प्रोकैरियोट्स के विकासवादी सिस्टमैटिक्स पर एक प्रयोग के लिए यूएमएल का उपयोग करना, और अप्रत्यक्ष रूप से वैज्ञानिकों के मनोविज्ञान पर

यह लेख प्रोकैरियोट्स या "मल्टी-प्रजाति मूल" के विकासवादी सिस्टमैटिक्स पर दो अन्य दिलचस्प परिणामों की निरंतरता है। अनुक्रमित जीवों के जीनोम डेटाबेस में त्रुटियां हैं ।

उनके बाद, मुझे इस मामले में रुचि रखने वाले और पेशेवरों दोनों से कुछ प्रतिक्रिया प्राप्त करने का सम्मान मिला। इसके अलावा, जैसा कि एक देख सकता था, एक जीवंत चर्चा थी। एक ओर, मैं प्राप्त टिप्पणियों का जवाब देना चाहूंगा।

दूसरे पर, एक नया प्रयोग करें। और यह उन लोगों के लिए लाने के लिए वांछनीय होगा जो इस तरह की चीजों में रुचि रखते हैं। यदि आपके पास समय नहीं है - शायद आपके पास मुफ्त प्रोसेसर समय है :)?



NCBI स्थिति

कालोबोक के लिए धन्यवाद, जो एनसीबीआई में काम करता है, मैं यह पता लगाने में सक्षम था कि "एनसीबीआई के लोग इस तरह के एक सरल क्रॉस-विश्लेषण क्यों नहीं करते हैं" (देखें अनुक्रमित जीवों के जीनोम - डेटाबेस में त्रुटियां )। मुझे कहना होगा कि कलोबोक के साथ बातचीत बहुत सुखद नहीं थी। सबसे पहले, कई टिप्पणीकारों की तरह, उन्होंने मुझे हर संभव तरीके से यह सिखाने की कोशिश की, कि मुझे कुछ भी समझ में नहीं आया, मैंने सब कुछ गलत किया, आदि।

पत्राचार से कुछ विशिष्ट उद्धरण यहां दिए गए हैं: " आपकी शिकायतों का सार ... डेटा के गलत उपयोग से संबंधित है। ... वहाँ ठीक करने के लिए कुछ भी नहीं है। आपको डेटा को सही ढंग से उपयोग करने की आवश्यकता है। ", जैसा कि एंटी-कोडन के लिए - मैंने पहले ही कहा था, मुझे विवरण याद नहीं है, इसलिए मैं टिप्पणी नहीं कर सकता। अपने ज्ञान के स्तर को देखते हुए, आपके पास इस विषय पर चर्चा करने का बहुत कारण नहीं है। सबसे पहले, यह पता करें कि क्या विभिन्न जीवों के जीनोम की तुलना करना संभव है। "," पहले हमें अपनी जानकारी 34-35-36 के बारे में बताएं। क्योंकि 99% की संभावना के साथ, कोई भी जीवविज्ञानी। जवाब देंगे कि यह नहीं है यह सच है कि आगे चर्चा करने के लिए कुछ भी नहीं है। फिर से समझने की कोशिश करें कि पेशेवर आधे शिक्षित स्कूली छात्र नहीं हैं, लेकिन मुझे संदेह नहीं है कि वे दोषपूर्ण डेटा के आधे से अधिक ड्राइव करते हैं। बल्कि, मैं यह मानूंगा कि आम आदमी गलत है। जो एक विदेशी क्षेत्र में प्रवेश किया। "," ध्यान रखें कि NCBI मुख्य रूप से जीवविज्ञानियों के उद्देश्य से है। वे उपलब्ध आंकड़ों और उपकरणों से पूरी तरह से संतुष्ट हैं। और अस्पष्ट मौसम विचारों वाले एकमात्र गैर-जीवविज्ञानी प्रोग्रामर नहीं हैं। "," यहां लेख पढ़ने के बाद बैक्टीरिया के जीनोम के समूह के मालिक की राय है: हां, काफी भोलेपन से ... इस तरह के काम पिछले 20 वर्षों से किए गए हैं। और यह कुछ अकेला हस्तकलाकार है ”

खैर, उस तरह की बात। शायद, कुछ ने चर्चा का नेतृत्व करने के लिए इस तरह के लहजे में संयम रखा होगा। लेकिन अफसोस, ये उन लोगों की वर्तमान नैतिकता है जिन्होंने जीव विज्ञान डिप्लोमा (बायोफिज़िक्स, बायोकेमिस्ट ...) प्राप्त किया है और प्रोग्रामिंग को थोड़ा समझना शुरू कर दिया है और अब एक सम्मानजनक स्थान पर काम करते हैं।

इस बुरी दुनिया में कैसे बचे :)

एक ऐसे व्यक्ति को क्या करना चाहिए जिसके पास उपयुक्त डिप्लोमा नहीं है, लेकिन एक संकीर्ण क्षेत्र में ज्ञान है, लेकिन उसका अपना क्षेत्र नहीं है? काश, हमेशा उसके साथ एक रिश्ता होता, जिसकी शुरुआत " आपकी पोस्ट एक प्रतिभाशाली छात्र के अहंकार के साथ हो रही है, " एक शिक्षाप्रद, जिसमें एक सुर में सुर मिलाते हुए " लेकिन वास्तव में यह बहुत दिलचस्प है। भाषा को सही करें, साहित्य की समीक्षा जोड़ें, विधियों और परिणामों का वर्णन करें, चर्चाओं से और अटकलों को दूर करें। शायद कुछ काम आएगा। "," > और वहां वे मंदिर में केवल $ $ मरेंगे - वे सामान्य काम नहीं करते हैं। यदि आप लिंक जोड़ते हैं, तो आप डिप्लोमा में टाइप कर सकते हैं; सही है, लेखक के साथ एक चर्चा से पता चलता है कि चीजें आगे नहीं बढ़ेंगी। "।

लेकिन यहां मुख्य बात कई मनोवैज्ञानिक बिंदुओं को समझना है। एक डिप्लोमा वाला व्यक्ति और एक गर्म स्थान वाला - अविश्वासी। यहां तक ​​कि उपयुक्त ज्ञान के बिना (एक व्यापक पहलू में नहीं, लेकिन इस विशेष कार्य में), वह खुद को "वार्ताकार से श्रेष्ठता" की भावना से बोलने की अनुमति देता है। चर्चा, एक नियम के रूप में, संक्षेप में आयोजित नहीं की जाती है, लेकिन वार्ताकार, या जानबूझकर अटकलें के सबसे कमजोर तर्क की मांग की जाती है, फिर "बेटे, पढ़ो, इसे पढ़ाओ" की सलाह दी जाती है, और एक नियम के रूप में, इस मुद्दे पर प्रासंगिक नहीं, मजबूत तर्क नजरअंदाज किए जाते हैं, और फिर यह स्पष्ट हो जाता है कि क्या आप एक डिप्लोमा हैं, जो आपकी माँ के साथ आपके पिता हैं, आदि।

मुझे यह मिला, अच्छी तरह से, 10 साल के दौरान, एक से अधिक बार। मेरी सलाह सरल है - इसे अनदेखा करें। उत्तेजनाओं से मूर्ख मत बनो, और यह मत सिखाओ कि वे आपसे क्या कहते हैं - आपको इसकी आवश्यकता नहीं है। इस तरह का पहला मामला मेरे स्कूल में था, जब मैंने साहित्यिक पात्रों के बारे में बात की थी, उदाहरण के लिए, "द मास्टर और मार्गरीटा" के बारे में या "युद्ध और शांति" से नताशा रोस्तोवा के बारे में। तब उन्होंने मुझे बताया कि मैंने जो नहीं पढ़ा है उसके बारे में नकारात्मक रूप से बोलना कैसे संभव है। तब मैं बहक गया और "मास्टर्स ..." पढ़ गया और फिर मैं इस विषय पर पूरी तन्मयता के साथ बोल सका। नताशा के साथ यह आसान था (मैंने उपन्यास को केवल तिरछे तरीके से पढ़ा), उन्होंने एक निबंध लिखा था - वहां उन्होंने दृढ़ता से लिखा कि इस लड़की को इतना महत्वपूर्ण ध्यान नहीं दिया जाना चाहिए - यह इसके लायक नहीं है। मूल्यांकन उत्कृष्ट था, रूप में एक टिप्पणी के साथ "सब कुछ उद्धरण के साथ बहुत अच्छी तरह से आधारित है, लेकिन रूसी आत्मा की अभिव्यक्ति के रूप में यह दूसरी तरफ से देखने लायक हो सकता है ..."। इसके लायक नहीं, मैंने तब कहा, और वयस्कता में चला गया :)

समय के साथ, मुझे उस समय के लिए खेद हुआ जब आप इसे व्हिस्की पर खर्च करते हैं। आप साहित्य से क्यों पूछते हैं - एक से एक में सभी, तब से सब कुछ निर्धारित किया गया है - या तो वे आपका नेतृत्व करेंगे, या आप खुद तय करेंगे।

और फिर भी - उपरोक्त सभी का मतलब यह नहीं है कि इस तरह की चर्चाओं से बचा जाना चाहिए। कभी भी अपने आप को अपने प्रतिद्वंद्वी की तरह व्यवहार न करें (हालांकि अक्सर यह आसान नहीं होता है) - उसके शब्दों में सच्चाई के अनाज की तलाश करें, वे वास्तव में अनाज हैं, लेकिन अगर आपके प्रतिद्वंद्वी के साथ आपकी चर्चा चल रही है - वह पहले से ही दिलचस्पी रखता है, और समय-समय पर वह कुछ देता है आपके लिए उपयोगी - फ़िल्टर करने में सक्षम हो।

हालाँकि, इस गेय विषयांतर के लिए क्षमा चाहते हैं। आगे की बात।

NCBI के साथ क्या हुआ?

जैसी कि उम्मीद थी, उन्होंने अपनी गलतियों को स्वीकार किया, लेकिन एक अच्छे चेहरे के साथ ऐसा किया :)

" जो डेटा आपने ftp से लिया है, वह शोधकर्ताओं द्वारा भेजे गए मूल अनुक्रम और एनोटेशन हैं। उन्हें अभी तक NCBI द्वारा सत्यापित नहीं किया गया है, और इसमें काफी त्रुटियां हो सकती हैं [वे के रूप में चिह्नित हैं] यह रिकॉर्ड अभी तक NCBI समीक्षा के अधीन नहीं है। ... सत्यापित आंकड़ों में भी, इस तरह की त्रुटियां हो सकती हैं, क्योंकि दोनों चेक की 100% विश्वसनीयता नहीं है, और ऐतिहासिक कारणों से (कई पुराने रिकॉर्ड में वे प्रस्तुतकर्ताओं के डेटा की विश्वसनीयता पर भरोसा करते थे और अतिरिक्त जांच नहीं करते थे - इसलिए अभी भी झूठ हैं)। इस तरह के डेटा की समय-समय पर समीक्षा की जाती है ... एक जीवविज्ञानी ने स्पष्ट रूप से कहा कि यदि किसी कारण से उसने जीनोम से कच्चे डेटा का उपयोग किया है, तो उसने इसे मैन्युअल रूप से समायोजित किया होगा। लेकिन सबसे अधिक संभावना है, उसने tRNAdb का उपयोग किया होगा [यह एक अलग डेटाबेस है, जहां कम डेटा है, लेकिन तय]]

" यहाँ, वैसे, एक अन्य कॉमरेड ने जवाब दिया। उनका कहना है कि अब डेटा की जाँच के लिए हमारा मानक कार्यक्रम केवल tRNA की शुद्धता की जाँच नहीं करता है। क्योंकि यह कंप्यूटिंग शक्ति के लिए बहुत महंगा है। वे इसके लिए एक अलग कार्यक्रम लिखने की योजना बनाते हैं, लेकिन अभी तक वहाँ अधिक प्राथमिकता वाले कार्य हैं। रुको। ”

इसलिए, गीत के बोल हैं, लेकिन तथ्य एक तथ्य निकला। आप लंबे समय तक एक गैर-जीवविज्ञानी प्रोग्रामर पर "हमला" कर सकते हैं, लेकिन तथ्य यह है कि NCBI के 50% से अधिक डेटा सत्यापित नहीं हैं - एक विश्वसनीय और मान्यता प्राप्त तथ्य है। इसे NCBI की आलोचना के रूप में नहीं लिया जाना चाहिए - वे करते हैं और इसमें बहुत सारी अच्छी जानकारी होती है, जो त्रुटियों के साथ भी मूल्यवान है। यह सिर्फ जीवविज्ञानियों के लिए जानकारी के लिए है जिन्होंने पिछले लेखों में टिप्पणियों में कहानियों को बताया था।

वे इस डेटा को सही करने जा रहे हैं, लेकिन यह उनके लिए प्राथमिकता नहीं है, क्योंकि इन त्रुटियों में से कई पर ध्यान नहीं दिया जाता है, यदि वे नोटिस करते हैं कि वे सही हैं। लेकिन अगर वे इसे स्वयं ठीक करते हैं, क्योंकि वे दूसरों से त्रुटियों की सूची पर भरोसा नहीं करते हैं।

बग फिक्स हम इंतजार नहीं करेंगे। लेकिन इसके बिना क्या किया जा सकता है?

लेख की मुख्य आलोचना। प्रोकैरियोट्स या "बहु-प्रजाति उत्पत्ति" के विकासवादी तंत्र के बारे में दिलचस्प परिणाम निम्नलिखित दावे में शामिल हैं " आप एक जीन को माप के रूप में नहीं मान सकते हैं "। मैं इससे पूरी तरह सहमत हूं, और नए प्रयोगों को इसे ठीक करना चाहिए।

कुछ संख्या। अब NCBI में लगभग 2,000 जीवाणु जीनोम हैं। प्रयोग की तैयारी में, मैंने इस तरह से लेबल किए गए सभी tRNA को चुना। वे 40 हजार से अधिक अद्वितीय विविधताएं निकले। लेकिन अफसोस, उनमें कई गलतियाँ हैं।

लेकिन मुझे लगा कि आप पूर्ण त्रुटि सुधार के चरण को छोड़ सकते हैं। यह कैसे करना है? मैंने अनुक्रम के अंत में CCA के अंत की उपस्थिति और लंबाई से संकेतित tRNAs को छांटा। मुझे यह कहना चाहिए कि किसी भी tRNA के लिए CCA अनुक्रम आवश्यक है, और लंबाई 74 से 96 न्यूक्लियोटाइड हो सकती है।

एक एकल न्यूक्लियोटाइड से tRNA के नीचे या 1300 :) से अधिक NCBI में कई चमत्कार हैं (आप मुस्कुराए बिना नहीं कह सकते हैं)। इसलिए, मैंने उन दृश्यों को हटा दिया जिनकी लंबाई 70 तक है और 100 से अधिक है, साथ ही साथ जो सीसीए में समाप्त नहीं होते हैं।

उनमें से लगभग 20,000 हैं। ये सबसे अधिक संभावना वाले tRNA हैं जिनमें NCBI की त्रुटियाँ नहीं हैं। TRNA के शेष आधे हिस्से के साथ - आप बाद में इसका पता लगा सकते हैं।

वास्तव में, नियोजित प्रयोग के लिए, इससे कोई फर्क नहीं पड़ता कि इस विशेष अनुक्रम में लंबाई में 70-100 न्यूक्लियोटाइड हैं या नहीं। क्यों? चूंकि मैं 2000 जीवाणुओं के जीनोम की दोबारा जांच करने जा रहा हूं, तो क्या वास्तव में ऐसे क्रम हैं - त्रुटियों को बाहर रखा जाएगा। और tRNA वास्तव में दूसरी चीज है या नहीं। मुख्य बात यह है कि डीएनए के महत्वपूर्ण जीव अलग-अलग जीवों में मेल खाते हैं। जीनोम में 70-100 की अनुक्रम लंबाई का संयोग आकस्मिक से बहुत दूर है। पहले से ही एक लंबाई> 10 के बाद, संयोग की यादृच्छिकता शून्य तक पहुंचती है, और 70-100 पर यह पहले से ही जीनोम का कुछ महत्वपूर्ण हिस्सा है जो संयोग से विभिन्न जीवों में बस मेल नहीं खा सकता है।

इसलिए, अब मैं क्या कर रहा हूं। मैं इन 20,000 tRNA को लेता हूं और पाता हूं कि वे किस बैक्टीरिया में मौजूद हैं। यदि अनुक्रम केवल एक जीव में मौजूद है, तो यह दिलचस्प नहीं है। और सबसे अधिक संभावना है कि यह एक गलत अनुक्रम है। और इस प्रकार त्रुटियों का पर्याप्त प्रतिशत समाप्त हो जाता है।

यदि अनुक्रम एक से अधिक जीवों में है, तो यह दो जीवों के बीच एक संबंध (संबंध) है।

इसके बाद यह सवाल आया कि इसे अच्छी तरह से कैसे देखा जाए। विचार यह है - शरीर एक वर्ग है। एक पेड़ के रूप में मौजूदा फ़ाइग्लोजेनेटिक टैक्सोनॉमी कक्षाओं के बीच विरासत है।

tRNA एक वर्ग गुण है, और विभिन्न जीवों में इन गुणों का एकत्रीकरण क्षैतिज जीन स्थानांतरण (एक ही संघ) है।

कोड के संबंधित कंकाल को उत्पन्न करने के बाद, आप इसे स्वचालित रूप से यूएमएल का उपयोग करके प्रदर्शित कर सकते हैं और नेत्रहीन रूप से वर्ग आरेख में इन सभी संबंधों को देख सकते हैं।

क्या समस्या है?

अब समस्या CPU समय है। मैं 2000 जीवाणु जीनोम में 20,000 tRNA की उपस्थिति के लिए आधार बनाता हूं। प्रति दिन केवल लगभग 100 tRNA संसाधित किए जाते हैं। इसलिए, मैं उन लोगों का आभारी रहूंगा जो रुचि रखते हैं और प्रोसेसर समय के साथ मदद करते हैं - अच्छी तरह से, जैसे कि एक असंबद्ध परियोजना :)

अगर किसी को दिलचस्पी है, तो व्यक्तिगत संदेशों में लिखें - आपको लगभग 50 जीबी की हार्ड ड्राइव पर जगह चाहिए, मुझे यह बताने के लिए थोड़ा समय कि क्या है, और फिर मैं प्रसंस्करण के लिए 100 टीआरएनए के पैकेट भेज सकता हूं, और आप मुझे प्रसंस्करण के बाद परिणाम भेज सकते हैं।