vFLIM: Machine Learning-enabled Light Sheet Fluorescence Lifetime Imaging

जैविक इमेजिंग की दुनिया में, वैज्ञानिक किसी जीवित कोशिका के भीतर क्या हो रहा है, यह समझने के लिए लंबे समय से एक चमकते हुए अणु की चमक (ब्राइटनेस) पर भरोसा करते आए हैं। यह तीव्रता उन्हें बताती है कि किसी पदार्थ की कितनी मात्रा मौजूद है, लेकिन यह जानकारी की एक गहरी परत को छोड़ देती है। जिस तरह एक संगीत का स्वर हवा के दबाव या तापमान के आधार पर अपनी पिच बदल सकता है, उसी तरह एक फ्लोरोसेंट अणु प्रकाश पड़ने के बाद अपने चमकने की गति को बदल देता है। यह गति, जिसे फ्लोरोसेंस का 'लाइफटाइम' (जीवनकाल) कहा जाता है, अणु के तात्कालिक परिवेश के लिए एक संवेदनशील रिपोर्टर के रूप가 कार्य करती है। यह स्थानीय वातावरण में सूक्ष्म बदलावों, ऊतक (टिश्यू) के भीतर भौतिक तनाव, या कोशिका की चयापचय अवस्था (मेटाबॉलिक स्टेट) को प्रकट कर सकती है। क्योंकि ये स्थितियाँ गतिशील और नाजुक होती हैं, इसलिए सबसे मूल्यवान अंतर्दृष्टि लैब में जमे हुए नमूनों का अध्ययन करने के बजाय, जीवित जीवों के भीतर इन्हें वास्तविक समय में घटित होते देखने से प्राप्त होती है।

हालाँकि, एक जीवित प्रणाली में इस क्षणिक जानकारी को कैप्चर करना एक कठिन चुनौती रही है। इन लाइफटाइम्स को मापने के पारंपरिक तरीके अक्सर जीवन की तीव्र गतिविधियों के साथ तालमेल बिठाने के लिए बहुत धीमे होते हैं, या उन्हें इतने अधिक प्रकाश की आवश्यकता होती है कि वे उन नाजुक नमूनों को नुकसान पहुँचा सकते हैं या उन्हें मार सकते हैं जिनका वे अवलोकन करने के लिए बनाए गए हैं। इसके अलावा, इन मापों से उत्पन्न डेटा की विशाल मात्रा एक बाधा (बॉटलनेक) पैदा करती है, जिससे छवियों को दीर्घकालिक अध्ययनों के लिए उपयोगी होने के लिए पर्याप्त तेज़ी से प्रोसेस करना कठिन हो जाता है। इसका परिणाम यह रहा है कि इस तकनीक की क्षमता और जीवित दुनिया में इसके व्यावहारिक अनुप्रयोग के बीच एक अंतर बना रहा।

शोधकर्ताओं की एक टीम ने एक विशेष माइक्रोस्कोप और डेटा को प्रोसेस करने के एक नए तरीके को मिलाकर एक पूर्ण वर्कफ़्लो पेश करके इस अंतर को पाट दिया है। उन्होंने vFLIM नामक एक प्रणाली विकसित की है, जिसका अर्थ है वॉल्यूमेट्रिक फ्लोरोसेंस लाइफटाइम इमेजिंग। यह दृष्टिकोण एक 'लाइट शीट माइक्रोस्कोप' का उपयोग करता है, जो एक समय में नमूने की एक पतली परत को प्रकाशित करता है, जिससे पारंपरिक स्कैनिंग विधियों के कठोर प्रभावों के बिना संपूर्ण वॉल्यूम की तीव्र और सौम्य इमेजिंग संभव हो पाती है। इस माइक्रोस्कोप द्वारा उत्पन्न सूचना की विशाल मात्रा को संभालने के लिए, टीम ने हार्डवेयर को एक मशीन लर्निंग मॉडल के साथ जोड़ा है, जो एक प्रकार का कंप्यूटर प्रोग्राम है जिसे पैटर्न पहचानने और कच्चे चित्रों (रॉ इमेजेस) से सीधे लाइफटाइम डेटा निकालने के लिए प्रशिक्षित किया गया है। यह संयोजन सिस्टम को जीवित प्रणालियों के लिए पहले अप्राप्य गति और कोमलता के साथ आणविक लाइफटाइम्स के विस्तृत, त्रि-आयामी (थ्री-डायमेंशनल) मानचित्र बनाने की अनुमति देता है।

शोधकर्ताओं ने इस बहुमुखी प्रतिभा को सिद्ध करने के लिए विभिन्न जैविक परिदृश्यों में इस पाइपलाइन का परीक्षण किया। उन्होंने ट्रैक किए जा रहे विशिष्ट अणुओं को बदलते हुए और अवलोकन के पैमाने को सूक्ष्म कोशिकीय संरचनाओं से लेकर बड़े ऊतक आयतन (टिश्यू वॉल्यूम) तक बदलते हुए, विभिन्न प्रकार के जीवित मॉडलों पर इस पद्धति को लागू किया। प्रत्येक मामले में, सिस्टम ने स्पष्ट, उच्च-गति वाले वॉल्यूमेट्रिक डेटा को सफलतापूर्वक प्रदान किया, जिससे यह प्रदर्शित हुआ कि वर्कफ़्लो विविध प्रयोगात्मक आवश्यकताओं को संभालने के लिए पर्याप्त मजबूत है। इन विभिन्न स्थितियों में पद्धति को मान्य करके, टीम ने दिखाया कि यह पाइपलाइन केवल एक सैद्धांतिक अवधारणा नहीं है बल्कि व्यापक उपयोग के लिए तैयार एक व्यावहारिक उपकरण है।

यह कार्य लाइव, थ्री-डायमेंशनल लाइफटाइम इमेजिंग को जीव विज्ञानियों के व्यापक समुदाय के लिए सुलभ बनाने की दिशा में एक महत्वपूर्ण कदम है। गति और डेटा जटिलता की दोहरी समस्याओं को हल करके, नया पाइपलाइन उन बाधाओं को हटा देता है जिन्होंने इस शक्तिशाली तकनीक को कई शोधकर्ताओं की पहुँच से दूर रखा था। इसका परिणाम एक ऐसा हस्तांतरणीय (ट्रांसफरेबल) सिस्टम है जो वैज्ञानिकों को लंबी अवधि में जीवित जीवों के सूक्ष्म, बदलते परिवेश को देखने में सक्षम बनाता है, जिससे अवलोकन प्रक्रिया के हस्तक्षेप के बिना आणविक स्तर पर जीवन कैसे कार्य करता है, इसकी नई खोजों के द्वार खुलते हैं।