Quantifying the genetic separability of disease subtypes
यह शोधपत्र GenSep को पेश करता है, जो एक सांख्यिकीय ढांचा है जो यह प्रकट करता है कि वर्तमान पॉलीजेनिक रिस्क स्कोर रोग उपप्रकारों के बीच सैद्धांतिक रूप से प्राप्त करने योग्य आनुवंशिक पृथक्करण का केवल एक छोटा हिस्सा (मध्यिका 4.1%) ही पुनः प्राप्त कर पाते हैं, जिससे उन मामलों के बीच अंतर स्पष्ट होता है जहाँ बेहतर भविष्यवाणी सटीकता संभव है और वे जो अंतर्निहित आनुवंशिक ओवरलैप द्वारा सीमित हैं।
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
कई बीमारियाँ एकल, एकसमान स्थितियाँ नहीं हैं, बल्कि विभिन्न उपप्रकारों (subtypes) का संग्रह हैं, ठीक वैसे ही जैसे "सिरदर्द" शब्द टेंशन हेडएक, माइग्रेन या क्लस्टर हेडएक का वर्णन कर सकता है। डॉक्टर अक्सर लक्षणों, शरीर में बीमारी के प्रकट होने के स्थान, या उपचार के प्रति रोगी की प्रतिक्रिया के आधार पर इन उपप्रकारों को वर्गीकृत करते हैं। ये अंतर महत्वपूर्ण हैं क्योंकि वे रोग के निदान और उपचार के विकल्पों का मार्गदर्शन कर सकते हैं। हालाँकि, किसी रोगी के लक्षण हमेशा स्पष्ट रूप से उनके विशिष्ट उपप्रकार को प्रकट नहीं करते हैं, और कभी-कभी गलत वर्गीकरण सही देखभाल में देरी कर सकता है। वैज्ञानिक लंबे समय से यह जानने के लिए उत्सुक रहे हैं कि क्या आनुवंशिकी (genetics) इन उपप्रकारों को अलग करने में मदद कर सकती है। चूंकि प्रत्येक व्यक्ति में आनुवंशिक निर्देशों का एक अनूठा सेट होता है जो बीमारी के जोखिम को प्रभावित करता है, इसलिए यह तर्कसंगत लगता है कि विभिन्न उपप्रकारों वाले लोगों के आनुवंशिक प्रोफाइल अलग दिख सकते हैं। केंद्रीय प्रश्न यह है कि क्या ये आनुवंशिक अंतर एक उपप्रकार को दूसरे से विश्वसनीय रूप से अलग करने के लिए पर्याप्त मजबूत हैं, या क्या उपप्रकार आनुवंशिक रूप से इतने समान हैं कि उनका डीएनए उन्हें अलग करने में बहुत कम मदद करता है।
शोधकर्ताओं की एक टीम ने इस प्रश्न का उत्तर देने के लिए एक नया सांख्यिकीय उपकरण विकसित किया है, जो साधारण तुलनाओं से आगे बढ़कर रोग के उपप्रकारों को अलग करने की आनुवंशिकी की वास्तविक क्षमता को मापता है। वे अपने इस तरीके को 'GenSep' कहते हैं। केवल वर्तमान आनुवंशिक परीक्षणों के काम करने के तरीके का परीक्षण करने के बजाय, GenSep एक सैद्धांतिक अधिकतम (theoretical maximum) की गणना करता है: वह सर्वोत्तम संभव विभेदन (discrimination) जो तब प्राप्त किया जा सकता है जब वैज्ञानिकों को बिना किसी त्रुटि के प्रत्येक व्यक्ति के सटीक आनुवंशिक जोखिम का पता हो। यह सैद्धांतिक सीमा एक 'सीलिंग' (छत) के रूप में कार्य करती है। इस सीलिंग की मौजूदा आनुवंशिक भविष्यवाणी उपकरणों के प्रदर्शन से तुलना करके, शोधकर्ता यह निर्धारित कर सकते हैं कि समस्या यह है कि उपप्रकार मौलिक रूप से इतने समान हैं कि उन्हें आनुवंशिकी द्वारा अलग नहीं किया जा सकता, या वर्तमान उपकरण अभी तक पर्याप्त अच्छे नहीं हैं।
शोधकर्ताओं ने इस ढांचे को अठारह रोग उपप्रकारों की जोड़ियों पर लागू किया, जिसके लिए यूके बायोबैंक (UK Biobank) के डेटा का उपयोग किया गया, जो सैकड़ों हजारों स्वयंसेवकों की आनुवंशिक और स्वास्थ्य संबंधी जानकारी वाला एक विशाल चिकित्सा डेटाबेस है। उन्होंने टाइप 1 और टाइप 2 मधुमेह से लेकर इन्फ्लेमेटरी बाउल डिजीज और थायराइड विकारों के विभिन्न रूपों तक की जोड़ियों को देखा। प्रत्येक जोड़ी के लिए, उन्होंने पहले आनुवंशिक सीलिंग की गणना की। परिणामों ने दिखाया कि कई उपप्रकारों के लिए, सीलिंग काफी अधिक थी। उदाहरण के लिए, टाइप 1 और टाइप 2 मधुमेह के बीच का आनुवंशिक अंतर इतना स्पष्ट था कि, सैद्धांतिक रूप से, एक पूर्ण आनुवंशिक परीक्षण उन्हें लगभग पूर्ण सटीकता के साथ अलग कर सकता था। इसी तरह, हाइपोथायरायडिज्म और हाइपरथायरायडिज्म, तथा क्रोहन रोग (Crohn's disease) और अल्सरेटिव कोलाइटिस (ulcerative colitis) के आनुवंशिक प्रोफाइल ने बहुत मजबूत अलगाव दिखाया। इन मामलों में, आनुवंशिकी स्पष्ट रूप से उपप्रकारों के नैदानिक अंतर का समर्थन करती है।
हालाँकि, जब शोधकर्ताओं ने वास्तव में उपलब्ध आनुवंशिक भविष्यवाणी उपकरणों का परीक्षण किया, तो परिणाम बिल्कुल अलग थे। ये उपकरण, जिन्हें पॉलीजेनिक रिस्क स्कोर (polygenic risk scores) के रूप में जाना जाता है, किसी व्यक्ति के जोखिम का अनुमान लगाने के लिए हजारों आनुवंशिक वेरिएंट्स के प्रभावों को संकलित करते हैं। व्यवहार में, ये स्कोर उपप्रकारों को अलग करने में खराब प्रदर्शन करते हैं। अठारह जोड़ियों में से, सर्वश्रेष्ठ वर्तमान उपकरणों ने एक औसत सटीकता हासिल की जो यादृच्छिक अनुमान (random guessing) से मुश्किल से बेहतर थी। जबकि टाइप 1 और टाइप 2 मधुमेह को अलग करने के लिए सैद्धांतिक सीलिंग लगभग पूर्ण थी, वास्तविक उपकरणों ने उस क्षमता का केवल एक छोटा सा हिस्सा ही प्राप्त किया। वास्तव में, अठारह जोड़ियों में से अधिकांश के लिए, वर्तमान उपकरणों ने उस आनुवंशिक अलगाव का पांच प्रतिशत से भी कम हिस्सा प्राप्त किया जो सैद्धांतिक रूप से मौजूद है। यह अंतर प्रकट करता है कि उपप्रकार अक्सर आनुवंशिक रूप से इतने भिन्न होते हैं कि उन्हें अलग किया जा सके, लेकिन हमारे वर्तमान तरीके अभी उतने सटीक नहीं हैं।
शोध ने यह भी जांचा कि क्या इन आनुवंशिक उपकरणों को बनाने के लिए बड़े डेटासेट का उपयोग करने से इस समस्या का समाधान होगा। शोधकर्ताओं ने अन्य बड़े अध्ययनों से प्रशिक्षित उपकरणों का परीक्षण किया, जिनमें फिनजेन (FinnGen) प्रोजेक्ट और सैकड़ों हजार प्रतिभागियों वाले विशाल अंतर्राष्ट्रीय कंसोर्टियम शामिल हैं। आश्चर्यजनक रूप से, भले ही ये बाहरी डेटासेट आंतरिक उपकरणों को प्रशिक्षित करने वाले डेटा की तुलना में दो से चार गुना बड़े थे, फिर भी उन्होंने उपप्रकारों को अलग करने की क्षमता में कोई महत्वपूर्ण सुधार नहीं किया। बड़े नमूना आकार (sample sizes) बेहतर विभेदन में परिवर्तित नहीं हुए। यह सुझाव देता है कि केवल अधिक डेटा जोड़ना पूर्ण समाधान नहीं है; उपकरणों को स्वयं मौलिक सुधारों की आवश्यकता हो सकती है, या आनुवंशिक संकेत पकड़ने में कठिन हो सकते हैं क्योंकि विभिन्न आबादी में आनुवंशिक पैटर्न के भिन्न होने के तरीके अलग होते हैं।
यह समझने के लिए कि इन उपकरणों को बनाने के लिए अध्ययन कितने बड़े होने चाहिए ताकि वे सैद्धांतिक सीमाओं तक पहुँच सकें, शोधकर्ताओं ने भविष्य के प्रदर्शन का अनुमान लगाने के लिए सिमुलेशन चलाया। तीन जोड़ियों के लिए जिनमें उच्चतम आनुवंशिक अलगाव था—टाइप 1 बनाम टाइप 2 मधुमेह, हाइपोथायरायडिज्म बनाम हाइपरथायरायडिज्म, और क्रोहन रोग बनाम अल्सरेटिव कोलाइटिस—उन्होंने एक उपकरण बनाने के लिए आवश्यक रोगियों की संख्या की गणना की जो आनुवंशिक सीलिंग से मेल खा सके। संख्याएँ चौंकाने वाली थीं। टाइप 1 बनाम टाइप 2 मधुमेह के लिए उच्च स्तर की सटीकता तक पहुँचने के लिए, उन्हें प्रत्येक उपप्रकार के लिए लगभग 29,000 प्रशिक्षण मामलों की आवश्यकता होगी। हाइपोथायरायडिज्म बनाम हाइपरथायरायडिज्म के लिए, आवश्यकता बढ़कर लगभग 161,000 मामले प्रति उपप्रकार हो गई। क्रोहन रोग बनाम अल्सरेटिव कोलाइटिस के लिए, सिमुलेशन ने प्रति उपप्रकार लगभग बीस लाख मामलों की आवश्यकता का सुझाव दिया। ये आंकड़े दर्शाते हैं कि हालांकि आनुवंशिक क्षमता मौजूद है, इस अंतर को पाटने के लिए विशाल मात्रा में डेटा और संभवतः बेहतर भविष्यवाणी विधियों की आवश्यकता होगी।
निष्कर्ष तब भी कायम रहे जब शोधकर्ताओं ने 'ऑल ऑफ अस' (All of Us) प्रोग्राम और 'मिलियन वेटरन प्रोग्राम' (Million Veteran Program) जैसे अन्य बड़े समूहों में इनका परीक्षण किया, जिसमें विविध वंश के प्रतिभागी शामिल हैं। अधिकांश उपप्रकारों के लिए सैद्धांतिक सीलिंग इन विभिन्न समूहों और वंशों में सुसंगत थी, जो यह सुझाव देती है कि आनुवंशिक अलगाव एक वास्तविक जैविक विशेषता है न कि किसी विशिष्ट डेटासेट का प्रभाव। हालाँकि, कुछ अपवाद भी थे जहाँ बीमारी की परिभाषा महत्वपूर्ण थी। उदाहरण के लिए, एक डेटासेट में टाइप 1 और टाइप 2 मधुमेह के बीच आनुवंशिक अलगाव बहुत कम दिखाई दिया क्योंकि वहां बीमारी को रिकॉर्ड करने के तरीके ने दोनों उपप्रकारों को आपस में मिला दिया था, जिससे आनुवंशिक संकेत धुंधला हो गया। इसने इस बात पर प्रकाश डाला कि बीमारी को कैसे परिभाषित और रिकॉर्ड किया जाता है, वह आनुवंशिकी जितना ही महत्वपूर्ण है।
अंततः, यह कार्य रोग उपप्रकारों के संबंध में प्रिसिजन मेडिसिन (precision medicine) के भविष्य के लिए एक स्पष्ट मानचित्र प्रदान करता है। यह समस्या को दो श्रेणियों में विभाजित करता है: वे जहाँ आनुवंशिक अंतर उपयोगी होने के लिए बहुत छोटे हैं, और वे जहाँ अंतर बड़े हैं लेकिन हमारे उपकरण वर्तमान में उन्हें पहचानने के लिए बहुत कमजोर हैं। दूसरे समूह के लिए, जिसमें कई प्रमुख रोग जोड़ियाँ शामिल हैं, आगे का रास्ता स्पष्ट है। आनुवंशिक संरचना इन उपप्रकारों को अलग करने का समर्थन करती है, लेकिन इसे व्यवहार में लाने के लिए बहुत बड़े अध्ययन और अधिक परिष्कृत भविष्यवाणी मॉडल की आवश्यकता होगी। अध्ययन यह दावा नहीं करता है कि आनुवंशिक परीक्षण तुरंत नैदानिक निदान (clinical diagnosis) की जगह ले लेगा, लेकिन यह एक यथार्थवादी बेंचमार्क स्थापित करता है। यह दिखाता है कि कुछ स्थितियों के लिए, आनुवंशिक ब्लूप्रिंट तैयार है, बस हमें बेहतर पाठकों (readers) की आवश्यकता 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।