Connecting polygenic disease risk to cell states and regulatory programs through single-cell chromatin accessibility
यह शोध पत्र SCADS को प्रस्तुत करता है, जो एक स्केलेबल कम्प्यूटेशनल फ्रेमवर्क है जो क्रोमैटिन सह-विनियमन क्षेत्रों (co-regulatory regions) के पॉलीजेनिक संवर्धन (polygenic enrichment) को मात्रात्मक रूप से मापकर, रोग-प्रासंगिक कोशिका आबादी और नियामक कार्यक्रमों की पहचान करने के लिए सिंगल-सेल ATAC-seq डेटा को GWAS सारांश आँकड़ों के साथ एकीकृत करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
आनुवंशिक अध्ययनों ने लंबे समय से हमारे डीएनए में हजारों छोटे परिवर्तनों की पहचान की है जो बीमारियों के बढ़ते जोखिम से जुड़े हैं। इनमें से अधिकांश परिवर्तन उन जीन के भीतर नहीं होते हैं जो प्रोटीन बनाने के निर्देश प्रदान करते हैं। इसके बजाय, वे जीनोम के नियामक क्षेत्रों (regulatory regions) में स्थित होते हैं। ये क्षेत्र स्विच की तरह कार्य करते हैं जो यह नियंत्रित करते हैं कि एक जीन कब, कहाँ और कितनी मात्रा में चालू या बंद होगा। चूंकि ये स्विच कुछ विशिष्ट प्रकार की कोशिकाओं के लिए विशिष्ट हो सकते हैं, इसलिए एक आनुवंशिक परिवर्तन फेफड़े की कोशिका में बीमारी के जोखिम को बढ़ा सकता है लेकिन त्वचा की कोशिका में इसका कोई प्रभाव नहीं हो सकता है।
इस शोध पत्र के शोधकर्ताओं ने इस अंतर को पाटने के लिए 'सिंगल-सेल एटीएसी-सीक (Single-Cell ATAC-seq) डिजीज स्कोर (SCADS)' नामक एक कम्प्यूटेशनल फ्रेमवर्क विकसित किया है। इसका लक्ष्य यह देखना है कि कौन से हिस्से नियमन के लिए सुलभ हैं, इसके माध्यम से इन आनुवंशिक जोखिम संकेतों को विशिष्ट कोशिका प्रकारों से जोड़ना है।
ऐसा करने के लिए, शोधकर्ताओं ने सिंगल-सेल एटीएसी-सीक्वेंसिंग (single-cell ATAC-sequencing) नामक तकनीक का उपयोग किया। यह विधि पहचानती है कि एकल कोशिका में डीएनए के कौन से हिस्से "खुले" या सुलभ हैं, जो यह दर्शाता है कि वे सक्रिय नियामक स्विच हैं। SCADS फ्रेमवर्क तीन चरणों में कार्य करता है। सबसे पहले, यह इन खुले डीएनए क्षेत्रों को "विषयों" (topics) में समूहबद्ध करने के लिए एक गणितीय मॉडल का उपयोग करता है। ये विषय उन नियामक तत्वों के सेट का प्रतिनिधित्व करते हैं जो विशिष्ट जैविक कार्यक्रमों को नियंत्रित करने के लिए मिलकर कार्य करते हैं। दूसरा, यह फ्रेमवर्क गणना करता है कि किसी विशिष्ट बीमारी के लिए ज्ञात आनुवंशिक जोखिम संकेत इन विषयों के भीतर कितनी केंद्रित हैं। तीसरा, यह प्रत्येक एकल कोशिका के लिए एक रोग स्कोर (disease score) उत्पन्न करने के लिए व्यक्तिगत कोशिकाओं के भीतर इन विषयों की गतिविधि को संयोजित करता है।
लेखकों ने सिमुलेशन का उपयोग करके SCADS का परीक्षण किया और पाया कि यह मौजूदा विधियों की तुलना में उच्च सटीकता और कम गलत सकारात्मकता (false positives) के साथ रोग-प्रासंगिक कोशिकाओं की पहचान करता है। उन्होंने यह भी प्रदर्शित किया कि ये स्कोर कैलिब्रेटेड हैं, जिसका अर्थ है कि उन्हें विभिन्न डेटासेट और विभिन्न बीमारियों के बीच तुलना किया जा सकता है।
जब शोधकर्ताओं ने ऑटोइम्यून रोगों पर SCADS को लागू किया, तो उन्होंने पाया कि एक ही प्रकार की सभी कोशिकाओं में रोग की प्रासंगिकता समान नहीं होती है। उदाहरण के लिए, इन्फ्लेमेटरी बाउल डिजीज (inflammatory bowel disease) में, शोधकर्ताओं ने पाया कि CD8+ टी कोशिकाओं के विभिन्न उपसमूहों और कोलोन एपिथेलियल कोशिकाओं के विभिन्न प्रकारों में रोग का जोखिम अलग-अलग स्तर का था। SCADS का उपयोग करके, शोधकर्ता उन विशिष्ट जीन प्रोग्रामों और आनुवंशिक वेरिएंट्स का पता लगाने में सक्षम हुए जो इन अंतरों को संचालित करते हैं। यह शोध पत्र SCADS को गैर-कोडिंग आनुवंशिक भिन्नता को व्यक्तिगत कोशिकाओं की पहचान और कार्य से जोड़ने वाले एक स्केलेबल और मॉड्यूलर फ्रेमवर्क के रूप में वर्णित करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।