Unsupervised breast cancer subclass discovery from aberrant glycogene expression for reliable clinical prognosis

कल्पना कीजिए कि स्तन कैंसर केवल एक बड़ी, उलझी हुई मुसीबत नहीं है, बल्कि एक भीड़भाड़ वाली पार्टी है जहाँ हर कोई एक थोड़ा अलग, अदृश्य कॉस्ट्यूम पहने हुए है। वर्षों से, डॉक्टर इन पार्टी-गोअर्स को कुछ प्रसिद्ध "नेम टैग्स" (जैसे कि PAM50 टेस्ट) का उपयोग करके या यह देखकर कि कोशिकाएं कितनी "स्टेम-जैसी" (stem-like) महसूस करती हैं (mRNA स्टेमनेस इंडेक्स) समूहों में बांटने की कोशिश करते रहे हैं। लेकिन इस अध्ययन के लेखक, मिया वेंटर और केविन नायडू ने एक अलग तरह के कॉस्ट्यूम को देखने का निर्णय लिया: कोशिकाओं की सतह पर मौजूद चीनी की सजावट।

इन चीनी सजावटों को ग्लाइकोजीन (glycogenes) के रूप में सोचें। वे एक कप केक पर बनी बारीक आइसिंग पैटर्न की तरह हैं। एक स्वस्थ रसोई में, आइसिंग एकदम सटीक होती है। कैंसर में, आइसिंग अजीब, बिखरी हुई या पूरी तरह से गलत हो जाती है। शोधकर्ताओं ने सोचा: यदि हम कप केक के स्वाद को अनदेखा कर दें और केवल आइसिंग पैटर्न को देखें, तो क्या हम कप केक को बेहतर समूहों में बांट सकते हैं?

जादुई मानचित्र: छह गुप्त समूहों की खोज

इसका उत्तर देने के लिए, उन्होंने एक सुपर-स्मार्ट कंप्यूटर मस्तिष्क का उपयोग किया जिसे GHSORM (ग्रोइंग हिरार्किकल सेल्फ-ऑर्गनाइजिंग रिप्रेजेंटेशन मैप) कहा जाता है। इस एल्गोरिदम को एक जादुई, स्व-व्यवस्थित मानचित्र के रूप में कल्पना करें जो केवल रेखाएँ ही नहीं खींचता; बल्कि यह एक बहु-मंजिला इमारत बनाता है जहाँ समान कप केक स्वाभाविक रूप से एक ही मंजिल पर एकत्र हो जाते हैं।

जब उन्होंने चीनी के डेटा को इस मानचित्र में डाला, तो इसने केवल सामान्य समूह ही नहीं खोजे। इसने छह विशिष्ट "शुगर क्लस्टर्स" (जिन्हें GECs कहा जाता है) की खोज की।

• परिणाम: ये छह समूह पुराने, प्रसिद्ध समूहों के साथ ओवरलैप होते थे, लेकिन उन्होंने वह किया जो पुराने समूह नहीं कर सके: वे यह अनुमान लगाने में बेहतर थे कि मरीजों के जीवित रहने की संभावना कितनी है।
• चुनौती: जब उन्होंने केवल शुरुआती चरण के कैंसर (चरण I और II) को देखा, तो जीवित रहने के पूर्वानुमान में अंतर सांख्यिकीय रूप से बहुत बड़ा नहीं था। लेकिन, जब उन्होंने परीक्षण में अधिक उन्नत चरणों (चरण III और IV) को शामिल किया, तो चीनी-आधारित समूह मरीजों को वर्गीकृत करने का एक सांख्यिकीय रूप से महत्वपूर्ण (statistically significant) तरीका बन गए (p = 0.01), जिसने पुराने तरीकों को पीछे छोड़ दिया जो कम निश्चित थे (p = 0.1 और 0.05)।

"स्ट्राइकआउट" डिटेक्टिव: दोषियों को ढूंढना

एक बार जब उनके पास छह समूह आ गए, तो उन्हें यह जानने की आवश्यकता थी कि कौन से विशिष्ट चीनी सजावट सबसे अधिक महत्वपूर्ण हैं। उन्होंने RFES (रिकर्सिव फीचर एलिमिनेशन विद स्ट्राइकआउट) नामक एक जासूसी उपकरण का उपयोग किया।

"हॉट पोटैटो" (गर्म आलू) के खेल की कल्पना करें जहाँ आप सबसे कम महत्वपूर्ण खिलाड़ियों को तब तक बाहर निकालते रहते हैं जब तक कि टीम हारने न लगे। "स्ट्राइकआउट" नियम एक चतुर मोड़ है: यह टीम को गेम खत्म होने से पहले कुछ बार हारने (उतार-चढ़ाव) की अनुमति देता है, ताकि यह सुनिश्चित हो सके कि आपने गलती से किसी गुप्त सुपरस्टार को बाहर न कर दिया हो।

• खोज: इस प्रक्रिया ने हजारों जीनों को घटाकर केवल 60 प्रमुख चीनी जीनों तक सीमित कर दिया।
• प्रमाण: केवल इन 60 जीनों का उपयोग करके, कंप्यूटर 95.45% सटीकता के साथ रोगियों को छह समूहों में वर्गीकृत कर सकता था। प्रत्येक समूह का अपना अनूठा "शुगर सिग्नेचर" था, जैसे आइसिंग से बना एक फिंगरप्रिंट।

इम्यून पार्टी क्रैशर्स (प्रतिरक्षा घुसपैतकर्ता)

यहाँ मामला वास्तव में दिलचस्प हो जाता है। शोधकर्ताओं ने "इम्यून लैंडस्केप" को देखा—वे सुरक्षा गार्ड (इम्यून कोशिकाएं) जो ट्यूमर के अंदर घूम रहे हैं।

• उन्होंने पाया कि चीनी के पैटर्न इस बात से मजबूती से जुड़े थे कि सुरक्षा गार्ड कौन थे। उदाहरण के लिए, एक समूह (GEC2) M2 मैक्रोफेज (गार्ड जो वास्तव में कैंसर को बढ़ने में मदद करते हैं) से भरा हुआ था, जबकि दूसरे समूह (GEC4) में उनकी संख्या बहुत कम थी।
• संबंध: उन्होंने पाया कि विशिष्ट चीनी मार्ग (pathways) विशिष्ट प्रतिरक्षा कोशिकाओं के साथ "बात" करते प्रतीत होते हैं। एक समूह में, "6-सल्फेटेड सियालिल लुइस एक्स" नामक चीनी पैटर्न रेस्टिंग मास्ट सेल्स के साथ सकारात्मक रूप से जुड़ा था, जबकि दूसरे समूह में यह नकारात्मक रूप से जुड़ा था। यह सुझाव देता है कि चीनी सजावट प्रतिरक्षा प्रणाली की प्रतिक्रिया को नियंत्रित कर सकती है, जो ट्यूमर और शरीर की रक्षा प्रणालियों के बीच एक गुप्त भाषा के रूप में कार्य करती है।

ड्रग मैचमेकर (दवा मिलानकर्ता)

अंत में, टीम ने पूछा: यदि हम चीनी सिग्नेचर को जानते हैं, तो क्या हम इसे रोकने के लिए कोई दवा ढूंढ सकते हैं?
उन्होंने "मैचमेकर" के रूप में कार्य करने के लिए FRoGS (फंक्शनल रिप्रेजेंटेशन ऑफ जीन सिग्नेचर) नामक उपकरण का उपयोग किया। इसने प्रत्येक चीनी समूह के "कार्यात्मक प्रोफाइल" को देखा और पूछा, "कौन सी मौजूदा दवा इसे बंद करने के बारे में जानती है?"

• सुझाव: मॉडल ने सुझाव दिया कि एल्बेंडाजोल (एक दवा जो आमतौर पर कीड़ों के लिए उपयोग की जाती है) समूह 2 के खिलाफ काम कर सकती है, और क्लोमिफीन (जो अक्सर प्रजनन क्षमता के लिए उपयोग किया जाता है) समूह 4 के खिलाफ काम कर सकता है।
• वास्तविकता की जांच: लेखक सावधानी बरतते हुए कहते हैं कि यह एक प्रूफ-ऑफ-कॉन्सेप्ट है। उन्होंने यह साबित नहीं किया है कि ये दवाएं काम करती हैं; उन्होंने केवल यह दिखाया है कि कंप्यूटर को लगता है कि वे एक अच्छा फिट हो सकते हैं। यह भविष्य के प्रयोगों के लिए एक शुरुआती बिंदु है, न कि एक तैयार नुस्खा।

यह पेपर किन बातों को "ना" कहता है

यह पेपर इस बारे में बहुत स्पष्ट है कि यह क्या नहीं कर रहा है:

• यह दावा नहीं करता कि चीनी के स्तर कैंसर का कारण बनते हैं। यह केवल यह कहता है कि चीनी पैटर्न कैंसर को उपयोगी समूहों में वर्गीकृत करने का एक शानदार तरीका है।
• यह यह नहीं कहता कि पुराने तरीके (PAM50) बेकार हैं। वे बस इस विशिष्ट संदर्भ में अस्तित्व (survival) के पूर्वानुमान के लिए कम सटीक हैं।
• यह यह दावा नहीं करता कि ट्यूमर की सटीक "चीनी अवस्था" क्या है। क्योंकि उन्होंने पूरे ट्यूमर को देखा (कई प्रकार की कोशिकाओं का मिश्रण), वे यह नहीं कह सकते कि किस कोशिका ने कौन सी चीनी बनाई। वे पूरे ट्यूमर की "धुंधली फोटो" देख रहे हैं, न कि एक एकल कोशिका की हाई-डेफिनिशन शॉट।

निचोड़ (The Bottom Line)

यह अध्ययन एक जटिल शहर के लिए एक नए, अधिक विस्तृत मानचित्र को खोजने जैसा है। पुराना मानचित्र (PAM50) आपको सही पड़ोस तक पहुँचा देता था, लेकिन यह नया चीनी-मानचित्र (GECs) आपको बताता है कि आप वास्तव में किस गली में और किस घर में हैं। यह सुझाव देता है कि कैंसर कोशिकाओं पर चीनी की सजावट को देखकर, हम मरीजों को अधिक सटीक रूप से वर्गीकृत कर सकते हैं, समझ सकते हैं कि उनकी प्रतिरक्षा प्रणाली कैसे प्रतिक्रिया दे रही है, और अंततः सही "चीनी समूह" के लिए सही दवा ढूंढ सकते हैं। यह एक आशाजनक नई दिशा है, लेकिन "कंप्यूटर विचार" से "वास्तविक जीवन के इलाज" तक की यात्रा अभी बस शुरू ही हुई है।