Mapping disease traits onto spatiotemporal domain landscapes through scalable multi-sample integration of spatial transcriptomics

कल्पना कीजिए कि आप एक विशाल, हलचल भरे शहर को समझने की कोशिश कर रहे हैं, लेकिन एक नक्शा देखने के बजाय, आपको व्यक्तिगत सड़क के कोनों की हजारों छोटी, उच्च-रिज़ॉल्यूशन वाली तस्वीरें दी जाती हैं। वैज्ञानिक स्पेशियल ट्रांसक्रिप्टोमिक्स (spatial transcriptomics) का अध्ययन करते समय इसी स्थिति का सामना करते हैं। इसे एक ऊतक (tissue) नमूने की तस्वीर लेने के तरीके के रूप में समझें जहाँ प्रत्येक कोशिका को एक "नाम टैग" मिलता है जो यह दर्शाता है कि उसके भीतर कौन से जीन सक्रिय हैं, जबकि इस बात का भी सटीक पता रहता है कि वह कोशिका उस पड़ोस में ठीक कहाँ बैठी है। आमतौर पर, शोधकर्ता समय के केवल एक ही क्षण का एक स्नैपशॉट देखते हैं। लेकिन जीवन एक एकल फोटो नहीं है; यह एक फिल्म है। बीमारियाँ समय के साथ बदलती हैं, और शरीर विभिन्न चरणों के माध्यम से विकसित होते हैं। चुनौती यह है कि जब आप अलग-अलग लोगों, अलग-अलग समय या अलग-अलग स्थितियों से सैकड़ों ऐसी तस्वीरों को जोड़ने की कोशिश करते हैं, तो "प्रकाश व्यवस्था" और "कैमरा एंगल" (वैज्ञानिक इन्हें "बैच इफेक्ट्स" कहते हैं) इसे ऐसा बना देते हैं जैसे कि पड़ोस पूरी तरह से अलग हो, भले ही वे वास्तव में एक ही हों। इन बिखरे हुए, विशाल संग्रहों को एक स्पष्ट, निरंतर कहानी में कैसे मिलाया जाए, यही वह बड़ी पहेली है जिसे यह शोध पत्र हल करने की कोशिश करता है।

यहाँ आता है STUltra, एक नया डिजिटल टूल जिसे इन जैविक परिदृश्यों (biological cityscapes) के लिए परम पहेली मास्टर बनने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने STUltra को एक "स्केलेबल हाइपरग्राफ फ्रेमवर्क" के रूप में बनाया है, जो एक फैंसी तरीका है यह कहने का कि यह एक सुपर-स्मार्ट, लचीली प्रणाली है जो बिना अभिभूत हुए लाखों डेटा बिंदुओं को संभाल सकती है। केवल कोशिकाओं को एक-एक करके देखने के बजाय, STUltra एक विशाल, 3D जाल (हाइपरग्राफ) बनाता है जहाँ संबंध न केवल पड़ोसियों का प्रतिनिधित्व करते हैं, बल्कि विभिन्न ऊतक स्लाइसों के बीच पूरे पड़ोस और साझा कहानियों का भी प्रतिनिधित्व करते हैं। यह "कॉन्ट्रास्टिव लर्निंग" नामक एक चतुर तकनीक का उपयोग करता है ताकि विभिन्न प्रयोगों के भ्रमित करने वाले शोर को अनदेखा किया जा सके और केवल वास्तविक जैविक समानताओं पर ध्यान केंद्रित किया जा सके। इसे एक अनुवादक की तरह समझें जो एक भाषा के हजार अलग-अलग बोलियों को ले सकता है और तुरंत यह पहचान सकता है कि वे सभी एक ही शहर के लेआउट का वर्णन कर रहे हैं, जिससे असली सड़कों को प्रकट करने के लिए लहजों को हटा दिया जाता है।

एक बार जब STUltra डेटा को साफ कर लेता है और ऊतक के भीतर विशिष्ट "जिलों" या डोमेनों को मैप कर लेता है, तो यह कुछ वास्तव में विशेष करता है: यह इन मानचित्रों को GWAS (जीनोम-वाइड एसोसिएशन स्टडी) सांख्यिकी से जोड़ता है। यदि आप कल्पना करें कि GWAS एक विशिष्ट बीमारी से जुड़े "संदिग्धों" (जेनेटिक सिग्नल) की सूची है, तो STUltra एक ऐसे जासूस की तरह कार्य करता है जो इन संदिग्धों को सीधे शहर के मानचित्र पर उतार देता है। यह केवल यह नहीं कहता कि "यह जीन बुरा है"; यह सटीक रूप से दिखाता है कि ऊतक के परिदृश्य में वह बुरा जीन कहाँ समस्या पैदा कर रहा है। शोध पत्र सुझाव देता है कि यह विधि अविश्वसनीय रूप से तेज़ और सटीक है, जो पुराने उपकरणों की तुलना में लाखों स्पॉट्स वाले डेटासेट को बहुत बेहतर तरीके से संभालती है।

एक चूहे के भ्रूण (mouse embryo) का उपयोग करते हुए एक परीक्षण में, STura ने केवल स्थिर चित्र ही नहीं देखे; इसने विकास की एक निरंतर फिल्म को पुनः प्राप्त किया, यह दिखाया कि कैसे हृदय और अन्य अंग बढ़ते और बदलते हैं। इसने यहाँ तक पाया कि जन्मजात हृदय रोग (congenital heart disease) के संकेत केवल हृदय में ही नहीं फंसे थे, बल्कि रक्त वाहिकाओं और संयोजी ऊतकों (connective tissues) से जुड़े व्यापक कार्यक्रमों से जुड़े थे। अल्जाइमर रोग वाले एक चूहे पर एक अन्य परीक्षण में, टूल ने प्रतिरक्षा कोशिकाओं (माइक्रोग्लिया) और एक विशिष्ट प्रकार की सहायता कोशिका (एस्ट्रोसाइट) में विशिष्ट जेनेटिक समस्या वाले स्थानों की पहचान की, जो बीमारी की स्थिति में फैलती हुई प्रतीत होती है। लेखक सुझाव देते हैं कि इन जटिल ऊतक संरचनाओं और रोग लक्षणों के बीच की खाई को पाटकर, STUltra वैज्ञानिकों को उन नए आणविक आर्किटेक्चर की खोज करने में मदद करता है जो पहले छिपे हुए थे, जिससे यह देखने का एक स्पष्ट दृष्टिकोण मिलता है कि बीमारियाँ समय और स्थान के माध्यम से कैसे विकसित होती हैं।