Common variant-based genome editing to address the heterogeneity of pathogenic variants in dominant disorders

सदियों से, आनुवंशिक रोगों को ठीक करने का वादा एक सरल, निराशाजनक वास्तविकता के कारण रुका हुआ है: मानव डीएनए एक एकल, समान कोड नहीं है। यह एक विशाल पुस्तकालय की तरह है जहाँ एक ही पुस्तक को हजारों अलग-अलग गलतियों (typos) के साथ छापा जा सकता है। कई वंशानुगत स्थितियों में, एक जीन में एक एकल त्रुटि गंभीर बीमारी का कारण बनने के लिए पर्याप्त होती है। हालाँकि वैज्ञानिकों ने डीएनए को संपादित करने के लिए शक्तिशाली उपकरण विकसित किए हैं, लेकिन इन त्रुटियों को ठीक करना एक ऐसी किताब में एक विशिष्ट गलती को सुधारने की कोशिश करने जैसा रहा है जिसके लाखों अलग-अलग संस्करण हैं, जिनमें से प्रत्येक में एक अलग गलती है। यदि कोई चिकित्सा एक विशिष्ट त्रुटि को ठीक करने के लिए डिज़ाइन की गई है, तो वह अक्सर उन अधिकांश रोगियों की मदद करने में विफल रहती है जो उसी गलती का एक अलग संस्करण लेकर चलते हैं। इस चुनौती ने कई परिवारों को एक ऐसे इलाज के इंतजार में छोड़ दिया है जो एक ऐसी आनुवंशिक भिन्नता के लिए तैयार किया जाना चाहिए जो इतनी दुर्लभ है कि हर व्यक्ति के लिए एक अद्वितीय उपचार विकसित करने की लागत को उचित ठहराना कठिन है।

हांगकांग यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने इस जटिलता से निपटने का एक नया तरीका प्रस्तावित किया है। हर व्यक्तिगत त्रुटि को खोजने और ठीक करने की कोशिश करने के बजाय, उन्होंने COVER नामक एक रणनीति विकसित की है, जो उन सामान्य, हानिरहित विविधताओं को लक्षित करती है जो स्वाभाविक रूप से सभी के डीएनए में मौजूद होती हैं। इसका तर्क सीधा है: कई मामलों में, रोग पैदा करने वाली त्रुटि उसी डीएनए के एक विशिष्ट हिस्से में एक सामान्य भिन्नता के साथ भौतिक रूप से जुड़ी होती है। इस सामान्य भिन्नता को पहचानने के लिए एक आणविक उपकरण (molecular tool) को डिजाइन करके, शोधकर्ता डीएनए के उस पूरे खंड को चुनिले ढंग से काट सकते हैं जिसमें रोगजनक त्रुटि है, जिससे जीन की स्वस्थ प्रति अप्रभावित रहती है। इस दृष्टिकोण को यह जानने की आवश्यकता नहीं है कि रोगजनक त्रुटि वास्तव में क्या है; इसे केवल यह जानने की आवश्यकता है कि वह त्रुटि किस सामान्य भिन्नता के साथ चलती है। हाल ही में प्रकाशित एक अध्ययन में, टीम ने प्रदर्शित किया कि यह विधि सैद्धांतिक रूप से कई प्रमुख आनुवंशिक विकारों वाले लगभग आधे रोगियों को कवर कर सकती है, जो पिछले तरीकों से एक बड़ी छलांग है जो केवल लोगों के एक छोटे से अंश की मदद कर पाते थे।

शोधकर्ताओं ने 1,800 से अधिक जीनों के परिदृश्य का मानचित्रण करके शुरुआत की जो प्रमुख (dominant) विकारों का कारण बनते हैं। उन्होंने पाया कि इन जीनों के भीतर, रोग पैदा करने वाली त्रुटियाँ अविश्वसनीय रूप से विविध थीं, जिनमें जनसंख्या में हजारों अलग-अलग दुर्लभ भिन्नताएं बिखरी हुई थीं। यदि कोई डॉक्टर किसी रोगी का इलाज करने के लिए उसके द्वारा ढोई जाने वाली विशिष्ट त्रुटि को लक्षित करने का प्रयास करता, तो उन्हें लगभग हर व्यक्ति के लिए एक कस्टम-मेड टूल की आवश्यकता होती। टीम ने महसूस किया कि जबकि त्रुटियां दुर्लभ थीं, उनके आसपास का डीएनए अक्सर उन सामान्य विविधताओं को धारण करता था जो सामान्य आबादी में बार-बार दिखाई देती हैं। उन्होंने इन सामान्य विविधताओं के जोड़ों को खोजने के लिए एक कार्यप्रवाह (workflow) विकसित किया जो जीन के एक ही खंड पर स्थित होते हैं। यदि कोई उपकरण इन दो सामान्य बिंदुओं के बीच के डीएनए को काट सकता है, तो यह रोगजनक त्रुटि को उसके साथ ही हटा देगा, बशर्ते कि त्रुटि उस मध्य भाग में स्थित हो।

इसे काम करने योग्य बनाने के लिए, टीम को यह सुनिश्चित करना था कि मध्य भाग को हटाने से रोगी को नुकसान न पहुंचे। वे उन जीनों पर ध्यान केंद्रित करते थे जहाँ एक काम करने वाली प्रति (copy) का होना शरीर के सामान्य रूप से कार्य करने के लिए पर्याप्त होता है। इन जीनों के लिए, उन्होंने खराब प्रति को अक्षम करने के तीन तरीके विकसित किए। पहले तरीके में जीन के एक छोटे से टुकड़े को काटना शामिल था जिसे हटाने से शेष प्रोटीन के निर्देशों में गड़बड़ी हो जाती, जिससे वह प्रभावी रूप से बंद हो जाता। दूसरे तरीके ने जीन के बिल्कुल शुरुआत को लक्षित किया, यानी स्टार्ट सिग्नल को हटा दिया ताकि प्रोटीन बन ही न सके। तीसरे, अधिक व्यापक तरीके में पूरे जीन को हटाना शामिल था। अपने डेटाबेस पर इन रणनीतियों को लागू करके, उन्होंने पाया कि 902 रोग-कारक जीनों के लिए, वे एक सामान्य भिन्नता के जोड़े की पहचान कर सकते थे जो खराब प्रति को चुनिलेक्टिव रूप से अक्षम करने की अनुमति देता।

इस विश्लेषण के परिणाम चौंकाने वाले थे। जब उन्होंने गणना की कि इस दृष्टिकोण से कितने लोग लाभान्वित होंगे, तो उन्होंने पाया कि एक विशिष्ट जीन के लिए एक एकल डिज़ाइन संभावित रूप से उस जीन की बीमारी वाले लगभग 46 प्रतिशत रोगियों की मदद कर सकता है। यह उस जीन की सबसे आम रोगजनक त्रुटि को लक्षित करने से प्राप्त कवरेज से दोगुने से भी अधिक है। शोधकर्ताओं ने नोट किया कि कवरेज का यह उच्च स्तर दुनिया भर की विभिन्न आबादी में सुसंगत था, जो बताता है कि यह रणनीति व्यापक रूप से लागू करने योग्य है। उन्होंने यह भी पुष्टि की कि सामान्य आबादी का डेटा जिसका उपयोग इन सामान्य विविधताओं को खोजने के लिए किया गया था, वास्तव में बीमारी वाले लोगों की आनुवंशिक संरचना को सटीक रूप से दर्शाता है, जिसका अर्थ है कि उनके द्वारा बनाए गए डिज़ाइन वास्तविक रोगियों के लिए काम करेंगे।

इस विचार को एक जीवित प्रणाली में सिद्ध करने के लिए, टीम ने दो विशिष्ट रोगों पर इसका परीक्षण किया: प्रारंभिक अवस्था वाले अल्जाइमर रोग का एक रूप और अलेक्जेंडर रोग, जो मस्तिष्क की सहायक कोशिकाओं को प्रभावित करने वाली स्थिति है। अल्जाइमर मॉडल के लिए, उन्होंने उन रोगियों से प्राप्त कोशिकाओं का उपयोग किया जिनमें एक विशिष्ट म्यूटेशन (उत्परिवर्तन) था। उन्होंने म्यूटेशन के पास एक सामान्य भिन्नता के जोड़े की पहचान की और उनके बीच के डीएनए को काटने के लिए एक आणत्मक उपकरण डिजाइन किया। जब उन्होंने इन रोगी कोशिकाओं पर इस उपकरण को लागू किया, तो इसने स्वस्थ प्रति को बरकरार रखते हुए खराब प्रति के डीएनए खंड को सफलतापूर्वक हटा दिया। संपादित कोशिकाओं ने अल्जाइमर रोग से जुड़े विषाक्त प्रोटीनों में भारी कमी दिखाई। इसके अलावा, कोशिकाएं स्वस्थ दिखीं, जिनमें अन-एडिटेड कोशिकाओं की तुलना में ऑक्सीडेटिव स्ट्रेस का स्तर कम था और सामान्य कोशिकीय कार्य के बेहतर संकेत थे।

उन्होंने अलेक्जेंडर रोग के साथ भी इसी सफलता को दोहराया, जिसमें जीन के स्टार्ट सिग्नल को हटाने वाली एक थोड़ी अलग काटने की रणनीति का उपयोग किया गया। एक बार फिर, उपकरण ने रोगी-व्युत्पन्न कोशिकाओं में उत्परिवर्तित जीन को चुनिलेक्टिव रूप से अक्षम कर दिया। परिणाम विषाक्त प्रोटीन के गुच्छों में महत्वपूर्ण कमी थी जो इस बीमारी की विशेषता है, जिससे कोशिकाएं एक स्वस्थ अवस्था के करीब आ गईं। दोनों मामलों में, संपादन सटीक था; शोधकर्ताओं ने कोशिकाओं की जांच की और पाया कि टूल ने गलती से जीनोम के अन्य हिस्सों को नहीं काटा था। इन प्रयोगों ने एक 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य किया, जो दिखाया कि सामान्य विविधताओं पर आधारित रणनीति बिना सटीक म्यूटेशन की प्रकृति को जाने, रोगजनक जीन को प्रभावी ढंग से शांत कर सकती है।

यह सुनिश्चित करने के लिए कि अन्य वैज्ञानिक इस दृष्टिकोण का उपयोग कर सकें, टीम ने एक मुफ्त ऑनलाइन प्लेटफॉर्म बनाया जहाँ शोधकर्ता किसी भी जीन का नाम दर्ज कर सकते हैं जिसका वे अध्ययन कर रहे हैं। यह प्लेटफॉर्म स्वचालित रूप से काटने के लिए सर्वोत्तम सामान्य विविधताओं के जोड़ों को स्कैन करता है, जिससे संभावित उपचारों के लिए एक तैयार डिज़ाइन मिलता है। यह उपकरण एक जटिल कम्प्यूटेशनल प्रक्रिया को सुलभ बनाकर चिकित्सा समुदाय को यह जल्दी से पहचानने की अनुमति देता है कि कौन से जीन इस प्रकार के उपचार के लिए उपयुक्त हैं। शोधकर्ता इस बात पर जोर देते हैं कि हालांकि उनका काम एक महत्वपूर्ण कदम है, लेकिन यह अभी शुरुआती चरणों में है। उनके द्वारा बनाए गए डिजाइनों को मनुष्यों में सुरक्षित और प्रभावी होने के लिए आगे के परीक्षण की आवश्यकता है। हालांकि, एक एकल, म्यूटेशन-स्वतंत्र रणनीति के माध्यम से रोगियों के एक बड़े हिस्से का इलाज करने की क्षमता उन रोगों के लिए एक नया रास्ता खोलती है जिन्हें लंबे समय से इलाज करना बहुत जटिल माना जाता रहा है।

इस कार्य का महत्व व्यक्तिगत दृष्टिकोण से सामान्यीकृत दृष्टिकोण की ओर इसके बदलाव में निहित है। दशकों से, आनुवंशिक चिकित्सा का लक्ष्य उपचार को व्यक्ति के अनुरूप बनाना रहा है। हालांकि वह महत्वपूर्ण बना हुआ है, लेकिन COVER रणनीति दिखाती है कि कई प्रमुख विकारों के लिए, एक व्यापक समाधान संभव है। हम सभी में मौजूद प्राकृतिक विविधताओं का लाभ उठाकर, वैज्ञानिक ऐसे उपचार बना सकते हैं जो रोगी द्वारा ढोई जाने वाली विशिष्ट त्रुटि तक सीमित नहीं हैं। इसका मतलब यह नहीं है कि हर मरीज का तुरंत इलाज हो जाएगा, लेकिन इसका मतलब यह है कि इन उपचारों के लिए प्रवेश की बाधा बहुत कम हो जाती है। हजारों अलग-अलग म्यूटेशन के लिए हजारों अलग-अलग दवाओं की आवश्यकता के बजाय, चिकित्सा समुदाय जल्द ही डिजाइनों के एक टूलकिट का उपयोग कर सकता है जो अधिकांश मामलों को कवर कर सकता है। प्रयोगशाला से क्लिनिक तक का रास्ता लंबा है, लेकिन यह अध्ययन वहां तक पहुँचने के लिए एक स्पष्ट मानचित्र प्रदान करता है, जो आनुवंशिक विविधता की चुनौती को एक बाधा के बजाय एक अवसर में बदल देता है।