Modeling pathway overlap increases accuracy of GWAS gene set enrichment

वैज्ञानिक लंबे समय से जटिल मानवीय लक्षणों के जैविक मूल को समझने की कोशिश कर रहे हैं, चाहे वह हृदय रोग का जोखिम हो या व्यक्तित्व की बारीकियां। ऐसा करने के लिए, वे जीनोम-वाइड एसोसिएशन स्टडीज (genome-wide association studies) पर भरोसा करते हैं, जो लाखों लोगों के डीएनए को स्कैन करने वाले विशाल सर्वेक्षण हैं ताकि विशिष्ट स्थितियों से जुड़े सूक्ष्म आनुवंशिक विविधताओं को खोजा जा सके। इन अध्येशनों ने सफलतापूर्वक हजारों ऐसे आनुवंशिक मार्करों की पहचान की है, लेकिन एक मार्कर खोजना तो केवल शुरुआत है। असली चुनौती इन आनुवंशिक निर्देशांकों (genetic coordinates) की सूची को इस बात में बदलने की है कि शरीर कैसे काम करता है। इस अंतर को पाटने के लिए, शोधकर्ता जीनों को "पाथवेज़" (pathways) में समूहबद्ध करते हैं, जो कार्यात्मक टीमों या सर्किटों की तरह होते हैं जो विशिष्ट जैविक कार्यों को करने के लिए मिलकर काम करते हैं। यह जाँचकर कि क्या अध्ययन में पाए गए आनुवंशिक मार्कर किसी निश्चित पाथवे के भीतर संयोग से अधिक बार क्लस्टर होते हैं, वैज्ञानिक यह अनुमान लगा सकते हैं कि कौन सी जैविक प्रक्रियाएं किसी बीमारी को संचालित कर रही हैं। यह दृष्टिकोण कच्चे आनुवंशिक डेटा को जैविक अंतर्दृष्टि में बदलने के लिए एक मानक उपकरण बन गया है।

हालाँकि, एक नया अध्ययन बताता है कि यह मानक उपकरण डेटा को एक थोड़े विकृत लेंस के माध्यम से देख रहा है। अलाना कोट और उनके सहयोगियों के नेतृत्व में शोधकर्ताओं ने पाया कि इन आनुवंशिक पाथवेज़ के व्यवस्थित होने का तरीका वैज्ञानिक डेटाबेस में एक छिपा हुआ पूर्वाग्रह पैदा करता है। वास्तविक दुनिया में, कई जीन एक से अधिक पाथवे का हिस्सा होते हैं, ठीक वैसे ही जैसे कोई व्यक्ति बुक क्लब और रनिंग ग्रुप दोनों का सदस्य हो सकता है। जैसे-जैसे इन पाथवेज़ के डेटाबेस बड़े और अधिक विस्तृत होते गए, यह ओवरलैप (overlap) व्यापक होता गया। अध्ययन में पाया गया कि इन पाथवेज़ का विश्लेषण करने वाली वर्तमान विधियाँ अक्सर इस साझाकरण (sharing) को समझने में विफल रहती हैं। जब एक जीन कई पाथवे में दिखाई देता है, तो उसका आनुवंशिक संकेत बार-बार गिना जाता है, जिससे एक सांख्यिकीय भ्रम (statistical illusion) पैदा होता है। यह ऐसा दिखा सकता है कि एक पाथवे किसी बीमारी से मजबूती से जुड़ा हुआ है, केवल इसलिए क्योंकि उसमें लोकप्रिय, बहु-कार्य करने वाले जीन शामिल हैं, न कि इसलिए कि उसके पास बीमारी की विशिष्ट कुंजी है।

इसे ठीक करने के लिए, टीम ने "जीन स्वैप रैंडमाइजेशन" (Gene Swap Randomization) नामक एक नई विधि विकसित की। कल्पना कीजिए कि एक विशाल स्प्रेडशीट है जहाँ पंक्तियाँ (rows) जीनों का प्रतिनिधित्व करती हैं और कॉलम (columns) पाथवेज़ का, जिसमें निशान यह दर्शाते हैं कि कौन से जीन किस पाथवे से संबंधित हैं। शोधकर्ताओं ने एक कंप्यूटर सिमुलेशन बनाया जिसने इस स्प्रेडशीट में निशानों को लाखों बार इधर-उधर किया। महत्वपूर्ण रूप से, उन्होंने यह शफल (shuffle) इस तरह से किया कि प्रत्येक पाथवे में जीनों की कुल संख्या बिल्कुल समान रही और यह सुनिश्चित किया कि प्रत्येक जीन मूल डेटाबेस की तरह ही उतने ही पाथवे में दिखाई दे। इस प्रक्रिया ने एक "नल मॉडल" (null model) बनाया, जो एक आधार रेखा (baseline) के रूप में कार्य करता था कि परिणाम क्या होंगे यदि पाथवेज़ केवल जीनों के यादृच्छिक संग्रह होते जिनमें वही ओवरलैपिंग संरचना होती, लेकिन बीमारी के साथ कोई वास्तविक संबंध नहीं होता। इस सावधानीपूर्वक निर्मित आधार रेखा के विरुद्ध वास्तविक अध्ययन परिणामों की तुलना करके, शोधकर्ता देख सके कि कौन से संकेत वास्तविक थे और कौन से केवल डेटाबेस की संरचना के कारण उत्पन्न कृत्रिम प्रभाव (artifacts) थे।

जब उन्होंने अपने इस नए तरीके को कोरोनरी आर्टरी डिजीज, ब्रेस्ट कैंसर और टाइप 2 डायबिटीज सहित बारह अलग-अलग जटिल लक्षणों के डेटा पर लागू किया, तो परिणाम चौंकाने वाले थे। टीम ने पाया कि इस समायोजन के बिना, विश्लेषण अक्सर बड़े पाथवेज़ को महत्वपूर्ण के रूप में चिह्नित करता था, भले ही वे जैविक रूप से प्रासंगिक न हों। ओवरलैपिंग जीनों द्वारा उत्पन्न सांख्यिकीय शोर (noise) इतने गलत अलार्म पैदा करने के लिए पर्याप्त मजबूत था कि वे गलत सूचना दे सकते थे। वास्तव में, कुछ सबसे लोकप्रिय विश्लेषण उपकरणों के लिए, इन गलत अलार्मों की दर उम्मीद से कहीं अधिक थी, विशेष रूप से उन लक्षणों के लिए जहाँ जुड़े हुए जीन पहले से ही कई अलग-अलग जैविक प्रक्रियाओं में शामिल होते हैं। अध्ययन ने दिखाया कि पाथवे का आकार मायने रखता था; बड़े पाथवेज़ के रूप में गलत पहचान किए जाने की संभावना अधिक थी, केवल इसलिए क्योंकि उनमें इन साझा, बहु-कार्य करने वाले जीनों की संख्या अधिक थी।

इसके बाद शोधकर्ताओं ने परीक्षण किया कि क्या उनकी नई विधि ने निष्कर्षों की सटीकता में सुधार किया। उन्होंने 'जीन स्वैप रैंडमाइजेशन' समायोजन लागू करने से पहले और बाद में पाथवेज़ की रैंकिंग की तुलना जैविक सत्य के कई स्वतंत्र स्रोतों के विरुद्ध की। इन बाहरी स्रोतों में वे डेटाबेस शामिल थे जो नैदानिक साक्ष्यों के आधार पर जीनों को बीमारियों से जोड़ते हैं, जीनों के बीच परस्पर क्रिया (interaction) के रिकॉर्ड, और विभिन्न ऊतकों (tissues) में विशिष्ट जीन कैसे सक्रिय होते हैं, इसका डेटा शामिल था। परिणामों ने स्पष्ट सुधार दिखाया। पाथवे ओवरलैप के लिए समायोजन करने के बाद, शीर्ष-रैंक वाले पाथवेज़ स्वतंत्र बेंचमार्क के साथ बहुत बेहतर ढंग से मेल खाते थे। उदाहरण के लिए, जो पाथवे पहले सूची के मध्य में दबे हुए थे लेकिन जिन्हें स्वतंत्र बीमारी साक्ष्य से मजबूत समर्थन प्राप्त था, वे शीर्ष पर आ गए। इसके विपरीत, कुछ पाथवे जो केवल बड़े होने और साझा जीनों से भरे होने के कारण उच्च रैंक पर थे, वे नीचे गिर गए। नए तरीके ने सफलतापूर्वक उन पाथवेज़ के बीच अंतर किया जो वास्तव में बीमारी को संचालित कर रहे थे और उन बीच जो लोकप्रिय जीनों के सहारे आगे बढ़ रहे थे।

यह कार्य मौजूदा उपकरणों को त्यागता नहीं है; बल्कि, यह उन्हें परिष्कृत करता है। शोधकर्ताओं ने एक उपयोगकर्ता के अनुकूल सॉफ्टवेयर टूल प्रदान किया है जो अन्य वैज्ञानिकों को केवल उनके पास मौजूद मानक सारांश सांख्यिकी (summary statistics) का उपयोग करके अपने स्वयं के डेटा पर इस सुधार को लागू करने की अनुमति देता है। अध्ययन निष्कर्ष निकालता है कि पाथवे डेटाबेस के संरचनात्मक गुण जेनेटिक रिसर्च में पूर्वाग्रह का एक प्रमुख स्रोत हैं। अपने जीनों को विभिन्न जैविक टीमों के बीच साझा किए जाने के तरीके को स्पष्ट रूप से मॉडल करके, वैज्ञानिक अब वास्तविक संकेत को शोर से अलग कर सकते हैं। यह सुनिश्चित करता है कि जब शोधकर्ता किसी जैविक पाथवे को किसी बीमारी के प्रमुख खिलाड़ी के रूप में पहचानते हैं, तो वे एक वास्तविक तंत्र देख रहे होते हैं, न कि केवल एक सांख्यिकीय कृत्रिम प्रभाव। जैसे-जैसे जेनेटिक डेटाबेस का विस्तार होता रहेगा, इस प्रकार का सावधानीपूर्ण समायोजन विश्वसनीय चिकित्सा अंतर्दृष्टि में बदलने के लिए आवश्यक होगा।