CHACAM: a cell-cell interaction-guided hierarchical attention model for high-precision cell identity annotation of scRNA-seq data in early C. elegans embryogenesis

जीवन एक एकल कोशिका के रूप में शुरू होता है, एक छोटा सा गोला जिसमें एक संपूर्ण जीव का ब्लूप्रिंट समाहित होता है। विकास के शुरुआती क्षणों में, यह कोशिका बार-बार विभाजित होती है, जिससे कोशिकाओं का एक तेजी से बढ़ता हुआ समूह बनता है। दशकों से, वैज्ञानिकों को पता है कि सूक्ष्म गोल कृमि Caenorhabditis elegans में यह प्रक्रिया उल्लेखनीय रूप से पूर्वानुमानित है। प्रत्येक कृमि बिल्कुल एक ही पथ का अनुसरण करता है: पहली कोशिका विभाजित होती है, फिर पुत्री कोशिकाएं विभाजित होती हैं, और वे फिर से विभाजित होती हैं, हमेशा एक ही क्रम में और हमेशा एक ही स्थान पर। इस पूर्ण निरंतरता के कारण, जीवविज्ञानी लंबे समय से इस कृमि का उपयोग यह समझने के लिए करते आए हैं कि कैसे एक एकल कोशिका एक जटिल जीव बनती है। हालांकि, जैसे-जैसे तकनीक उन्नत हुई है, एक नई चुनौती उभरी है। वैज्ञानिक अब इन भ्रूणों के भीतर व्यक्तिगत कोशिकाओं के आनुवंशिक निर्देशों, या "ट्रांसक्रिप्टोम" (transcriptome) को पढ़ सकते हैं। हालांकि यह एक बड़ी सफलता लग सकती है, लेकिन इसने एक भ्रमित करने वाली समस्या को उजागर किया है: जैसे-जैसे कोशिकाएं विभाजित होती हैं, निकट संबंधी बहनों (sister cells) के आनुवंशिक निर्देश लगभग एक समान हो जाते हैं। जब वैज्ञानिक केवल उनके आनुवंशिक कोड के आधार पर इन कोशिकाओं को छांटने की कोशिश करते हैं, तो वे अक्सर उन्हें एक-दूसरे से अलग नहीं पहचान पाते, जिससे उन्हें अलग-अलग कोशिकाओं को अस्पष्ट, संदिग्ध श्रेणियों में समूहीकृत करने के लिए मजबूर होना पड़ता है।

इस पहेली को सुलझाने के लिए, शोधकर्ताओं की एक टीम ने एक नया दृष्टिकोण विकसित किया है जो कोशिका के भीतर मौजूद आनुवंशिक कोड से परे देखता है। उन्होंने महसूस किया कि एक कोशिका शून्य में अस्तित्व में नहीं रहती; वह लगातार अपने पड़ोसियों को छूती है और उनसे संवाद करती है। भ्रूण के शुरुआती चरणों में, एक कोशिका का भाग्य उन विशिष्ट संकेतों से भारी रूप से प्रभावित होता है जो उसे उन विशिष्ट कोशिकाओं से प्राप्त होते हैं जिन्हें वह शारीरिक रूप से छू रही होती है। शोधकर्ताओं ने CHACAM नामक एक कंप्यूटर मॉडल बनाया जो एक कोशिका के आनुवंशिक डेटा को इस विस्तृत मानचित्र के साथ जोड़ता है कि कौन किसको छू रहा है। इस भौतिक संदर्भ को एकीकृत करके, यह मॉडल उन कोशिकाओं के बीच अंतर कर सकता है जो आनुवंशिक रूप से समान दिखती हैं लेकिन अलग-अलग परिवेश में स्थित हैं। इस पद्धति ने उन्हें प्रारंभिक कृमि भ्रूण का एक पूरी तरह से स्पष्ट मानचित्र बनाने की अनुमति दी है, जिससे उन पहचानों को सुलझाया जा सका जो वर्षों से संदिग्ध बनी हुई थीं और प्रत्येक अद्वितीय कोशिका को परिभाषित करने वाले नए आनुवंशिक मार्करों का खुलासा किया गया।

मुख्य समस्या यह है कि कितनी निकटता से संबंधित कोशिकाएं एक-दूसरे के समान दिखती हैं। कृमि के विकास के शुरुआती चरणों में, कोशिकाएं इतनी तेजी से विभाजित होती हैं कि जुड़वां कोशिकाएं (sister cells), जो एक ही जनक से उत्पन्न होती हैं, लगभग एक जैसा आनुवंशिक प्रोफाइल रखती हैं। इन कोशिकाओं की पहचान करने के लिए पारंपरिक विधियां विशिष्ट जीन खोजने पर निर्भर करती हैं जो मार्कर के रूप में कार्य करते हैं, जैसे कि एक नाम का टैग। हालांकि, जब आनुवंशिक अंतर इतने कम होते हैं, तो 'नाम के टैग' बहनों को अलग करने के लिए पर्याप्त विशिष्ट नहीं होते। पिछले अध्ययनों में, इस कारण से वैज्ञानिक कोशिकाओं के एक समूह को केवल एक सामान्य नाम दे पाते थे, जैसे कि "ABalx", यह स्वीकार करते हुए कि वे जानते हैं कि वह समूह मौजूद है लेकिन यह नहीं बता सकते कि विशिष्ट कोशिका कौन सी थी। सटीकता की इस कमी ने विकास को संचालित करने वाली घटनाओं के सटीक क्रम को समझना कठिन बना दिया था, क्योंकि शोधकर्ता अनिवार्य रूप से एक धुंधले मानचित्र पर काम कर रहे थे।

शोधकर्ताओं ने परिकल्पना की कि गायब जानकारी भौतिक वातावरण थी। वे जानते थे कि दशकों के अवलोकन से कि कृमि के भ्रूण में विशिष्ट कोशिकाएं हमेशा विशिष्ट पड़ोसियों को छूती हैं। उदाहरण के लिए, एक कोशिका एक ऐसे पड़ोसी को छू सकती है जो एक मांसपेशी कोशिका बनने के लिए संकेत भेजता है, जबकि उसकी जुड़वां बहन, जो आनुवंशिक रूप से समान दिखती है, एक अलग पड़ोसी को छूती है जो एक तंत्रिका कोशिका बनने के लिए संकेत भेजता है। नया मॉडल, CHACAM, इसी ज्ञान का उपयोग करने के लिए बनाया गया था। यह कोशिकाओं के बीच संचार के ज्ञात चैनलों के एक क्यूरेटेड डेटाबेस से शुरू होता है, विशेष रूप से अणुओं के वे जोड़े जो एक कोशिका को दूसरी कोशिका को संकेत भेजने की अनुमति देते हैं। इसके बाद यह एक उच्च-रिज़ॉल्यूशन, चार-आयामी (4D) मानचित्र के साथ ओवरले करता है जो दिखाता है कि विकास के हर मिनट में कौन सी कोशिकाएं एक-दूसरे को छू रही हैं।

यह मॉडल एक कोशिका को देखकर दो प्रश्न पूछता है: वह किन जीनों को व्यक्त कर रही है, और वह किसे छू रही है? यह कोशिका के आनुवंशिक प्रोफाइल की तुलना ज्ञात कोशिका प्रकारों के एक संदर्भ पुस्तकालय (reference library) से करता है। यदि आनुवंशिक प्रोफाइल संदिग्ध है, तो मॉडल उसके पड़ोसियों को देखता है। यह एक स्कोर की गणना करता है जो कोशिका और उसके पड़ोसियों के बीच विशिष्ट अंतःक्रियाओं की संभावना पर आधारित होता है। उदाहरण के लिए, यदि एक कोशिका एक ऐसे पड़ोसी को छू रही है जो एक विशिष्ट कोशिका प्रकार के साथ बातचीत करने के लिए जाना जाता है, तो मॉडल अनुमान लगाता है कि वह कोशिका संभवतः वही प्रकार है। शोधकर्ताओं ने अपने अनुमानों की पुष्टि करने के लिए "ट्राइएंगुलेशन" (triangulation) नामक रणनीति का उपयोग किया। वे एक संदर्भ कोशिका चुनते थे जिसकी पहचान ज्ञात हो और उसके द्वारा संदिग्ध कोशिका के साथ होने वाली अंतःक्रियाओं की जांच करते थे। यदि संदर्भ कोशिका को पता है कि वह एक प्रकार की बहन को छूती है लेकिन दूसरी को नहीं, और अंतःक्रिया स्कोर उस पैटर्न से मेल खाते हैं, तो संदिग्ध कोशिका की पहचान उच्च विश्वास के साथ निर्धारित की जा सकती है।

जब टीम ने इस पद्धति को C. elegans भ्रूण के मौजूदा डेटा पर लागू किया, तो परिणाम आश्चर्यजनक थे। एक से सोलह कोशिकाओं वाले भ्रूण के डेटासेट में, मॉडल ने प्रत्येक कोशिका की पहचान को सफलतापूर्वक स्पष्ट कर दिया। पहले, सोलह-कोशिका चरण में, आठ कोशिकाओं को चार अविभाज्य जुड़वा जोड़ों के रूप में समूहीकृत किया गया था। नई पद्धति ने उन सभी को अलग कर दिया, जिससे शत-प्रतिशत समाधान दर प्राप्त हुई। इसका अर्थ है कि पहली बार, वैज्ञानिकों के पास सोलह-कोशिका भ्रूण की प्रत्येक कोशिका की आनुवंशिक पहचान का एक पूर्ण, स्पष्ट मानचित्र है। मॉडल ने एक बड़े डेटासेट पर भी समान रूप से अच्छा प्रदर्शन किया जो एक सौ दो कोशिकाओं तक जाता था, और डेटा के कुछ हिस्से गायब होने के बावजूद अधिकांश कोशिकाओं की सही पहचान की।

केवल कोशिकाओं को छांटने के अलावा, मॉडल ने यह भी बताया कि प्रत्येक कोशिका को क्या अद्वितीय बनाता है। एक बार जब कोशिकाओं को सही ढंग से पहचान लिया गया, तो शोधकर्ता उन विशिष्ट जीनों की खोज कर सके जो उनकी जुड़वां कोशिका से उन्हें अलग करते हैं। उन्होंने मार्कर जीनों के एक नए सेट की खोज की जो केवल एक जुड़वां कोशिका में सक्रिय थे, जबकि पिछले अध्ययनों में केवल समूहों के लिए काम करने वाले मार्कर ही मिले थे। उदाहरण के लिए, उन्होंने ऐसे जीन खोजे जो दो विशिष्ट कोशिकाओं के बीच अंतर कर सकते थे जिन्हें पहले एक साथ मिला दिया गया था। ये नए मार्कर सूक्ष्म स्तर का विवरण प्रदान करते हैं, जिससे वैज्ञानिक प्रत्येक व्यक्तिगत कोशिका में चल रहे सटीक आनुवंशिक कार्यक्रम को देख सकते हैं। यह उच्च-रिज़ॉल्यूशन मानचित्र प्रत्येक चरण में शामिल जीनों की स्पष्ट सूची प्रदान करते हुए, यह समझने के लिए एक नया संसाधन है कि कोशिकाएं निर्णय कैसे लेती हैं।

इस दृष्टिकोण की सफलता इस बात पर प्रकाश डालती है कि वैज्ञानिक कोशिका की पहचान को कैसे देखते हैं, इसमें एक मौलिक बदलाव आया है। यह दर्शाता है कि एक कोशिका की पहचान केवल उसके द्वारा ले जाए जाने वाले जीनों द्वारा निर्धारित नहीं होती है, बल्कि उसके परिवेश के भौतिक और रासायनिक संदर्भ द्वारा भी निर्धारित होती है। आनुवंशिक डेटा को इस बाहरी वास्तविकता के साथ जोड़कर कि कौन किसको छू रहा है, शोधकर्ता उस शोर के पार देखने में सक्षम हुए जिसने पिछले विश्लेषणों को भ्रमित कर दिया था। मॉडल अनुमान या जटिल सिमुलेशन पर निर्भर नहीं है; यह कृमि के विकास के ज्ञात, अपरिवर्तनीय नियमों का उपयोग डेटा की व्याख्या करने के लिए करता है। इस पद्धति ने सिद्ध किया कि जब कोशिकाएं केवल अपने जीनों द्वारा अलग करने के लिए बहुत समान होती हैं, तो भ्रूण का भौतिक मानचित्र उनकी वास्तविक पहचान को अनलॉक करने की कुंजी होता है।

इस कार्य के निहितार्थ कृमि से परे हैं। हालांकि यह अध्ययन C. elegans पर केंद्रित था क्योंकि इसकी वंश रेखा (lineage) का मानचित्र पूरी तरह से ज्ञात है, इसका तर्क किसी भी ऐसी प्रणाली पर लागू होता है जहाँ कोशिकाओं को अलग करना कठिन हो। मनुष्यों जैसे अधिक जटिल जीवों में, कोशिकाएं अक्सर घनी आबादी वाले वातावरण में मौजूद होती हैं जहाँ उनके पड़ोसी उनके व्यवहार को प्रभावित करते हैं। यदि वैज्ञानिक ऊतकों या ट्यूमर में कोशिकाओं के बीच भौतिक संपर्कों का मानचित्र बना सकते हैं, तो वे कोशिकाओं के उन प्रकारों को छांटने के लिए इसी तरह के दृष्टिकोण का उपयोग कर सकते हैं जो सूक्ष्मदर्शी के नीचे समान दिखते हैं। शोधकर्ताओं ने उल्लेख किया कि जैसे-जैसे कोशिकाओं के स्थान को मैप करने वाली तकनीकें बेहतर होंगी, इस तरह का संदर्भ-जागरूक (context-aware) विश्लेषण तेजी से महत्वपूर्ण होता जाएगा। यह अध्ययन एक प्रमाण (proof of concept) के रूप में कार्य करता है कि भौतिक संपर्क डेटा को आनुवंशिक डेटा के साथ एकीकृत करने से वे जैविक सत्य प्रकट होते हैं जो पहले छिपे हुए थे।

शोधकर्ताओं ने अपनी पद्धति की सीमाओं को भी स्वीकार किया। मॉडल संपर्क मानचित्र की सटीकता और कोशिका-से-कोशिका संकेतों के डेटाबेस की पूर्णता पर बहुत अधिक निर्भर करता है। यदि यह मानचित्र कि कौन किसको छूता है गलत है, या यदि डेटाबेस में कोई महत्वपूर्ण सिग्नलिंग पाथवे गायब है, तो मॉडल उतना अच्छा काम नहीं करेगा। कृमि में, दशकों के इमेजिंग के कारण संपर्क मानचित्र अत्यंत सटीकता के साथ ज्ञात है, लेकिन अन्य जीवों में, यह जानकारी प्राप्त करना कठिन हो सकता है। इसके अतिरिक्त, वर्तमान मॉडल अंतःक्रियाओं को समय के एक स्थिर स्नैपशॉट के रूप में मानता है, न कि यह ट्रैक करता है कि भ्रूण के बढ़ते ही वे कैसे बदलते हैं। इन सीमाओं के बावजूद, पद्धति ने पहले ही कृमि भ्रूण का एक पूर्णतः हल किया गया एटलस प्रदान किया है, जो कि एक ऐसा संसाधन है जो पहले पहुंच से बाहर था। यह उपलब्धि भविष्य के अध्ययनों के लिए एक ठोस आधार प्रदान करती है, जिससे वैज्ञानिक यह अधिक सटीक प्रश्न पूछ सकते हैं कि कोशिकाएं कैसे संवाद करती हैं और वे क्या बनने का निर्णय लेती हैं।