नई दवाओं की खोज में, वैज्ञानिक अक्सर पैमाने (scale) की समस्या का सामना करते हैं। उन्हें हजारों रासायनिक यौगिकों (chemical compounds) का परीक्षण करना पड़ता है यह देखने के लिए कि कौन से एक कोशिका को मददगार तरीके से बदल सकते हैं, जैसे कि किसी बीमारी को रोकना या कैंसर को मारना। दशकों तक, इसे करने का सबसे आम तरीका एक विशिष्ट प्रतिक्रिया को देखना था, जैसे कि यह जांचना कि क्या कोई दवा एक विशेष प्रोटीन को रोकती है। लेकिन कोशिकाएं जटिल होती हैं, और एक दवा जो काम करती है, वह अक्सर एक साथ कई चीजों को बदल देती है। इन परिवर्तनों को समझने के लिए, शोधकर्ताओं ने "सेल पेंटिंग" (Cell Painting) नामक एक विधि विकसित की। केवल एक चीज़ को देखने के बजाय, यह तकनीक एक कोशिका को छह अलग-अलग रंगीन रंगों से रंगती है, जिनमें से प्रत्येक कोशिका के आंतरिक तंत्र के एक विशिष्ट भाग को उजागर करता है, जैसे कि केंद्रक (nucleus), ऊर्जा कारखाने (energy factories), या कंकाल (skeleton)। इन चमकते हुए हिस्सों की तस्वीर लेकर, वैज्ञानिक कोशिका के समग्र आकार और बनावट को देख सकते हैं। यदि कोई रसायन कोशिका के स्वास्थ्य को बदलता है, तो फोटो अलग दिखेगी। यह विधि कोशिका की स्थिति का एक विस्तृत चित्र प्रस्तुत करती है, जिसमें हजारों सूक्ष्म विवरण समाहित होते हैं जिन्हें एक एकल परीक्षण मिस कर सकता है।

लंबे समय तक, ये चित्र विभिन्न प्रयोगशालाओं में बिखरे हुए थे, जिससे परिणामों की तुलना करना या ज्ञान का एक बड़ा पुस्तकालय बनाना कठिन था। एक नए प्रोजेक्ट ने अब इन चित्रों का सबसे बड़ा सार्वजनिक पुस्तकालय तैयार करके इस समस्या को हल कर दिया है। जेयूएमपी (JUMP) सेल पेंटिंग कंसोर्टियम, जिसमें प्रमुख फार्मास्युटिकल कंपनियां और अनुसंधान संस्थान शामिल हैं, ने 1,15,000 से अधिक विभिन्न रासायनिक यौगिकों का परीक्षण करने के लिए मिलकर काम किया। उन्होंने यह एक लैब में नहीं, बल्कि दुनिया भर की बारह अलग-अलग प्रयोगशालाओं में, विभिन्न माइक्रोस्कोप और उपकरणों का उपयोग करके किया। लक्ष्य यह देखना था कि क्या यह विशाल, अव्यवस्थित, वास्तविक दुनिया का डेटा अभी भी इस बारे में एक स्पष्ट कहानी बता सकता है कि रसायन मानव कोशिकाओं को कैसे प्रभावित करते हैं।

शोधकर्ताओं ने मानव हड्डी के कैंसर की एक विशिष्ट कोशिका पर ध्यान केंद्रित किया, जिसे U2OS कहा जाता है, जो इस प्रकार के अध्ययनों के लिए एक मानक मॉडल है। उन्होंने इन कोशिकाओं को 1,15,796 अद्वितीय यौगिकों के साथ उपचारित किया, जो मुख्य रूप से 10 माइक्रोमोलर की सांद्रता पर थे, और 48 घंटों के बाद कोशिकाओं की उच्च-रिज़ॉल्यूशन वाली तस्वीरें लीं। कुल मिलाकर, परियोजना ने 4 करोड़ 30 लाख से अधिक चित्र उत्पन्न किए, जिनका विश्लेषण कंप्यूटर सॉफ्टवेयर द्वारा प्रत्येक कोशिका के लिए एक "प्रोफ़ाइल" निकालने के लिए किया गया। यह प्रोफ़ाइल कोशिका की उपस्थिति का वर्णन करने वाले हजारों नंबरों की एक सूची है। टीम ने सभी बारह साइटों के डेटा को एक एकल, एकीकृत डेटाबेस में संयोजित किया जिसमें 1.5 अरब से अधिक व्यक्तिगत कोशिका प्रोफाइल शामिल हैं। यह विशाल डेटासेट अब किसी भी वैज्ञानिक के उपयोग के लिए उपलब्ध है, जो एक संदर्भ मानचित्र के रूप में कार्य करता है कि रसायन कोशिका के व्यवहार को कैसे बदलते हैं।

टीम ने सबसे महत्वपूर्ण प्रश्नों में से एक यह पूछा कि क्या बारह अलग-अलग लैब के डेटा पर एक साथ काम करने के लिए भरोसा किया जा सकता है। चूंकि प्रत्येक लैब अलग माइक्रोस्कोप का उपयोग करती थी और उनके पास अलग कर्मचारी थे, इसलिए इस बात का जोखिम था कि उपकरणों के अंतर वास्तविक जैविक संकेतों (biological signals) को दबा सकते हैं। शोधकर्ताओं ने पाया कि इन तकनीकी विविधताओं के बावजूद, जैविक संकेत मजबूत बने रहे। परीक्षण किए गए लगभग 15 प्रतिशत यौगिकों ने कोशिकाओं की उपस्थिति में एक स्पष्ट, मापने योग्य परिवर्तन दिखाया, जिसका अर्थ है कि वे जैविक रूप प्रकार से सक्रिय थे। हालांकि एक ही लैब के भीतर के परिणामों की तुलना में विभिन्न लैब के परिणामों की तुलना करने पर सिग्नल थोड़ा कमजोर था, लेकिन अंतर इतना कम था कि डेटा उपयोगी बना रहा। इसने सिद्ध किया कि प्रयोगशालाओं का एक वैश्विक नेटवर्क अपने काम को सफलतापूर्वक जोड़कर एक एकल, शक्तिशाली संसाधन बना सकता है, बिना वास्तविक जैविक प्रभावों का पता लगाने की क्षमता खोए।

इस लाइब्रेरी की शक्ति छिपे हुए संबंधों को प्रकट करने की इसकी क्षमता में निहित है। शोधकर्ताओं ने पाया कि रसायन जो एक ही जैविक लक्ष्य या क्रिया के तंत्र (mechanism of action) को साझा करते हैं, वे बहुत समान कोशिकीय चित्र (cellular portraits) उत्पन्न करते हैं। यदि दो अलग-अलग दवाएं एक ही प्रोटीन को ब्लॉक करने के लिए डिज़ाइन की गई हैं, तो वे कोशिकाएं जिन्हें वे उपचारित करती हैं, माइक्रोस्कोप के नीचे एक जैसी दिखेंगी, भले ही दवाएं रासायनिक रूप से पूरी तरह से अलग दिखती हों। यह "अपराध द्वारा जुड़ाव" (guilt by association) का सिद्धांत वैज्ञानिकों को एक नए, अज्ञात यौगिक को अपने कोशिकीय चित्र की लाखों अन्य चित्रों के साथ तुलना करने की अनुमति देता है। यदि अज्ञात यौगिक ज्ञात दवाओं के एक समूह के समान दिखता है जो एक विशिष्ट प्रोटीन को लक्षित करती हैं, तो इसकी अत्यधिक संभावना है कि नया यौगिक भी उसी तरह काम करता है। अध्ययन ने दिखाया कि यह विधि अत्यधिक सटीक है; एक ही ज्ञात लक्ष्य वाले यौगिक डेटा में संयोग से कहीं अधिक बार पड़ोसी पाए गए।

टीम ने रासायनिक संरचना और कोशिका पर इसके प्रभाव के बीच संबंध का पता लगाने के लिए भी इस डेटा का उपयोग किया। उन्होंने पाया कि हालांकि समान आकार के रसायन अक्सर समान कोशिकीय परिवर्तन उत्पन्न करते हैं, लेकिन यह हमेशा सच नहीं होता है। कुछ रसायन जो संरचनात्मक रूप से लगभग समान दिखते हैं, उनके कोशिका पर पूरी तरह से अलग प्रभाव हो सकते हैं, जिसे "एक्टिविटी क्लिफ" (activity cliff) कहा जाता है। इसके विपरीत, कुछ रसायन जिनकी संरचना बहुत भिन्न है, वे एक ही कोशिकीय परिणाम उत्पन्न कर सकते हैं। इन संबंधों को मैप करके, शोधकर्ताओं ने एक ऐसा उपकरण बनाया जो दवा डेवलपर्स को इन 'क्लिफ्स' को पहचानने और उन रसायनों से बचने में मदद कर सकता है जो अवांछित दुष्प्रभाव पैदा कर सकते हैं। उन्होंने यह भी पाया कि एक रसायन के कुछ भौतिक गुण, जैसे कि वसा में घुलने की क्षमता, उसे कोशिका में दृश्य परिवर्तन का कारण बनने के लिए अधिक संभावित बनाते हैं, लेकिन ये गुण हमेशा यह भविष्यवाणी नहीं करते कि वह परिवर्तन सुसंगत या विशिष्ट होगा या नहीं।

इस लाइब्रेरी के व्यावहारिक मूल्य को साबित करने के लिए, शोधकर्ताओं ने एक वास्तविक दुनिया की चुनौती के साथ इसका परीक्षण किया। उन्होंने यौगिकों का एक छोटा सेट लिया, जो चयापचय (metabolism) से जुड़े एक विशिष्ट रिसेप्टर को लक्षित करते हैं, और उन्हें मूत्राशय के कैंसर की एक अलग कोशिका के साथ उपचारित किया। फिर उन्होंने डेटाबेस से उन नए यौगिकों के लिए मिलान खोजने को कहा, बिना कंप्यूटर को यह बताए कि वे यौगिक क्या हैं। सिस्टम ने सफलतापूर्वक पहचान लिया कि इन नए यौगिकों ने उन ज्ञात दवाओं के समान एक कोशिकीय चित्र बनाया जो कोशिका विभाजन को रोकती हैं। आगे के प्रयोगों ने पुष्टि की कि इन नए यौगिकों ने वास्तव में कोशिकाओं को विभाजित होने से रोक दिया और उन्हें बुढ़ापे (aging) की अवस्था में डाल दिया, ठीक वैसे ही जैसे ज्ञात दवाएं करती हैं। इसने प्रदर्शित किया कि एक शोधकर्ता इस सार्वजनिक लाइब्रेरी का उपयोग यह पता लगाने के लिए कर सकता है कि एक नई दवा कैसे काम करती है, भले ही उनके पास केवल कुछ नमूने हों और वे लाइब्रेरी बनाने के लिए उपयोग किए गए सेल प्रकार से भिन्न प्रकार की कोशिका का उपयोग कर रहे हों।

परियोजना ने इस तरह के डेटा की सीमाओं को भी रेखांकित किया। जबकि कोशिकीय चित्र इस बात की भविष्यवाणी करने में उत्कृष्ट थे कि एक दवा कोशिका के आकार या उसके तत्काल लक्ष्यों को कैसे प्रभावित कर सकती है, वे इस बात की भविष्यवाणी करने में अच्छे नहीं थे कि एक दवा पूरे मानव शरीर को कैसे प्रभावित करेगी, जैसे कि लिवर को नुकसान पहुंचाना या हृदय की समस्याएं। ऐसा इसलिए है क्योंकि परीक्षण कोशिकाएं एक डिश में उगाई जाती हैं और उनमें जीवित जीव की जटिल प्रणालियों की कमी होती है, जैसे कि दवाओं को संसाधित करने की लिवर की क्षमता। शोधकर्ताओं ने उल्लेख किया कि इन व्यापक प्रभावों की भविष्यवाणी करने के लिए, भविष्य के अध्ययनों को विभिन्न प्रकार की कोशिकाओं का उपयोग करने की आवश्यकता होगी जो मानव अंगों की बेहतर नकल करती हों।

अंततः, यह कार्य जैविक डेटा को साझा करने और उपयोग करने के लिए एक नया मानक स्थापित करता है। बारह प्रयोगशालाओं और 1,15,000 से अधिक यौगिकों के प्रयासों को एक साथ लाकर, कंसोर्टियम ने एक ऐसा सार्वजनिक संसाधन बनाया है जो जीनोमिक डेटाबेस जितना समृद्ध और विस्तृत है जिसका उपयोग मानव डीएनए को मैप करने के लिए किया जाता है। यह वैज्ञानिकों को रासायनिक व्यवहार के बारे में ऐसे प्रश्न पूछने की अनुमति देता है जो पहले उत्तर देना असंभव था, जिससे कोशिका की दृश्य जटिलता को दवा की खोज के लिए एक सुलभ मानचित्र में बदल दिया गया है। डेटा स्वतंत्र रूप से उपलब्ध है, जो वैश्विक वैज्ञानिक समुदाय को इसे खोजने, नए संबंध खोजने और उन बीमारियों के लिए दवाओं के विकास में तेजी लाने के लिए आमंत्रित करता है जिनका वर्तमान में कोई इलाज नहीं है।