ब्रेकिंग न्यूज़

CROPSR: फसलों में आनुवंशिक अनुसंधान में तेजी लाने के लिए एक नया उपकरण

vj
प्रयोगशाला में आनुवंशिक रूप से संशोधित पौधे

व्यावसायिक रूप से व्यवहार्य जैव ईंधन फसलें ग्रीनहाउस गैस उत्सर्जन को कम करने के लिए महत्वपूर्ण हैं, और एक नया उपकरण बनाया गया है उन्नत जैव ऊर्जा और जैव उत्पाद नवाचार केंद्र (सीएबीबीआई) उनके विकास में तेजी लाने में मदद करनी चाहिए, साथ ही सामान्य रूप से जीनोम संपादन में प्रगति करनी चाहिए।












कुछ विशेषताओं में सुधार के लिए प्रजनन की पीढ़ियों में फसल जीनोम को परिष्कृत किया जाता है, और कुछ समय पहले तक, प्रजनकों को अपने चयन के लिए स्वाभाविक रूप से होने वाली किस्मों पर निर्भर रहना पड़ता था। जबकि CRISPR/Cas9 जीन एडिटिंग तकनीक में इसे बदलने की क्षमता है, CRISPR प्रयोगों को डिजाइन और विश्लेषण करने के लिए आवश्यक सॉफ़्टवेयर टूल अब तक स्तनधारी जीनोम में संपादन के लिए विकसित किए गए हैं, जो जटिल गुणों के समान गुण साझा नहीं करते हैं। फसल ली गई।

पहला ओपन सोर्स सॉफ्टवेयर टूल

ऊर्जा-वित्त पोषित बायोएनेर्जी रिसर्च सेंटर विभाग, सीएबीबीआई के वैज्ञानिकों द्वारा बनाया गया, सीआरओपीएसआर जीनोम-वाइड डिजाइन और सीआरआईएसपीआर (बीआरसी) अनुसंधान के लिए गाइड आरएनए (जीआरएनए) अनुक्रमों के मूल्यांकन के लिए उद्योग का पहला ओपन-सोर्स सॉफ्टवेयर टूल है।

बीएमसी बायोइनफॉरमैटिक्स में प्रकाशित अध्ययन के अनुसार, जीनोम-वाइड रणनीति सीआरआईएसपीआर प्रयोग बनाने के लिए आवश्यक समय को काफी कम कर देती है, फसलों को संभालने की जटिलता को कम करती है और जीआरएनए अनुक्रमों के डिजाइन, मूल्यांकन और सत्यापन में सुधार करती है।












“CROPSR वैज्ञानिक समुदाय को CRISPR/Cas9 नॉकआउट प्रयोगों के संचालन के लिए नवीन विधियों और कार्यप्रणाली प्रदान करता है”, sहंस मुलर पॉल, एक आणविक जीवविज्ञानी और पीएच.डी. इलिनोइस विश्वविद्यालय में छात्र अर्बाना-शैंपेन, और सह-लेखक मैथ्यू हडसन, फसल विज्ञान के प्रोफेसर। “नए कार्यक्रम के साथ, हम खोज में तेजी लाना चाहते हैं और असफल प्रयोगों की संख्या को कम करना चाहते हैं।”

फसल आनुवंशिकीविदों को बेहतर सेवा देने के लिए, शोधकर्ताओं ने सॉफ्टवेयर विकसित किया जो जीआरएनए अनुक्रमों के निर्माण और मूल्यांकन पर अन्य पैकेजों द्वारा लगाई गई सीमाओं को हटा देता है, जिनका उपयोग लक्षित आनुवंशिक सामग्री का पता लगाने के लिए किया जाता है।

टीम के सदस्यों ने एक नया मशीन लर्निंग मॉडल भी बनाया जो पौधों में देखे गए गाइडों को दोहराते हुए जीनोमिक क्षेत्रों को दोहराने से बचा जाता है, जो वर्तमान तरीकों के साथ एक समस्या है। लेखकों ने कहा कि गैर-फसल जीनोम में भी, CROPSR स्कोरिंग मॉडल ने काफी अधिक सटीक भविष्यवाणियां कीं।

“विचार उन विशेषताओं को एकीकृत करना था जो वैज्ञानिक के जीवन को आसान बना देंगे,” मुलर पॉल ने समझाया।

कई फसलों, विशेष रूप से जैव ईंधन फीडस्टॉक्स में गुणसूत्रों के कई सेटों के साथ पॉलीप्लोइड जीनोम होते हैं। इसके अलावा, द्विगुणित जीनोम (जैसे कि मनुष्यों में पाए जाने वाले) पर आधारित जीन के संपादन के लिए कई सॉफ्टवेयर प्रोग्रामों में फसल जीनोम की समस्या होती है।












“यह पता लगाने में हफ्तों या महीनों लग सकते हैं कि आपको वांछित परिणाम नहीं मिल रहे हैं,” मुलर पॉल ने टिप्पणी की। वैज्ञानिक जीनोम-वाइड दृष्टिकोण का उपयोग करके मौजूदा सॉफ्टवेयर टूल्स में अंतर्निहित पूर्वाग्रहों को हटाकर संयंत्र अनुप्रयोग के लिए सीआरओपीएसआर को अनुकूलित करने में सक्षम थे। क्योंकि वे मनुष्यों या चूहों के जीनोम पर आधारित होते हैं, जहां जीन की कई प्रतियां कम आम हैं, वे तकनीकें जीआरएनए अनुक्रमों को दंडित करती हैं जो अक्सर जीनोम को हिट करने से बचने के लिए जहां उन्हें नहीं करना चाहिए।

हालांकि, जब फसलों की बात आती है, तो लक्ष्य अक्सर जीन की सभी प्रतियों को खत्म करने के लिए कई पदों को बदलना होता है। अतीत में, वैज्ञानिकों को प्रत्येक जीन को व्यक्तिगत रूप से बाहर निकालने के लिए चार या पांच उत्परिवर्तन प्रयोग करने पड़ते थे, जिसमें बहुत समय और काम लगता था।

किसी विशेष जीन के लिए इंटरनेट डेटाबेस खोजने और फिर पांच अलग-अलग साइटों के लिए अलग-अलग गाइड विकसित करने और अनगिनत प्रयोग करने के लिए मौजूदा तरीकों का उपयोग करने के बजाय, वैज्ञानिक अपने डेटाबेस में जीन की खोज कर सकते हैं और सभी उपलब्ध गाइड देख सकते हैं। CROPSR जीनोम के अन्य भागों को लक्षित करने के लिए भी इंगित कर सकता है। शोधकर्ता एक गाइड चुन सकते हैं जो सभी जीनों को छूती है, जिससे प्रयोग काफी आसान और तेजी से विकसित हो जाता है।












पॉल को उम्मीद है कि भविष्य में, शोधकर्ता फसल-विशिष्ट मॉडल को प्रशिक्षित करने के लिए आवश्यक डेटा प्रदान करने के लिए अपने असफल और सफल प्रयोगों को ट्रैक करेंगे। “हम सीआरआईएसपीआर अनुप्रयोगों के लिए प्रशिक्षण मशीन लर्निंग मॉडल में कुछ वाकई दिलचस्प सफलताओं को देख सकते हैं, और संभावित रूप से अन्य मॉडल अगर सहयोग काम करते हैं।”

(स्रोत: इलिनोइस विश्वविद्यालय)






Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button