Blast percentage confounds transcriptome to drug-response associations in Beat AML: DHODH and sorafenib as a worked example
यह अध्ययन प्रदर्शित करता है कि बीट एएमएल (Beat AML) डेटासेट में ब्लास्ट प्रतिशत के लिए समायोजन करने में विफल रहना ट्रांसक्रिप्टोम-ड्रग रिस्पॉन्स जुड़ावों को महत्वपूर्ण रूप से भ्रमित करता है, जैसा कि विश्लेषण में ब्लास्ट सामग्री को शामिल करने पर DHODH और सोराफेनिब (sorafenib) जैसे मार्करों की सांख्यिकीय सार्थकता में पर्याप्त कमी से स्पष्ट होता 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
एक्यूट माइलॉयड ल्यूकेमिया, जो कि रक्त कैंसर का एक प्रकार है, के खिलाफ लड़ाई में, वैज्ञानिक अक्सर यह अनुमान लगाने के लिए कि कौन सी दवाएं सबसे अच्छा काम करेंगी, मरीजों की अपनी कोशिकाओं के भीतर सुराग ढूंढते हैं। वे 'ट्रांसक्रिप्टोम' (transcriptome) की जांच करते हैं, जो उन आनुवंशिक निर्देशों का पूरा समूह है जिन्हें एक विशिष्ट क्षण पर कोशिकाएं पढ़ रही हैं और उपयोग कर रही हैं। इन आनुवंशिक पैटर्न की प्रयोगशाला में अलग-अलग दवाओं के प्रति कैंसर कोशिकाओं की प्रतिक्रिया से तुलना करके, शोधकर्ता एक "हस्ताक्षर" (signature) खोजने की उम्मीद करते हैं जो उन्हें यह चुनने में मदद करे कि कौन सा उपचार चुनना है। यह दृष्टिकोण इस विचार पर आधारित है कि कैंसर कोशिकाओं की आिकीय संरचना ही उनकी कमजोरी की कुंजी है। हालांकि, अस्थि मज्जा (bone marrow) या रक्त का एक नमूना शायद ही कभी केवल कैंसर कोशिकाओं से बना होता है। यह एक मिश्रण है जिसमें कैंसरयुक्त ब्लास्ट (blasts), स्वस्थ रक्त कोशिकाएं और अन्य ऊतक शामिल होते हैं। इस मिश्रण में कैंसर कोशिकाओं का अनुपात एक व्यक्ति से दूसरे व्यक्ति में बहुत भिन्न हो सकता है, और यह भिन्नता लंबे समय से आनुवंशिक डेटा की व्याख्या करने में भ्रम का एक स्रोत रही है।
स्वतंत्र शोधकर्ता Cumhur Gokhan Ekmekci द्वारा किया गया एक हालिया अध्ययन एक विशिष्ट समस्या की जांच करता है जो 'बीट एएमएल' (Beat AML) नामक एक प्रमुख डेटासेट में अनदेखी की गई थी। यह डेटासेट ल्यूकेमिया के रोगियों की आनुवंशिक जानकारी को 125 विभिन्न दवाओं के प्रति उनकी कोशिकाओं की प्रतिक्रिया के विस्तृत रिकॉर्ड के साथ जोड़ता है। जबकि पिछले विश्लेषणों ने कोशिकाओं के विभाजित होने की गति या उनकी परिपक्वता जैसे कारकों के लिए समायोजन किया था, उन्होंने कैंसर कोशिकाओं के प्रतिशत, या "ब्लास्ट्स" (blasts) को ध्यान में नहीं रखा। शोधकर्ता यह देखने के लिए निकल पड़े कि क्या इस सरल तथ्य की अनदेखी करना परिणामों को विकृत कर रहा है, जिससे वैज्ञानिकों को यह विश्वास हो रहा है कि कुछ जीन महत्वपूर्ण ड्रग टारगेट हैं, जबकि वे वास्तव में केवल लैब डिश में मौजूद कैंसर कोशिकाओं की संख्या के संकेतक मात्र थे।
यह जांच एक सरल प्रश्न के साथ शुरू हुई: क्या नमूने में कैंसर की मात्रा हमारे द्वारा आनुवंशिक डेटा और दवा परीक्षण के परिणामों को पढ़ने के तरीके को बदल देती है? उत्तर काफी स्पष्ट निकला: हाँ। अध्ययन ने पाया कि एक नमूने में ब्लास्ट का प्रतिशत, मापे जा रहे आनुवंशिक संकेतों और दवा के प्रभाव की मजबूती, दोनों के साथ सह-संबंधित है। जब किसी नमूने में कैंसर कोशिकाओं की संख्या अधिक होती है, तो तीव्र वृद्धि से जुड़े आनुवंशिक संकेत अधिक मजबूत दिखाई देते हैं, और दवा केवल इसलिए अधिक प्रभावी प्रतीत होती है क्योंकि मारने के लिए वहां अधिक लक्षित कोशिकाएं मौजूद हैं। यह एक झूठा संबंध बनाता है। एक जीन दवा के प्रति अच्छी प्रतिक्रिया का पूर्वानुमान देने वाला इसलिए लग सकता है क्योंकि वह उन नमूनों में अधिक सक्रिय है जिनमें संयोगवश अधिक कैंसर कोशिकाएं हैं, न कि इसलिए कि वह दवा की क्रिया को नियंत्रित करता है।
इस समस्या के आकार को मापने के लिए, शोधकर्ता ने जीनों और दवाओं के 12,000 विभिन्न संयोजनों वाली एक व्यापक तुलना की। उन्होंने डेटा के मानक तरीके का उपयोग किया, जो ब्लास्ट प्रतिशत को अनदेखा करता है, और इसकी तुलना एक नए तरीके से की जिसमें ब्लास्ट प्रतिशत को एक कारक के रूप में शामिल किया गया था। परिणाम चौंकाने वाले थे। मानक पद्धति के तहत, लगभग 1,200 जीन-ड्रग जोड़े महत्वपूर्ण मिलान के रूप में दिखाई दिए। जब गणना में ब्लास्ट प्रतिशत को जोड़ा गया, तो उनमें से 400 से अधिक मिलान गायब हो गए। दूसरे शब्दों में, लगभग 35 प्रतिशत कनेक्शन जो मजबूत दिख रहे थे, वास्तव में नमूने की संरचना द्वारा निर्मित भ्रम थे। इसके विपरीत, समायोजन करने पर केवल एक बहुत छोटा हिस्सा ही नए कनेक्शन के रूप में सामने आया। यह सुझाव देता है कि संभावित ड्रग टारगेटों की पिछली सूची अनपेक्षित चर (unmeasured variable) के कारण काफी बढ़ी हुई थी।
अध्ययन ने यह दिखाने के लिए एक विशिष्ट उदाहरण का उपयोग किया कि एक एकल संभावित मार्कर कितना बदल सकता है। शोधकर्ताओं ने पहले DHODH नामक जीन को 'सोराफेनिब' (sorafenib) नामक दवा के काम करने का सबसे मजबूत भविष्यवक्ता पहचाना था। मानक विश्लेषण में, यह जीन परीक्षण की गई सभी 125 दवाओं में प्रथम स्थान पर था, जिसका दवा की सफलता के साथ बहुत मजबूत सांख्यिकीय संबंध था। हालांकि, एक बार जब ब्लास्ट प्रतिशत को मॉडल में शामिल किया गया, तो उस लिंक की मजबूती उल्लेखनीय रूप से कम हो गई। यह जीन शीर्ष रैंक से चौथे स्थान पर आ गया, और संबंध की सांख्यिकीय निश्चितता काफी कमजोर हो गई। हालांकि यह लिंक पूरी तरह से समाप्त नहीं हुआ, लेकिन यह बहुत कम प्रभावशाली हो गया। इसके अलावा, जब शोधकर्ताओं ने सोराफेनिब के समान मार्ग को लक्षित करने वाली अन्य दवाओं को देखा, तो उनमें से किसी ने भी DHODH जीन के साथ ऐसा संबंध नहीं दिखाया। यह इंगित करता है कि मूल मजबूत परिणाम संभवतः नमूने की संरचना का एक दुष्प्रभाव था, न कि कोई वास्तविक जैविक तंत्र।
शोधकर्ता ने यह सुनिश्चित करने के लिए भी जांच की कि क्या यह परिवर्तन अन्य कारकों, जैसे कि लिए गए नमूने के प्रकार या दवा की प्रतिक्रिया को मापने के तरीके के कारण तो नहीं हुआ है। उन अन्य चरों में से कोई भी परिणामों को महत्वपूर्ण रूप से नहीं बदल सका। केवल ब्लास्ट प्रतिशत के समावेश ने ही परिणाम को बदला। अध्ययन ने यह भी देखा कि क्या यह निष्कर्ष रोगियों के एक अलग समूह (एक अलग डेटाबेस से) में भी कायम रहता है, लेकिन वहां के परिणाम इस पैटर्न की पुष्टि करने के लिए पर्याप्त मजबूत नहीं थे, संभवतः इसलिए क्योंकि उस डेटा में इसी तरह के विश्लेषण के लिए आवश्यक विशिष्ट नैदानिक विवरणों की कमी थी। यह खोज को गलत साबित नहीं करता है, बल्कि यह रेखांकित करता है कि इसे भरोसेमंद मानने से पहले इस परिणाम के सावधानीपूर्वक पुनर्मूल्यांकन की आवश्यकता है।
इस कार्य का निष्कर्ष यह है कि जब आनुवंशिक डेटा का दवा प्रतिक्रियाओं के विरुद्ध विश्लेषण किया जाता है, तो नमूने में कैंसर कोशिकाओं का प्रतिशत एक महत्वपूर्ण जानकारी है जिसे शामिल किया जाना चाहिए। यह एक ऐसा कारक है जो पहले से ही मेडिकल रिकॉर्ड में दर्ज है और विश्लेषण में इसे शामिल करने की लागत शून्य है। इसकी अनदेखी करने से गलत खोजों (false discoveries) की उच्च दर होती है, जहाँ वैज्ञानिक उन जीनों के पीछे भाग सकते हैं जो केवल मौजूद कैंसर की मात्रा को दर्शा रहे हैं, न कि कैंसर की दवा के प्रति वास्तविक संवेदनशीलता को। इस चर (variable) को समायोजित करके, संभावित ड्रग टारगेटों की सूची छोटी और अधिक विश्वसनीय हो जाती है। यह अध्ययन किसी नए इलाज या सोराफेनिब के निर्णायक मार्कर को खोजने का दावा नहीं करता है; इसके बजाय, यह एक आवश्यक सुधार के रूप में कार्य करता है, जो दिखाता है कि वास्तविक बायोमार्कर खोजने का मार्ग इन छिपे हुए भ्रमित करने वाले कारकों से डेटा को साफ करने से होकर गुजरता है। इस सरल समायोजन को शामिल करने की लागत नगण्य है, लेकिन इसे छोड़ने की लागत वैज्ञानिक चित्र का एक महत्वपूर्ण विरूपण 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।