The fallacy of the national average in structured populations: clinical and population genomics across 9,768 Indian genomes

मानव शरीर निर्देशों का एक विशाल पुस्तकालय है, जो चार रासायनिक अक्षरों के एक कोड में लिखा गया है कि हम कैसे बढ़ते हैं, हम बीमारियों से कैसे लड़ते हैं, और हमारा शरीर खाए गए भोजन को कैसे संसाधित करता है। दशकों से, वैज्ञानिक इस पुस्तकालय को पढ़ने की कोशिश कर रहे हैं ताकि यह समझ सकें कि क्यों कुछ लोग बीमार पड़ जाते हैं जबकि अन्य स्वस्थ रहते हैं, और क्यों कुछ दवाएं एक व्यक्ति के लिए काम करती हैं जबकि दूसरी व्यक्ति को नुकसान पहुँचाती हैं। ऐसा करने के लिए, उन्होंने विशाल संदर्भ सूची बनाई है, जो मूल रूप से दुनिया भर के लोगों में पाए जाने वाले सबसे सामान्य आनुवंशिक विविधताओं का एक विशाल शब्दकोश है। हालाँकि, इन सूचियों में एक कमी है। वे अक्सर विविध क्षेत्रों को इस तरह देखते हैं जैसे कि वहां के सभी लोग एक समान हों, और एक एकल "राष्ट्रीय" चित्र बनाने के लिए विवरणों का औसत निकाल देते हैं। यह दृष्टिकोण उन आबादी के लिए अच्छा काम करता है जो हजारों वर्षों से स्वतंत्र रूप से मिश्रित हुई हैं, लेकिन यह उन स्थानों के लिए विफल हो जाता है जहाँ लोग पीढ़ियों से विशिष्ट, अलग समुदायों में रहे हैं, जिससे उनकी आनुवंशिक रेखाएं अलग बनी हुई हैं।

भारत इसका सटीक उदाहरण है। यह 1.4 बिलियन से अधिक लोगों का घर है, लेकिन यह एक मिश्रित समूह नहीं है। इसके बजाय, यह 4,000 से अधिक विशिष्ट समुदायों का एक मोज़ेक है, जिनमें से कई ने हजारों वर्षों से सख्त अंतर्विवाह (endogamy)—यानी केवल अपने ही समूह के भीतर विवाह—का पालन किया है। इस सामाजिक संरचना ने प्रत्येक समुदाय में अद्वितीय आनुवंशिक हस्ताक्षरों को संरक्षित किया है, जिससे विविधता का एक ऐसा परिदृश्य बना है जो एक साधारण औसत द्वारा पकड़े जाने वाली जटिलता से कहीं अधिक है। जब वैज्ञानिक पूरे भारत के आनुवंशिक डेटा को देखते हैं, तो वे छोटे समूहों के भीतर छिपी विशिष्ट कहानियों को चूक जाते हैं। वे एक आनुवंशिक वेरिएंट को अत्यंत दुर्लभ मान सकते हैं क्योंकि वह कुल जनसंख्या में दुर्लभ है, यह समझे बिना कि एक विशिष्ट गाँव या जनजाति में वही वेरिएंट वास्तव में काफी सामान्य हो सकता है। इस गलतफहमी के कारण चिकित्सा में गंभीर त्रुटियां हो सकती हैं, जिससे डॉक्टर मरीजों का गलत निदान कर सकते हैं या महत्वपूर्ण स्वास्थ्य जोखिमों को पूरी तरह से अनदेखा कर सकते हैं।

शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए 'जीनोम इंडिया प्रोजेक्ट' के विस्तृत आनुवंशिक डेटा पर एक ताज़ा और सूक्ष्म दृष्टि डालने का निर्णय लिया, जिसने हाल ही में देश के 83 विभिन्न समुदायों के लगभग 10,000 लोगों के पूर्ण डीएनए का अनुक्रम (sequence) किया था। डेटा को एक बड़े, मिश्रित समूह के रूप में देखने के बजाय, शोधकर्ताओं ने उन्हें उनके मूल 83 विशिष्ट समुदायों में वापस विभाजित किया। वे देखना चाहते थे कि क्या होता है जब वे डेटा का औसत निकालना बंद कर देते हैं और बारीक विवरणों को देखना शुरू करते हैं। उन्होंने पाया कि "राष्ट्रीय औसत" न केवल एक सरलीकरण था; बल्कि यह एक विकृति थी जो सक्रिय रूप से महत्वपूर्ण चिकित्सा सत्यों को छिपा रही थी।

सबसे चौंकाने वाली खोज यह थी कि भारत में कितने दुर्लभ आनुवंशिक वेरिएंट मौजूद हैं। जब शोधकर्ताओं ने समूहों को अलग किए बिना डेटा को देखा, तो उन्होंने कुछ संख्या में दुर्लभ परिवर्तन देखे। लेकिन जब उन्होंने प्रत्येक समुदाय को व्यक्तिगत रूप से देखने के लिए परतों को हटाया, तो उन्होंने पाया कि अधिकांश आनुवंशिक विविधताएं—97 प्रतिशत से अधिक—अत्यंत दुर्लभ थीं, जो एक प्रतिशत से भी कम लोगों में दिखाई देती हैं। यह अंतरराष्ट्रीय डेटाबेस की तुलना में दुर्लभ वेरिएंट का बहुत अधिक अनुपात है जिसमें दक्षिण एशियाई लोग शामिल हैं। इसका कारण यह है कि ये दुर्लभ वेरिएंट समान रूप से वितरित नहीं हैं; वे विशिष्ट समुदायों में केंद्रित हैं। एक वेरिएंट जो राष्ट्रीय पूल में केवल एक या दो लोगों में दिखाई दे सकता है, वह एक ही अलग जनजाति के भीतर दर्जनों लोगों में पाया जा सकता है। उन्हें औसत बनाकर, राष्ट्रीय दृष्टिकोण ने इन वेरिएंट्स को अदृश्य बना दिया, जबकि वास्तव में, वे स्थानीय आबादी की परिभाषित विशेषताएं हैं।

इस अदृश्यता के खतरनाक परिणाम हैं कि आनुवंशिक डेटा की गुणवत्ता की जांच कैसे की जाती है। मानक आनुवंशिक परीक्षण में, वैज्ञानिक त्रुटियों को पहचानने के लिए एक गणितीय नियम का उपयोग करते हैं। यदि कोई आनुवंशिक वेरिएंट ऐसे पैटर्न में दिखाई देता है जो एक यादृच्छिक, मिश्रित आबादी के लिए अपेक्षित नहीं है, तो कंप्यूटर अक्सर इसे एक गलती के रूप में चिह्नित करता है और इसे हटा देता है। शोधकर्ताओं ने दिखाया कि चूंकि भारतीय समुदाय मिश्रित नहीं बल्कि विशिष्ट और अलग हैं, इसलिए कई वास्तविक, चिकित्सकीय रूप से महत्वपूर्ण वेरिएंट कंप्यूटरों को त्रुटि की तरह लगते हैं। उदाहरण के लिए, सिकल सेल एनीमिया का कारण बनने वाला एक जीन वेरिएंट एक ज्ञात, गंभीर स्थिति है। राष्ट्रीय डेटा में, यह वेरिएंट नियमों को इतनी बुरी तरह तोड़ता था कि कंप्यूटर इसे एक गड़बड़ी समझकर स्वचालित रूप से हटा देता। समुदायों का अलग-अलग विश्लेषण करके, शोधकर्ताओं ने सिद्ध किया कि ये वेरिएंट वास्तविक और महत्वपूर्ण थे, और डेटा की जांच करने का मानक तरीका वास्तव में उस जानकारी को हटा रहा था जिसकी डॉक्टरों को जीवन बचाने के लिए आवश्यकता होती है।

अध्ययन ने यह तय करने का एक नया तरीका भी बताया कि कौन से आनुवंशिक परिवर्तन हानिरहित हैं और कौन से खतरनाक। वर्तमान में, डॉक्टर यह निर्णय लेने के लिए वैश्विक डेटाबेस पर भरोसा करते हैं कि कोई वेरिएंट समस्या है या नहीं। यदि कोई वेरिएंट वैश्विक डेटाबेस में दुर्लभ है, तो उसे अक्सर खतरनाक माना जाता है। हालांकि, शोधकर्ताओं ने पाया कि वैश्विक डेटाबेस में जिन्हें "पैथोजेनिक" (रोगजनक) के रूपв लेबल किया गया है, उनमें से कई वास्तव में विशिष्ट भारतीय समुदायों में सामान्य और हानिरहित हैं। उन्होंने ऐसे 100 से अधिक वेरिएंट की पहचान की जिन्हें हानिरहित (benign) के रूप में पुनर्वर्गीकृत किया जाना चाहिए क्योंकि वे बड़े समूहों के लिए सामान्य आनुवंशिक संरचना का हिस्सा हैं। इसके विपरीत, उन्होंने 55 अन्य वेरिएंट भी पाए जो वैश्विक स्तर पर दुर्लभ हैं लेकिन विशिष्ट, अलग जनजातियों में बहुत आम हैं। ये उन समुदायों में बीमारी के वास्तविक कारण होने की संभावना रखते हैं, लेकिन उन्हें इसलिए अनदेखा किया जा रहा था क्योंकि वैश्विक डेटाबेस को उनके अस्तित्व का पता नहीं था। शोधकर्ताओं ने एक दो-मार्गी प्रणाली का प्रस्ताव दिया: एक ट्रैक जो हानिरक्षित वेरिएंट के झूठे अलार्म को दूर करे, और दूसरा जो अलग-थलग समूहों में पाए जाने वाले वास्तविक जोखिमों को सुरक्षित और प्राथमिकता दे।

शायद सबसे रोमांचक खोज "नेचुरल नॉकआउट्स" (natural knockouts) की खोज थी। आनुवंशिकी में, एक 'नॉकआउट' वह व्यक्ति है जिसके पास एक जीन की दो टूटी हुई प्रतियां होती हैं, जिसका अर्थ है कि उसका शरीर उस प्रोटीन का कोई कार्यशील संस्करण नहीं बनाता जिसे वह जीन बनाने के लिए होता है। आमतौर पर, ऐसे लोगों को खोजना अविश्वसनीय रूप से कठिन होता है क्योंकि टूटे हुए जीन इतने दुर्लभ होते हैं कि आपको केवल एक को खोजने के लिए सैकड़ों हजारों लोगों को स्कैन करने की आवश्यकता होती है। लेकिन भारत के छोटे समुदायों के भीतर विवाह के लंबे इतिहास के कारण, ये टूटे हुए जीन विशिष्ट समूहों में अधिक सामान्य हो गए हैं। शोधकर्ताओं ने 123 अलग-अलग जीन खोजे जहां वे उन लोगों की पहचान कर सके जो उस जीन का कार्य पूरी तरह से खो चुके हैं। इनमें से कुछ जीन जीवन के लिए आवश्यक हैं, लेकिन जो लोग इन टूटी हुई प्रतियों को ले जा रहे हैं वे स्वस्थ हैं, जो बताता है कि शरीर कभी-कभी उनके बिना जीवित रह सकता है। अन्य जीन इस बात से जुड़े हैं कि शरीर दवाओं को कैसे संसाधित करता है या बीमारियों से कैसे लड़ता है। क्योंकि ये लोग राष्ट्रीय औसत में छिपे हुए थे, वे पिछले अध्ययनों के लिए गणितीय रूप से अदृश्य थे। अब जब उन्हें खोज लिया गया है, तो वे यह समझने के लिए एक अनूठा अवसर प्रदान करते हैं कि मानव शरीर कैसे कार्य करता है और नए उपचार विकसित करने के लिए।

शोध ने यह भी मानचित्रित किया कि कैसे भारत के विभिन्न हिस्सों ने हजारों वर्षों में अपने विशिष्ट वातावरण के अनुकूल खुद को ढाला है। हिमालय के ऊंचे पहाड़ों में, लोगों ने एक आनुवंशिक लाभ विकसित किया है जो उन्हें पतली हवा में सांस लेने में मदद करता है, एक ऐसा गुण जो उन्होंने उन प्राचीन मानव रिश्तेदारों से विरासत में प्राप्त किया है जो बहुत पहले वहां रहते थे। दक्षिण के गर्म, आर्द्र जंगलों में, अन्य समुदातों में ऐसे आनुवंशिक परिवर्तन हैं जो मलेरिया के प्रति प्रतिरोधक क्षमता प्रदान करते हैं। उत्तर में, जहाँ डेयरी फार्मिंग आम है, लोगों में दूध पचाने के लिए उच्च आवृत्ति वाले जीन हैं जो वयस्कों के रूप में काम करते हैं। ये अनुकूलन पूरे देश में समान रूप से नहीं फैले हैं; वे तीक्ष्ण, स्थानीय विशेषताएं हैं जो पूरे मानचित्र को देखने पर गायब हो जाती हैं। पहाड़ों के व्यक्ति की दवा के प्रति प्रतिक्रिया मैदानी इलाकों के व्यक्ति की तुलना में बहुत भिन्न हो सकती है, भले ही वे दोनों भारतीय हों।

अध्ययन यह निष्कर्ष निकालता है कि भारत को एक एकल आनुवंशिक इकाई के रूप में मानना एक गलती है जो खराब चिकित्सा देखभाल की ओर ले जाती है। शोधकर्ताओं ने प्रदर्शित किया कि निष्पक्ष और सटीक चिकित्सा प्रदान करने के लिए, डॉक्टरों और वैज्ञानिकों को इस बात पर ध्यान देना चाहिए कि रोगी किस विशिष्ट समुदाय से आता है। उन्होंने दिखाया कि डेटा को उनके मूल 83 समुदायों में अलग करके, वे छिपे हुए जोखिमों को उजागर कर सकते थे, झूठे अलार्म को ठीक कर सकते थे और उन जैविक रहस्यों को पा सकते थे जिन्हें देखना पहले असंभव था। यह दृष्टिकोण केवल भारत के लिए नहीं है; यह दुनिया के किसी भी हिस्से में रहने वाले विशिष्ट, लंबे समय से चले आ रहे समुदायों को समझने के लिए एक ब्लूप्रिंट प्रदान करता है। यह सिद्ध करता है कि मानव स्वास्थ्य के रहस्यों को खोलने की कुंजी हमारी भिन्नताओं को औसत बनाकर मिटाने में नहीं, बल्कि उन्हें उनकी पूर्ण, विस्तृत जटिलता के साथ समझने में निहित है।