ആൽഫാജീനോം അറ്റ്ലസ്: ഡീപ്പ്മൈൻഡ് ഒമ്പത് ബില്യൺ DNA വകഭേദങ്ങൾ സ്കോർ ചെയ്തു

ഒമ്പത് ബില്യൺ എന്ന സംഖ്യയുടെ അർത്ഥമെന്ത്

ഡീഓക്സിറൈബോ ന്യൂക്ലിക് ആസിഡ് അല്ലെങ്കിൽ DNA, നാല് രാസ അടിത്തറകൾ ഉപയോഗിച്ച് ജനിതക വിവരങ്ങൾ സംഭരിക്കുന്നു. ഒരു മനുഷ്യ ജീനോമിൽ ഏകദേശം മൂന്ന് ബില്യൺ സ്ഥാനങ്ങൾ അടങ്ങിയിരിക്കുന്നു. ഓരോ സ്ഥാനത്തും, നിലവിലുള്ള ബേസിനെ മൂന്ന് ബദലുകളിൽ ഒരെണ്ണം ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കാം. ഇത് അറ്റ്ലസ് കാറ്റലോഗിന്റെ ഏകദേശ വ്യാപ്തിയെ വിശദീകരിക്കുന്നു.

ഇവ സാധ്യമായ മാറ്റങ്ങളാണ്, അല്ലാതെ രോഗികളിൽ നിരീക്ഷിച്ച ഒമ്പത് ബില്യൺ പരിവർത്തനങ്ങളല്ല. അല്ലെങ്കിൽ കാറ്റലോഗിൽ എല്ലാത്തരം ജനിതക മാറ്റങ്ങളും അടങ്ങിയിട്ടില്ല. കൂട്ടിച്ചേർക്കലുകൾ, ഒഴിവാക്കലുകൾ, വലിയ പുനർക്രമീകരണങ്ങൾ എന്നിവ വ്യത്യസ്ത പ്രശ്നങ്ങൾ ഉയർത്തുന്നു. ഒരു അക്ഷരമുള്ള കാറ്റലോഗ് എല്ലാ മനുഷ്യ ജനിതക വ്യതിയാനങ്ങളുടെയും പൂർണ്ണമായ വിവരണമാകാതെ തന്നെ വിപുലമാണ്.

എന്തുകൊണ്ട് കോഡിംഗ് അല്ലാത്ത പ്രദേശങ്ങൾ പ്രധാനമാണ്

ജീനോമിന്റെ ഒരു ചെറിയ ഭാഗം മാത്രമേ പ്രോട്ടീൻ സീക്വൻസുകളെ നേരിട്ട് വ്യക്തമാക്കുന്നുള്ളൂ. ജീനുകൾ എപ്പോൾ, എവിടെ, എത്ര ശക്തമായി പ്രവർത്തിക്കുന്നു എന്നതിനെ മറ്റ് പ്രദേശങ്ങൾക്ക് സ്വാധീനിക്കാൻ കഴിയും. പ്രോട്ടീനുകൾ നിർമ്മിക്കപ്പെടുന്നതിന് മുമ്പ് ജനിതക സന്ദേശങ്ങളുടെ പ്രോസസ്സിംഗിനെ ചിലത് ബാധിക്കുന്നു. അതിനാൽ പ്രോട്ടീൻ-കോഡിംഗ് പ്രദേശത്തിന് പുറത്തുള്ള ഒരു വേരിയന്റിന് സുപ്രധാന ജീവശാസ്ത്രപരമായ പ്രത്യാഘാതങ്ങൾ ഉണ്ടാകാം.

എന്നിരുന്നാലും, നോൺ-കോഡിംഗ് എന്നാൽ എല്ലാ സ്ഥാനത്തിനും ഒരു നിയന്ത്രണ പ്രവർത്തനം സ്ഥാപിക്കപ്പെട്ടിട്ടുണ്ടെന്ന് അർത്ഥമാക്കുന്നില്ല. പല പ്രവർത്തനങ്ങളും അനിശ്ചിതത്വത്തിലാണ്. അത്തരം എല്ലാ DNA ഉപയോഗശൂന്യമാണെന്ന് വിളിക്കുന്നത് തെറ്റിദ്ധരിപ്പിക്കുന്നതാണ്, എന്നാൽ എല്ലാ സ്ഥാനങ്ങളെയും തെളിയിക്കപ്പെട്ട ഒരു കൺട്രോൾ സ്വിച്ച് എന്ന് വിളിക്കുന്നതും അറിവിനെ അതിശയോക്തിപരമാക്കും. അപൂർണ്ണമായ ഈ ചിത്രം അന്വേഷിക്കാൻ പ്രവചന ഉപകരണങ്ങൾ സഹായിക്കുന്നു.

ഒരു മോഡലിൽ നിന്ന് തിരയാവുന്ന ഉറവിടത്തിലേക്ക്

ആൽഫാജീനോം അടിസ്ഥാന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലാണ്. റഫറൻസ് ജീനോമിലുടനീളം മുൻകൂട്ടി പ്രവചനങ്ങൾ നടത്തി നിർമ്മിച്ച ഒരു ഉറവിടമാണ് അറ്റ്ലസ്. ഈ വ്യത്യാസം വളരെ പ്രധാനമാണ് കാരണം ഉപയോക്താക്കൾ എല്ലാ കണക്കുകൂട്ടലും സ്വയം ആവർത്തിക്കേണ്ടതില്ല. അവർക്ക് ഫലങ്ങൾ വീണ്ടെടുക്കാനും സാധ്യമായ വകഭേദങ്ങൾ വേഗത്തിൽ താരതമ്യം ചെയ്യാനും കഴിയും.

തത്ഫലമായുണ്ടാകുന്ന ഡാറ്റാസെറ്റിന് ഏകദേശം ഒരു പെറ്റാബൈറ്റ് വലുപ്പമുള്ളതായി ഗൂഗിൾ വിവരിക്കുന്നു. ആ സ്കെയിൽ സംഭരിച്ച കണക്കുകൂട്ടൽ ഫലങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നു, അല്ലാതെ ലബോറട്ടറി പരീക്ഷണങ്ങളുടെ തുല്യ എണ്ണത്തെയല്ല. സ്വമേധയാ പര്യവേക്ഷണം ചെയ്യാൻ ബുദ്ധിമുട്ടുള്ള വിവരങ്ങൾ പോർട്ടൽ അവതരിപ്പിക്കുന്നു. സൗകര്യപ്രദമായ ആക്സസ് പ്രവചനങ്ങളിൽ നിന്നുള്ള അനിശ്ചിതത്വത്തെ ഇല്ലാതാക്കുന്നില്ല.

അറ്റ്ലസ് ഒരു ആൽഫാജീനോം വേരിയന്റ് ഇംപാക്ട് സ്കോർ അവതരിപ്പിക്കുന്നു, ഇതിനെ ചുരുക്കത്തിൽ AVI എന്ന് വിളിക്കുന്നു. കോഡിംഗ്, നോൺ-കോഡിംഗ് വേരിയന്റുകൾക്ക് മുൻഗണന നൽകാൻ സഹായിക്കുന്നതിന് ഇത് ആൽഫാജീനോം, ആൽഫാമിസ്സെൻസ് എന്നിവയിൽ നിന്നുള്ള വിവരങ്ങൾ സംയോജിപ്പിക്കുന്നു. ഉയർന്ന മുൻഗണന സൂക്ഷ്മമായ അന്വേഷണത്തെ നിർദ്ദേശിക്കുന്നു. ഒരു വ്യക്തിക്ക് രോഗമുണ്ടാകാനുള്ള സാർവത്രിക സാധ്യതയായി ഇതിനെ വ്യാഖ്യാനിക്കരുത്.

ഒരു ഗവേഷകൻ ഇത് എങ്ങനെ ഉപയോഗിച്ചേക്കാം

ഒരു സീക്വൻസിങ് പഠനത്തിന് ഏതാണ് പ്രധാനമെന്ന് വെളിപ്പെടുത്താതെ തന്നെ നിരവധി വകഭേദങ്ങളെ തിരിച്ചറിയാൻ കഴിഞ്ഞേക്കാം. ആ ലിസ്റ്റ് ചുരുക്കാൻ ഗവേഷകർക്ക് പ്രവചിക്കപ്പെട്ട തന്മാത്രാ ഫലങ്ങൾ ഉപയോഗിക്കാം. തുടർന്ന് അവർക്ക് ബാധിച്ച ജീൻ, ടിഷ്യു, ജീവശാസ്ത്രപരമായ പ്രക്രിയ എന്നിവ പരിശോധിക്കാൻ കഴിയും. ഇത് പരീക്ഷണങ്ങൾക്ക് കൂടുതൽ കേന്ദ്രീകൃതമായ ഒരു തുടക്കം സൃഷ്ടിക്കുന്നു.

ഉദാഹരണത്തിന്, പ്രാരംഭ റൈബോ ന്യൂക്ലിക് ആസിഡ് സന്ദേശത്തിൽ നിന്നുള്ള തിരഞ്ഞെടുത്ത വിഭാഗങ്ങളെ സ്പ്ലൈസിംഗ് നീക്കംചെയ്യുന്നു. മാറിയ ഒരു സ്പ്ലൈസ് സിഗ്നലിന് അന്തിമ സന്ദേശം മാറ്റാൻ കഴിയും. ഒരു വേരിയന്റ് ഈ പ്രക്രിയയെ തടസ്സപ്പെടുത്തുന്നു എന്ന പ്രവചനം പരിശോധിക്കാവുന്ന ഒരു സംവിധാനത്തെ നിർദ്ദേശിക്കുന്നു. ലബോറട്ടറി വിശകലനം ആ തടസ്സം യഥാർത്ഥത്തിൽ സംഭവിക്കുന്നുണ്ടോ എന്ന് ഇനിയും സ്ഥാപിക്കേണ്ടതുണ്ട്.

ബ്രോഡ് ഇൻസ്റ്റിറ്റ്യൂട്ടിലെ ഗവേഷകരുമായി നടത്തിയ ഇത്തരം ഒരു അന്വേഷണത്തെ ഗൂഗിൾ റിപ്പോർട്ട് ചെയ്യുന്നു. ഡൈനാമിൻ 1 ജീനിലെ, അതായത് DNM1 ലെ ഒരു വേരിയന്റിന് മുൻഗണന നൽകുകയും ലബോറട്ടറി പ്രവർത്തനങ്ങൾ പിന്തുടരുകയും ചെയ്തു. ആ സാഹചര്യത്തിൽ പരീക്ഷണങ്ങൾ പ്രവചിച്ച സ്പ്ലൈസിംഗ് ഫലത്തെ പിന്തുണച്ചു. ഈ ഉദാഹരണം എല്ലാ അറ്റ്ലസ് പ്രവചനങ്ങളെയും സാധൂകരിക്കുകയോ സാർവത്രിക ക്ലിനിക്കൽ പ്രകടനം സ്ഥാപിക്കുകയോ ചെയ്യുന്നില്ല.

അപൂർവ രോഗങ്ങൾക്കപ്പുറമുള്ള സാധ്യതകൾ

പരിസ്ഥിതി സാഹചര്യങ്ങൾക്കൊപ്പം നിരവധി ജനിതക സ്വാധീനങ്ങളും സാധാരണമായ പല സവിശേഷതകളിലും ഉൾപ്പെടുന്നു. പ്രവചിക്കപ്പെട്ട ഫലങ്ങളുടെ അടിസ്ഥാനത്തിൽ വകഭേദങ്ങളെ ഗ്രൂപ്പുചെയ്യുന്നത് ഈ സങ്കീർണ്ണമായ ബന്ധങ്ങളെക്കുറിച്ചുള്ള ഗവേഷണത്തെ മെച്ചപ്പെടുത്തിയേക്കാം. ഗൂഗിളിന്റെ അറിയിപ്പ് യുണൈറ്റഡ് കിംഗ്ഡം ബയോബാങ്ക് ഡാറ്റ ഉപയോഗിച്ചുള്ള പ്രവർത്തനങ്ങളെ വിവരിക്കുന്നു. റിപ്പോർട്ട് ചെയ്യപ്പെട്ട നേട്ടങ്ങൾ കണ്ടെത്തിയ ജനിതക ബന്ധങ്ങളെക്കുറിച്ചാണ്, അല്ലാതെ ഡയഗ്നോസ്റ്റിക് കൃത്യതയിലെ തുല്യമായ പുരോഗതിയെയല്ല.

സെല്ലുലാർ പശ്ചാത്തലങ്ങൾ തമ്മിലുള്ള താരതമ്യങ്ങളും മോഡൽ അനുവദിക്കുന്നു. വ്യത്യസ്ത ടിഷ്യൂകളിൽ ഒരു വേരിയന്റ് നിയന്ത്രണത്തെ വ്യത്യസ്തമായി ബാധിച്ചേക്കാം. ഒരു രോഗത്തിൽ എന്തുകൊണ്ട് പ്രത്യേക അവയവങ്ങൾ ഉൾപ്പെടുന്നു എന്നതിനെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾ സൃഷ്ടിക്കാൻ ഇത് സഹായിക്കുന്നു. അത്തരം അനുമാനങ്ങൾ ജീവിച്ചിരിക്കുന്ന ഒരു വ്യക്തിയിൽ തെളിയിക്കപ്പെട്ട കാരണങ്ങളുള്ള പാതകളിൽ നിന്നും വ്യത്യസ്തമായി തുടരുന്നു.

ശ്രദ്ധാപൂർവ്വമുള്ള ഉപയോഗത്തിന് എന്ത് ആവശ്യമാണ്

ഒരു പ്രവചനം എങ്ങനെ നിർമ്മിക്കപ്പെട്ടുവെന്നും പരീക്ഷിച്ചുവെന്നും ഗവേഷകർ പരിശോധിക്കേണ്ടതുണ്ട്. വേരിയന്റ് തരങ്ങൾ, ടിഷ്യുകൾ, പഠന ഗ്രൂപ്പുകൾ എന്നിവയിലുടനീളം പ്രകടനം വ്യത്യാസപ്പെട്ടേക്കാം. ഉപയോഗപ്രദമായ ഒരു ശരാശരി ബെഞ്ച്മാർക്കിന് ഒരു പ്രത്യേക പ്രയോഗത്തിൽ ദുർബലമായ ഫലങ്ങൾ മറച്ചുവെക്കാൻ കഴിയും. അതിനാൽ ഉറവിടത്തിന്റെ വലുപ്പം പോലെ സുതാര്യമായ വിലയിരുത്തലും പ്രധാനമാണ്.

രോഗലക്ഷണങ്ങൾ, കുടുംബ വിവരങ്ങൾ, തെളിയിക്കപ്പെട്ട ജനിതക തെളിവുകൾ എന്നിവയെ ആശ്രയിച്ചാണ് ക്ലിനിക്കൽ വ്യാഖ്യാനവും ഇരിക്കുന്നത്. ഒരു കമ്പ്യൂട്ടേഷണൽ സ്കോറിന് ആ വിപുലമായ വിലയിരുത്തലിനെ മാറ്റിസ്ഥാപിക്കാൻ കഴിയില്ല. രോഗികളുടെ ഡാറ്റയ്ക്ക് ഉചിതമായ സമ്മതം, സുരക്ഷ, പ്രൊഫഷണൽ കൈകാര്യം ചെയ്യൽ എന്നിവ ആവശ്യമാണ്. ഒരു റഫറൻസ് ഉറവിടം പൊതുവായി ലഭ്യമാകുന്നത് വ്യക്തിഗത ജീനോമിക് വിവരങ്ങൾ അനിയന്ത്രിതമാക്കുന്നില്ല.

ഉപസംഹാരം

ആൽഫാജീനോം അറ്റ്ലസ് തന്മാത്രാ പ്രവചനങ്ങളുടെ ഒരു വലിയ ശേഖരം പര്യവേക്ഷണം ചെയ്യാൻ എളുപ്പമാക്കുന്നു. മികച്ച മുൻഗണനാക്രമവും കൂടുതൽ വ്യക്തമായ പരീക്ഷണാത്മക ചോദ്യങ്ങളുമാണ് ഇതിന്റെ ഉടനടിയുള്ള സംഭാവന. സാധ്യമായ വകഭേദങ്ങൾ, പ്രവചിക്കപ്പെട്ട ഫലങ്ങൾ, സാധൂകരിക്കപ്പെട്ട കണ്ടെത്തലുകൾ എന്നിവ തമ്മിലുള്ള വ്യത്യാസം വ്യക്തമായി തുടരണം. ശാസ്ത്രീയവും ക്ലിനിക്കൽപരവുമായ മൂല്യം പ്രാരംഭ അറിയിപ്പിനപ്പുറമുള്ള സൂക്ഷ്മമായ പരിശോധനയെ ആശ്രയിച്ചിരിക്കും.