जीनोम कोई शुरू से आख़िर तक नहीं पढ़ता — सीक्वेंसिंग मशीन असल में करती क्या है

ज़्यादातर लोगों के मन में तस्वीर यही रहती है कि कोई मशीन क्रोमोसोम को एक सिरे से पकड़कर अक्षर-दर-अक्षर पढ़ती जाती है। असली सीक्वेंसिंग ऐसी बिल्कुल नहीं दिखती। जीनोम के लाखों छोटे टुकड़े किए जाते हैं, हर टुकड़ा अपने आप में पढ़ा जाता है — इस जानकारी के बिना कि वह कहाँ से आया था — और क्रम बाद में सॉफ़्टवेयर निकालता है, टुकड़ों के आपसी ओवरलैप से। मशीन से किताब नहीं निकलती, कागज़ की कतरनें निकलती हैं। और जीनोमिक्स की जो बातें उलझाती हैं — कुछ बदलाव पकड़ में क्यों नहीं आते, "पूरा मानव जीनोम" बीस साल के अंतर पर दो बार क्यों घोषित हुआ, रिपोर्ट में अनिश्चित नाम की श्रेणी क्यों होती है — वे सब इसी एक बुनियादी फ़ैसले से निकलती हैं।

टुकड़े करने की ज़रूरत ही क्यों पड़ी

क्योंकि बीस करोड़ अक्षर लंबे अणु को बिना रुके पढ़ लेने वाली कोई रसायन-विधि है ही नहीं। हर विधि की एक रीड लेंथ होती है — उतने अक्षर जितने वह सही-सही पढ़ पाती है, उसके बाद शुद्धता बिखर जाती है — और सबसे लंबी रीड भी एक अकेले क्रोमोसोम से हज़ारों गुना छोटी है।

इसलिए शॉटगन सीक्वेंसिंग इस सीमा को आँकड़ों से पार करती है। जीनोम की एक नहीं, लाखों कोशिकाओं से लाखों प्रतियाँ लीजिए। सबको बेतरतीब जगहों से तोड़िए। चूँकि हर प्रति अलग जगह से टूटती है, टुकड़े आपस में ओवरलैप करते हैं। पर्याप्त टुकड़े पढ़ लीजिए तो जीनोम की हर जगह कई अलग-अलग शुरुआत वाले टुकड़ों में आ जाती है — और यही ओवरलैप मूल क्रम दोबारा जोड़ने का ज़रिया बनते हैं।

इसीलिए सीक्वेंसिंग को कवरेज डेप्थ में गिना जाता है — "30×" का मतलब है कि हर अक्षर औसतन तीस अलग रीड में मौजूद था। यह गहराई फ़ालतू का दोहराव नहीं है, यही असली बदलाव और रसायन की चूक में फ़र्क़ बताती है: उन्तीस रीड से अलग बोलती एक रीड शोर है, जबकि तीस में से आठ रीड में दिखता एक ही बदलाव ऐसा संकेत है जिस पर कार्रवाई बनती है। कैंसर की सीक्वेंसिंग अक्सर कई सौ गुना गहराई पर होती है, ठीक इसीलिए कि म्यूटेशन नमूने की थोड़ी-सी कोशिकाओं में ही हो सकता है।

सैंगर: वह विधि जो आज भी बहस ख़त्म करती है

फ़्रेडरिक सैंगर के समूह ने 1977 में जो तरीक़ा छापा, वह ख़ूबसूरती से घुमावदार है। डीएनए टुकड़े की एंज़ाइम से नक़ल कीजिए, पर प्रतिक्रिया में थोड़ा डाइडिऑक्सी न्यूक्लियोटाइड मिला दीजिए — ऐसे बिगाड़े हुए अक्षर जो बनती हुई श्रृंखला में जुड़ तो जाते हैं, पर जिनके आगे कुछ नहीं जुड़ सकता। जहाँ भी ऐसा अक्षर लगा, वह नक़ल वहीं रुक गई।

लाखों प्रतियों पर यह चलाइए और हर संभव लंबाई पर रुकी हुई श्रृंखलाएँ मिलेंगी: पहली जगह पर रुकी, दूसरी पर, तीसरी पर। इन्हें आकार से अलग कीजिए, देखिए कि हर लंबाई के सिरे पर कौन-सा अक्षर बैठा है, और क्रम अपने-आप निकल आता है। आज की मशीनें चार फ़्लोरेसेंट रंग और कैपिलरी इलेक्ट्रोफ़ोरेसिस इस्तेमाल करती हैं और एक बार में 500 से 1,000 भरोसेमंद अक्षर देती हैं।

सैंगर धीमी है और पूरे जीनोम पर नहीं चल सकती, फिर भी कभी विदा नहीं हुई। यह आज भी पुष्टि का रोज़मर्रा क़दम है: कोई क्लीनिकल लैब जब बड़ी मशीन के नतीजे में कुछ महत्वपूर्ण पाती है, तो कार्रवाई से पहले अक्सर उस एक जगह को सैंगर से दोबारा जाँचती है।

आधुनिक फ़्लो सेल के भीतर क्या चल रहा है

जिन मशीनों ने जीनोम को सस्ता किया, वे सिंथेसिस-आधारित सीक्वेंसिंग को भारी पैमाने पर समानांतर चलाती हैं। टुकड़े काँच की फ़्लो सेल पर चिपका दिए जाते हैं और वहीं उनकी नक़लें बनती हैं, ताकि हर बिंदु एक जैसी प्रतियों का ऐसा गुच्छा बन जाए जो तस्वीर में दिखने भर को चमकीला हो। फिर मशीन चक्र चलाती है: चारों अक्षर बहा दो, जिनमें से हर एक पर रंग का टैग और एक रासायनिक रोक लगी है ताकि सिर्फ़ एक ही जुड़े; धो दो; पूरी सतह की तस्वीर लो; टैग और रोक काट दो; फिर वही दोहराओ।

हर चक्र में हर गुच्छे पर एक अक्षर जुड़ता है, और तस्वीर बता देती है कि करोड़ों जगहों में से किस पर कौन-सा रंग आया। डेढ़ सौ चक्र बाद आपके पास उन करोड़ों गुच्छों में से हर एक के डेढ़ सौ अक्षर हैं। रीड छोटी रहती है — कुछ सौ चक्रों बाद रसायन ताल से उतर जाता है — पर समानांतरता बहुत विशाल है, और यही वह सौदा है जिस पर यह पूरा क्षेत्र खड़ा हुआ।

लंबी रीड वाली मशीनें उलटा सौदा करती हैं। नैनोपोर विधि डीएनए की इकलौती लड़ी को झिल्ली में लगे प्रोटीन के छिद्र से गुज़ारती है और नापती है कि हर हिस्सा गुज़रते वक़्त आयनिक धारा में कितनी हलचल करता है — क्रम उसी धारा के उतार-चढ़ाव से पढ़ा जाता है। PacBio गोल टेम्पलेट को बार-बार पढ़कर सर्वसम्मत नतीजा निकालती है। दोनों प्रति-अक्षर शुद्धता में छोटी रीड से पीछे रही हैं, और दोनों आम तौर पर दसियों हज़ार अक्षर लंबी रीड देती हैं। यह लंबाई ऐशो-आराम नहीं है — अगले हिस्से की समस्या से निकलने का इकलौता रास्ता यही है।

छोटी रीड बताती है कि अक्षर कौन-से हैं। लंबी रीड बताती है कि जीनोम सजा कैसे है। क्लीनिकल जाँच से जो चीज़ें आज भी छूटती हैं, उनमें ज़्यादातर सजावट की हैं, अक्षरों की नहीं।

दोहराव, और बीस साल का ख़ालीपन

टुकड़े जोड़ना ऐसी पहेली है जिसमें बहुत-से टुकड़े हूबहू एक जैसे हैं। मानव जीनोम के बड़े हिस्से दोहराव वाले हैं — वही नमूना हज़ारों बार लगातार दोहराया हुआ, ख़ासकर सेंट्रोमियर और टेलोमियर के आसपास। ऐसे इलाक़े के भीतर पूरी तरह बैठी 150 अक्षर की रीड दस हज़ार जगहों से बराबर मेल खाती है, यानी वह अपने ठिकाने के बारे में कोई जानकारी देती ही नहीं।

इसीलिए 2003 में मानव जीनोम परियोजना का "पूरा होना" पूरा नहीं था। लगभग 8 प्रतिशत क्रम — सबसे मुश्किल, सबसे ज़्यादा दोहराव वाला हिस्सा — अनसुलझा रह गया और दो दशक वैसा ही पड़ा रहा। 2022 में जाकर टेलोमियर-टु-टेलोमियर कंसोर्शियम ने सचमुच बिना अंतराल वाला मानव जीनोम प्रकाशित किया, और यह संभव बनाया लंबी रीड ने, जो पूरे दोहराव-क्षेत्र को एक साथ लाँघकर उसके दोनों सिरों को अनोखे क्रम से बाँध सकती थी।

एक दूसरी, कम चर्चित सीमा भी है। मानव सीक्वेंसिंग लगभग हमेशा अलाइनमेंट से होती है: रीड को नए सिरे से जोड़ने के बजाय एक मानक संदर्भ जीनोम पर मिलाया जाता है, क्योंकि यह कहीं सस्ता पड़ता है। पर वह संदर्भ ख़ुद गिने-चुने दानदाताओं का क्रम है और दुनिया की ज़्यादातर आबादियों का प्रतिनिधित्व नहीं करता। जो भिन्नता किसी वंश-समूह में आम है और संदर्भ में है ही नहीं, वह ठीक से मिलती ही नहीं। इसीलिए ह्यूमन पैनजीनोम रेफ़रेंस कंसोर्शियम 2023 में एक के बजाय अनेक विविध जीनोमों से बने संदर्भ की ओर बढ़ा — और इसीलिए जीनोमइंडिया जैसी राष्ट्रीय कोशिशें, जिसने देश के विभिन्न जनसमूहों से दस हज़ार जीनोम सीक्वेंस करने का लक्ष्य रखा, और उससे पहले CSIR का इंडिजेन कार्यक्रम प्रतीकात्मक नहीं, वैज्ञानिक रूप से ज़रूरी हैं। जिस डेटाबेस में भारतीय जीनोम लगभग हैं ही नहीं, वह भारतीय मरीज़ों के लिए "अज्ञात" ही लौटाता रहेगा।

साफ़ रिपोर्ट के बाद भी क्या छूट सकता है

"डीएनए टेस्ट करवाना" तीन अलग चीज़ों के लिए कहा जाता है, और तीनों जीनोम का बहुत अलग-अलग हिस्सा देखती हैं।

जीन पैनल चुने हुए कुछ जीनों को बहुत गहराई से पढ़ता है — जब सवाल विशिष्ट हो तो यही सही औज़ार है। एक्सोम जीनोम के उस 1 से 2 प्रतिशत को कवर करता है जो प्रोटीन बनाता है, जहाँ अधिकांश ज्ञात रोगकारी बदलाव बैठते हैं, और बाक़ी छोड़ देता है। होल जीनोम सब कुछ लेता है, जीनों के बीच का वह नियामक क्रम भी, जहाँ अनसुलझे मामलों का जवाब बढ़-चढ़कर मिल रहा है।

पूरे जीनोम की गहराई पर भी तीन कमियाँ बनी रहती हैं। छोटी रीड एक-अक्षर के बदलाव और छोटे जुड़ाव अच्छी तरह पकड़ती है, पर स्ट्रक्चरल वेरिएंट — बड़े हिस्से का कट जाना, दोहरा जाना, उलट जाना — ठीक से नहीं पकड़ती, क्योंकि वे सजावट की समस्या हैं। उपभोक्ता जीनोटाइपिंग ऐरे और भी सीमित हैं: वे पहले से तय जगहों की सूची जाँचते हैं और सूची से बाहर की हर चीज़ के लिए बनावट से ही अंधे हैं। और जो मिलता है उसका बड़ा हिस्सा अनिश्चित महत्व वाला बदलाव क़रार दिया जाता है — यानी सीक्वेंसिंग बिल्कुल ठीक हुई, बस अभी किसी को नहीं पता कि उस बदलाव का असर क्या है। यह मशीन की नहीं, साहित्य की कमी है, और यह तभी भरती है जब ज़्यादा लोग सीक्वेंस हों और उनका आगे अध्ययन हो।

विद्यार्थियों और शोधकर्ताओं के लिए क्यों मायने रखता है

अब अड़चन सीक्वेंसिंग नहीं रही। 1990 के दशक में जिस जीनोम पर अरबों डॉलर और दस साल से ज़्यादा लगे, वह आज कुछ सौ डॉलर में एक-दो दिन में हो जाता है — यानी मुश्किल हिस्सा साफ़ तौर पर आगे खिसक गया है: अलाइनमेंट और असेंबली, वेरिएंट कॉलिंग, छँटाई, आबादी-आधारित संदर्भ की बनावट, और यह तय करने के आँकड़े कि कोई बदलाव सिर्फ़ मौजूद है या सचमुच कारण है।

इसी बदलाव की वजह से जीनोमिक्स अब जितना प्रयोगशाला का विषय है उतना ही कंप्यूटर का, और माँग उन लोगों की है जो दोनों कर सकें — रसायन भी चलाएँ और यह भी समझें कि पाइपलाइन डेटा के साथ आगे क्या करती है। आज बायोइंजीनियरिंग, आणविक जीवविज्ञान या बायोटेक्नोलॉजी में आने वाला कोई भी व्यक्ति अपने करियर का ज़्यादा समय रीड अलाइनमेंट, कवरेज के आँकड़ों और वेरिएंट की व्याख्या पर लगाएगा, सीक्वेंसर पर नहीं — और जिन शोधकर्ताओं को पता है कि रीड आई कहाँ से थी, वही उन गड़बड़ियों को पकड़ते हैं जिन्हें पाइपलाइन पूरे आत्मविश्वास से नतीजा बताकर छाप देती है।

अक्सर पूछे जाने वाले सवाल

डीएनए सीक्वेंसिंग असल में होती कैसे है?

जीनोम को लाखों छोटे, आपस में ओवरलैप करते टुकड़ों में तोड़ा जाता है, हर टुकड़ा अलग से ऐसी रसायन-विधि से पढ़ा जाता है जो एक-एक अक्षर पहचानती है, और सॉफ़्टवेयर ओवरलैप से मूल क्रम दोबारा जोड़ता है। कोई मशीन क्रोमोसोम को सिरे से सिरे तक लगातार नहीं पढ़ती।

सैंगर और नेक्स्ट-जनरेशन सीक्वेंसिंग में क्या फ़र्क़ है?

सैंगर एक बार में एक टुकड़ा पढ़ती है और 500 से 1,000 बेहद भरोसेमंद अक्षर देती है, इसलिए आज भी किसी एक नतीजे की पुष्टि के लिए इस्तेमाल होती है। नेक्स्ट-जनरेशन सीक्वेंसिंग फ़्लो सेल पर करोड़ों छोटे टुकड़े एक साथ पढ़ती है, और इसी वजह से पूरा जीनोम सस्ता पड़ता है।

30× कवरेज का मतलब क्या है?

मतलब यह कि जीनोम की हर जगह औसतन लगभग तीस स्वतंत्र रीड में आई। गहराई से ही असली बदलाव और मशीन की चूक में फ़र्क़ किया जाता है, इसलिए ज़्यादा गहराई ज़्यादा भरोसा देती है — और कैंसर की जाँच अक्सर कई सौ गुना कवरेज पर होती है।

अगर छोटी रीड ज़्यादा सटीक है, तो लंबी रीड क्यों ज़रूरी है?

क्योंकि दोहराव वाले हिस्सों में छोटी रीड बेकार हो जाती है: लंबे दोहराव के भीतर बैठी रीड हज़ारों जगहों से बराबर मेल खाती है। लंबी रीड पूरे दोहराव-क्षेत्र को लाँघ जाती है और बड़े संरचनात्मक बदलाव भी पकड़ती है — इसी से 2022 में पहला बिना अंतराल वाला मानव जीनोम पूरा हो सका।

क्या होल जीनोम सीक्वेंसिंग जीन पैनल से बेहतर है?

हमेशा नहीं। पैनल कम जीनों को कहीं ज़्यादा गहराई से पढ़ता है और किसी विशिष्ट क्लीनिकल सवाल का बेहतर जवाब देता है, जबकि होल जीनोम विस्तार देता है और नियामक बदलाव भी पकड़ता है। विस्तार के साथ अनिश्चित महत्व वाले नतीजे भी कहीं ज़्यादा आते हैं, जिनकी व्याख्या विशेषज्ञ ही कर सकता है।