এআই ৫৮৪ জন দাতার মস্তিষ্কে আলঝেইমার রোগের ফিনোটাইপ ম্যাপ করেছে

আলঝেইমার রোগ চিকিৎসাবিজ্ঞানের সবচেয়ে একগুঁয়ে ধাঁধাগুলোর একটি। দুইজন রোগীর একই রোগনির্ণয় থাকতে পারে, একই স্মৃতি পরীক্ষায় প্রায় একই স্কোর করতে পারে, তবুও কোন মস্তিষ্কের কোষগুলো প্রথমে দুর্বল হয়ে পড়ে, কোন আণবিক পথগুলো বিচ্যুত হয় এবং কত দ্রুত অবনতি ঘটে — এসব ক্ষেত্রে তারা ব্যাপকভাবে ভিন্ন হতে পারে। ২০২৬ সালের ২৩ সেপ্টেম্বর নেচার মেডিসিন-এ অনলাইনে প্রকাশিত একটি গবেষণায় যুক্তি দেওয়া হয়েছে যে কৃত্রিম বুদ্ধিমত্তা এই বৈচিত্র্যকে এমন মাত্রায় বোঝার সুযোগ দিতে পারে, যা আগের পদ্ধতিগুলোর নাগালের বাইরে ছিল।

"AI-based characterization of Alzheimer's disease phenotypes from population-scale single-cell data" শীর্ষক এই গবেষণাপত্রে ৫৮৪ জন মস্তিষ্ক দাতার একটি কোহোর্ট থেকে সংগৃহীত একক-কোষ পরিমাপে মেশিন-লার্নিং বিশ্লেষণ প্রয়োগ করা হয়েছে — এই দলে আলঝেইমার রোগে আক্রান্ত রোগী এবং তুলনামূলক দাতা উভয়ই অন্তর্ভুক্ত। ঘোষিত লক্ষ্য বর্ণনা করা সহজ কিন্তু বাস্তবায়ন কঠিন: আলঝেইমারকে একটি অভিন্ন অবস্থা হিসেবে বিবেচনা না করে কম্পিউটেশনাল পদ্ধতি ব্যবহার করে পৃথক কোষের আণবিক প্রোফাইলকে স্বীকৃত রোগ-ফিনোটাইপে সাজানো।

কেন বাল্ক মস্তিষ্ক টিস্যু চিত্রকে অস্পষ্ট করে

আলঝেইমার গবেষণার অধিকাংশ ইতিহাসে বিজ্ঞানীরা মস্তিষ্কের টিস্যু বাল্ক আকারে অধ্যয়ন করেছেন। কর্টেক্সের একটি অঞ্চল গুঁড়ো করে, লক্ষ লক্ষ কোষ জুড়ে হাজার হাজার জিনের গড় সক্রিয়তা পরিমাপ করলে একটি পরিচ্ছন্ন, পুনরুৎপাদনযোগ্য সংখ্যা পাওয়া যায়। কিন্তু একটি গড় কোনো এলাকার দুর্বল বর্ণনা। যদি প্রতিরোধক কোষের একটি ছোট জনসংখ্যা প্রদাহজনক প্রতিক্রিয়া তৈরি করে while অধিকাংশ নিউরন কেবল নিজেদের কাজ করছে, তবে সেই সংকেত অদৃশ্য হয়ে যেতে পারে। একই সমস্যা উল্টো দিকেও চলে: সবচেয়ে প্রচুর কোষ-ধরন দ্বারা প্রভাবিত একটি পরিমাপ বাকি সবকিছুর আচরণ ঢেকে দিতে পারে।

একক-কোষ প্রযুক্তি এই হিসাব বদলে দিয়েছে। মস্তিষ্কের একটি অঞ্চলপ্রতি একটি পরিমাপের বদলে গবেষকরা এখন একসাথে হাজার হাজার পৃথক কোষ বা নিউক্লিয়াসে জিনের সক্রিয়তা ধারণ করতে পারেন, যার ফলে প্রত্যেকটি একটি আণবিক পরিচয় পায়। ফলাফল একটি একক বক্ররেখা নয়, বরং কোষ ও জিনের একটি বিশাল, স্পার্স ম্যাট্রিক্স — এমন একটি ডেটাসেট যার বিশাল আকারই মেশিন লার্নিংকে আকর্ষণীয় করে তোলে।

যে কোষ-ধরনগুলো আলোচনায় প্রাধান্য পায়

• নিউরন সেই বৈদ্যুতিক ও সিন্যাপটিক যন্ত্রপাতি বহন করে যার উপর স্মৃতি নির্ভর করে, এবং বিভিন্ন মস্তিষ্ক অঞ্চলে তাদের নির্বাচনী সংবেদনশীলতা এই রোগের একটি নির্ধারক বৈশিষ্ট্য।
• অ্যাস্ট্রোসাইট নিউরোনাল বিপাককে সহায়তা করে এবং রক্ত-মস্তিষ্ক প্রতিবন্ধক রক্ষায় সাহায্য করে, এবং তারা প্রতিক্রিয়াশীল অবস্থায় পরিবর্তিত হতে পারে যা আশপাশের টিস্যুকে রক্ষা বা ক্ষতি করতে পারে।
• মাইক্রোগ্লিয়া মস্তিষ্কের স্থানীয় প্রতিরোধক কোষ; তাদের সক্রিয়করণ অবস্থা আলঝেইমার গবেষণায় সবচেয়ে বেশি অধ্যয়নকৃত চলকগুলোর একটি।
• অলিগোডেনড্রোসাইট এবং তাদের পূর্বসূরি অ্যাক্সনকে মাইলিনে মোড়ায়, এবং শ্বেত-পদার্থ সহায়তায় পরিবর্তন স্নায়ু সার্কিটের যোগাযোগের গতি পরিবর্তন করতে পারে।
• ভাস্কুলার ও প্রতিবন্ধক কোষ মস্তিষ্কের রক্ত সরবরাহে অবস্থান করে, যেখানে লিকেজ এবং ক্ষতিগ্রস্ত ক্লিয়ারেন্স ব্যবস্থা দীর্ঘদিন ধরে রোগের অগ্রগতির সাথে জড়িত।

এআই আসলে কী অবদান রাখে

একবার একটি ডেটাসেটে লক্ষাধিক কোষ থাকে, যার প্রত্যেকটি হাজার হাজার জিন দ্বারা বর্ণিত, তখন কোনো মানুষ তা চোখে দেখে বিশ্লেষণ করতে পারে না। মেশিন-লার্নিং পদ্ধতি ব্যবহার করা হয় সেই মাত্রা সংকুচিত করতে, অনুরূপ প্রোফাইলের কোষগুলোকে দলবদ্ধ করতে এবং প্রচলিত শ্রেণীবিভাগের বাইরে থাকা কাঠামো খুঁজতে — উদাহরণস্বরূপ, দুটি পরিচিত ধরনের মাঝামাঝি কোষ অবস্থা, বা দাতা-স্তরের নিদর্শন যা কেবল একসাথে শত শত ব্যক্তির তুলনা করলেই প্রকাশ পায়।

গবেষণাপত্রের শিরোনামে "characterization" শব্দটি গুরুত্বপূর্ণ। এটি কোনো রোগনির্ণয় পরীক্ষা তৈরি করার দাবি নয়, বা কোনো মডেল কে আলঝেইমার রোগে আক্রান্ত হবে তা পূর্বাভাস দিতে পারবে এমন প্রতিশ্রুতিও নয়। এটি বর্ণনামূলক ও সংগঠনমূলক কাজ: একটি অত্যন্ত ভিন্নধর্মী রোগকে নিয়ে জিজ্ঞাসা করা যে এর আণবিক উপস্থাপনা কি কম সংখ্যক সুসংগত ফিনোটাইপে পরিণত হয় যা নামকরণ, তুলনা এবং শেষ পর্যন্ত লক্ষ্যবস্তু করা যায়।

৫৮৪ জন মস্তিষ্ক দাতার ওজন

মানব মস্তিষ্কের টিস্যু একটি দুর্লভ সম্পদ। দাতা কর্মসূচির জন্য পরিবার, চিকিৎসক এবং প্যাথলজিস্টদের সাথে বছরের পর বছর সমন্বয় প্রয়োজন, এবং প্রতিটি নমুনা তার নিজস্ব বয়স, জিনতত্ত্ব, ওষুধ এবং মরণোত্তর ব্যবধানের ইতিহাস নিয়ে আসে। তাই ৫৮৪ জন দাতার একটি কোহোর্ট একত্র করা নিজেই একটি উল্লেখযোগ্য লজিস্টিক অর্জন, এবং শিরোনামে "population-scale" শব্দটি ইঙ্গিত দেয় কেন এই গবেষণা এমন কিছু চেষ্টা করতে পারে যা একটি ছোট নমুনা করতে পারত না।

স্কেল পরিসংখ্যানগত শক্তি কিনে দেয়। বিরল কোষ অবস্থা, একটি কোষ-ধরনের অনুপাতের সূক্ষ্ম পরিবর্তন এবং জিনগত ঝুঁকি ও কোষ আচরণের মধ্যে মিথস্ক্রিয়া — এসব কেবল যথেষ্ট সংখ্যক দাতার তুলনা করলেই সনাক্তযোগ্য হয়। এটি মেশিন-লার্নিং গবেষণার প্রয়োজনীয় অভ্যন্তরীণ পুনরাবৃত্তির সুযোগও দেয়: দাতাদের একটি উপসেটে পাওয়া একটি নিদর্শন কেউ সত্য বলে দাবি করার আগে অন্য উপসেটের বিরুদ্ধে পরীক্ষা করা যায়।

কেন একটি একক লেবেলের চেয়ে ফিনোটাইপ বেশি গুরুত্বপূর্ণ

আলঝেইমার ওষুধ উন্নয়ন এই ধারণা দ্বারা গঠিত হয়েছে যে একটি রোগের জন্য একটি প্রক্রিয়া এবং একটি চিকিৎসা প্রয়োজন। সেই ধারণা দশকের পর দশক ব্যয়বহুল হতাশা তৈরি করেছে। যদি অবস্থাটি আসলে সম্পর্কিত কিন্তু পৃথকযোগ্য আণবিক ফিনোটাইপের একটি পরিবার হয়, তবে সব রোগীর মধ্যে ফলাফল গড় করলে একটি উপগোষ্ঠীর প্রকৃত উপকার লুকিয়ে যেতে পারে — এবং সমানভাবে ভুল জীববিজ্ঞানকে লক্ষ্য করে করা চিকিৎসার পার্শ্বপ্রতিক্রিয়ার মুখে রোগীদের ফেলতে পারে।

ফিনোটাইপ-প্রথম চিন্তা অনকোলজিতে নতুন নয়, যেখানে চিকিৎসা নির্বাচনের আগে টিউমার প্রোফাইলিং মানক অনুশীলন। এই গবেষণাধারার প্রশ্ন হলো স্নায়ুক্ষয়কে একইভাবে মোকাবেলা করা যায় কি না, রোগীর পরিচয় নির্ধারণে কেবল ক্লিনিক্যাল উপসর্গের বদলে কোষীয় ও আণবিক স্বাক্ষর ব্যবহার করে।

সীমাবদ্ধতা ও খোলা প্রশ্ন

মরণোত্তর টিস্যু একটি স্ন্যাপশট দেয়, যা প্রায়ই একটি দীর্ঘ অসুস্থতার শেষে নেওয়া হয়। এটি প্রকাশ করতে পারে কোন কোষীয় অবস্থাগুলো উন্নত রোগের সাথে থাকে, কিন্তু কোন পরিবর্তনগুলো প্রথমে এসেছিল বা কোনগুলো কারণ বনাম পরিণতি তা সহজে প্রতিষ্ঠা করতে পারে না। দাতা কোহোর্টগুলোও এমনভাবে ঝুঁকে থাকে যা গবেষকদের কাছে সুপরিচিত: যারা মস্তিষ্ক দান করেন তারা জনসংখ্যার একটি এলোমেলো নমুনা নন, এবং রোগটি নিজেই কোষীয় প্রোফাইল পরিবর্তন করতে পারে তার মূল কারণের সাথে সম্পর্কহীনভাবে।

জটিল জীববিজ্ঞানে শক্তিশালী মডেল প্রয়োগের পরিচিত বিপদও রয়েছে। মেশিন লার্নিং এমন কাঠামো খুঁজে পেতে পারে যা প্রযুক্তিগত আর্টিফ্যাক্ট প্রতিফলিত করে — নমুনা কীভাবে প্রক্রিয়া করা হয়েছিল বা কোষ কীভাবে সিকোয়েন্স করা হয়েছিল তার পার্থক্য — রোগ নয়। পৃথক কোহোর্টে স্বাধীন পুনরাবৃত্তি এবং পরিপূরক পদ্ধতিতে যাচাইকরণই একটি আকর্ষণীয় নিদর্শনকে একটি টেকসই আবিষ্কার থেকে আলাদা করে।

পরবর্তীতে যা দেখতে হবে

• পুনরাবৃত্তি: একই ফিনোটাইপগুলো স্বাধীন দাতা সংগ্রহে এবং রক্ত বা সেরিব্রোস্পাইনাল ফ্লুইডের মাধ্যমে নমুনা করা জীবিত রোগীদের মধ্যে পুনরায় দেখা যায় কি না।
• স্থানিক প্রেক্ষাপট: বিচ্ছিন্ন টিস্যুতে চিহ্নিত কোষ অবস্থাগুলো তাদের ভৌত আশপাশে ফিরিয়ে ম্যাপ করা যায় কি না, কারণ অবস্থান কার্যকারিতা গঠন করে।
• ক্লিনিক্যাল অনুবাদ: কোনো ফিনোটাইপ অগ্রগতি বা চিকিৎসায় প্রতিক্রিয়ার পরিমাপযোগ্য পার্থক্যের সাথে সম্পর্কিত কি না।
• ডেটা শেয়ারিং: অন্তর্নিহিত কোষীয় ডেটা এমন আকারে প্রকাশ করা হয় কি না যা অন্য দলগুলো পুনরায় ব্যবহার করতে পারে, যা নির্ধারণ করে ক্ষেত্রটি কত দ্রুত ফলাফলের উপর নির্মাণ করতে পারবে।

গবেষণার প্রকাশিত সারসংক্ষেপ ইচ্ছাকৃতভাবে সংক্ষিপ্ত, এবং মূলগত বিস্তারিত — কোন ফিনোটাইপগুলো emerged, তারা কতটা স্থিতিশীল, এবং তারা বিদ্যমান জিনগত ও প্যাথলজিক্যাল মার্কারগুলোর সাথে কীভাবে সম্পর্কিত — সম্পূর্ণ গবেষণাপত্রে রয়েছে। সারসংক্ষেপ যা প্রতিষ্ঠা করে তা হলো প্রচেষ্টার আকার: একটি একক, স্থূল আলঝেইমার লেবেলকে আরও সুনির্দিষ্ট কোষীয় বর্ণনা দিয়ে প্রতিস্থাপনের একটি এআই-চালিত প্রচেষ্টা, যা এক দশক আগে সম্ভব ছিল না এমন মাত্রায় প্রয়োগ করা হয়েছে। সেই বর্ণনা টিকবে কি না তা মডেলের সৌন্দর্য দ্বারা নয়, পুনরাবৃত্তি দ্বারা নির্ধারিত হবে।

এই নিবন্ধটি নেচার মেডিসিন-এর প্রতিবেদনের উপর ভিত্তি করে। মূল নিবন্ধ পড়ুন।