Cell Painting and machine learning for mechanistic profiling of hepatotoxic botanicals and their constituents

लोग लंबे समय से अपने स्वास्थ्य के लिए पौधों की ओर मुड़ते रहे हैं, साधारण चाय से लेकर जटिल हर्बल सप्लीमेंट्स तक। ये वानस्पतिक उत्पाद वैश्विक वेलनेस उद्योग का एक बड़ा हिस्सा हैं, फिर भी ये सुरक्षा विशेषज्ञों के लिए एक अनूठी चुनौती पेश करते हैं। एक एकल रासायनिक दवा के विपरीत, हर्बल सप्लीमेंट की एक बोतल सैकड़ों अलग-अलग यौगिकों (compounds) का एक जटिल मिश्रण होती है। हालांकि हम जानते हैं कि कुछ पौधे लीवर को नुकसान पहुँचा सकते हैं, लेकिन अक्सर यह बताना असंभव होता है कि मिश्रण में कौन सा विशिष्ट घटक उस समस्या के लिए जिम्मेदार है या वह उस क्षति का कारण कैसे बनता है। पारंपरिक सुरक्षा परीक्षण इस जटिलता के साथ संघर्ष करते हैं, जिससे नियामक और उपभोक्ता अक्सर प्राकृतिक उपचारों के भीतर छिपे वास्तविक जोखिमों के बारे में अंधेरे में रह जाते हैं।

इसे हल करने के लिए, शोधकर्ता 'सेल पेंटिंग' (Cell Painting) नामक एक विधि की ओर मुड़ रहे हैं। कल्पना कीजिए कि एक सूक्ष्मदर्शी (microscope) है जो न केवल कोशिका की तस्वीर लेता है, बल्कि उसे पांच अलग-अलग फ्लोरोसेंट रंगों से पेंट करता है, जिनमें से प्रत्येक कोशिका के तंत्र के एक विशिष्ट भाग को उजागर करता है, जैसे कि केंद्रक (nucleus), ऊर्जा कारखाने (energy factories), या बाहरी त्वचा। जब कोई रसायन कोशिका को बाधित करता है, तो ये पेंट किए गए हिस्से विशिष्ट तरीकों से आकार या व्यवस्था बदलते हैं। इन परिवर्तनों को कैप्चर करके, वैज्ञानिक न केवल यह देख सकते हैं कि क्या कोशिका मर रही है, बल्कि यह भी कि वह कैसे प्रतिक्रिया दे रही है। इस दृश्य डेटा (visual data) को फिर कंप्यूटर मॉडल में फीड किया जाता है जिन्हें हजारों ज्ञात रसायनों पर प्रशिक्षित किया गया है। ये मॉडल जैविक प्रतिक्रियाओं के एक पुस्तकालय की तरह कार्य करते हैं, जिससे शोधकर्ता एक नए पादप अर्क (plant extract) की तुलना ज्ञात व्यवहारों के एक विशाल डेटाबेस से कर सकते हैं ताकि यह अनुमान लगाया जा सके कि कोशिका के भीतर क्या हो रहा है।

हाल ही में एक अध्ययन में, वैज्ञानिकों की एक टीम ने तेरह विभिन्न वानस्पतिक अर्क और उनके पचासी व्यक्तिगत रासायनिक घटकों पर यह दृष्टिकोण लागू किया। उन्होंने इन पदार्थों का परीक्षण प्राथमिक मानव यकृत कोशिकाओं (primary human liver cells) पर किया, जो लीवर की सुरक्षा को समझने के लिए सबसे प्रासंगिक मॉडल हैं। शोधकर्ताओं ने प्रत्येक पादप अर्क और उसके घटकों के आठ अलग-अलग सांद्रता (concentrations) स्तरों पर कोशिकाओं को एक्सपोज किया, और फिर सेल पेंटिंग तकनीक का उपयोग करके कोशिकीय प्रतिक्रिया को कैप्चर किया। उन्होंने मानक स्वास्थ्य जांच भी की ताकि यह देखा जा सके कि क्या कोशिकाएं लीक हो रही हैं या अपनी ऊर्जा खो रही हैं, जिससे तुलना के लिए एक आधार रेखा (baseline) मिल सके। लक्ष्य यह देखना था कि क्या यह उच्च-तकनीकी इमेजिंग उन गतिविधियों को पकड़ सकती है जिन्हें पारंपरिक परीक्षणों ने छोड़ दिया था और, अधिक महत्वपूर्ण रूप से, यह पहचानना कि मिश्रण के भीतर कौन से विशिष्ट घटक उन प्रभावों को संचालित कर रहे हैं।

परिणामों से पता चला कि सेल पेंटिंग विधि मानक स्वास्थ्य जांच की तुलना में बहुत अधिक संवेदनशील थी। इसने तेरह में से ग्यारह पादप अर्क और पचासी में से छियालीस व्यक्तिगत घटकों में जैविक गतिविधि का पता लगाया, जबकि पारंपरिक परीक्षणों ने केवल नौ अर्क और चालीस घटकों में गतिविधि पाई। महत्वपूर्ण रूप से, इमेजिंग पद्धति ने अक्सर बहुत कम सांद्रता पर इन प्रभावों को पहचाना। उदाहरण के लिए, जहाँ तेरह में से नौ मामलों में पादप अर्क ने प्रतिक्रिया उत्पन्न की, वहां कम से कम एक एकल घटक ने उस अर्क के भीतर और भी कम खुराक पर एक और भी मजबूत प्रतिक्रिया उत्पन्न की। यह सुझाव देता है कि एक पादप मिश्रण का समग्र प्रभाव सभी भागों के समान रूप से मिलकर काम करने के बजाय, कुछ शक्तिशाली घटकों द्वारा संचालित होता है।

अध्ययन ने यह भी खुलासा किया कि सबसे शक्तिशाली पादप अर्क अरिस्टोलोचिया (Aristolochia) और गोल्डसेन्ल (Goldenseal) थे। दोनों ने बहुत कम खुराक पर कोशिकीय तनाव के मजबूत संकेत दिखाए। शोधकर्ता इसे विशिष्ट घटकों तक ट्रैक करने में सक्षम रहे, जैसे कि अरिस्टोलोचिया में अरिस्टोलोचिक एसिड I और गोल्डसेन्ल में बेरबेरीन (berberine), जो स्वयं अत्यधिक सक्रिय थे। हालांकि, पूरे पौधे और उसके हिस्सों के बीच का संबंध हमेशा सीधा नहीं था। कुछ मामलों में, जैसे कि अश्वगंधा और कोम्फ्रे (Comfrey) के साथ, प्रयोगशाला में व्यक्तिगत घटक अत्यधिक सक्रिय थे, फिर भी पूरे पादप अर्क ने परीक्षण किए गए स्तरों पर वैसी मजबूत प्रतिक्रिया नहीं दिखाई। इसके विपरीत, एशियाई जिनसेंग (Asian Ginseng) के अर्क ने मजबूत प्रतिक्रिया दिखाई, भले ही उसके व्यक्तिगत घटक अकेले इतने प्रभावशाली नहीं थे। यह इस बात को रेखांकित करता है कि मिश्रण के भीतर घटकों के बीच होने वाली अंतःक्रिया अंतिम परिणाम को बदल सकती है, जिससे केवल अलग किए गए रसायनों को देखकर सुरक्षा का अनुमान लगाना कठिन हो जाता है।

केवल गतिविधि का पता लगाने से परे, शोधकर्ताओं ने दृश्य डेटा का उपयोग यह परिकल्पना (hypothesis) उत्पन्न करने के लिए किया कि ये पौधे लीवर को कैसे प्रभावित कर रहे हैं। ज्ञात प्रभावों वाले एक हजार से अधिक रसायनों के विशाल संदर्भ पुस्तकालय के साथ अपनी कोशिकीय "पेंटिंग्स" की तुलना करके, कंप्यूटर मॉडल ने कार्य के विशिष्ट तंत्रों का सुझाव दिया। उदाहरण के लिए, मॉडलों ने भविष्यवाणी की कि गोल्डसेन्ल और अरिस्टोलोचिया शरीर की हार्मोनल प्रणालियों में हस्तक्षेप कर सकते हैं या डीएनए को नुकसान पहुंचा सकते हैं, जो उनकी विषाक्तता के बारे में ज्ञात तथ्यों के अनुरूप है। इमेजिंग ने यह भी दिखाया कि कोशिका के विभिन्न भाग अलग-अलग प्रतिक्रिया करते हैं; उदाहरण के लिए, अरिस्टोलोचिक एसिड I ने डीएनए चैनल में एक विशिष्ट परिवर्तन उत्पन्न किया, जो आनुवंशिक क्षति पहुंचाने की इसकी ज्ञात क्षमता के अनुरूप है।

अध्ययन यह निष्कर्ष निकालता है कि उच्च-विस्तृत इमेजिंग और मशीन लर्निंग का यह संयोजन जटिल पादप मिश्रणों की स्क्रीनिंग के लिए एक शक्तिशाली नया तरीका प्रदान करता है। यह वैज्ञानिकों को केवल "क्या यह विषाक्त है?" पूछने से आगे बढ़कर "यह क्या कर रहा है, और पौधे का कौन सा हिस्सा इसे कर रहा है?" पूछने की अनुमति देता है। हालांकि ये निष्कर्ष प्रयोगशाला में उगाई गई यकृत कोशिकाओं पर आधारित हैं और सीधे तौर पर यह सिद्ध नहीं करते कि ये पौधे मनुष्यों में लीवर को नुकसान पहुंचाएंगे, लेकिन यह विधि सफलतापूर्वक सबसे सक्रिय घटकों को आगे के अध्ययन के लिए प्राथमिकता देती है। यह जटिल वानस्पतिक उत्पादों में विषाक्तता के छिपे हुए चालकों को समझने के लिए एक स्पष्ट, स्केलेबल मार्ग प्रदान करता है, जिससे हर्बल उपचारों की विशाल दुनिया में लाभकारी और हानिकारक के बीच अंतर करने में मदद मिलती है।