Classification of brain tumors using pseudobulk spatial transcriptomics
यह अध्ययन प्रदर्शित करता है कि सिंगल-सेक्शन स्पैटियल ट्रांसक्रिप्टोमिक्स डेटा से स्यूडोबल्क एक्सप्रेशन प्रोफाइल जेनरेट करना सीएनएस (CNS) ट्यूमर के निदान के लिए मौजूदा बल्क-ट्रेन्ड क्लासिफायर के प्रभावी अनुप्रयोग को सक्षम बनाता है, जो सीमित बायोप्सी सामग्री या विसरित घुसपैठ (diffuse infiltration) वाले मामलों के लिए एक व्यवहार्य समाधान 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
ब्रेन ट्यूमर का निदान लंबे समय से सूक्ष्मदर्शी के नीचे कोशिकाओं के आकार को देखने का मामला रहा है, लेकिन आधुनिक चिकित्सा ने इसमें एक नया शक्तिशाली स्तर जोड़ दिया है: उन कोशिकाओं के भीतर मौजूद आनुवंशिक निर्देशों को पढ़ना। यह आणविक दृष्टिकोण, जिसे ट्रांसक्रिप्टोमिक्स (transcriptomics) कहा जाता है, डॉक्टरों को यह पहचानने की अनुमति देता है कि वे वास्तव में किस प्रकार के ट्यूमर का सामना कर रहे हैं, इसके लिए कि कौन से जीन सक्रिय हैं। हालाँकि, इस पद्धति के लिए आमतौर पर ऊतक (tissue) की एक महत्वपूर्ण मात्रा की आवश्यकता होती है। जब किसी रोगी की बायोप्सी छोटी होती है, या जब ट्यूमर इतना फैला हुआ होता है कि वह स्वस्थ मस्तिष्क ऊतक के साथ मिल जाता है, तो अक्सर इन परीक्षणों को चलाने के लिए पर्याप्त सामग्री नहीं बचती। यह डॉक्टरों के सामने एक कठिन विकल्प छोड़ देता है: या तो उस कीमती नमूने को एक ऐसे परीक्षण में खर्च कर दें जो विफल हो सकता है, या उन पुराने तरीकों पर भरोसा करें जो कम सटीक हो सकते हैं।
वैज्ञानिकों ने हाल ही में एक तरीका विकसित किया है जिससे ऊतक को उसके मूल भौतिक लेआउट में रखते हुए जीन गतिविधि को मैप किया जा सकता है, जिसे स्थानिक ट्रांसक्रिप्टोमिक्स (spatial transcriptomics) नामक तकनीक कहा जाता है। यह एक विस्तृत मानचित्र बनाता है कि ऊतक के स्लाइस के किन विशिष्ट स्थानों पर कौन से जीन सक्रिय हैं। चुनौती यह रही है कि इस नई, अत्यधिक विस्तृत डेटा का उपयोग मौजूदा कंप्यूटर प्रोग्रामों के साथ कैसे किया जाए जिन पर डॉक्टर पहले से ही ट्यूमर के निदान के लिए भरोसा करते हैं। ये प्रोग्राम ऊतक के बड़े, मिश्रित नमूनों का विश्लेषण करने के लिए बनाए गए थे, न कि एक स्थानिक मानचित्र के छोटे, बिखरे हुए डेटा बिंदुओं के लिए। सिंगापुर के केके महिला एवं बाल अस्पताल (KK Women's and Children's Hospital) के शोधकर्ताओं के एक दल ने इस पहेली को सुलझाने का प्रयास किया। उन्होंने पूछा कि क्या वे एक एकल ऊतक स्लाइस के छोटे डेटा बिंदुओं को एक बड़े, पठनीय प्रोफाइल में संयोजित कर सकते हैं जिसे मौजूदा नैदानिक उपकरण समझ सकें, जिससे प्रभावी रूप से उन्हें एक ऐसे नमूने से आणविक निदान प्राप्त करने में मदद मिले जो पहले परीक्षण के लिए बहुत छोटा या बहुत अव्यवस्थित था।
शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए सार्वजनिक डेटाबेस से ब्रेन ट्यूमर के नमूनों का एक संग्रह और अपने अस्पताल के पांच नए मामले लिए। उन्होंने डेटा को एकत्र करने के लिए एक कम्प्यूटेशनल पद्धति का उपयोग किया और ऊतक के प्रत्येक स्थान से जीन गतिविधि को इकट्ठा करके उसे एक एकल प्रोफाइल में जोड़ दिया, जिसे वे "स्यूडोबल्क" (pseudobulk) नमूना बनाना कहते हैं। इसने उन्हें ब्रेन ट्यूमर की पहचान करने के लिए डिज़ाइन किए गए तीन अलग-अलग कंप्यूटर प्रोग्रामों में डेटा फीड करने की अनुमति दी। परिणामों ने दिखाया कि यह दृष्टिकोण काम करता है, लेकिन हर उपकरण या हर प्रकार के ट्यूमर के लिए समान रूप से नहीं। एक प्रोग्राम, जो जीन गतिविधि के पैटर्न से मेल खाता है, ने लगभग 82 प्रतिशत मामलों में ट्यूमर के प्रकार की सही पहचान की। दूसरे प्रोग्राम ने 60 प्रतिशत समय सही पहचान की, और एक तीसरा, अधिक जटिल प्रोग्राम केवल लगभग 46 प्रतिशत मामलों में सफल रहा।
इस पद्धति की सफलता काफी हद तक इस बात पर निर्भर थी कि किस प्रकार के ट्यूमर का परीक्षण किया जा रहा है। कंप्यूटर प्रोग्राम मेडुलोब्लास्टोमा (medulloblastomas) और एपेंडाइमा (ependymomas) की पहचान करने में असाधारण रूप से अच्छे थे, जो दो प्रकार के ट्यूमर हैं जिनके बहुत विशिष्ट आनुवंशिक हस्ताक्षर होते हैं। इन मामलों में, नई पद्धति ने ज्ञात निदान से पूरी तरह मेल खाया। हालाँकि, उपकरण हाई-ग्रेड ग्लियोमा (high-grade gliomas) के साथ संघर्ष करते रहे, जो आक्रामक होते हैं और अक्सर स्वस्थ ऊतक के साथ मिल जाते हैं। शोधकर्ताओं ने पाया कि जब प्रारंभिक परीक्षण अनिश्चित था, तो वे ऊतक के केवल उन्हीं हिस्सों को अलग करके और केवल उन क्षेत्रों का पुन: विश्लेषण करके जो ट्यूमर कोशिकाओं की तरह दिखते थे, परिणाम में सुधार कर सकते थे। इस चरण को वे ट्यूमर-क्लस्टर एनरिचमेंट (tumor-cluster enrichment) कहते हैं, जिसने कठिन मामलों के लिए सटीकता को 60 प्रतिशत से बढ़ाकर 76 प्रतिशत कर दिया। इसने स्वस्थ कोशिकाओं के "शोर" (noise) को हटाकर काम किया जो ट्यूमर सिग्नल को कम कर रहे थे।
अध्ययन ने यह भी देखा कि ऊतक के संरक्षण का तरीका परिणामों को कैसे प्रभावित करता है। अधिकांश अस्पताल के नमूनों को फॉर्मलिन नामक एक रसायन में संग्रहित किया जाता है और मोम में एम्बेडेड किया जाता है, एक ऐसी प्रक्रिया जो आनुवंशिक सामग्री को नुकसान पहुँचा सकती है। शोधकर्ताओं ने पाया कि सबसे अच्छा प्रदर्शन करने वाला कंप्यूटर प्रोग्राम इन पुराने, संरक्षित नमूनों पर भी काफी अच्छी तरह से काम करता है, जो लगभग 77 प्रतिशत मामलों में सही निदान करता है। हालाँकि, तीसरा प्रोग्राम, जिसे ताजे ऊतक के लिए डिज़ाइन किया गया था, संरक्षित नमूनों पर लगभग पूरी तरह से विफल रहा। यह सुझाव देता है कि जबकि यह पद्धति नियमित अस्पताल उपयोग के लिए पर्याप्त मजबूत है, नमूने को कैसे संग्रहीत किया गया है इसके आधार पर सॉफ्टवेयर का चुनाव बहुत मायने रखता है।
यह सिद्ध करने के लिए कि यह पद्धति वास्तविक दुनिया के परिवेश में काम कर सकती है, टीम ने अपने अस्पताल के पांच वास्तविक रोगियों पर इसे लागू किया, जिसमें एक ऐसा मामला भी शामिल था जहाँ ट्यूमर का नमूना एक मिलीमीटर से भी छोटा था। सिस्टम ने इन दुर्लभ बाल चिकित्सा ट्यूमर में से दो की सफलतापूर्वक पहचान की, जिससे पुष्टि हुई कि इस तकनीक को परिणाम उत्पन्न करने के लिए ऊतक के बड़े टुकड़े की आवश्यकता नहीं है। हालाँकि सिस्टम कुछ जटिल मामलों में संघर्ष करता रहा जहाँ ट्यूमर की आनुवंशिक संरचना असामान्य थी या प्रशिक्षण डेटा में प्रस्तुत नहीं थी, समग्र निष्कर्षों ने एक स्पष्ट मार्ग प्रदर्शित किया। स्थानिक मानचित्रण को मौजूदा नैदानिक उपकरणों के साथ जोड़कर, डॉक्टर जल्द ही सबसे छोटे और सबसे कठिन बायोप्सी नमूनों से सटीक आणविक निदान प्राप्त करने में सक्षम हो सकते हैं, जिससे यह सुनिश्चित होगा कि सबसे सीमित ऊतक भी उपचार के मार्गदर्शन के लिए आवश्यक उत्तर प्रदान कर सके।
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।