Machine Learning-Driven Identification of Therapeutic Checkpoints in Rheumatoid Arthritis: A Network-Based Approach to Discover Resolution- Promoting Agents

द दशकों से, रुमेटॉइड अर्थराइटिस (गठिया) के प्रति चिकित्सा दृष्टिकोण काफी हद तक रक्षात्मक रहा है। डॉक्टरों ने शरीर की अत्यधिक सक्रिय प्रतिरक्षा प्रणाली को दबाने पर ध्यान केंद्रित किया है, और उन दवाओं का उपयोग किया है जो उस सूजन को शांत करती हैं जो जोड़ों के दर्द और सूजन का कारण बनती है। हालांकि ये उपचार कई लोगों की मदद करते हैं, लेकिन वे अक्सर स्थायी इलाज प्रदान करने में विफल रहते हैं, जिससे मरीजों का एक बड़ा हिस्सा एक ऐसे रोग के साथ रह जाता है जो वास्तव में कभी खत्म नहीं होता। वैज्ञानिक अब यह महसूस कर रहे हैं कि केवल सूजन के शोर को कम करना ही पर्याप्त नहीं है। शरीर में सूजन को रोकने और खुद को ठीक करने की एक स्वाभाविक, अंतर्निहित प्रणाली होती है, जिसे 'रेज़ोल्यूशन' (समाधान की प्रक्रिया) कहा जाता है। एक स्वस्थ व्यक्ति में, एक बार जब संक्रमण या चोट से निपटा जा जाता है, तो विशिष्ट संकेत प्रतिरक्षा प्रणाली को शांत होने और ऊतकों को सामान्य स्थिति में लौटने का निर्देश देते हैं। रुमेटॉइड अर्थराइटिस में, यह "ऑफ स्विच" (बंद करने वाला बटन) टूटा हुआ प्रतीत होता है। समाधान फार्माकोलॉजी (resolution pharmacology) का नया क्षेत्र इस समस्या को ठीक करने की कोशिश करता है—यह खोजने के माध्यम से कि शरीर की अपनी उपचार प्रक्रिया को सक्रिय रूप से कैसे फिर से शुरू किया जाए, बजाय इसके कि केवल हमले को दबाया जाए।

इस्लामिक आजाद यूनिवर्सिटी के अहमद फातिनेजाद द्वारा किया गया एक हालिया अध्ययन कंप्यूटर विज्ञान और जीव विज्ञान को जोड़कर इस समस्या पर एक नया दृष्टिकोण प्रस्तुत करता है ताकि यह पता लगाया जा सके कि शरीर में उपचार की प्रक्रिया वास्तव में कहाँ अटक जाती है। बीमारी को लक्षणों की एक साधारण सूची के रूप में देखने के बजाय, शोधकर्ता ने जोड़ों के भीतर की सूजन वाली ऊतक को हजारों जीनों के एक जटिल नेटवर्क के रूप में माना जो एक साथ काम करते हैं। रुमेटॉइड अर्थराइटिस वाले रोगियों के जोड़ों के ऊतकों में आनुवंशिक गतिविधि का विश्लेषण करके और स्वस्थ ऊतकों के साथ इसकी तुलना करके, अध्ययन का उद्देश्य यह मानचित्रित करना था कि आनुवंशिक नेटवर्क के कौन से हिस्से शरीर को खुद को ठीक करने से रोक रहे हैं। लक्ष्य उन महत्वपूर्ण नियंत्रण बिंदुओं, या चेकपॉइंट्स को खोजना था, जिन्हें समाधान प्रक्रिया को फिर से शुरू करने के लिए लक्षित किया जा सके, और फिर कंप्यूटर का उपयोग करके उन मौजूदा दवाओं को खोजना जो उन स्विचों को चालू कर सकें।

अनुसंधान की शुरुआत मानव जोड़ों के ऊतकों से आनुवंशिक डेटा एकत्र करके हुई, जिसमें रुमेटॉइड अर्थराइटिस वाले रोगियों के नमूनों को स्वस्थ व्यक्तियों से सावधानीपूर्वक अलग किया गया। शक्तिशाली कंप्यूटर एल्गोरिदम का उपयोग करके, टीम ने बीस हजार से अधिक जीनों की गतिविधि का विश्लेषण किया ताकि यह देखा जा सके कि बीमार ऊतकों में कौन से जीन अलग तरह से व्यवहार कर रहे हैं। उन्होंने पाया कि गठिया वाले रोगियों में दो हजार से अधिक जीन या तो बहुत अधिक सक्रिय थे या पर्याप्त रूप से कार्य नहीं कर रहे थे। इस विशाल मात्रा में जानकारी को समझने के लिए, शोधकर्ताओं ने मशीन लर्निंग का उपयोग किया, जो कृत्रिम बुद्धिमत्ता (AI) का एक प्रकार है जो जटिल डेटा में छिपे हुए पैटर्न खोजने में सक्षम है। उन्होंने एक कंप्यूटर मॉडल को प्रशिक्षित किया जो रुमेटॉइड अर्थराइटिस के अद्वितीय आनुवंशिक हस्ताक्षर (genetic signature) को पहचान सके। यह सुनिश्चित करने के लिए कि मॉडल केवल डेटा को रट नहीं रहा है बल्कि बीमारी के जीव विज्ञान को सीख रहा है, उन्होंने इसे रोगियों के एक पूरी तरह से अलग समूह पर परखा जिसे कंप्यूटर ने पहले कभी नहीं देखा था। मॉडल ने उच्च सटीकता के साथ इस नए समूह में बीमारी की पहचान सफलतापूर्वक की, जिससे यह सिद्ध हुआ कि जो आनुवंशिक पैटर्न उसने खोजे थे वे वास्तविक और सुसंगत थे, न कि पहले समूह के नमूनों का कोई संयोग।

एक बार जब कंप्यूटर ने स्वास्थ्य से बीमारी के बीच अंतर करने में विश्वसनीयता सिद्ध कर दी, तो शोधकर्ताओं ने समस्या को चलाने वाले सबसे महत्वपूर्ण जीनों की पहचान करने के लिए मॉडल का उपयोग किया। उन्होंने हजारों सक्रिय जीनों को केवल पंद्रह प्रमुख खिलाड़ियों तक सीमित कर दिया जो नेटवर्क में केंद्रीय केंद्रों (hubs) के रूप में कार्य करते थे। इन पंद्रह जीनों में, जिनमें MYC, PTPRC और JUN जैसे तीन प्रमुख नाम शामिल हैं, को महत्वपूर्ण चिकित्सीय चेकपॉइंट्स के रूप में पहचाना गया। ये जैविक नेटवर्क के वे विशिष्ट बिंदु हैं जहाँ समाधान प्रक्रिया विफल हो रही है। अध्ययन बताता है कि यदि कोई उपचार इन विशिष्ट जीनों को प्रभावित कर सकता है, तो शरीर को पुरानी सूजन की अवस्था से वापस उपचार की अवस्था में बदलने के लिए मजबूर करना संभव हो सकता है। यह दृष्टिकोण केवल प्रतिरक्षा प्रणाली को रोकने के बजाय उसे एक प्राकृतिक निष्कर्ष की ओर निर्देशित करने का लक्ष्य रखता है।

इन पंद्रह चेकपॉइंट्स की पहचान के बाद, टीम ने अगले कदम की ओर रुख किया: उन्हें ठीक करने का तरीका खोजना। उन्होंने 'रिवर्स सिग्नेचर एनालिसिस' नामक तकनीक का उपयोग किया, जो दवा के लिए एक डिजिटल सर्च इंजन की तरह काम करती है। कंप्यूटर ने टूटे हुए चेकपॉइंट्स के आनुवंशिक प्रोफाइल को लिया और ज्ञात दवाओं के एक विशाल डेटाबेस में खोज की ताकि ऐसे यौगिकों को ढूंढा जा सके जो बिल्कुल विपरीत प्रभाव पैदा कर सकें। लक्ष्य एक ऐसे पदार्थ को खोजना था जो आनुवंशिक गतिविधि को वापस एक स्वस्थ अवस्था की ओर धकेल सके। इस खोज से दो आशाजनक उम्मीदवार मिले: 'मैनुमाइसिन ए' (Manumycin A) नामक एक यौगिक और 'सेलेराइड' (Salermide)। कंप्यूटर ने शरीर में मौजूद एक प्राकृतिक अणु, '15-डीऑक्सी-पीजीजे2' (15-Deoxy-PGJ2) की भी पहचान की, जो पहले से ही उपचार प्रक्रिया शुरू करने में मदद करने के लिए जाना जाता है। कंप्यूटर द्वारा इस प्राकृतिक उपचार अणु को स्वतंत्र रूप से खोजने के तथ्य ने इस बात की पुष्टि की कि यह पद्धति सही ढंग से काम कर रही थी। मनुमाइसिन ए कोशिकाओं को बहुत तेजी से बढ़ने से रोकने के लिए जाना जाता है, जो जोड़ों के ऊतकों के मोटा होने को कम करने में मदद कर सकता है, जबकि सेलेराइड उन आनुवंशिक स्विचों पर काम करता है जो सूजन को नियंत्रित करते हैं, जिससे संभावित रूप से उन संकेतों को शांत किया जा सकता है जो दर्द को बनाए रखते हैं।

अध्ययन यह निष्कर्ष निकालता है कि मशीन लर्निंग और नेटवर्क विश्लेषण का यह संयोजन उपचार खोजने का एक शक्तिशाली नया तरीका प्रदान करता है। सूजन को केवल दबाने के बजाय शरीर की सूजन को सुलझाने (resolve करने) की क्षमता पर ध्यान केंद्रित करके, शोधकर्ताओं ने जीनों का एक छोटा समूह पहचाना है जो नई चिकित्साओं के लिए लक्ष्य के रूप में काम कर सकते हैं। उन्होंने अपने पूरे डेटा और कोड को एक खुले ऑनलाइन डैशबोर्ड के माध्यम से अन्य वैज्ञानिकों के लिए उपलब्ध भी कराया है, जिससे कोई भी इन निष्कर्षों का पता लगा सकता है। हालांकि ये निष्कर्ष वर्तमान में कम्प्यूटेशनल हैं और प्रयोगशाला तथा नैदानिक परीक्षणों में आगे के परीक्षणों की आवश्यकता है, फिर भी वे उन दवाओं को विकसित करने के लिए एक स्पष्ट, डेटा-संचालित रोडमैप प्रदान करते हैं जो शरीर को खुद को ठीक करने में मदद कर सकें। यह कार्य सुझाव देता है कि रुमेटॉइड अर्थराइटिस के इलाज की कुंजी केवल एक मजबूत अवरोधक (blocker) खोजने में नहीं है, बल्कि शरीर की अपनी रिकवरी की क्षमता को अनलॉक करने वाली सही चाबी खोजने में है।