Machine Learning–Based Classification of Cancer Using Promoter-Associated 5-Hydroxymethylcytosine Signatures in Cell-Free DNA
यह अध्ययन प्रदर्शित करता है कि सेल-फ्री डीएनए से प्रमोटर-जुड़े 5-हाइड्रॉक्सीमिथाइलसाइटोसिन (5hmC) हस्ताक्षरों का उपयोग करने वाला एक मशीन लर्निंग फ्रेमवर्क कैंसर को स्वस्थ नमूनों से प्रभावी ढंग से और सटीक रूप से अलग कर सकता है, जो प्रारंभिक कैंसर पहचान और सटीक ऑन्कोलॉजी के लिए एक आशाजनक गैर-आक्रामक रणनीति प्रदान करता है।
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
कैंसर शरीर के अपने ही निर्देशों के गलत होने की एक बीमारी है। दशकों से, डॉक्टर रक्त में तैरते हुए डीएनए के टूटे हुए टुकड़ों या उत्परिवर्तित (mutated) जीनों की खोज करके इस समस्या के संकेतों को ढूंढने की कोशिश कर रहे हैं। हालांकि ये आनुवंशिक संकेत मूल्यवान हैं, लेकिन वे अक्सर तभी दिखाई देते हैं जब ट्यूमर पहले से ही इतना बड़ा हो चुका हो कि वह पर्याप्त मात्रा में सामग्री छोड़ सके। यह शुरुआती पहचान में एक अंतर छोड़ देता है, जहाँ कैंसर मौजूद तो हो सकता है लेकिन इतना छोटा होता है कि कोई आनुवंशिक छाप न छोड़ सके। वैज्ञानिकों ने हाल ही में एक अलग तरह के संकेत की ओर अपना ध्यान केंद्रित किया है: डीएनए से जुड़े रासायनिक टैग, जो स्वयं जेनेटिक कोड को नहीं बदलते बल्कि वॉल्यूम नॉब की तरह काम करते हैं, जो जीनों को कम या ज्यादा करते हैं। ऐसा ही एक टैग, जिसे 5-हाइड्रॉक्सीमिथाइलसाइटोसिन (5-hydroxymethylcytosine) कहा जाता है, विशेष रूप से दिलचस्प है क्योंकि यह इस आधार पर विशिष्ट पैटर्न में पाया जाता है कि वह किस प्रकार की कोशिका से आता है। जब एक कोशिका कैंसरग्रस्त हो जाती है, तो ये पैटर्न स्वस्थ कोशिकाओं की तुलना में अलग तरह से बदल जाते हैं। चूंकि ये रासायनिक टैग रक्त में जीवित रहते हैं, इसलिए वे कैंसर का जल्दी पता लगाने का एक संभावित तरीका प्रदान करते हैं, न कि किसी टूटे हुए जीन को ढूंढकर, बल्कि यह देखकर कि कोशिका चलाने के निर्देशों को फिर से कैसे लिखा गया है।
शोधकर्ता तिशा सेहरावत का एक नया अध्ययन यह पता लगाता है कि क्या रक्त में इन रासायनिक पैटर्न का उपयोग यह बताने के लिए किया जा सकता है कि कोई व्यक्ति कैंसर से पीड़ित है या स्वस्थ है। टीम ने 804 व्यक्तियों के डेटा को इकट्ठा किया, जिसमें विभिन्न प्रकार के कैंसर वाले 458 लोग और 346 स्वस्थ स्वयंसेवक शामिल थे। पूरे जीनोम को एक साथ देखने के बजाय, जो कि एक लाइब्रेरी में टाइपो (लिखने की गलती) खोजने के लिए हर शब्द को पढ़ने जैसा होगा, शोधकर्ताओं ने जीनों के विशिष्ट शुरुआती बिंदुओं पर ध्यान केंद्रित किया, जिन्हें ट्रांसक्रिप्शन स्टार्ट साइट्स (transcription start sites) के रूप में जाना जाता है। उन्होंने प्रत्येक नमूने में हजारों जीनों के आसपास इस रासायनिक टैग की मात्रा को मापा। इससे प्रत्येक अध्ययन में शामिल व्यक्ति के लिए रासायनिक गतिविधि का एक विस्तृत मानचित्र तैयार हुआ।
इस विशाल मात्रा में डेटा को समझने के लिए, शोधकर्ताओं ने कंप्यूटर प्रोग्रामों का उपयोग किया जिन्हें पैटर्न पहचानने के लिए प्रशिक्षित किया गया था, जिसे मशीन लर्निंग (machine learning) का क्षेत्र कहा जाता है। उन्होंने इन प्रोग्रामों को रासायनिक मानचित्रों को देखने और यह तय करने के लिए सिखाया कि क्या नमूना कैंसर रोगी का है या स्वस्थ व्यक्ति का। टीम ने तीन अलग-अलग प्रकार के लर्निंग प्रोग्रामों का परीक्षण किया ताकि यह देखा जा सके कि कौन सा सबसे अच्छा काम करता है। सबसे सफल प्रोग्राम, जो कई छोटे निर्णय वृक्षों (decision trees) का निर्माण करके और उनके उत्तरों को जोड़कर काम करता है, उन 78 प्रतिशत मामलों में कैंसर की सही पहचान करने में सक्षम था जिन्हें उसने पहले कभी नहीं देखा था। इसने स्वस्थ व्यक्तियों की भी लगभग 72 प्रतिशत बार सही पहचान की। हालांकि यह पूर्ण नहीं है, लेकिन यह एक मजबूत संकेत है कि रक्त में मौजूद रासायनिक पैटर्न दोनों समूहों के बीच अंतर करने के लिए पर्याप्त जानकारी रखते हैं।
अध्ययन ने यह भी जांचा कि निर्णय लेने के लिए कौन से विशिष्ट जीन सबसे महत्वपूर्ण थे। जब कंप्यूटर ने बिना किसी पूर्व निर्देश के डेटा को देखा, तो उसने पाया कि सबसे उपयोगी संकेत जीनों के मिश्रण से आए, जिनमें से कई को पहले कैंसर के प्रमुख चालक के रूप में नहीं जाना जाता था। हालांकि, जब शोधकर्ताओं ने कंप्यूटर को केवल उन जीनों को देखने के लिए मजबूर किया जो पहले से ही कैंसर में शामिल होने के लिए जाने जाते हैं, तो प्रोग्राम अभी भी बहुत अच्छा प्रदर्शन करता रहा। यह सुझाव देता है कि कैंसर से जुड़े रासायनिक परिवर्तन व्यापक हैं और जीनोम के कई हिस्सों को प्रभावित करते हैं, न कि केवल कुछ प्रसिद्ध कैंसर जीनों को। कंप्यूटर द्वारा पहचाने गए सबसे प्रभावशाली जीन कोशिका वृद्धि, कोशिका विभाजन और कोशिकाएं एक-दूसरे के साथ कैसे संवाद करती हैं, इसे नियंत्रित करने में शामिल थे।
इस अध्ययन के सबसे महत्वपूर्ण निष्कर्षों में से एक यह है कि कंप्यूटर द्वारा पाया गया संकेत केवल शरीर में संचारित होने वाली रक्त कोशिकाओं के विभिन्न प्रकारों का प्रतिबिंब नहीं था। शोधकर्ताओं ने परीक्षण किया कि क्या परिणाम केवल लोगों के बीच रक्त संरचना के प्राकृतिक अंतरों को पकड़ रहे थे। इन कारकों को ध्यान में रखने के बाद भी, कंप्यूटर उच्च सटीकता के साथ कैंसर और स्वास्थ्य के बीच अंतर कर सका। यह इंगित करता है कि रासायनिक पैटर्न वास्तव में बीमारी की उपस्थिति से जुड़े हैं, न कि केवल रक्त के बैकग्राउंड शोर से। अध्ययन ने यह भी दिखाया कि रासायनिक परिवर्तन एक समान नहीं थे; कुछ जीनों में कैंसर रोगियों में अधिक टैग था, जबकि अन्य में कम था। यह जटिल, बहु-दिशीय पैटर्न ही है जिसे कंप्यूटर ने पहचानना सीखा।
इन उत्साहजनक परिणामों के बावजूद, शोधकर्ता सावधानी बरतते हैं कि यह एक 'प्रूफ ऑफ कॉन्सेप्ट' (सिद्धांत की पुष्टि) है, न कि एक तैयार चिकित्सा परीक्षण। अध्ययन मौजूदा डेटा पर आधारित था, और कंप्यूटर मॉडल का परीक्षण उसी संग्रह का हिस्सा रहे नमूनों पर किया गया था। एक वास्तविक दुनिया के नैदानिक उपकरण बनने के लिए, ऐसे परीक्षण को विभिन्न अस्पतालों और विभिन्न स्थितियों में पूरी तरह से नए रोगी समूहों पर मान्य (validate) करने की आवश्यकता होगी। वर्तमान मॉडल गलतियाँ भी करते हैं, कभी कैंसर के मामले को चूक जाते हैं तो कभी किसी स्वस्थ व्यक्ति को गलत तरीके से चिह्नित कर देते हैं। शोधकर्ता सुझाव देते हैं कि भविष्य के कार्य को सटीकता में सुधार करने के लिए इन रासायनिक संकेतों को अन्य प्रकार के डेटा, जैसे कि डीएनए खंडों के आकार या अन्य रासायनिक निशानों के साथ जोड़ने पर ध्यान केंद्रित करना चाहिए।
यह कार्य प्रदर्शित करता है कि रक्त में डीएनए का रासायनिक परिदृश्य किसी व्यक्ति के स्वास्थ्य के बारे में एक समृद्ध, बहुआयामी कहानी रखता है। जीनों के शुरुआती बिंदुओं पर ध्यान केंद्रित करके और आधुनिक कंप्यूटर लर्निंग का उपयोग करके, वैज्ञानिक बढ़ती स्पष्टता के साथ इस कहानी को पढ़ना शुरू कर सकते हैं। निष्कर्ष बताते हैं कि कैंसर रक्त में एक व्यापक, समन्वित हस्ताक्षर छोड़ता है जो सरल आनुवंशिक उत्परिवर्तन से परे है। हालांकि नैदानिक परीक्षण का मार्ग लंबा है, यह अध्ययन इस विश्वास की एक ठोस नींव प्रदान करता है कि जीनोम की रासायनिक भाषा को प्रारंभिक कैंसर पहचान के लिए एक शक्तिशाली उपकरण के रूप में अनुवादित किया जा सकता 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।