Generative 3D Spatial Reconstruction of Cellular Organization from Single Cell Expression
ORBIS एक जनरेटिव फ्रेमवर्क है जो फ्लो मैचिंग का उपयोग करके सिंगल-सेल आरएनए अभिव्यक्ति डेटा से सीधे, बिना किसी स्थानिक संदर्भ (spatial references) के, संपूर्ण 3D ऊतक नमूनों, जिनमें उनकी भौतिक ज्यामिति और कोशिकीय परिवेश शामिल हैं, को संयुक्त रूप से पुनर्गठित करता है, जिससे मौजूदा विधियों की तुलना में बेहतर सटीकता और गति प्राप्त होती 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 शरीर के भीतर, कोशिकाएं अलग-थलग नहीं तैरती हैं; वे सटीक तीन-आयामी (3D) परिवेशों में व्यवस्थित होती हैं जो यह निर्धारित करते हैं कि एक जीव कैसे कार्य करता है। एक कोशिका का व्यवहार उसके पड़ोसियों, उन ऊतक सीमाओं से जो वह छूती है, और उन रासायनिक प्रवणताओं (gradients) से आकार लेता है जो अंग के माध्यम से प्रवाहित होती हैं। इस स्तर पर जीवन को समझने के लिए, वैज्ञानिक लंबे समय से सिंगल-सेल आरएनए सीक्वेंसिंग पर भरोसा करते आए हैं, जो एक शक्तिशाली तकनीक है जो एक साथ हजारों व्यक्तिगत कोशिकाओं की आनुवंशिक गतिविधि को पढ़ती है। हालांकि, इस पठन को करने के लिए, ऊतक को एक तरल सूप में घोलना पड़ता है, जिससे वही स्थानिक संदर्भ (spatial context) छिन जाता है जो उन कोशिकाओं को उनका अर्थ देता है। जबकि अन्य तकनीकें पतली परतों या छोटे ब्लॉकों में कोशिकाएं कहाँ स्थित हैं, उन्हें पकड़ सकती हैं, वे अक्सर एक अंग के पूर्ण, निरंतर आयतन (volume) को खो देती हैं। यह शोधकर्ताओं के सामने एक विशाल पहेली छोड़ देता है: उनके पास कोशिकीय पहचानों की एक विस्तृत सूची तो है, लेकिन उनके पास वह मानचित्र नहीं है जो यह दिखाता है कि वे पहचानें तीन-आयामी स्थान में एक साथ कैसे फिट बैठती हैं।
शोधकर्ताओं के एक दल ने अब इस पहेली को हल करने के लिए एक नई कम्प्यूटेशनल विधि विकसित की है, जो केवल आनुवंशिक डेटा से ऊतकों की पूर्ण तीन-आयामी संरचना का पुनर्निर्माण करती है। उनका दृष्टिकोण, जिसे ORBIS कहा जाता है, पुनर्निर्माण को मानचित्र पर व्यक्तिगत बिंदुओं को रखने के कार्य के रूप में नहीं, बल्कि एक संपूर्ण, सुसंगत ऊतक संरचना उत्पन्न करने के रूप में देखता है। समान ऊतकों के मौजूदा स्थानिक मानचित्रों से सीखकर, यह प्रणाली लाखों कोशिकाओं की स्थिति की कल्पना और निर्माण कर सकती है, जिससे अंग का वास्तविक आकार, आकृति और घनत्व सुरक्षित रहता है। यह वैज्ञानिकों को एक घुले हुए नमूने से कोशिकाओं की सूची लेने और उस अंग का आभासी रूप से पुनर्निर्माण करने की अनुमति देता है जिससे वे आए थे, जिससे यह पता चलता है कि विभिन्न प्रकार की कोशिकाएं कैसे व्यवस्थित हैं और पूरे आयतन में वे आपस में कैसे परस्पर क्रिया करती हैं।
शून्य से ऊतक का पुनर्निर्माण करने की चुनौती कठिन है क्योंकि जीन अभिव्यक्ति (gene expression) कोशिका के लिए एक एकल, निश्चित स्थान निर्धारित नहीं करती है। समान आनुवंशिक प्रोफाइल वाली कोशिकाएं एक अंग के भीतर कई संभावित स्थानों पर मौजूद हो सकती हैं, और सटीक व्यवस्था एक व्यक्ति से दूसरे व्यक्ति में भिन्न होती है। पिछली विधियों ने अक्सर प्रत्येक कोशिका के लिए सबसे संभावित स्थान खोजने की कोशिश की, एक ऐसी रणनीति जिसने अनजाने में पुनर्निर्मित ऊतक को सिकोड़ दिया। संभावनाओं का औसत निकालकर, इन पुरानी तकनीकों ने ऐसे मॉडल बनाए जो बहुत छोटे और बहुत घने थे, जिससे कोशिका समूहों के बीच की प्राकृतिक दूरी दब गई और अंग की वास्तविक ज्यामिति विकृत हो गई। शोधकर्ताओं ने महसूस किया कि जीवित ऊतक की वास्तविकता को पकड़ने के लिए, उन्हें प्रत्येक कोशिका के लिए एक एकल सर्वोत्तम अनुमान का अनुमान लगाने के बजाय, एक ही बार में सभी कोशिकाओं का एक संभावित, पूर्ण विन्यास (configuration) उत्पन्न करने की आवश्यकता थी।
इसे प्राप्त करने के लिए, टीम ने अपने सिस्टम को वास्तविक, स्थानिक रूप से सुझाई गई ऊतकों के संग्रह पर प्रशिक्षित किया, जैसे कि पूरे चूहे के मस्तिष्क और फ्रूट फ्लाई (फल मक्खी) के भ्रूण, जहाँ कोशिकाओं की स्थिति पहले से ज्ञात थी। प्रणाली ने इन संदर्भ नमूनों का अवलोकन करके ऊतक संगठन के नियमों को सीखा, जिसमें भौतिक पैमाने, परतों के बीच की दूरी और विभिन्न प्रकार की कोशिकाओं की सापेक्ष स्थितियों पर विशेष ध्यान दिया गया। जब एक नए, घुले हुए नमूने को प्रस्तुत किया जाता है, तो प्रणाली केवल प्रत्येक कोशिका के लिए एक निर्देशांक (coordinate) की गणना नहीं करती है। इसके बजाय, यह यादृच्छिक शोर (random noise) के एक बादल से शुरू होती है और लाखों कोशिकाओं की स्थिति को एक साथ बार-बार परिष्कृत करती है, यह सुनिश्चित करती है कि अंतिम व्यवस्था सही भौतिक आयामों और आंतरिक संबंधों को बनाए रखे। यह प्रक्रिया प्रणाली को 3.7 मिलियन कोशिकाओं तक के नमूनों को संभालने की अनुमति देती है, जो कि एक एकल, एकीकृत मॉडल में पुनर्निर्माण के लिए पहले असंभव पैमाना था।
इस नई विधि के परिणाम आश्चर्यजनक हैं। जब पूरे चूहे के मस्तिष्क और मोटे ऊतक ब्लॉकों पर परीक्षण किया गया, तो पुनर्निर्मित मॉडलों ने किसी भी पिछली तकनीक की तुलना में अंगों के भौतिक आकार और आकृति को बहुत बेहतर तरीके से संरक्षित किया। जहाँ पुराने तरीके कुछ अक्षों के साथ ऊतक को 29 प्रतिशत तक सिकोड़ देते थे, जिससे कोशिकाएं बहुत अधिक सघन हो जाती थीं, वहीं नया सिस्टम आयतन और घनत्व को वास्तविकता के करीब रखता है। इसने एक फल मक्खी की आंत की लंबाई के साथ कोशिकाओं के सही क्रम को सफलतापूर्वक बनाए रखा और विच्छेदित मस्तिष्क एटलस से कोशिकाओं को उनके मूल शारीरिक क्षेत्रों में सटीक रूप से रखा। विभिन्न दाताओं के मस्तिष्क कोशिकाओं के एक बड़े संग्रह वाले परीक्षणों में, सिस्टम ने लगभग 38 प्रतिशत कोशिकाओं को उनके मूल क्षेत्र में वापस पहुँचाया, जो कि अगली सर्वश्रेष्ठ विधि द्वारा प्राप्त 28.5 प्रतिशत से काफी बेहतर है।
केवल कोशिकाओं को रखने के अलावा, सिस्टम मूल इनपुट डेटा का हिस्सा न रहे जटिल स्थानिक जीन अभिव्यक्ति पैटर्न को भी पुनः प्राप्त करने में सक्षम सिद्ध हुआ। कोशिकाओं को सही ढंग से व्यवस्थित करके, मॉडल सैकड़ों अनदेखे जीनों के तीन-आयामी मानचित्रों का पुनर्निर्माण कर सका, जिससे यह पता चला कि वे ऊतक के भीतर कहाँ सक्रिय हैं। यह सुझाव देता है कि सिस्टम ने ऊतक संगठन के अंतर्निहित तर्क को इतनी अच्छी तरह से सीख लिया है कि वह नए डेटा के लिए सामान्यीकरण (generalize) कर सकता है, जो एक अंग की संरचना को परिभाषित करने वाले सूक्ष्म ग्रेडिएंट्स और सीमाओं को पकड़ता है। पूरी प्रक्रिया भी उल्लेखनीय रूप से तेज़ है, जो एक एकल कंप्यूटर प्रोसेसर पर तीन मिनट से कम समय में पूरे चूहे के मस्तिष्क का मॉडल तैयार करती है, एक ऐसा कार्य जिसे पिछले दृष्टिकोणों के साथ घंटों लग जाते।
यह कार्य स्थानिक जीव विज्ञान (spatial biology) के प्रति वैज्ञानिकों के दृष्टिकोण में एक बदलाव का प्रतीक है, जो टुकड़ों को जोड़ने के बजाय पूर्ण, सुसंगत ऊतकों को उत्पन्न करने की ओर बढ़ता है। प्रत्येक कोशिका की व्यक्तिगत सटीकता के बजाय अंग की सामूहिक ज्यामिति पर ध्यान केंद्रित करके, यह विधि संपीड़न और विरूपण की उन खामियों से बचती है जो पहले के प्रयासों को परेशान करती रही हैं। यह डेटा से, जिसने अपना स्थानिक संदर्भ खो दिया है, कोशिकाओं की तीन-आयामी दुनिया को देखने का एक तरीका प्रदान करता है, जो यह देखने का एक स्पष्ट दृश्य देता है कि ऊतक कैसे निर्मित होते हैं और वे कैसे कार्य करते हैं। जैसे-जैसे अधिक विस्तृत स्थानिक एटलस उपलब्ध होंगे, यह दृष्टिकोण बिना किसी आक्रामक भौतिक विच्छेदन (physical sectioning) के, जीवित जीवों की जटिल वास्तुकला को समझने के लिए एक आधार के रूप में कार्य कर सकता है, जिसमें सबसे छोटे भ्रूण से लेकर सबसे बड़े अंग तक शामिल हैं।
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।