ત્રીજી પેઢીના સિક્વન્સિંગે વ્યક્તિગત જીનોમિક્સના યુગને કેમ વેગ આપ્યો?

આ બ્લોગ પોસ્ટમાં શોધ કરવામાં આવી છે કે કેવી રીતે ત્રીજી પેઢીના સિક્વન્સિંગ, હાલની તકનીકોની મર્યાદાઓને દૂર કરીને, ઝડપી અને ચોક્કસ વ્યક્તિગત જીનોમ સિક્વન્સિંગને સક્ષમ બનાવે છે અને વ્યક્તિગત અને આગાહી કરતી દવા તરફના પરિવર્તનને પ્રેરિત કરે છે.

શુક્રાણુ અને ઇંડાના જોડાણ પછી ફળદ્રુપ ઇંડા કોષ વિભાજન શરૂ કરે છે તે ક્ષણથી માનવ વ્યક્તિનો જન્મ શરૂ થાય છે. જેમ જેમ કોષો વિભાજીત થાય છે, તેમ તેમ તેમની સંખ્યા ધીમે ધીમે વધે છે. દરેક કોષ અલગ અલગ કાર્યો કરવા માટે ભિન્ન થાય છે, આખરે એક સંપૂર્ણ સજીવમાં વિકાસ પામે છે જે આપણી વર્તમાન જીવન પ્રવૃત્તિઓને સક્ષમ બનાવે છે. આ તબક્કે, દરેક કોષ કયું કાર્ય કરશે તે જનીનો દ્વારા નક્કી કરવામાં આવે છે. આ જનીનો ડીએનએમાં સંગ્રહિત થાય છે, જે આનુવંશિક સામગ્રી છે, જે ચાર ન્યુક્લિયોટાઇડ્સના ચોક્કસ પુનરાવર્તિત ક્રમ દ્વારા માહિતીને એન્કોડ કરે છે. વૈજ્ઞાનિકોએ આ ન્યુક્લિયોટાઇડ ક્રમને ચોક્કસ રીતે મેપ કરવાનો પ્રયાસ કર્યો છે, જે માનવ જીનોમ પ્રોજેક્ટ (HGP) માં પરિણમ્યો છે, જેનો હેતુ સમગ્ર માનવ ડીએનએ ક્રમને ડીકોડ કરવાનો હતો. તે સમયની તકનીકી ક્ષમતાઓને જોતાં, આ વિશાળ પ્રોજેક્ટને પૂર્ણ કરવામાં 13 વર્ષનો લાંબો સમય લાગ્યો. આનું કારણ એ હતું કે, માનવ ડીએનએમાં આશરે 3 અબજ બેઝ જોડીઓ હોવા છતાં, તે સમયે ઉપલબ્ધ ટેકનોલોજી એક સમયે લગભગ 300 બેઝ જોડીઓના ટૂંકા ગાળાઓ જ વાંચી શકતી હતી. આખરે, તેને એક જટિલ પ્રક્રિયાની જરૂર હતી: ડીએનએને અસંખ્ય ટુકડાઓમાં કાપવા, તેના ક્રમનું વિશ્લેષણ કરવા માટે દરેક ટુકડાની નકલ કરવી, અને પછી આ ટુકડાઓને એક જ સતત ક્રમમાં ફરીથી એસેમ્બલ કરવા.
HGPના 13 વર્ષના સમયગાળા દરમિયાન, ઝડપી અને વધુ કાર્યક્ષમ ક્રમ પદ્ધતિઓની જરૂરિયાત સતત ઉભી થતી રહી, અને આ માંગને પહોંચી વળવા માટે સંશોધન સતત ચાલુ રહ્યું. પરિણામે, વિવિધ સુધારેલી તકનીકો વિકસાવવામાં આવી. મૂળભૂત પ્રાયોગિક અભિગમ જાળવી રાખીને, DNA પ્રતિકૃતિ માટે જરૂરી સમય ઘટાડીને અથવા સાધનોની કાર્યક્ષમતા વધારીને ગતિ વધારવાના પ્રયાસો કરવામાં આવ્યા. જો કે, ફક્ત આ સુધારાઓમાં જ બેઝ ક્રમ વિશ્લેષણ માટે જરૂરી સમય નાટકીય રીતે ઘટાડવામાં મર્યાદાઓ હતી. આખરે, પ્રાયોગિક પદ્ધતિમાં જ મૂળભૂત ફેરફાર જરૂરી હતો.
આ માંગ વચ્ચે, રજૂ કરાયેલી પ્રથમ ટેકનોલોજી નેક્સ્ટ જનરેશન સિક્વન્સિંગ (NGS) હતી. જ્યારે NGS મૂળભૂત રીતે પરંપરાગત પદ્ધતિઓ સાથે બેઝ સિક્વન્સ વાંચવા માટે સમાન સિદ્ધાંત શેર કરે છે, ત્યારે તેણે DNA ને ટૂંકા ટુકડાઓમાં વિભાજીત કરીને અને આ ટુકડાઓને એકસાથે વાંચવા માટે મોટા પાયે સમાંતર પ્રક્રિયા અભિગમનો ઉપયોગ કરીને વિશ્લેષણ સમયને નોંધપાત્ર રીતે ઘટાડ્યો. કમ્પ્યુટિંગ પાવરમાં નાટ્યાત્મક સુધારાને કારણે આ ટેકનોલોજી શક્ય બની હતી, પરંતુ તેમાં લાંબા પ્રીપ્રોસેસિંગ પગલાં અને ઉચ્ચ ભૂલ દરને આંશિક રીતે જાળવી રાખવાની મર્યાદા પણ હતી જે હાલની વિશ્લેષણ પદ્ધતિઓની ખામીઓ હતી. આ કારણોસર, હવે એવી ટેકનોલોજી વિકસાવવામાં આવી રહી છે જે પરંપરાગત પદ્ધતિઓથી સંપૂર્ણપણે અલગ સિદ્ધાંતોનો ઉપયોગ કરે છે, જે એક જ પાસમાં લાંબા બેઝ સિક્વન્સનું ઝડપી અને અત્યંત સચોટ વાંચન સક્ષમ બનાવે છે. આ ટેકનોલોજીઓને ત્રીજી પેઢીના સિક્વન્સિંગ પદ્ધતિઓ તરીકે ઓળખવામાં આવે છે અને તેને સામૂહિક રીતે સિંગલ મોલેક્યુલ રીઅલ-ટાઇમ સિક્વન્સિંગ (SMRT) કહેવામાં આવે છે.
હાલમાં વિકાસ હેઠળની SMRT ટેકનોલોજીને વ્યાપક રીતે ચાર મુખ્ય અભિગમોમાં વર્ગીકૃત કરવામાં આવી છે. પ્રથમ પદ્ધતિ DNA સંશ્લેષણ દરમિયાન ફ્લોરોસન્ટલી લેબલવાળા બેઝ બાંધતી વખતે ઉત્સર્જિત થતી મીનીટ લ્યુમિનેસેન્સનો ઉપયોગ કરે છે. સામાન્ય રીતે, રાસાયણિક પ્રતિક્રિયાઓમાંથી ઉત્સર્જિત પ્રકાશ બહુવિધ દિશામાં ફેલાય છે, જેના કારણે નાના પાયે પ્રતિક્રિયાઓમાં ઉત્પન્ન થતા નબળા સિગ્નલો શોધવાનું મુશ્કેલ બને છે. જો કે, શૂન્ય-મોડ વેવગાઇડનો ઉપયોગ પ્રકાશને મર્યાદિત કરે છે જેથી તે વેવગાઇડની અંદર પ્રચાર કરી શકતો નથી અને ફક્ત ચોક્કસ દિશામાં જ ઉત્સર્જિત થાય છે. આ સમાન પ્રમાણમાં પ્રકાશ સાથે વધુ કાર્યક્ષમ સિગ્નલ કેપ્ચર માટે પરવાનગી આપે છે. પરિણામે, વેવગાઇડની નીચેની સપાટી પર DNA સંશ્લેષણ માટે જવાબદાર પોલિમરેઝને સ્થિર કરીને અને ફ્લોરોસન્ટલી લેબલવાળા બેઝના રીઅલ-ટાઇમ સંશ્લેષણને સક્ષમ કરીને, સિંગલ-સ્ટ્રેન્ડેડ DNA સંશ્લેષણ પ્રક્રિયા દરમિયાન ઉત્પન્ન થતા ઝાંખા લ્યુમિનેસેન્સનો ઉપયોગ કરીને બેઝ સિક્વન્સનું વિશ્લેષણ કરવાનું શક્ય બને છે. આ પદ્ધતિ લ્યુમિનેસેન્સ સિગ્નલો પર આધાર રાખે છે, તેથી શોધ ઉપકરણમાં ભૂલો થવાની સંભાવના પ્રમાણમાં ઊંચી છે. જો કે, આ ભૂલો ચોક્કસ દિશાસૂચકતા સાથે વ્યવસ્થિત ભૂલો નથી; તે રેન્ડમ ભૂલોને અનુરૂપ છે જેને પુનરાવર્તિત માપન દ્વારા આંકડાકીય રીતે સુધારી શકાય છે. વધુમાં, તેની સમાંતરકરણની સરળતા મોટા પાયે એક સાથે વિશ્લેષણને સક્ષમ બનાવે છે, જે ખૂબ જ ઝડપી બેઝ સિક્વન્સ વાંચન ગતિ માટે પરવાનગી આપે છે.
બીજી પદ્ધતિમાં ડીએનએ પરમાણુઓને ફિક્સ કરવાનો અને પછી તેમના દ્વારા ઇલેક્ટ્રોનને ટનલ કરવાનો સમાવેશ થાય છે જેથી બેઝના પ્રકારને અનુરૂપ ટનલિંગ ઊર્જા સ્પેક્ટ્રમ માપી શકાય, જે ટનલિંગ માઇક્રોસ્કોપ સ્કેનિંગમાં લાગુ પડતા સિદ્ધાંતની જેમ છે. આ ટેકનોલોજીને ડીએનએ પ્રતિકૃતિ પ્રક્રિયાની જરૂર નથી, જે એક જ સમયે એક-પરમાણુ સ્થિતિમાં ખૂબ લાંબા સેર વાંચવા સક્ષમ બનાવે છે. તેને લગભગ કોઈ પ્રીટ્રીટમેન્ટની પણ જરૂર નથી, જે સૈદ્ધાંતિક રીતે વિશ્લેષણ ખર્ચમાં નોંધપાત્ર ઘટાડાનું વચન આપે છે. જો કે, પૂર્ણ-સ્તરના સંશોધન માટે સક્રિય રીતે આગળ વધવું હજુ પણ અકાળ માનવામાં આવે છે, કારણ કે પૂરતી તકનીકી ચોકસાઇ અને સ્થિરતા હજુ સુધી પ્રાપ્ત થઈ નથી, અને ઇલેક્ટ્રોનિક અવાજને ઉકેલવા અને ઉપકરણ પ્રજનનક્ષમતા સુનિશ્ચિત કરવા સહિત અસંખ્ય પડકારો બાકી છે.
ત્રીજી પદ્ધતિમાં પટલ સંભવિતતા માપવાનો સમાવેશ થાય છે, જે બેઝ પ્રકાર પર આધાર રાખીને બદલાય છે, કારણ કે ડીએનએ સિંગલ સ્ટ્રેન્ડ માઇક્રોબાયલ પટલ પ્રોટીનમાંથી પસાર થાય છે. ડીએનએ ડબલ સ્ટ્રેન્ડને સિંગલ સ્ટ્રેન્ડમાં અલગ કર્યા પછી, તેને પટલ પ્રોટીન ધરાવતા નેનોપોરમાંથી પસાર કરવાથી બેઝ દીઠ સૂક્ષ્મ રીતે અલગ અલગ વિદ્યુત ફેરફારો થાય છે. આ બેઝ ક્રમનું અર્થઘટન કરવા માટે ચોક્કસ વિદ્યુત સંકેતોમાં રૂપાંતરિત થાય છે. આ ટેકનોલોજી એક સરળ રચનાનો ફાયદો આપે છે, જે સાધનોના લઘુચિત્રીકરણને સરળ બનાવે છે. બીજી પદ્ધતિની જેમ, તે લાંબા ડીએનએ સ્ટ્રેન્ડને સતત વાંચી શકે છે કારણ કે તેને પ્રતિકૃતિની જરૂર નથી. હાલમાં, પ્રોટીન નેનોપોરમાંથી ડીએનએ પસાર થાય છે તે ગતિને નિયંત્રિત કરવા માટે વિવિધ માધ્યમો અથવા ઉત્પ્રેરકોનો ઉપયોગ કરીને વિશ્લેષણાત્મક ચોકસાઈ વધારવા માટે સક્રિય સંશોધન ચાલી રહ્યું છે.
અંતિમ પદ્ધતિમાં દરેક આધાર દ્વારા ઉત્પન્ન થતા અનન્ય વિદ્યુત સંકેતોને માપવાનો સમાવેશ થાય છે કારણ કે DNA એક વાહક અને ડાઇલેક્ટ્રિકથી બનેલા અત્યંત સાંકડા છિદ્રમાંથી પસાર થાય છે અને બેઝ સિક્વન્સ નક્કી કરે છે. આ ત્રીજી પદ્ધતિથી અલગ છે, જે માઇક્રોબાયલ મેમ્બ્રેન પ્રોટીનનો ઉપયોગ કરે છે, કારણ કે તે સેમિકન્ડક્ટર-આધારિત સોલિડ નેનોપોરનો ઉપયોગ કરે છે. સેમિકન્ડક્ટર ઉપકરણોનો ઉપયોગ ગતિ અને ખર્ચની દ્રષ્ટિએ સૌથી વધુ સ્પર્ધાત્મકતા પ્રદાન કરવાની ક્ષમતા ધરાવતી તકનીક તરીકે મૂલ્યાંકન કરવામાં આવે છે, કારણ કે તે માળખાકીય સ્થિરતા સુનિશ્ચિત કરે છે અને મોટા પાયે ઉત્પાદનને સરળ બનાવે છે. જો કે, વાસ્તવિક સાધનોમાં આને અમલમાં મૂકવાની પ્રક્રિયામાં અસંખ્ય તકનીકી પડકારોનો સામનો કરવો પડે છે જેનો ઉકેલ લાવવો આવશ્યક છે, જેમ કે સિગ્નલનો અવાજ વધવો, છિદ્રોના કદમાં ફેરફારને કારણે માપન વિચલનો અને DNA ગતિને નિયંત્રિત કરવામાં મુશ્કેલીઓ. પરિણામે, વ્યવહારિક એપ્લિકેશનના તબક્કા સુધી પહોંચતા પહેલા નોંધપાત્ર અવરોધો રહે છે.
આમ, સતત ટેકનોલોજીકલ વિકાસ અને પ્રગતિ દ્વારા, બેઝ સિક્વન્સ વિશ્લેષણ માટે જરૂરી સમય અને ખર્ચ ધીમે ધીમે ઘટ્યો છે. આનો અર્થ એ છે કે બેઝ સિક્વન્સ વિશ્લેષણ ટેકનોલોજી, જે એક સમયે ફક્ત સંશોધન હેતુ માટે ઉપયોગમાં લેવાતી હતી, હવે ધીમે ધીમે સામાન્ય લોકોના રોજિંદા જીવનની નજીક સુલભ બની રહી છે. આજે વ્યાપકપણે અમલમાં મુકાયેલ આરોગ્ય તપાસમાં આનુવંશિક પરીક્ષણ એક મુખ્ય ઉદાહરણ છે, જે બેઝ સિક્વન્સનું વિશ્લેષણ કરીને કેન્સર જેવા રોગો થવાની સંભાવનાનો અંદાજ લગાવવાની મંજૂરી આપે છે. સૌથી વધુ જાણીતું ઉદાહરણ 2013 માં એન્જેલીના જોલીનો કેસ છે, જ્યાં તેણીએ જીનોમ વિશ્લેષણ દ્વારા જાણ્યા પછી નિવારક માસ્ટેક્ટોમી કરાવી હતી કે તેણીને સ્તન કેન્સર થવાની સંભાવના ખૂબ જ ઊંચી છે. વધુમાં, દુર્લભ આનુવંશિક રોગોના સંશોધનમાં ઝડપી ડીએનએ સિક્વન્સિંગ ટેકનોલોજી પણ મહત્વપૂર્ણ છે. ડીએનએ સિક્વન્સ સ્તરે આનુવંશિક રોગોનો અભ્યાસ કરવા માટે, ફક્ત દર્દી પાસેથી જ નહીં પરંતુ તેમના નજીકના સંબંધીઓ પાસેથી પણ વ્યાપક ડીએનએ સિક્વન્સ માહિતી મેળવવી અને તેનું વિશ્લેષણ કરવું જરૂરી છે. જો માનવ જીનોમ પ્રોજેક્ટ યુગ દરમિયાન એક વ્યક્તિના ડીએનએને સિક્વન્સ કરવામાં એક દાયકાથી વધુ સમય લાગ્યો હોત, તો આવા સંશોધન શરૂઆતથી જ અશક્ય હોત.
વધુમાં, ડીએનએ સિક્વન્સિંગમાં સંશોધન ઉપરાંત, રોજિંદા જીવનમાં વિસ્તરેલા વિવિધ કાર્યક્રમોની સંભાવના છે. ઉદાહરણ તરીકે, સ્ટાર્ટઅપ 23andMe ગ્રાહકોના ડીએનએનું લાળના નમૂનાઓનો ઉપયોગ કરીને વિશ્લેષણ કરે છે, જે દુર્લભ રોગો માટે વાહક સ્થિતિ અથવા ચોક્કસ આનુવંશિક વિકૃતિઓ વિકસાવવાની સંભાવના જેવી મૂળભૂત આરોગ્ય માહિતી પ્રદાન કરે છે. તે જ સમયે, તે વ્યક્તિના વંશના વિવિધ વંશીય જૂથો સાથે કેટલા ગાઢ રીતે જોડાયેલા છે તેનો ડેટા પ્રદાન કરે છે. વંશીય રીતે વૈવિધ્યસભર અમેરિકન સમાજમાં, આવી સેવાઓએ નોંધપાત્ર રસ મેળવ્યો, જેના કારણે 23andMeનો ઝડપી વિકાસ થયો. તેઓએ અસંખ્ય ગ્રાહકોની ડીએનએ સિક્વન્સ માહિતી એકઠી કરી, અને આ ડેટાનો ઉપયોગ તેમના પોતાના સંશોધન માટે કરવામાં આવ્યો અથવા અન્ય સંશોધન સંસ્થાઓને આપવામાં આવ્યો.
અત્યાર સુધી, સંશોધન મુખ્યત્વે ડીએનએ સિક્વન્સનું ઝડપથી અને સચોટ રીતે વિશ્લેષણ કરવા માટે ટેકનોલોજી વિકસાવવા અને તેના આધારે વિશાળ માત્રામાં ડીએનએ સિક્વન્સ ડેટા એકઠા કરવા પર ધ્યાન કેન્દ્રિત કરતું હતું. જો કે, હવે પૂરતા નમૂનાઓ સુરક્ષિત કરવામાં આવ્યા છે, અને આપણે એવા ટેકનોલોજીકલ સ્તરે પહોંચી રહ્યા છીએ જ્યાં વ્યક્તિગત-સ્તરના ડીએનએ સિક્વન્સિંગનું વિશ્લેષણ લગભગ વાસ્તવિક સમયમાં કરી શકાય છે. જ્યારે ઝડપી અને વધુ ચોક્કસ વિશ્લેષણ પદ્ધતિઓ મહત્વપૂર્ણ રહે છે અને તેમના સંશોધનને અર્થહીન બનાવવામાં આવતું નથી, ત્યારે આગળ વધવાનું વધુ મહત્વપૂર્ણ કાર્ય માનવ, પ્રાણી અને રોગકારક ડીએનએ સિક્વન્સ ડેટાનો અર્થપૂર્ણ રીતે ઉપયોગ કેવી રીતે કરવો તે શોધવાનું છે જે ગમે ત્યારે, ગમે ત્યાં સરળતાથી અને ઝડપથી મેળવી શકાય છે. એક દિશા એવી સેવાઓ વિકસાવવાની હોઈ શકે છે જે લોકોના હિતોને આકર્ષિત કરે છે, જેમ કે 23andMe. જાહેર આરોગ્યમાં એપ્લિકેશનની સંભાવના પણ વિશાળ છે, જેમ કે રોગકારક પરિવર્તન પર આધારિત રોગની લાક્ષણિકતાઓ અને ફેલાવાના પેટર્નનું વિશ્લેષણ. સ્પષ્ટ વાત એ છે કે સિક્વન્સિંગ વિશ્લેષણનું ભવિષ્ય ફક્ત ટેકનોલોજીકલ ગતિમાં સુધારા દ્વારા જ નહીં પરંતુ સંચિત ડેટાનો નવીન રીતે ઉપયોગ કેવી રીતે કરવો તે અંગેના નવા વિચારો દ્વારા પણ સંચાલિત થશે.