CloneVI: A deep generative model for deciphering the relationships between cell state and mitochondrial genotype
CloneVI एक गहरा जनरेटिव मॉडल (deep generative model) है जो विभिन्न रोग संदर्भों में माइटोकॉन्ड्रियल डीएनए उत्परिवर्तनों (mitochondrial DNA mutations) और विशिष्ट कोशिका अवस्थाओं के बीच संबंधों को समझने के लिए सिंगल-सेल जीन एक्सप्रेशन या क्रोमैटिन एक्सेसिबिलिटी डेटा से क्लोनल संरचनाओं का अनुमान लगाता 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
प्रत्येक जीवित कोशिका के भीतर, दो अलग-अलग भाषाओं में लिखा गया एक जटिल इतिहास होता है। एक भाषा आनुवंशिक कोड है, वह DNA जो एक वंशावली (फैमिली ट्री) की तरह कार्य करता है, जो यह पता लगाता है कि साझा उत्परिवर्तन (म्यूटेशन) के माध्यम से कौन सी कोशिकाएं एक-दूसरे से संबंधित हैं। दूसरी भाषा कोशिका की वर्तमान स्थिति है, जो इस बात का एक स्नैपशॉट है कि कोशिका अभी क्या कर रही है, जैसे कि क्या वह किसी संक्रमण से लड़ रही है या अधिक ऊतक बनाने के लिए विभाजित हो रही है। लंबे समय तक, वैज्ञानिक इन दोनों भाषाओं को अलग-अलग पढ़ सकते थे। वे म्यूटेशन के माध्यम से कैंसर कोशिकाओं के वंशावली मानचित्र बना सकते थे, या वे कोशिका की गतिविधि को मापकर यह देख सकते थे कि वह क्या कर रही है। लेकिन एक कोशिका का पारिवारिक इतिहास उसके वर्तमान व्यवहार को कैसे आकार देता है, इसे समझना कठिन था क्योंकि दोनों भाषाओं को एक साथ पढ़ने वाले उपकरण अक्सर बहुत ही साधारण या अस्पष्ट थे। वे वंशावली तो देख सकते थे, लेकिन उन्हें यह देखने में संघर्ष करना पड़ता था कि वह वंशावली कोशिका के दैनिक जीवन को कैसे प्रभावित करती है, या इसके विपरीत।
क्लोनवी (CloneVI) नामक एक नया उपकरण, जिसे नागोया विश्वविद्यालय और अन्य संस्थानों के शोधकर्ताओं द्वारा विकसित किया गया है, दोनों भाषाओं को एक साथ पढ़ना सीखकर इसे बदल देता है। शोधकर्ताओं ने माइटोकॉन्ड्रिया में पाए जाने वाले एक विशिष्ट प्रकार के आनुवंशिक मार्कर पर ध्यान केंद्रित किया, जो कोशिकाओं के भीतर सूक्ष्म ऊर्जा संयंत्र होते हैं। ये मार्कर, जो माइटोकॉन्ड्रियल DNA में छोटे बदलाव हैं, प्राकृतिक टैग की तरह कार्य करते हैं जिससे यह पहचाना जा सके कि कौन सी कोशिकाएं एक ही परिवार वंश से संबंधित हैं। चुनौती यह थी कि ये टैग अक्सर बिखरे हुए और खोजने में कठिन होते हैं, और इन टैगों को ले जाने वाली कोशिकाएं बहुत अलग-अलग कार्य कर रही हो सकती हैं। टीम ने एक डीप लर्निंग मॉडल बनाया जो केवल वंशावली बनाने के लिए टैगों की तलाश नहीं करता है। इसके बजाय, यह पहले कोशिका की वर्तमान गतिविधि को समझना सीखता है और फिर पूछता है: इस गतिविधि को देखते हुए, यह कोशिका किस वंशावली से संबंधित होने की सबसे अधिक संभावना रखती है? यह दृष्टिकोण पारंपरिक पद्धति को उलट देता है, जिससे मॉडल यह देख पाता है कि आनुवंशिक परिवार विभिन्न प्रकार के कोशिकीय व्यवहारों में कैसे वितरित हैं।
शोधकर्ताओं ने इस विचार का परीक्षण पहले कंप्यूटर सिमुलेशन के साथ किया, जहाँ उन्होंने कृत्रिम डेटा बनाया जिसमें उन्हें सटीक उत्तर ज्ञात थे। इन परीक्षणों में, मॉडल ने छिपी हुई पारिवारिक संरचनाओं को सफलतापूर्वक पुनर्गठित किया, भले ही विभिन्न परिवार एक ही कोशिकाओं के समूह में मिले हुए थे। यह बता सका कि एक कोशिका उच्च विश्वास के साथ एक परिवार से संबंधित थी, या वह एक ऐसे ग्रे क्षेत्र (अनिश्चित क्षेत्र) में थी जहाँ दो परिवार आपस में मिलते थे, जिससे उसने एक कठोर विकल्प चुनने के बजाय प्रत्येक संभावना के लिए एक प्रायिकता (प्रोबेबिलिटी) सौंपी। अनिश्चितता को संभालने की यह क्षमता महत्वपूर्ण है क्योंकि वास्तविक जैविक प्रणालियाँ शायद ही कभी श्वेत-श्याम (स्पष्ट रूप से काली या सफेद) होती हैं।
जब टीम ने वास्तविक रोगियों के रक्त विकारों से प्राप्त डेटा पर क्लोनवी (CloneVI) को लागू किया, तो परिणाम आश्चर्यजनक थे। क्लोनल हेमेटोपोएसिस (एक ऐसी स्थिति जहाँ रक्त कोशिकाएं उत्परिवर्तन जमा करती हैं) वाले एक रोगी के कोशिकाओं से जुड़े एक डेटासेट में, मॉडल ने कोशिकाओं के विशिष्ट परिवारों की पहचान की जो न केवल उनके उत्परिवर्तनों द्वारा, बल्कि उनके द्वारा किए जा रहे कार्यों द्वारा भी परिभाषित थे। इसने पाया कि कुछ उत्परिवर्तित परिवार विशिष्ट प्रकार की प्रतिरक्षा कोशिकाओं में केंद्रित थे, विशेष रूप से वे टी-कोशिकाएं (T cells) जो सक्रिय रूप से लड़ रही थीं। मॉडल केवल उनकी गतिविधि पैटर्न को देखकर नई कोशिकाओं में इन उत्परिवर्तनों की उपस्थिति की भविष्यवाणी कर सका, जिसने पुराने तरीकों को पीछे छोड़ दिया जो सरल औसत पर निर्भर थे। इसने दिखाया कि एक कोशिका का पारिवारिक इतिहास उसके वर्तमान कार्य से गहराई से जुड़ा हुआ है, जहाँ कुछ उत्परिवर्तित परिवार केवल विशिष्ट कोशिकीय वातावरणों में ही फलते-फूलते हैं।
शोधकर्ताओं ने क्रोनिक लिम्फोसाइटिक ल्यूकेमिया (एक प्रकार का रक्त कैंसर) के डेटा पर भी इस उपकरण का परीक्षण किया, जिसमें कोशिका गतिविधि को मापने की एक अलग विधि का उपयोग किया गया जो इस बात पर नज़र रखती है कि DNA कितनी मजबूती से पैक है। यहाँ, मॉडल ने कोशिकाओं के दो समूहों के बीच अंतर किया जो बिल्कुल एक ही उत्परिवर्तन को धारण करते थे लेकिन उनके भीतर उस उत्परिवर्तन का स्तर अलग-अलग था। यह एक ही उपनाम साझा करने वाले एक ही परिवार की दो शाखाओं के समान है जिनके पास एक विशिष्ट विरासत (heirloom) की मात्रा अलग-अलग है; मॉडल उनकी गतिविधि के आधार पर उन्हें अलग कर सका। इसने इन समूहों में से एक को PAX9 नामक जीन तक बढ़ती पहुंच से जोड़ा, जो रोग की प्रगति से जुड़ा हुआ है। यह खोज बताती है कि मॉडल एक विशिष्ट आनुवंशिक वंश को बीमारी को चलाने वाले एक विशिष्ट जैविक तंत्र से जोड़ सकता है।
पांच अलग-अलग दाताओं से प्राप्त ओवेरियन ट्यूमर (अंडाशय के ट्यूमर) के अध्ययन में, जिसमें 1,00,000 से अधिक कोशिकाएं शामिल थीं, इस दृष्टिकोण की शक्ति और भी स्पष्ट हो गई। मॉडल ने उत्परिवर्तित कोशिका आबादी की पहचान की जो विशिष्ट अवस्थाओं में क्लस्टर (समूहित) थीं, जैसे कि प्रतिरक्षा कोशिकाएं जो थकावट (exhaustion) की स्थिति में हैं, एक ऐसी स्थिति जहाँ वे कैंसर से लड़ते-लड़ते थक चुकी हैं। उत्परिवर्तित परिवार से संबंधित होने की संभावना के आधार पर विश्लेषण को भारित (weighting) करके, शोधकर्ता सटीक रूप से निर्धारित कर सके कि उन उत्परिवर्तित कोशिकाओं में कौन से जैविक कार्यक्रम सक्रिय थे। उन्होंने पाया कि उन थकी हुई उत्परिवर्तित कोशिकाओं में गतिविधि का एक विशिष्ट पैटर्न था जो गैर-उत्परिवर्तित कोशिकाओं से भिन्न था, जिससे बीमारी की प्रगति के विशिष्ट आणविक हस्ताक्षर (molecular signature) का पता चला।
यह अध्ययन दर्शाता है कि कोशिका क्या कर रही है उससे शुरू करके और उसके पारिवारिक इतिहास की ओर पीछे की ओर काम करके, वैज्ञानिक उन संबंधों को उजागर कर सकते हैं जो पहले छिपे हुए थे। मॉडल कोशिकाओं को कठोर बक्सों में नहीं डालता है; इसके बजाय, यह एक ऐसा परिदृश्य (landscape) तैयार करता है जहाँ वंशावली रेखाएं और कोशिका अवस्थाएं आपस में मिलती हैं और परस्पर क्रिया करती हैं। यह समझने का एक नया तरीका प्रदान करता है कि कैसे आनुवंशिक परिवर्तन कैंसर जैसी बीमारियों में देखी जाने वाली व्यवहार की विविधता को संचालित करते हैं। शोधकर्ताओं ने इस सॉफ़्टवेयर को दूसरों के लिए उपलब्ध करा दिया है, जो कोशिका के अतीत और उसके वर्तमान के बीच के जटिल अंतर्संबंधों को देखने के लिए एक नया दृष्टिकोण प्रदान 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।