What is shared across 33 cancer types is the tissue, not the tumour: a non-malignant axis of the microenvironment
10,000 से अधिक TCGA ट्यूमर नमूनों के विश्लेषण से पता चलता है कि 33 कैंसर प्रकारों में सुसंगत कारण नेटवर्क संरचनाएं (reproducible causal network structures) ट्यूमर-विशिष्ट चालकों के बजाय साझा गैर-घातक ऊतक सूक्ष्म वातावरण घटकों द्वारा संचालित होती हैं, जो यह संकेत देता है कि बल्क डेटा से पैन-कैंसर कारण अनुमान (pan-cancer causal inference) मुख्य रूप से नमूना संरचना को दर्शाता है न कि अंतर्निहित ट्यूमर विनियमन को।
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 कोई एक अकेली बीमारी नहीं है, बल्कि सैकड़ों अलग-अलग स्थितियों का एक विशाल संग्रह है, जिनमें से प्रत्येक शरीर के एक विशिष्ट प्रकार के ऊतक (tissue) से उत्पन्न होती है। हालांकि ट्यूमर बनाने वाली कोशिकाएं समस्या का सबसे स्पष्ट हिस्सा होती हैं, लेकिन एक ट्यूमर शून्य में अस्तित्व में नहीं रहता। यह स्वस्थ कोशिकाओं के एक जटिल पड़ोस से घिरा होता है, जिसमें प्रतिरक्षा रक्षक (immune defenders), संरचनात्मक सहायता देने वाली कोशिकाएं और रक्त वाहिकाएं शामिल हैं। वैज्ञानिक लंबे समय से इन ट्यूमर की आंतरिक वायरिंग को मैप करने की कोशिश कर रहे हैं, इस तलाश में कि वे विशिष्ट निर्देश क्या हैं जो कैंसर कोशिकाओं को बढ़ने और फैलने का तरीका बताते हैं। उम्मीद यह रही है कि एक साथ कई विभिन्न प्रकार के कैंसर का अध्ययन करके, शोधकर्ता नियमों के एक सार्वभौमिक सेट—एक सामान्य नियामक कार्यक्रम (regulatory program)—को खोज सकेंगे जो उन सभी को संचालित करता है। यदि ऐसा कोई कार्यक्रम मौजूद होता, तो यह नए उपचारों के लिए एक शक्तिशाली लक्ष्य प्रदान करता जो हर प्रकार के कैंसर के लिए एक अद्वितीय समाधान की आवश्यकता के बजाय, व्यापक रूप से काम कर सके।
एक नया अध्ययन इस लंबे समय से चली आ रही आशा को चुनौती देता है, जो डेटा को एक ऐसे तरीके से देखता है जैसा पहले कभी नहीं किया गया था। शोधकर्ताओं ने 33 विभिन्न प्रकार के कैंसर का प्रतिनिधित्व करने वाले 10,000 से अधिक ट्यूमर नमूनों से जीन गतिविधि का विश्लेषण किया। उन्होंने जीन के बीच कारण-और-प्रभाव (cause-and-effect) संबंधों को खोजने के लिए एक विधि का उपयोग किया, यह पूछते हुए कि कौन से जीन अन्य जीनों को चालू या बंद करते हैं। हालांकि, उन्होंने पाया कि इन तुलनाओं को आमतौर पर करने के तरीके में एक मौलिक दोष था। चूंकि विभिन्न कैंसर स्वाभाविक रूप से कार्य करने के लिए जीन के अलग-अलग सेटों का उपयोग करते हैं, इसलिए उनकी सीधी तुलना करना दो अलग-अलग शहरों के मानचित्रों की तुलना करने जैसा है, यदि आप पृष्ठ पर एक ही निर्देशांक (coordinate) को देखते हैं; स्थान वही हो सकता है, लेकिन एक मानचित्र में पार्क है जबकि दूसरे में राजमार्ग। इसे ठीक करने के लिए, शोधकर्ताओं ने सभी 33 कैंसर प्रकारों का विश्लेषण करने के लिए 100 जीनों की बिल्कुल एक ही सूची का उपयोग करने के लिए मजबूर किया। केवल इस तरह डेटा को संरेखित (align) करने के बाद ही वे देख सके कि विभिन्न रोगों के बीच वास्तव में क्या साझा है।
जो उन्हें मिला वह आश्चर्यजनक था। कैंसर कोशिकाओं द्वारा संचालित साझा निर्देशों के एक सामान्य सेट को प्रकट करने के बजाय, साझा संरचना पूरी तरह से ट्यूमर के आसपास के स्वस्थ ऊतक की ओर संकेत कर रही थी। उन्हें जो सबसे सुसंगत पैटर्न मिला वह तीन जीनों का एक समूह था जो प्रतिरक्षा कोशिकाओं, विशेष रूप से संक्रमण से लड़ने वाले श्वेत रक्त कोशिका के एक प्रकार को बुलाने के लिए संकेत (signals) के रूप में कार्य करते हैं। ये जीन लगभग हर प्रकार के कैंसर में एक साथ दिखाई दिए, लेकिन वे कैंसर की आंतरिक मशीनरी का हिस्सा नहीं थे। इसके बजाय, वे ट्यूमर के वातावरण के मार्कर थे, जो यह दर्शाते थे कि नमूने में कितनी प्रतिरक्षा गतिविधि और संरचनात्मक ऊतक मौजूद हैं। अध्ययन ने दिखाया कि इन कैंसर मानचित्रों को बनाने के लिए सबसे अधिक उपयोग किए जाने वाले जीन वे हैं जिनकी गतिविधि में सबसे अधिक भिन्नता होती है। ये अत्यधिक परिवर्तनशील जीन वे हैं जो नमूने में स्वस्थ कोशिकाओं के मिश्रण का वर्णन करते हैं, न कि वे जीन जो कैंसर को संचालित करते हैं। वास्तविक जीन जिन्हें कैंसर का कारण माना जाता है, यानी "ड्राइवर्स" (drivers), इतने स्थिर थे कि वे विश्लेषण के लिए चुने गए शीर्ष 100 जीनों में भी दिखाई नहीं दिए।
शोधकर्ताओं ने यह भी पता लगाया कि इन मानचित्रों पर भरोसा करने के लिए कितने डेटा की आवश्यकता होती है। उन्होंने पाया कि जब किसी अध्ययन में नमूनों की संख्या बहुत कम होती है, तो कंप्यूटर प्रोग्राम जिसका उपयोग संबंधों को खोजने के लिए किया जाता है, वह यादृच्छिक शोर (random noise) से पैटर्न बनाना शुरू कर देता है। डेटा को इधर-उधर बदलकर (shuffling) यह देखने के लिए कि जब कोई वास्तविक जीव विज्ञान शेष नहीं रहता है तो क्या होता है, उन्होंने एक स्पष्ट सीमा की पहचान की: 100 जीनों को देखने के लिए वास्तविक कनेक्शन विश्वसनीय रूप से खोजने के लिए एक अध्ययन को कम से कम 172 नमूनों की आवश्यकता होती है। इस संख्या से नीचे, परिणाम केवल सांख्यिकीय दुर्घटनाएं होने की संभावना है। यह निष्कर्ष बताता है कि छोटे नमूना आकार वाले कई पिछले अध्ययन गलत कनेक्शनों की रिपोर्ट कर रहे होंगे। इसके अलावा, अध्ययन ने पुष्टि की कि कुछ कनेक्शन जो सभी 33 कैंसरों में लगातार दिखाई दिए, वे कैंसर कोशिकाओं के आपस में बात करने के बारे में नहीं थे, बल्कि ट्यूमर की उपस्थिति के प्रति प्रतिक्रिया देने वाले स्वस्थ ऊतक के बारे में थे।
इस कार्य के निहितार्थ इस बात के लिए महत्वपूर्ण हैं कि वैज्ञानिक कैंसर डेटा की व्याख्या कैसे करें। यह सुझाव देता है कि जब शोधकर्ता कई अलग-अलग कैंसरों में एक ही जीन कनेक्शन दिखाई देते हैं, तो उन्हें यह मान लेना चाहिए कि उन्होंने एक सार्वभौमिक कैंसर तंत्र खोज लिया है। इसके बजाय, वे संभवतः उस सामान्य स्वस्थ ऊतक का प्रतिबिंब देख रहे हैं जो हर ट्यूमर के चारों ओर होता है। अध्ययन यह नहीं कहता कि कैंसर कोशिकाओं की अपनी अनूठी वायरिंग नहीं होती है, बल्कि यह कहता है कि उन वायरिंग को खोजने के लिए उपयोग किए जाने वाले मानक उपकरण वर्तमान में आसपास के वातावरण के शोर को सुनने के लिए ट्यून किए गए हैं। कैंसर के वास्तविक चालकों (drivers) को खोजने के लिए, वैज्ञानिकों को बहुत व्यापक रेंज के जीनों को देखने की आवश्यकता होगी और यह सुनिश्चित करने की आवश्यकता होगी कि उनके पास वास्तविक संकेतों को यादृच्छिक संयोग से अलग करने के लिए पर्याप्त नमूने हों। तब तक, सभी कैंसरों में साझा सबसे पुनरुत्पादनीय (reproducible) विशेषता स्वयं ट्यूमर नहीं है, बल्कि वह ऊतक है जिसमें वह रहता 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।