापों पर विश्वास (confidence) को लेकर थी। मूल अध्ययन ने एक स्पष्ट संकेत खोजने का दावा किया था, लेकिन पुन: विश्लेषण ने प्रदर्शित किया कि वह संकेत सांख्यिकीय त्रुटि के पहाड़ के नीचे दबा हुआ था।

यह शोध पत्र स्लीप रिसर्च और सिंगल-सेल बायोलॉजी के क्षेत्र के लिए एक महत्वपूर्ण सुधार के रूप में कार्य करता है। यह स्थापित करता है कि जब विश्लेषण से पहले जानवरों को मिला दिया जाता है, तो कोशिकाओं की संख्या स्वतंत्र अवलोकनों की संख्या नहीं होती है। शोधकर्ताओं ने निष्कर्ष निकाला कि इस विशिष्ट डेटासेट से जनसंख्या का कोई भी वैध परीक्षण नहीं बनाया जा सकता है, और चूंकि दोष डेटा एकत्र करने के तरीके में निहित है, इसलिए इसे बाद में संख्याओं के पुन: विश्लेषण द्वारा ठीक नहीं किया जा सकता है। यह अध्ययन भविष्य के अनुसंधान के लिए एक स्पष्ट मार्ग प्रदान करता है: वैज्ञानिकों को विश्लेषण के क्षण तक जानवरों को अलग रखना चाहिए, या यदि उन्हें मिलाना ही है, तो उन्हें यह स्वीकार करना चाहिए कि वे पूरे जानवरों के बारे में दावे नहीं कर सकते। उन्हें यह सुनिश्चित करने के लिए विशिष्ट सांख्यिकीय जाँचों का भी उपयोग करना चाहिए, जैसे कि लेबल को बदलना (shuffling labels), ताकि उनके परिणाम केवल उनके अपने डिजाइन के कृत्रिम प्रभाव (artifacts) न हों। सबक सरल लेकिन गहरा है: विज्ञान में, आप क्या गिनते हैं जितना कि यह मायने रखता है कि आप कैसे गिनते हैं। सही गणना के बिना, मस्तिष्क का सबसे विस्तृत मानचित्र भी आपको एक ऐसे गंतव्य तक ले जा सकता है जिसका अस्तित्व ही नहीं है।