Construction of a Prognostic Model for Pancreatic Cancer Based on mitochondrial dynamics-Related Genes: Application of Multiple Machine Learning Methods

अग्नाशय का कैंसर (पैनक्रिएटिक कैंसर) आधुनिक चिकित्सा की सबसे कठिन चुनौतियों में से एक है। यह एक ऐसी बीमारी है जो अक्सर तब तक छिपी रहती है जब तक कि यह फैल न जाए, जिससे पता चलने के बाद डॉक्टरों के पास बहुत कम विकल्प बचते हैं। इस कैंसर से बनी कोशिकाएं न केवल अनियंत्रित रूप से बढ़ रही हैं; वे खुद को ऊर्जा देने के तरीके में भी मौलिक रूप से भिन्न हैं। प्रत्येक कोशिका के भीतर, माइटोकॉन्ड्रिया नामक सूक्ष्म संरचनाएं 'पावर प्लांट' के रूप में कार्य करती हैं, जो पोषक तत्वों को जीवन के लिए आवश्यक ऊर्जा में बदल देती हैं। ये पावर प्लांट स्थिर नहीं होते; वे लगातार अपना आकार बदलते रहते हैं, अलग होते हैं और आपस में जुड़ते हैं, जिसे माइटोकॉन्ड्रियल डायनेमिक्स (mitochondrial dynamics) कहा जाता है। यह गति कोशिका के लिए तनाव से अनुकूलित होने और जीवित रहने के लिए आवश्यक है। स्वस्थ कोशिकाओं में, यह प्रणाली संतुलित होती है, लेकिन कैंसर में, मशीनरी अक्सर टूट जाती है, जिससे ट्यूमर को बढ़ने, फैलने और उपचार का विरोध करने में मदद मिलती है। अग्नाशय के कैंसर में ये पावर प्लांट कैसे व्यवहार करते हैं, इसे समझने से यह अनुमान लगाने के नए तरीके मिल सकते हैं कि रोगी का भविष्य कैसा होगा और कौन सा उपचार सबसे अच्छा काम कर सकता है।

शोधकर्ताओं की एक टीम ने अग्नाशय के कैंसर में माइटोकॉन्ड्रियल डायनेमिक्स को नियंत्रित करने वाले आनुवंशिक निर्देशों को देखकर इस संबंध को तलाशने का प्रयास किया। उन्होंने हजारों ऊतक नमूनों से भारी मात्रा में आनुवंशिक डेटा एकत्र करके शुरुआत की, जिसमें स्वस्थ अग्नाशयी ऊतक की तुलना ट्यूमर के नमूनों से की गई। उनका लक्ष्य उन विशिष्ट जीनों को खोजना था जो कैंसर में अलग तरह से व्यवहार कर रहे थे और माइटोकॉन्ड्रिया की गति से जुड़े हुए थे। इस डेटा को छानने के बाद, उन्होंने तीस-दो जीन पहचाने जो कैंसर में सक्रिय थे और माइटोकॉन्ड्रियल गति से संबंधित थे। हालांकि, तीस-दो जीन एक सरल परीक्षण के रूप में उपयोग करने के लिए बहुत अधिक हैं, इसलिए शोधकर्ताओं ने एक शक्तिशाली उपकरण का उपयोग किया: मशीन लर्निंग। यह एक प्रकार का कंप्यूटर प्रोग्राम है जो सूचनाओं की विशाल मात्रा में ऐसे पैटर्न खोज सकता है जिन्हें मनुष्य चूक सकते हैं। उन्होंने इन बत्तीस जीनों का डेटा विभिन्न मशीन लर्निंग एल्गोरिदम में डाला, और कंप्यूटरों से पूछा कि कौन सा जीन संयोजन रोगी के जीवित रहने की संभावना का सबसे अच्छी तरह से अनुमान लगा सकता है।

कंप्यूटरों ने डेटा को बार-बार परखा और अलग-अलग संयोजनों का परीक्षण किया जब तक कि उन्हें केवल सात जीनों से बना एक एकल, शक्तिशाली सिग्नेचर नहीं मिल गया। इन सात जीनों—ALDH3A1, CD36, CKB, FOXM1, IGF2BP3, INS, और MET—ने एक अद्वितीय आनुवंशिक फिंगरप्रिंट बनाया। शोधकर्ताओं ने इस फिंगरप्रिंट का उपयोग प्रत्येक रोगी के लिए "जोखिम स्कोर" (risk score) की गणना करने के लिए किया। जब उन्होंने इस स्कोर को अपने अध्ययन के रोगियों पर लागू किया, तो एक स्पष्ट तस्वीर उभर कर आई। उच्च जोखिम स्कोर वाले रोगी, जिसका अर्थ है कि उनके ट्यूमर में इन विशिष्ट जीनों की उच्च गतिविधि थी, उनका भविष्य काफी खराब था। उनके ट्यूमर के आक्रामक होने और फैलने की संभावना अधिक थी और उनके लंबे समय तक जीवित रहने की संभावना कम थी। इसके विपरीत, कम जोखिम स्कोर वाले रोगियों के जीवित रहने की बेहतर संभावना थी। शोधकर्ताओं ने इस निष्कर्ष का परीक्षण अन्य अस्पतालों और डेटाबेस से रोगियों के कई समूहों में किया, और परिणाम हर बार सही साबित हुआ। स्कोर इतना सटीक था कि वह उल्लेखनीय सटीकता के साथ दो, तीन और पांच वर्षों के भविष्य में जीवित रहने की दर का अनुमान लगा सकता था, जो अक्सर रोग को आंकने के पारंपरिक तरीकों से बेहतर प्रदर्शन करता था।

लेकिन शोधकर्ता केवल यह नहीं जानना चाहते थे कि कौन जीवित रहेगा; वे यह भी समझना चाहते थे कि क्यों। उन्होंने उच्च-जोखिम वाले समूह के ट्यूमर का बारीकी से अध्ययन किया और पाया कि वे जैविक रूप से भिन्न थे। ये ट्यूमर ऐसी कोशिकाओं से भरे थे जो तेजी से विभाजित हो रही थीं और आसानी से घूम रही थीं, जो कैंसर फैलाने में मदद करने वाले गुण हैं। उन्होंने यह भी पाया कि प्रतिरक्षा प्रणाली (इम्यून सिस्टम), जो आमतौर पर कैंसर से लड़ती है, उच्च-जोखिम वाले इन ट्यूमर में निष्क्रिय लग रही थी। कैंसर कोशिकाओं के आसपास का वातावरण शांत और गैर-प्रतिक्रियाशील था, जिसमें बीमारी पर हमला करने के लिए आवश्यक प्रतिरक्षा सैनिकों की कमी थी। इसके विपरीत, कम जोखिम वाले ट्यूमर में अधिक सक्रिय प्रतिरक्षा प्रणाली के संकेत मिले, जो सुझाव देते हैं कि शरीर कम से कम लड़ने का प्रयास तो कर रहा था। प्रतिरक्षा परिदृश्य में यह अंतर महत्वपूर्ण है क्योंकि यह समझाता है कि क्यों कुछ रोगी इम्यूनोथेरेपी के प्रति प्रतिक्रिया दे सकते हैं जबकि अन्य नहीं। अध्ययन बताता है कि उच्च-जोखिम वाले समूह में एक ऐसा ट्यूमर वातावरण है जो प्रतिरक्षा प्रणाली से छिपने में विशेष रूप से कुशल है।

अध्ययन ने इस बारे में भी झलक दी कि ये रोगी कीमोथेरेपी के प्रति कैसी प्रतिक्रिया देंगे। शोधकर्ताओं ने अपने मॉडल का उपयोग यह अनुमान लगाने के लिए किया कि ट्यूमर सामान्य दवाओं के प्रति कितने संवेदनशील होंगे। उन्होंने पाया कि उच्च-जोखमी समूह के रोगी जेमिसिटाबाइन (gemcitabine) जैसी मानक कीमोथेरेपी दवाओं के प्रति प्रतिरोधी होने की संभावना रखते हैं, जो अक्सर अग्नाशय के कैंसर के खिलाफ रक्षा की पहली पंक्ति होती है। यह प्रतिरोध इस बीमारी के इलाज में एक बड़ी बाधा है। हालांकि, मॉडल ने एक अलग मार्ग की ओर भी इशारा किया। इसने सुझाव दिया कि उच्च-जोखिम वाले ट्यूमर अन्य वर्ग की दवाओं के प्रति अधिक संवेदनशील हो सकते हैं, विशेष रूप से वे जो कैंसर की वृद्धि को चलाने वाले सिग्नलिंग मार्गों को लक्षित करती हैं। इसका अर्थ यह है कि उच्च-जोखिम स्कोर वाले रोगियों के लिए, मानक कीमोथेरेपी पर टिके रहने के बजाय इन लक्षित उपचारों (targeted therapies) की ओर स्विच करना एक अधिक प्रभावी रणनीति हो सकती है।

यह सुनिश्चित करने के लिए कि ये निष्कर्ष केवल एक सांख्यिकीय चाल नहीं थे, शोधकर्ताओं ने सिंगल-सेल तकनीक का उपयोग करके एक-एक करके कैंसर कोशिकाओं को देखा। इससे उन्हें यह देखने में मदद मिली कि कौन सी कोशिकाएं इन सात जीनों को ले जा रही हैं। उन्होंने पाया कि ये जीन डक्टल कोशिकाओं (ductal cells) में सबसे अधिक सक्रिय थे, जो अग्नाशय के मुख्य निर्माण खंड हैं और वे कोशिकाएं हैं जहाँ यह कैंसर आमतौर पर शुरू होता है। उन्होंने स्थानिक ट्रांसक्रिप्टोमिक्स (spatial transcriptomics) नामक एक तकनीक का भी उपयोग किया, जो मानचित्रित करती है कि वास्तविक ऊतक के भीतर जीन कहाँ सक्रिय हैं, ताकि यह देखा जा सके कि कैंसर समय के साथ कैसे बदलता है। उन्होंने पाया कि जैसे-जैसे कैंसर आगे बढ़ा और अधिक घातक होता गया, एक प्रमुख जीन, MET, की गतिविधि काफी बढ़ गई। इसने पुष्टि की कि ये जीन केवल यादृच्छिक मार्कर नहीं हैं बल्कि कैंसर की एक छोटी वृद्धि से लेकर एक घातक बीमारी तक की यात्रा में सक्रिय रूप से शामिल हैं।

इन आशाजनक परिणामों के बावजूद, शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह एक शुरुआत है, न कि कोई पूर्ण समाधान। अध्ययन सार्वजनिक डेटाबेस से मौजूदा डेटा के विश्लेषण पर आधारित था, जो परिकल्पना (hypothesis) उत्पन्न करने का एक शक्तिशाली तरीका है, लेकिन यह वास्तविक दुनिया के परीक्षण की जगह नहीं लेता है। इस मॉडल को अभी तक अस्पताल में उपचार निर्णयों का मार्गदर्शन करने के लिए नैदानिक सेटिंग में रोगियों पर आजमाया नहीं गया है। इसके अलावा, जबकि कंप्यूटर मॉडल ने भविष्यवाणी की कि ट्यूमर दवाओं के प्रति कैसे प्रतिक्रिया देंगे, इन भविष्यवाणियों की जीवित रोगियों या स्वयं कैंसर कोशिकाओं के साथ प्रयोगशाला प्रयोगों में पुष्टि नहीं की गई है। शोधकर्ता इस बात पर जोर देते हैं कि इससे पहले कि इस सात-जीन परीक्षण का उपयोग रोगी के उपचार को तय करने के लिए किया जा सके, इसे भविष्य के अध्ययनों में मान्य (validate) किया जाना चाहिए जो रोगियों का समय के साथ अनुसरण करते हैं।

यह कार्य अग्नाशय के कैंसर की जटिल जीव विज्ञान को समझने की दिशा में एक महत्वपूर्ण कदम है। यह देखते हुए कि कैंसर के पावर प्लांट कैसे कार्य करते हैं, टीम ने इस बीमारी को देखने का एक नया तरीका खोज निकाला है। उन्होंने दिखाया है कि माइटोकॉन्ड्रिया कैसे चलते हैं और बदलते हैं, यह इस बात से गहराई से जुड़ा हुआ है कि कैंसर कितना आक्रामक है और रोगी उपचार के प्रति कितनी अच्छी तरह प्रतिक्रिया देगा। यह सात-जीन सिग्नेचर डॉक्टरों को रोगियों को उनके विशिष्ट जैविक जोखिमों के आधार पर समूहों में वर्गीकृत करने के लिए एक संभावित उपकरण प्रदान करता है, जो 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) दृष्टिकोण से हटकर एक अधिक व्यक्तिगत रणनीति की ओर ले जाता है। हालांकि इस खोज को एक नियमित चिकित्सा परीक्षण में बदलने का रास्ता लंबा है, लेकिन निष्कर्ष भविष्य के अनुसंधान के लिए एक स्पष्ट दिशा प्रदान करते हैं, जो सुझाव देते हैं कि माइटोकॉन्ड्रियल डायनेमिक्स के विशिष्ट तंत्रों को लक्षित करना इस कठिन बीमारी के इलाज के लिए नए द्वार खोल सकता है।