Conditional polygenic enrichment distinguishes causal from tagging disease-critical cell populations in single-cell RNA-seq

रोग कैसे शुरू होता है, इसे समझने के लिए वैज्ञानिक अक्सर शरीर के ब्लूप्रिंट यानी जीनोम को देखते हैं। पिछले दो दशकों में, लाखों लोगों के डीएनए को स्कैन करने वाले विशाल अध्ययनों ने जेनेटिक कोड में उन सूक्ष्म विविधताओं, या 'टाइपो' (लिखने की त्रुटियों) को खोजने का काम किया है, जो कुछ व्यक्तियों को हृदय रोग, मधुमेह या अल्जाइमर जैसी स्थितियों के प्रति अधिक संवेदनशील बनाते हैं। ये अध्ययन यह खोजने में अविश्वसनीय रूप से सफल रहे हैं कि ये त्रुटियां कहाँ स्थित हैं, लेकिन वे एक अधिक मौलिक प्रश्न का उत्तर देने में संघर्ष करते रहे हैं: शरीर के कौन से विशिष्ट सेल (कोशिकाएं) वास्तव में नुकसान पहुँचा रहे हैं? मानव शरीर सैकड़ों अलग-अलग प्रकार की कोशिकाओं से बना है, जैसे मस्तिष्क में न्यूरॉन्स से लेकर रक्त में प्रतिरक्षा कोशिकाएं (इम्यून सेल्स), और प्रत्येक का एक अद्वितीय कार्य है। यह जानना कि एक आनुवंशिक जोखिम कारक मौजूद है, घर में एक टूटे हुए स्विच को खोजने जैसा है; यह जानना कि वह स्विच किस कमरे को नियंत्रित करता है, समस्या को ठीक करने की अनुमति देता है।

वर्षों तक, शोधकर्ताओं ने 'सिंगल-सेल आरएनए सीक्वेंसिंग' नामक तकनीक के साथ जेनेटिक डेटा को जोड़कर इस अंतर को पाटने का प्रयास किया है। यह तकनीक वैज्ञानिकों को व्यक्तिगत कोशिकाओं द्वारा उपयोग किए जा रहे जेनेटिक निर्देशों को पढ़ने की अनुमति देती है, जिससे यह पता चलता है कि प्रत्येक कोशिका किसी विशिष्ट क्षण में वास्तव में क्या कर रही है। हालाँकि, एक बड़ी बाधा सामने आई: निकटता से संबंधित कोशिकाएं अक्सर बहुत समान दिखती और व्यवहार करती हैं, भले ही उनके कार्य अलग हों। जब शोधकर्ताओं ने जेनेटिक जोखिमों को इन कोशिकाओं से जोड़ने का प्रयास किया, तो उनके तरीके भ्रमित हो गए। वे एक समूह की कोशिकाओं को "रोग-कारक" के रूप में चिह्नित कर देते थे क्योंकि वे वास्तविक अपराधी के साथ एक ही जेनेटिक सिग्नेचर साझा करती थीं, ठीक वैसे ही जैसे किसी व्यक्ति पर केवल इसलिए अपराध का संदेह किया जा सकता है क्योंकि वह वास्तविक अपराधी के उसी पड़ोस में रहता है। यह भ्रम, जिसे "टैगिंग" प्रभाव कहा जाता है, का अर्थ था कि वैज्ञानिक अक्सर गलत कोशिकाओं की पहचान कर रहे थे, जिससे जटिल रोगों के पीछे के वास्तविक जैविक तंत्रों को सटीक रूप से समझना कठिन हो गया था।

शोधकर्ताओं की एक टीम ने अब इस भ्रम को दूर करने के लिए एक नया दृष्टिकोण विकसित किया है, जो इस बात का स्पष्ट दृश्य प्रदान करता है कि कौन सी कोशिकाएं वास्तव में रोग को संचालित कर रही हैं। उन्होंने scDRS-FM नामक एक विधि बनाई है, जो वास्तविक कारणों को उनके जैसे दिखने वाले (look-alikes) से अलग करने के लिए एक सांख्यिकीय फिल्टर के रूप में कार्य करती है। केवल यह पूछने के बजाय कि क्या एक कोशिका प्रकार किसी बीमारी से जुड़ा है, नई विधि अधिक सटीक प्रश्न पूछती है: यदि हम शरीर की अन्य संबंधित कोशिकाओं के बारे में पहले से जानते हैं, तो क्या यह विशिष्ट कोशिका अभी भी रोग के जोखिम का एक अद्वितीय संकेत दिखाती है? अपने पड़ोसियों के संदर्भ में कोशिकाओं को देखकर, यह विधि एक ऐसी कोशिका और एक ऐसी कोशिका के बीच अंतर कर सकती है जो सीधे तौर पर रोग में शामिल है और एक ऐसी कोशिका के बीच जो केवल इसलिए जुड़ी हुई है क्योंकि वह एक समान जेनेटिक प्रोफाइल साझा करती है।

शोधकर्ताओं ने इस नए टूल का परीक्षण भारी मात्रा में डेटा पर किया, जिसमें 75 विभिन्न रोगों और लक्षणों की जेनेटिक जानकारी को 5.8 मिलियन से अधिक व्यक्तिगत कोशिकाओं की जेनेटिक गतिविधि के साथ जोड़ा गया। ये कोशिकाएं नौ अलग-अलग डेटासेट से आई थीं, जिनमें रक्त की प्रतिरक्षा कोशिकाओं से लेकर मस्तिष्क के न्यूरॉन्स तक सब कुछ शामिल था। अपने प्रारंभिक परीक्षणों में, उन्होंने उन रोग परिदृश्यों का अनुकरण किया जहाँ वे जानते थे कि कौन सी कोशिकाएं वास्तविक कारण हैं और कौन सी केवल उनके जैसे दिखने वाली कोशिकाएं हैं। परिणामों ने दिखाया कि उनकी नई विधि पिछले तरीकों की तुलना में बहुत अधिक सटीक थी। जहाँ पुराने तरीके बहुत अधिक कोशिकाओं को चिह्नित कर देते थे, जिनमें निर्दोष 'लुक-अलाइक' भी शामिल थे, वहीं नया दृष्टिकोण शोर (noise) को नजरअंदाज करते हुए वास्तविक दोषियों की सही पहचान करता है। इसने सफलतापूर्वक उन कोशिकाओं के बीच अंतर किया जो वास्तव में रोग को चला रही थीं और वे जो केवल उनके साथ सह-संबंधित थीं, जो कि एक महत्वपूर्ण अंतर है।

जब इसे वास्तविक दुनिया के डेटा पर लागू किया गया, तो इस विधि ने रोग जीव विज्ञान की एक बहुत ही स्पष्ट तस्वीर पेश की। उदाहरण के लिए, इंफ्लेमेटरी बाउल डिजीज (आंतों की सूजन संबंधी बीमारी) के अध्ययन में, शोधकर्ता CD4+ T कोशिकाओं नामक प्रतिरक्षा कोशिकाओं के विशिष्ट उप-समूहों पर ध्यान केंद्रित करने में सक्षम रहे। पिछले तरीकों ने सुझाव दिया था कि इन कोशिकाओं के कई विभिन्न प्रकार शामिल हैं, लेकिन नए विश्लेषण ने दिखाया कि केवल विशिष्ट, अत्यधिक सक्रिय उप-समूह ही वास्तव में जोखिम को संचालित कर रहे थे। इन कोशिकाओं की विशेषता एक साथ कई भड़काऊ संकेतों (inflammatory signals) को उत्पन्न करने की अनूठी क्षमता थी। इसी तरह, अल्जाइमर रोग के अध्ययन में, विधि ने मस्तिष्क में प्रतिरक्षा कोशिकाओं के विशिष्ट समूहों और मस्तिष्क के विशेष क्षेत्रों में कुछ प्रकार के न्यूरॉन्स की पहचान की, जो स्वतंत्र रूप से रोग से जुड़े थे। इसने खुलासा किया कि जोखिम केवल "मस्तिष्क कोशिकाओं" या "प्रतिरक्षा कोशिकाओं" की एक सामान्य विशेषता नहीं थी, बल्कि यह बहुत विशिष्ट, कार्यात्मक रूप से भिन्न समूहों में केंद्रित थी।

एक सबसे उल्लेखनीय खोज यह थी कि इस विधि ने विभिन्न रोगों के बीच संबंधों को सुलझाने में कैसे मदद की। यह देखने के मामले में कि कौन सी कोशिकाएं कई स्थितियों को संचालित करती हैं, शोधकर्ताओं ने पाया कि कुछ रोग जो जेनेटिक रूप से असंबंधित लगते थे, वास्तव में समान कोशिकीय तंत्र साझा कर रहे थे। उदाहरण के लिए, उन्होंने पाया कि कुछ प्रतिरक्षा कोशिका अवस्थाएं (immune cell states) इंफ्लेमेटरी बाउल डिजीज और ल्यूपस (lupus) दोनों को संचालित कर रही थीं, भले ही इन दोनों स्थितियों के बीच जेनेटिक लिंक कमजोर थे। यह सुझाव देता है कि हालांकि जेनेटिक जोखिम कारक अलग हो सकते हैं, लेकिन शरीर में वास्तव में जो जैविक प्रक्रियाएं गलत हो रही हैं, वे आश्चर्यजनक रूप से समान हैं। विधि ने यह भी दिखाया कि कुछ रोग, जो पुराने अध्ययनों में कई अलग-अलग कोशिका प्रकारों से जुड़े दिखाई देते थे, वास्तव में केवल कुछ स्वतंत्र कोशिका आबादी द्वारा संचालित थे। सटीकता का यह स्तर वैज्ञानिकों को भविष्य के उपचारों के लिए सही लक्ष्यों पर ध्यान केंद्रित करने में मदद करता है।

शोधकर्ताओं ने अपने नए टूल का उपयोग मस्तिष्क की खोज के लिए भी किया, जो एक ऐसा क्षेत्र है जहाँ कोशिका प्रकारों को पहचानना अत्यंत कठिन होता है। उन्होंने दस लाख से अधिक मस्तिष्क कोशिकाओं के डेटा का विश्लेषण किया, जिसमें पार्किंसंस और अल्जाइमर जैसे रोगों को देखा गया। विधि ने मस्तिष्क के विशिष्ट हिस्सों में न्यूरॉन्स और प्रतिरक्षा कोशिकाओं के विशिष्ट समूहों की पहचान की जो इन स्थितियों से जुड़े थे। उदाहरण के लिए, इसने पाया कि मिडिल टेम्पोरल गाइरस और प्रीफ्रंटल कॉर्टेक्स में कुछ प्रतिरक्षा कोशिकाएं अल्जाइमर के जोखिम से स्वतंत्र रूप से जुड़ी हुई थीं, जबकि उन्हीं क्षेत्रों में न्यूरॉन्स की कुछ परतें भी शामिल थीं। यह सूक्ष्म मैपिंग बताती है कि रोग प्रक्रिया पूरे मस्तिष्क में एक समान नहीं है, बल्कि यह विशिष्ट सर्किट और सेल स्टेट्स में केंद्रित है। समान कोशिकाओं के बैकग्राउंड शोर से इन संकेतों को अलग करने की क्षमता, यह विस्तृत विवरण प्रदान करती है कि ये रोग कहाँ और कैसे शुरू होते हैं।

अध्ययन ने यह भी रेखांकित किया कि कोशिकाओं को केवल निश्चित श्रेणियों के रूप में नहीं, बल्कि गतिशील अवस्थाओं (dynamic states) के रूप में देखना कितना महत्वपूर्ण है। कोशिकाओं के व्यवहार में निरंतर परिवर्तनों का विश्लेषण करके, शोधकर्ता विशिष्ट कार्यात्मक प्रोग्रामों की पहचान कर सके, जैसे कि एक ऐसी अवस्था जहाँ प्रतिरक्षा कोशिकाएं अत्यधिक सक्रिय होती हैं और कई अलग-अलग रासायनिक संकेत उत्पन्न करती हैं। उन्होंने पाया कि ये विशिष्ट अवस्थाएं, न कि केवल व्यापक कोशिका प्रकार, रोग के जोखिम से सबसे मजबूती से जुड़ी हुई थीं। यह दृष्टिकोण जीव विज्ञान की एक अधिक सूक्ष्म समझ प्रदान करता है, जहाँ ध्यान "यह किस प्रकार की कोशिका है?" से हटकर "यह कोशिका वास्तव में क्या कर रही है?" पर केंद्रित हो जाता है। यह बदलाव महत्वपूर्ण है क्योंकि यह क्षेत्र को एक व्यापक, अक्सर भ्रमित करने वाले अवलोकन से एक सटीक, कार्रवाई योग्य समझ की ओर ले जाता है।

शोधकर्ता स्वीकार करते हैं कि उनका कार्य सांख्यिकीय विश्लेषण में एक कदम आगे है और यह अपने आप में जैविक कार्य-कारण (biological causality) को सिद्ध नहीं करता है। यह विधि इस धारणा पर आधारित है कि जेनेटिक डेटा और सेल डेटा सही ढंग से संरेखित (aligned) हैं, और यह इन निष्कर्षों की पुष्टि करने के लिए प्रयोगशाला प्रयोगों की आवश्यकता को पूरा नहीं कर सकती। हालांकि, उनके द्वारा किए गए सिमुलेशन और वास्तविक दुनिया के परीक्षणों ने सुझाव दिया है कि विधि मजबूत और विश्वसनीय है। इसने गलत अलार्म को सफलतापूर्वक नियंत्रित किया और स्वतंत्र रोग चालकों की पहचान करने का एक सुसंगत तरीका प्रदान किया। इस ढांचे को विभिन्न रोगों पर लागू करके, टीम ने ऐसे उपकरण प्रदान किए हैं जो यह प्राथमिकता तय करने में मदद कर सकते हैं कि आगे किन कोशिकाओं का अध्ययन किया जाए।

अंततः, यह कार्य मानव रोग के जटिल परिदृश्य को देखने का एक परिष्कृत तरीका प्रदान करता है। यह जेनेटिक एसोसिएशन के व्यापक चित्रण से आगे बढ़कर शामिल विशिष्ट कोशिकीय अभिनेताओं को प्रकट करता है। वास्तविक कारणों को उनके जैसे दिखने वालों से अलग करके, यह विधि यह समझने के लिए एक स्पष्ट मार्ग प्रदान करती है कि जेनेटिक जोखिम वास्तव में जैविक वास्तविकता में कैसे परिवर्तित होते हैं। यह स्पष्टता उन लक्षित उपचारों को विकसित करने के लिए आवश्यक है जो सही स्थान और सही समय पर हस्तक्षेप कर सकें। जैसे-जैसे व्यक्तिगत कोशिकाओं को पढ़ने की तकनीक में सुधार होगा, और जेनेटिक अध्ययन बड़े होते जाएंगे, इस तरह की विधियाँ हमारे पास उपलब्ध विशाल डेटा को वास्तविक चिकित्सा अंतर्दृष्टि में बदलने के लिए अत्यंत महत्वपूर्ण हो जाएंगी। जंगल को देखना और पेड़ों को देखना, और यह जानना कि वास्तव में कौन सा पेड़ बीमार है, मानव रोग को समझने और उसके उपचार की खोज में एक महत्वपूर्ण छलांग है।