प्रोजेक्ट "प्रोकैरियोटिक जीनोम" - एक वैज्ञानिक स्टार्टअप

इस परियोजना की कल्पना बहुत पहले की गई थी। लगभग 5 साल पहले, मेरा मानना ​​था कि जीनोमिक्स में कई परिणाम जीव विज्ञान से दूर लोगों द्वारा प्राप्त किए जा सकते हैं, जो मैं पूरी तरह से हूं। बेशक, इस समय के दौरान मैंने थोड़ी शब्दावली पकड़ ली और थोड़ा सीखा कि विशेषज्ञ कैसे काम करते हैं। लेकिन जितना अधिक मुझे पता चला कि विशेषज्ञ कैसे काम करते हैं, जितना अधिक अस्वीकृति मेरे कारण हुई। मेरा मानना ​​है कि वे स्पष्ट रूप से बहुत अवांछनीय रूप से जटिल करते हैं, जिसके परिणामस्वरूप एक कठिन क्षेत्र अगम्य हो जाता है। जबकि सब कुछ काफी सरल और कुशलता से किया जा सकता है। और हां, मैं उनके साथ प्रतिस्पर्धा करने की कोशिश कर रहा हूं (निश्चित रूप से, केवल एक निश्चित संकीर्ण क्षेत्र में), चाहे वह कितना भी भोला दिखता हो।

इस परियोजना की पूरी समस्या यह है कि मैं इसका एकमात्र पूर्ण भागीदार हूं। बेशक, मैं इस दौरान कई लोगों के साथ बात करने में कामयाब रहा और कई का परियोजना पर वास्तविक प्रभाव पड़ा। उन सभी को धन्यवाद। यह स्पष्ट है कि एक गैर-लाभकारी परियोजना सफलता पर बहुत अधिक भरोसा नहीं कर सकती है। हां, वास्तव में, प्रत्येक वैज्ञानिक परियोजना के पीछे एक लाख संक्रमण और गंभीर वैज्ञानिकों की एक टीम के बारे में ठोस है। हमारे पास यह नहीं है, लेकिन केवल मानवतावाद और उत्साह है।

इसलिए, सबसे पहले, मुझे उन लोगों से सलाह की जरूरत है, जिनके पास गैर-वाणिज्यिक आधार पर ऐसी परियोजनाएं शुरू करने का अनुभव है। दूसरे, हमें प्रोग्रामर की एक टीम की आवश्यकता है (जीव विज्ञान के ज्ञान से, यदि आवश्यक हो, तो मैं आपको मुक्त कर दूंगा :))। और अब मैं ऐसे उत्साही लोगों को ढूंढना चाहूंगा जो परियोजना के मुख पृष्ठ पर काम करने दें (विनम्रतापूर्वक कहें) कृपया (tac@inbox.lv पर मुझे लिखें या हैबर के व्यक्तिगत संदेशों द्वारा)। और निश्चित रूप से, कोई अन्य प्रतिक्रिया और सुझाव महत्वपूर्ण है।

और नीचे मैं विचार बताऊंगा और परियोजना क्या दावा करती है, साथ ही वर्तमान परिणाम, और सबसे खराब स्थिति में, वे विशेषज्ञों द्वारा दिए गए लोगों के लिए तुलनीय हैं। लेकिन मैं काफी आत्म-आलोचनात्मक हूं, इसलिए मैं आलोचना सुनने के लिए हमेशा तैयार हूं - अधिमानतः मेरे लिए नहीं, बल्कि परियोजना के लिए।

विचार से लेकर कंप्यूटर प्रयोग तक

मैं एक कच्चा विचार प्रस्तुत नहीं करूंगा, बहुत कुछ पहले से ही कवर किया गया है और मेरे द्वारा हैबर पर पिछले लेखों में वर्णित किया गया है। [हालांकि, मैं कुछ शब्द सम्मिलित करूंगा, क्योंकि नीचे, कई लोग शिकायत करते हैं कि मैंने "बल्ले से सही" शुरू किया। परियोजना का मुख्य विचार / कार्य यह समझना है कि बैक्टीरिया कैसे विकसित हुए और उनका डीएनए क्रमिक रूप से कैसे बदला गया। ऐसा करने के लिए, हम प्रजातियों के विचलन का एक पेड़ बनाते हैं और उनका विश्लेषण करते हैं।] मैं एक नया वर्णन करूंगा, जिसे ऑल-व्हील ड्राइव प्रयोग कहा जाता है। लेकिन पहले, मुझे आपको समस्याओं से परिचित कराने की आवश्यकता है और फिर समझें कि प्रयोग के परिणामों का मूल्यांकन कैसे करें।

Phylogenetic संकेत

यहां हम इस शब्द पर चर्चा करने का प्रयास करेंगे, जिसे एक जीवविज्ञानी ने मेरा ध्यान आकर्षित किया।

एक सामान्य पूर्वज से जानवरों के विकास की उत्पत्ति के साथ, यह माना जाता है कि प्रजातियों की उत्पत्ति के एकल वृक्ष जैसी पदानुक्रमित संरचना का निर्माण करना संभव है। इस मामले में, कोई बुनियादी अंतर नहीं है जो आधार के रूप में लेने के संकेत देता है। बस, विश्लेषण में जितने अधिक जीन शामिल किए गए हैं, उतने ही खराब प्रमाणित साइटों के पेड़ में कम अवशेष हैं। इसी समय, यदि वर्गीकृत वस्तुएं एक सामान्य पूर्वज से नहीं आती हैं, तो एक भी पेड़ जैसी पदानुक्रमित संरचना नहीं है। ऐसी वस्तुओं का वर्गीकरण या तो मूल रूप से अलग-अलग हो जाता है, जब विभिन्न प्रकार के लक्षण (जीन) का उपयोग करते हैं, या मूल रूप से "वुडी" नहीं होते हैं।

लेकिन विभिन्न आधारों पर निर्मित "पेड़ों" के संयोग से हमें "phylogenal सिग्नल" की उपस्थिति के बारे में माना जाता है। और जीन के विभिन्न सेटों पर निर्मित पेड़ों के बीच छोटे अंतर, हमारे पास अधिक शक्तिशाली "फ़ाइलेगनेटिक सिग्नल" है। लेकिन जो महत्वपूर्ण है, वह बात सच नहीं है।

यह अक्सर कहा जाता है कि यह संकेत वास्तव में मौजूद है और मेल खाता है। लेकिन यह पूरी तरह से सच नहीं है, इसलिए मुझे एक लेख आया जो इस संबंध में कुछ अधिक महत्वपूर्ण है।

सबसे पहले, वे संकेत करते हैं कि:

यह माना जाता है कि कई जीनों का विश्लेषण शोर से अधिक होने से पहले फायलोजेनेटिक सिग्नल को बढ़ा सकता है और विभिन्न जीनों के बीच संघर्ष का सही समाधान प्राप्त कर सकता है। लेकिन

[कई निजी उदाहरण हैं]

यह सब बताता है कि बड़ी संख्या में जीनों के लिए फेलोगेनी के पुनर्निर्माण के मौजूदा तरीके एकल जीन के लिए जानी जाने वाली कलाकृतियों को राहत नहीं देते हैं। यहां, विकासवादी मॉडल की धारणा, प्रजातियों के विकास की दर में अंतर, संरेखण की त्रुटियां और ऑर्थोलॉग्स की पसंद, और टैक्सोनोमिक सैंपलिंग का अपर्याप्त प्रतिनिधित्व उसी तरह से प्रभावित कर सकता है। मल्टीजेनिक फिलाजेनेटिक विश्लेषण की कलाकृतियों को खत्म करने के लिए, डेटा चयन प्रस्तावित है, जो निश्चित रूप से, यह इतना औपचारिक नहीं बनाता है। इस प्रकार, आधुनिक फाइटोलेंकोमिक्स के अभ्यास से पता चलता है कि तुलना में जीन की संख्या के साथ फेलोग्नी पुनर्निर्माण के लिए सांख्यिकीय समर्थन बढ़ता है, हालांकि, पूरे या इसके व्यक्तिगत नोड्स के रूप में पेड़ के लिए सांख्यिकीय समर्थन का उच्च स्तर, फाइटोलेनेटिक पुनर्निर्माण की शुद्धता के एक संकेतक के रूप में काम कर सकता है।

और दूसरा वे सवाल पूछते हैं:

सत्यापन के लिए असीमित विश्वास के योग्य जीन या न्यूक्लियोटाइड कैसे खोजें? स्टेम समूह में मौजूद भूगर्भीय अवधि जितनी कम होती है, उतनी ही कम संभावना है कि बेतरतीब ढंग से चुना गया जीन सिनैपोमॉर्फी को ले जाएगा, इसके अलावा होमोप्लासिया और प्रत्यावर्तन की संभावना नहीं होगी। लॉटरी में जीतने का टिकट पाने के लिए, एक तरीका है - पूरे परिसंचरण को खरीदने के लिए। अनुक्रमण प्रौद्योगिकी और कंप्यूटर प्रसंस्करण के विकास की गति को ध्यान में रखते हुए, जैसा कि जीनोम पर लागू होता है, यह कुछ वर्षों में एक बेवकूफ विचार की तरह लग सकता है। दूसरी ओर, यदि प्रजातियों के बीच समानता बड़ी है, तो यह कई जीनों में यादृच्छिक रूप से चयनित और यहां तक ​​कि शायद, एक पर्याप्त रूप से विस्तारित जीन में, जैसे कि 18S या 28S rRNA, में पाया जाएगा।

यह वह है जिसे क्लासिक जीवविज्ञान कहा जाता है। अब इसके बारे में सोचने की कोशिश करते हैं।

"विश्वसनीय" के ऐसे जीन की भूमिका पर पिछले लेखों में मैंने सुझाव दिया और दिखाया कि अगर यह tRNA जीन होता तो क्या होता। यह जीन rRNA से भी बदतर नहीं है, जो अब "असीमित आत्मविश्वास" प्राप्त करता है। लेकिन इस लेख में [इसकी निरंतरता में] मैं आगे दिखाऊंगा कि क्या होगा अगर हम "पूरे संचलन को खरीदेंगे"। लेकिन इससे पहले, हमें यह पता लगाने की आवश्यकता है कि जब rRNA "असीमित आत्मविश्वास" का उपयोग करता है तो क्या बुरा विकल्प है।

और यह पता चला है कि यह किसी विशेष जीन या न्यूक्लियोटाइड अनुक्रम को चुनने की बात नहीं है। और यह अधिकार है कि वे सपने देखते हैं (लेकिन यह बहुत अजीब है कि वे क्यों नहीं) बड़ी संख्या में जीनों की तुलना के बारे में। बात विधि में है। लेकिन इसकी एक सांख्यिकीय प्रकृति है, और जो लोग इसे थोड़ा और अधिक गंभीरता से मानते हैं कि लेख में समस्याएं हैं "विकासवादी मॉडल की धारणाएं, प्रजातियों के विकास की दर में अंतर, संरेखण की त्रुटियां और ऑर्थोलॉग्स की पसंद, टैक्सोनोमिक सैंपलिंग की प्रतिनिधित्वशीलता की कमी उसी तरह से प्रभावित हो सकती है"। ।

यह सब व्यक्तिगत रूप से एक या किसी अन्य तरीके से फाइलेगनेटिक सिग्नल को खराब करता है। संरेखण त्रुटियों के बारे में अधिकांश शिकायतें (मैं यह नहीं समझाऊंगा कि यह विकिपीडिया लिंक पर पढ़ा गया है)। इसकी वजह यह है कि हमें सांख्यिकी और संबंधित त्रुटियों से निपटना होगा। संरेखण सही है, खासकर छोटे दृश्यों के लिए, वे अब सक्षम नहीं हैं - यह वास्तव में कुछ अंशों के रूढ़िवाद को ध्यान में नहीं रखता है। इसके लिए, तृतीयक संरचना में हाइड्रोजन बांड को ध्यान में रखना आवश्यक है - लेकिन यह आमतौर पर संरेखण के दौरान नहीं किया जाता है।

लेकिन rRNA, सबसे पहले, लंबा है, और दूसरा, व्यक्तिगत रूप से, कई त्रुटियां हैं, लेकिन सांख्यिकीय रूप से वे अभी भी एक निश्चित संकेत देते हैं। लेकिन हमारे पास किस तरह की गुणवत्ता कम है और हम 16S rRNA और 23S rRNA (ये राइबोसोम बनाने वाले सबसे लंबे आरएनए क्रम हैं) का उपयोग करके निर्मित पेड़ों की तुलना करने का एक उदाहरण देखेंगे। इस तरह के पेड़ प्रोजेक्ट द ऑल-स्पीसीज लिविंग ट्री में प्राप्त किए गए थे। लेकिन, और तीसरी बात यह है कि अब पर्याप्त संख्या में लेखों में फाइटोलैनेटिक पेड़ों के निर्माण पर लिखा जा रहा है, लेकिन किसी कारण के लिए, "शोर पर फायलोजेनेटिक सिग्नल की व्यापकता का विश्लेषण" जैसे प्रश्न पर चर्चा नहीं की जाती है।

और विकल्प क्या है?

ऊपर दिए गए एक के समान आलोचना पर आपत्ति करने का एकमात्र विकल्प ("संपूर्ण रूप से पेड़ के लिए सांख्यिकीय समर्थन का एक उच्च स्तर या इसके व्यक्तिगत नोड्स, फाइटोलैनेटिक पुनर्निर्माण की शुद्धता के एक संकेतक के रूप में सेवा नहीं कर सकते हैं") सांख्यिकीय निष्कर्षों पर जाने के लिए है कि सामान्य ज्ञान के साथ विश्वास करने की अनुमति नहीं है। 100% निश्चितता निर्धारक निष्कर्ष पर स्विच करने के लिए है। और इसके लिए, आपको विश्लेषण में संरेखण से छुटकारा पाने की आवश्यकता है और उन न्यूक्लियोटाइड अनुक्रमों का चयन करें जिन्हें संरेखण के बिना विश्लेषण किया जा सकता है।

मैं आश्चर्यचकित हूं, लेकिन इस विकल्प के विशेषज्ञ प्रस्ताव नहीं देते हैं और न ही देखते हैं। हालांकि यह कम से कम अधिक स्थिर परिणाम दिखाता है। क्यों? इससे निपटने दें।

आखिरकार, मैं चाहे जितना भी पेड़ काट लूं, उस पर भरोसा अन्य पेड़ों की तुलना में अधिक नहीं होगा। लेकिन विशेषज्ञों ने वहां (जैसा कि, ऑल-स्पीसीज लिविंग ट्री प्रोजेक्ट में, उदाहरण के लिए) बनाया है, और यहां आप कहते हैं कि "क्वैक" बनाया गया है। और हमेशा आपत्तियां रहेंगी।

इसी तरह, कोई भी विधि आलोचना की चपेट में है, जब तक कि परिणामों में कोई विश्वसनीयता नहीं है। इसलिए, हमें परिणामों की शुद्धता के लिए एक मानदंड की आवश्यकता है। "Phylogenetic सिग्नल" की स्थिरता इस तरह के मानदंड का दावा करती है।

लेकिन इसके लिए उसे चुनने से पहले, मैं चाहूंगा कि पाठक यह समझें कि यह संकेत बिल्कुल अस्थिर क्यों हो सकता है। इसके 3 कारण हो सकते हैं:

1. विकास डार्विन का पालन नहीं करता है, अर्थात जीवों के पास एक सामान्य पूर्वज नहीं होता है और कभी भी एक नहीं होता है। यह देखते हुए, सबसे पहले, कि अब क्षैतिज हस्तांतरण की घटना है, और दूसरी बात, कि आरएनए दुनिया की परिकल्पना पहले से ही व्यावहारिक रूप से सिद्ध हो चुकी है, और फिर व्यक्तिगत जीव एक-दूसरे से स्वतंत्र रूप से उत्पन्न हो सकते हैं - डार्विन विकास वास्तव में एक बड़ा सवाल है। इसलिए, यहां हम केवल इस बात से सहमत हैं कि यह मानव मन के लिए पदानुक्रम से प्रजाति की उत्पत्ति और डार्विन के विकास को हमारे लिए महज जानकारी देने का एक सुविधाजनक तरीका माना जाता है, जैसे कि पाठ संबंधी जानकारी के बजाय रेखांकन ड्राइंग के समान।
2. विधि त्रुटियाँ। उदाहरण के लिए, संरेखण, जिस पर मैंने बहुत अविश्वास व्यक्त किया। यह गलत संरेखण के कारण है कि संकेत काफी हद तक विचलन करता है।
3. नमूने में उदाहरणों की एक अलग संख्या।

जब हमारे पास तीनों कारणों का प्रभाव होता है, तो हम परिणामी शोर की निश्चितता में अंतर नहीं कर सकते हैं - यह एक उद्देश्यपूर्ण कारण है या एक व्यक्तिपरक है। यानी हम अपनी विधि में समस्या या तो कह नहीं सकते हैं, नमूने के हमारे अभ्यावेदन में समस्या, या विकास अभी भी डार्विन के अनुसार नहीं है।

शोधकर्ता बहुत आसानी से कह सकते हैं, "आप जानते हैं, हमारी पद्धति पूरी तरह से काम करती है, नमूना अद्भुत है, और जो छोटी-छोटी त्रुटियां आप देख रहे हैं, वह प्रकृति की तरह ही है।" लेकिन पहले, चलो त्रुटियों की मात्रा निर्धारित करते हैं। दूसरे, हम सांख्यिकीय दृष्टिकोण को एक नियतात्मक के साथ बदलते हैं। तीसरा, हम एक नियतात्मक दृष्टिकोण के लिए उपलब्ध हर चीज का विश्लेषण करेंगे।

एक निर्धारक दृष्टिकोण का लाभ

एक नियतात्मक दृष्टिकोण के लाभ को प्रदर्शित करने के लिए, मैं एक विचार प्रयोग का प्रस्ताव करूंगा। यह वास्तव में प्रयोगात्मक रूप से किया जा सकता है, लेकिन दर्शकों को केवल प्रस्तुति की सूखापन से थक जाएगा, और सबसे महत्वपूर्ण बात, अरस्तू के समय से हम जानते हैं कि प्रयोग निरपेक्ष श्रेणियों में कुछ भी साबित नहीं करता है, लेकिन केवल हमें यह कहने की अनुमति देता है कि "यह डेटा हम इसे देखते हैं, लेकिन इसका मतलब यह नहीं है कि यह अन्यथा नहीं हो सकता। ” और हमें पूर्ण रूप से न्याय करने की आवश्यकता है।

तो एक सोचा प्रयोग। सांख्यिकीय और नियतात्मक दृष्टिकोण की तुलना करें। सांख्यिकीय रूप से, हम एक एकल 16S rRNA जीन पर 1000 जीवों का विश्लेषण करते हैं, जिसमें लगभग 1600 वर्णों की एक बड़ी लंबाई होती है (और यह अध्ययन में अधिकांश मामलों में किया जाता है)। मान लीजिए कि हमारे पास सभी 1000 जीवों के लिए rRNA का एक विश्वसनीय सेट है। लेकिन एक phylogenetic पेड़ बनाने के लिए, हमें संरेखण करने की आवश्यकता है। लेकिन संरेखण से पहले, rRNA को दो समान भागों में विभाजित करें और पहले और दूसरे भागों के लिए वृक्ष के संरेखण और बाद के निर्माण को अलग-अलग करें।
चूंकि नमूना समान है, 3 कारण का कोई प्रभाव नहीं है। हम पहले कारण का उल्लेख नहीं करने पर सहमत हुए। लेकिन यह स्पष्ट है कि संरेखण कम से कम पेड़ की उपस्थिति को थोड़ा प्रभावित करेगा, जैसा कि वहां, एक निश्चित विकासवादी दूरी की गणना की जाती है, और यह अलग-अलग हिस्सों के लिए कम से कम थोड़ा अलग होगा। और परिणामस्वरूप, पहला और दूसरा पेड़ अलग होगा और यह दूसरा कारण होगा - एक विधि त्रुटि।

निर्धारक दृष्टिकोण के लिए हमारे पास क्या है। यहां हम ऐसे जीनों पर ध्यान केंद्रित करते हैं जो विभिन्न जीवों में पूरी तरह से समान हैं, लेकिन वे लंबे नहीं हो सकते हैं, क्योंकि सब कुछ लंबे समय तक उत्परिवर्तित होने की संभावना है। लेकिन 1600 वर्णों के एक जीन के बजाय, हमारे पास प्रत्येक 70-150 वर्णों के 10-20 जीनों का एक सेट है। उदाहरण के लिए, tRNA जीन ऐसी विशेषताओं के अनुरूप हैं। फिर से, मान लीजिए कि हमारे पास इन जीनों का एक विश्वसनीय सेट है। फिर सवाल यह है कि अगर टीआरएनए दृश्यों को दो भागों में विभाजित किया जाता है और दो अलग-अलग पेड़ बनाए जाते हैं, तो क्या वे संयोग करेंगे या नहीं? उत्तर: वे 100% से मेल खाएंगे। यह इस तथ्य के कारण है कि जब एक पेड़ का निर्माण होता है, तो वास्तव में, अनुक्रमों को पहचानकर्ताओं द्वारा प्रतिस्थापित किया जाता है, और फिर सभी जोड़तोड़ केवल जीन के संयोजन के आधार पर होते हैं। इसलिए, यदि आधे अनुक्रम के आधार पर जीन की सही पहचान की गई थी, तो आगे कोई विकृतियां नहीं होंगी।

यही है, आदर्श परिस्थितियों और एक ही नमूने के तहत, नियतात्मक दृष्टिकोण का स्पष्ट लाभ है, और दूसरी तरह की त्रुटियां नहीं हैं।

और फिर हम तीसरी तरह की त्रुटियों के बारे में बात कर सकते हैं और वे फ़ाइलेगनेटिक सिग्नल को कैसे प्रभावित करते हैं। लेकिन हमें यह समझना चाहिए कि नियतात्मक दृष्टिकोण में हमारे पास केवल 3 प्रकार की त्रुटियां हैं, और सांख्यिकीय में, जिसे अब सार्वभौमिक रूप से स्वीकार किया गया है, हम त्रुटियों के प्रभाव को अलग नहीं कर सकते हैं - 2 और 3 तरह के "शोर"।

वास्तव में प्रयोग

नंबर 1। पेड़ों की तुलना 16S और 23S

इसलिए, हमें 23S rRNA जीन पर निर्मित और 16S rRNA जीन पर निर्मित एक दूसरे के बीच दो पेड़ों की तुलना करने की आवश्यकता है, जो कि द ऑल-स्पीशीज लिविंग ट्री प्रोजेक्ट का नवीनतम परिणाम है।

लेकिन आप केवल तुलनीय चीजों की तुलना कर सकते हैं। और फिर यह बात करने का समय है कि तीसरे प्रकार की त्रुटि के परिमाण को कैसे मापें, अर्थात्। नमूने का आकार और उसकी संरचना कैसे परिणाम को प्रभावित करती है। यहां विशेषज्ञ यह सुझाव देंगे कि हम किसी भी संभाव्यता वितरण के कुछ सांख्यिकीय वितरण, पूर्वाग्रह, विचरण आदि के अनुमान लगाते हैं। मैला सूचक और बकवास गुणांक। इसके विपरीत, हमें तुलना करनी चाहिए ताकि प्रत्येक आकृति हमें यह समझने का मौका दे सके कि इसका मतलब क्या है।

सबसे पहले, फ़ाइलोजेनेटिक पेड़ों का प्रारूप एक महत्वपूर्ण बात छुपाता है - माता-पिता को उनमें स्पष्ट रूप से प्रदर्शित नहीं किया जाता है, हालांकि यह उसी स्तर पर लाइनों के चौराहे के रूप में है। संक्षेप में, यहां हमें .newick प्रारूप को परिवर्तित करने की समस्या को हल करने की आवश्यकता है, उदाहरण के लिए, .gml प्रारूप, यानी। एक पूर्ण पेड़ प्राप्त करें, जहां सभी पूर्वजों का एक नाम होगा।

दूसरे, तथ्य यह है कि 16S जीन पर डेटा लगभग 10 गुना अधिक है। और हमें उन पेड़ों की पत्तियों को हटाने की जरूरत है जो 16 एस के पेड़ में हैं, लेकिन वे 23 एस के पेड़ में नहीं हैं, और इसके विपरीत। तभी हम एक दूसरे के साथ तुलना कर सकते हैं। लेकिन पेड़ पर "पत्तियों" के ऐसे निष्कासन (ट्रिमिंग) के बाद जिनकी हम तुलना नहीं कर सकते, उनके कथित पूर्वज रह सकते हैं और यदि उनके पास अब अन्य "पत्ते" नहीं हैं, तो उन्हें भी हटा दिया जाना चाहिए ताकि वे पेड़ पर न चढ़ें।

तीसरा, और यह सबसे महत्वपूर्ण है, ऊपर वर्णित खतना पेड़ को एक हर में लाने की सभी समस्याओं को हल नहीं करता है। ऐसी स्थिति उत्पन्न हो सकती है कि पूर्वज के पास केवल एक पत्ता होता है, और यह पूर्वज, बदले में, केवल एक ही पूर्वज होता है, और इसी तरह कई बार। यानी नतीजतन, हमारे पास पेड़ पर "लंबे धागे" हैं। ये सभी "एकल" पूर्वज हमें किसी अन्य पेड़ (23S) के साथ तुलना करने की अनुमति नहीं देते हैं जिसमें ये पूर्वज नहीं हैं, क्योंकि यह एक और छोटे नमूने पर बनाया गया था, और यह स्वाभाविक है कि एक बड़ा नमूना बड़ी संख्या में पूर्वजों का सुझाव देता है ताकि प्रजातियों के विचलन को अधिक सटीक रूप से प्रतिबिंबित किया जा सके। लेकिन इसके लिए तुलनीय होने के लिए ऐसे "एकल" पूर्वजों को बाहर करना आवश्यक है, और उन पत्तियों को उनके स्तर से ऊपर उठाना है जहां एक से अधिक पत्ती वाला एक पूर्वज है (अर्थात, जहां वास्तविक विचलन है)।

"पत्तियों को विचलन के स्थानों पर उठाने" की यह प्रक्रिया फिर से पूर्वजों को छोड़ देगी, जिसे बाहर रखा जा सकता है और चरण 2 और 3 को दोहराया जाना चाहिए जब तक कि सभी अनावश्यक पूर्वजों को बाहर नहीं किया जाता है।

समझने के लिए थोड़ा स्केच:



सभी जोड़तोड़ का सही विकल्प। केंद्र में वह विकल्प है जहां पत्ती "एस्चेरिचिया_लबर्टी" को काट दिया जाता है, जो पेड़ की तुलना में नहीं है। बाईं ओर एक विकल्प है जहां अत्यधिक पूर्वज "n23" हटा दिया गया है। वास्तव में, केवल 18,000 नोड्स में से 3,000 को अधिक से अधिक गंभीरता से आवश्यकता है। यह भी धारणा दे सकता है कि महत्वपूर्ण पूर्वजों को हटा दिया जाता है, लेकिन यदि आप उन्हें नहीं हटाते हैं, तो तुलना का परिणाम केवल खराब हो जाएगा, क्योंकि "हटाए गए" पूर्वजों को एक छोटे पेड़ में दिखाई नहीं दे सकता है, लेकिन सब कुछ की तुलना करें एक तुलनीय चीजों की जरूरत है, न कि "पैन के साथ केतली"।

अब, यदि हम तुलना करने के लिए कड़ाई से संपर्क करते हैं, तो पेड़ों का संयोग तब होता है जब एक पेड़ में एक माता-पिता के पत्ते होते हैं और तुलनात्मक पेड़ में एक माता-पिता होते हैं। और हम ऐसे मामलों की संख्या गिन सकते हैं। लेकिन निकटता की सराहना करने के लिए, किसी को त्रुटियों का कुछ वितरण भी होना चाहिए। त्रुटि की भयावहता की गणना निम्नानुसार की जा सकती है। यदि एक पेड़ में "पत्तियों" की एक जोड़ी में एक माता-पिता होते हैं, तो तुलनात्मक पेड़ में हम उनके कम से कम सामान्य पूर्वज LCA पाते हैं और एक पत्ते से LCA तक और दूसरे से LCA तक मध्यवर्ती पूर्वजों की संख्या गिनते हैं - संख्याओं को जोड़ते हैं और त्रुटि वितरण पर एक बिंदु के रूप में डालते हैं।

नतीजतन, हमारे पास ऐसा शेड्यूल है, लगभग 50% सही मामले हैं, और बाकी कुछ गलत हैं, त्रुटि वास्तव में ठीक हो जाती है।



जैसा कि हम विशेषज्ञों से देखते हैं, सब कुछ आदर्श से बहुत दूर है, संकेत लगभग 50% शोर से कहीं बाहर हो जाता है और फिर, हालांकि कुछ नियमितता के माध्यम से टूट जाता है, यह अस्थिर है। इसलिए, कुछ सुधार करना है।

जारी रखने के लिए ...

यह किसी भी तरह लंबे समय तक निकलता है, इसलिए नियतात्मक दृष्टिकोण के परिणाम, मैं एक अलग लेख में डालूंगा। वहां हम देखेंगे कि विकासवादी पेड़ की गुणवत्ता में सुधार करना कितना संभव होगा (फिलाजनेटिक सिग्नल)। प्रयोग पूरी तरह से पूरा नहीं हुआ है, लेकिन मुझे सबसे अच्छा :)

PS अपडेशन की उम्मीद है । एक उच्च संभावना है कि साइट के साथ समस्या हल हो जाएगी। अच्छे लोगों की बदौलत :) अब हमें टीम में साइट / इमेज मेकर के मुख्य संपादक की जरूरत है - जो जानता है कि पाठ के व्याकरण और शब्दार्थ दोनों को कैसे सुधारा जाए, ताकि मेरी "sassy शैली" विशेषज्ञों को विकृत न करे, और साथ ही यह सामान्य लोगों के लिए भी समझ में आए।