APAmiRank integrates alternative polyadenylation isoform usage into microRNA target prioritization

प्रत्येक कोशिका के भीतर, आणविक प्रबंधकों (molecular managers) की एक जटिल प्रणाली जीन गतिविधि को संतुलन में रखने के लिए कार्य करती है। इनमें से सबसे महत्वपूर्ण प्रबंधकों में से एक सूक्ष्म अणु है जिसे माइक्रोआरएनए (microRNA) कहा जाता है। एक माइक्रोआरएनए को एक विशिष्ट चाबी के रूप में समझें जो मैसेंजर आरएनए (messenger RNA) स्ट्रैंड पर लगे एक ताले में फिट बैठती है, जो प्रोटीन बनाने के निर्देशों को ले जाने वाला अणु है। जब चाबी फिट होती है, तो यह आमतौर पर उस प्रोटीन के उत्पादन को धीमा कर देती है या रोक देती है। वर्षों से, वैज्ञानिक इस बात की भविष्यवाणी करने का प्रयास कर रहे हैं कि ये चाबियाँ वास्तव में किन जीनों को लॉक करेंगी, लेकिन यह कार्य कठिन है क्योंकि "ताले" हमेशा एक ही स्थान पर नहीं होते हैं। प्रोटीन के लिए निर्देश अक्सर एक लंबे गैर-कोडिंग आनुवंशिक पदार्थ की पूंछ (tail) द्वारा अनुसरण किए जाते हैं। यह पूंछ, जिसे 3' अनट्रांसलेटेड रीजन (3' untranslated region) के रूप में जाना जाता है, उन बाइंडिंग साइट्स को समाहित करती है जहाँ माइक्रोआरएनए जुड़ते हैं। हालाँकि, कोशिकाएं हमेशा इस पूंछ की पूरी लंबाई का उपयोग नहीं करती हैं। 'अल्टरनेटिव पॉलीएडेनाइलेशन' (alternative polyadenylation) नामक प्रक्रिया के माध्यम से, एक कोशिका पूंछ को छोटा करने या उसे लंबा छोड़ने का विकल्प चुन सकती है, जिससे प्रभावी रूप से यह बदल जाता है कि माइक्रोआरएनए चाबियों को खोजने के लिए कौन से ताले उपलब्ध हैं। यदि कोशिका पूंछ को छोटा करती है, तो वह ताले को पूरी तरह से हटा सकती है, जिससे जीन बिना किसी नियंत्रण के चलता रहता है। वास्तव में किन जीनों को विनियमित किया जा रहा है, इसे समझने के लिए न केवल यह जानना आवश्यक है कि ताले कहाँ हैं, बल्कि यह भी जानना आवश्यक है कि कोशिका कितनी बार उन्हें रखने का विकल्प चुनती है।

इस्तांबुल में कोच यूनिवर्सिटी (Koç University) के शोधकर्ताओं की एक टीम ने इस विशिष्ट समस्या को हल करने के लिए 'APAmiRank' नामक एक नया उपकरण विकसित किया है। आनुवंशिक पूंछ को एक स्थिर, अपरिवर्तनीय संरचना मानने के बजाय, यह नया ढांचा माइक्रोआरएनए के एक संभावित लक्ष्य के साक्ष्य को इस आधार पर तौलता है कि वह लक्ष्य कोशिका के सक्रिय निर्देशों में कितनी बार वास्तव में मौजूद होता है। शोधकर्ताओं ने एक कंप्यूटर प्रोग्राम बनाया जो संभावित मिलानों की मानक सूची लेता है और उन्हें वास्तविक डेटा का उपयोग करके समायोजित करता है कि किसी विशिष्ट कोशिका प्रकार में आनुवंशिक पूंछ के कौन से संस्करण उपयोग किए जा रहे हैं। इसके बाद उन्होंने यह देखने के लिए कि क्या इन बदलती पूंछों को ध्यान में रखने से भविष्यवाणियां अधिक सटीक होती हैं, इस उपकरण का परीक्षण विभिन्न प्रकार के प्रयोगात्मक डेटा के विरुद्ध किया। लक्ष्य एक पूर्ण 'क्रिस्टल बॉल' बनाना नहीं था जो प्रत्येक अंतःक्रिया की भविष्यवाणी करे, बल्कि एक अधिक विश्वसनीय तरीका बनाना था जिससे यह प्राथमिकता दी जा सके कि किसी दिए गए परिवेश में एक विशिष्ट माइक्रोआरएनए द्वारा किन जीनों को नियंत्रित किए जाने की सबसे अधिक संभावना है।

शोधकर्ताओं ने छह अलग-अलग कोशिका प्रकारों और कई अलग-अलग माइक्रोआरएनए के डेटा का उपयोग करके अपने सिस्टम का परीक्षण किया। उन्होंने अपने नए, 'एक्सपोज़र-अवेयर' (exposure-aware) स्कोर की तुलना पुराने स्कोर से की जिन्होंने बदलती पूंछों की अनदेखी की थी। प्रत्येक तुलना में, यह जानकारी जोड़ना कि पूंच कितनी बार मौजूद थी, वास्तव में उन जीनों को दबाने (repressed) की भविष्यवाणी करने की क्षमता में सुधार करता था जिन्हें नियंत्रित किया जा रहा था। यह सुधार मापने योग्य और सुसंगत था, जो यह सुझाव देता है कि साइट की "एक्सपोज़र" (exposure)—यानी वह अंश समय जब वह उपलब्ध होती है—को जानने से भविष्यवाणी में वास्तविक मूल्य जुड़ता है। जब टीम ने उन जीनों को देखा जिन्हें प्रयोगशाला प्रयोगों द्वारा लक्ष्यों के रूप में पुष्ट किया गया था, तो उनके नए तरीके ने उन्हें पुराने तरीके की तुलना में रैंकिंग सूची में उच्च स्थान पर सफलतापूर्वक रखा। माइक्रोआरएनए और उनके लक्ष्यों के बीच सीधे भौतिक अंतःक्रियाओं से जुड़े परीक्षणों में, नए उपकरण ने मजबूत प्रदर्शन दिखाया, जिसने उन ज्ञात संबंधोंों की सफलतापूर्वक पहचान की जिन्हें अन्य तरीकों ने छोड़ दिया था।

हालाँकि, अध्ययन से यह भी पता चला कि यह सुधार कोई जादुई समाधान नहीं है जो हर स्थिति में एक ही तरह से काम करता हो। जबकि नया तरीका लक्ष्यों की पहचान करने में लगातार मदद करता है, लाभ का आकार अध्ययन किए जा रहे विशिष्ट माइक्रोआरएनए और कोशिका प्रकार के आधार पर भिन्न होता है। कुछ मामलों में, सटीकता में वृद्धि कम थी; अन्य में, यह काफी बड़ी थी। शोधकर्ताओं ने पाया कि उपकरण तब सबसे अच्छा काम करता है जब माइक्रोआरएनए का लक्ष्य स्थल आनुवंशिक पूंछ के उस हिस्से में स्थित होता है जिसे कोशिका की जरूरतों के आधार पर बार-बार काटा जाता है या लंबा रखा जाता है। जब लक्ष्य स्थल हमेशा मौजूद रहता था, चाहे पूंछ की लंबाई कुछ भी हो, तो नए तरीके ने पुराने तरीके की तुलना में बहुत कम लाभ दिया। यह सूक्ष्म अंतर महत्वपूर्ण है: यह उपकरण मौजूदा तरीकों को प्रतिस्थापित नहीं करता है, बल्कि उनमें संदर्भ की एक ऐसी परत जोड़कर उन्हें परिष्कृत करता है जो पहले गायब थी।

यह सुनिश्चित करने के लिए कि उनके परिणाम केवल एक भाग्यशाली अनुमान नहीं थे, शोधकर्ताओं ने अपने उपकरण का परीक्षण जीन जोड़ों के एक सेट पर भी किया जिन्हें अलग, उच्च-गुणवत्ता वाले प्रयोगशाला अध्ययनों में मैन्युअल रूप से सत्यापित किया गया था। ये जोड़े विश्लेषण के बिल्कुल अंत तक कंप्यूटर प्रोग्राम से छिपे रहे। टूल ने इन सत्यापित जोड़ों को सफलतापूर्वक अपनी सूची के शीर्ष के पास रखा, उन्हें शीर्ष दस प्रतिशत उम्मीदवारों में स्थान दिया। इसने पुष्टि की कि सिस्टम वास्तव में, जैविक रूप से महत्वपूर्ण लक्ष्यों को खोज सकता है, भले ही उसने उन्हें पहले कभी न देखा हो। फिर भी, जब शोधकर्ताओं ने अपने नए टूल की सीधे अन्य लोकप्रिय प्रेडिक्शन सॉफ्टवेयर के विरुद्ध तुलना करने की कोशिश की, तो उन्होंने पाया कि दोनों सिस्टम अक्सर पूरी तरह से अलग जीन सेट देखते हैं। क्योंकि वे इस बात पर अलग-अलग नियम लागू करते थे कि एक वैध लक्ष्य किसे माना जाए, इसलिए एक सीधा "विजेता-ले-जाता-है" (winner-take-all) तुलना संभव नहीं थी। अध्ययन ने निष्कर्ष निकाला कि हालांकि APAmiRank उम्मीदवारों को आगे के अध्ययन के लिए प्राथमिकता देने का एक शक्तिशाली नया तरीका है, लेकिन यह अभी भी अन्य सभी तरीकों का निश्चित प्रतिस्थापन नहीं है।

यह कार्य जीन विनियमन को समझने की दिशा में एक महत्वपूर्ण कदम है, जो केवल आनुवंशिक क्षमता के स्थिर मानचित्रों से आगे बढ़कर कोशिका के भीतर वास्तव में क्या हो रहा है, उसके गतिशील दृश्यों की ओर बढ़ता है। आनुवंशिक परिदृश्य के क्षण-दर-क्षण बदलने को स्वीकार करके, शोधकर्ताओं ने वैज्ञानिकों के उपयोग के लिए एक अधिक यथार्थवादी ढांचा प्रदान किया है। यह उपकरण अब अन्य शोधकर्ताओं के उपयोग के लिए उपलब्ध है, जो संभावित लक्ष्यों की सूचियाँ उत्पन्न करने का एक तरीका प्रदान करता है जो कोशिका के वास्तविक व्यवहार पर आधारित हैं। हालांकि अध्ययन यह दावा नहीं करता है कि उसने जीन विनियमन की पूरी पहेली को हल कर लिया है, लेकिन इसने सफलतापूर्वक प्रदर्शित किया है कि बदलते आनुवंशिक पूंछ की लंबाई पर ध्यान देने से नियामक कनेक्शनों की खोज अधिक सटीक और अधिक विश्वसनीय हो जाती है।