উন্নত অপটিক্যাল ইমেজিং রক্তের রোগপ্রতিরোধী কোষে লুকানো বিপাকীয় কার্যকলাপ উন্মোচন করে

রুটিন রক্তের নমুনায় তথ্যের একটি নতুন স্তর

প্রতিটি রুটিন রক্তের নমুনায় রোগপ্রতিরোধী কোষের একটি বৈচিত্র্যময় জনসংখ্যা থাকে, যাদের সম্মিলিতভাবে পেরিফেরাল ব্লাড মনোনিউক্লিয়ার সেলস (PBMCs) বলা হয়। এই কোষগুলো ক্লিনিক্যাল এবং গবেষণার কর্মপ্রবাহের একটি প্রধান ভিত্তি, যা সংক্রমণ, অটোইমিউন রোগ, ক্যান্সার এবং চিকিৎসার প্রতি রোগীর রোগপ্রতিরোধী ব্যবস্থা কীভাবে সাড়া দেয় তা বোঝার জন্য একটি জানালা দেয়। কিন্তু PBMC বিশ্লেষণের প্রচলিত পদ্ধতিগুলো, যা পৃষ্ঠচিহ্নের সঙ্গে বাঁধা ফ্লুরোসেন্ট লেবেলের ওপর নির্ভর করে, কেবল কোন কোন কোষের ধরন উপস্থিত আছে তা দেখায় - সেই কোষগুলো আসলে কীভাবে কাজ করছে তা নয়। তদুপরি, প্রস্তুতির প্রক্রিয়া নিজেই কোষগুলোকে পরিবর্তিত করতে পারে, ফলে ফলাফল বিকৃত হতে পারে।

এখন, Biophotonics Discovery-এ প্রকাশিত একটি নতুন গবেষণা দেখায় যে উন্নত অপটিক্যাল ইমেজিং কীভাবে আগে লুকানো একটি মাত্রা, অর্থাৎ জটিল, বৈচিত্র্যময় নমুনার মধ্যে পৃথক রোগপ্রতিরোধী কোষের বিপাকীয় কার্যকলাপ, উন্মোচন করতে পারে। মরগ্রিজ ইনস্টিটিউট ফর রিসার্চ এবং ইউনিভার্সিটি অব উইসকনসিন-ম্যাডিসনের গবেষকেরা তৈরি করা এই লেবেল-ছাড়া পদ্ধতি একটি সাধারণ রক্ত-সংগ্রহে থাকা বিপুল ডেটা চিকিৎসক ও বিজ্ঞানীরা কীভাবে ব্যাখ্যা করেন তা বদলে দিতে পারে।

PBMCs কেন গুরুত্বপূর্ণ

গবেষণার জ্যেষ্ঠ লেখক এবং মরগ্রিজ ইনস্টিটিউট ও ইউনিভার্সিটি অব উইসকনসিন-ম্যাডিসনের গবেষক মেলিসা স্কালা উল্লেখ করেন, PBMCs ক্লিনিক্যাল নমুনা থেকে খুব সহজেই আলাদা করা যায় এবং ইতিমধ্যে নির্ণয় ও চিকিৎসা কর্মপ্রবাহে অন্তর্ভুক্ত। "PBMCs ক্লিনিক্যালভাবে সত্যিই খুব সহজে আলাদা করা যায়, এবং এগুলো ইতিমধ্যেই ক্লিনিক্যাল ওয়ার্কফ্লোতে ব্যবহার করা হয়," স্কালা বলেন। "তাহলে প্রশ্ন হলো, এগুলো থেকে আমরা এমন কী পেতে পারি যা আমরা ইতিমধ্যে পাচ্ছি না?"

এই প্রশ্নের ক্লিনিক্যাল গুরুত্ব ক্রমবর্ধমান। PBMCs রক্তের ক্যান্সার, সেপসিস, লুপাস এবং এমনকি জ্ঞানীয় অবক্ষয়ের মতো নানা অবস্থায় নিয়মিত অধ্যয়ন করা হয়। এগুলো CAR T-cell therapies-এর সূচনামূলক উপাদান হিসেবেও কাজ করে, যেখানে রোগীর নিজস্ব রোগপ্রতিরোধী কোষকে ক্যান্সার শনাক্ত ও আক্রমণের জন্য প্রকৌশলগতভাবে পরিবর্তন করা হয়। এমন প্রয়োগে, কতগুলো রোগপ্রতিরোধী কোষ আছে তা জানার পাশাপাশি সেই কোষগুলো কতটা বিপাকীয়ভাবে সক্রিয় ও সক্ষম, তা বোঝা রোগের অগ্রগতি ও চিকিৎসার ফলাফল সম্পর্কে গভীর অন্তর্দৃষ্টি দিতে পারে।

উদাহরণস্বরূপ, সেপসিসে আক্রান্ত একজন রোগীর রোগপ্রতিরোধী কোষের সংখ্যা স্বাভাবিক দেখাতে পারে, কিন্তু পৃথক কোষগুলো বিপাকীয়ভাবে ক্লান্ত বা অতিসক্রিয় হতে পারে। একইভাবে, CAR T-cell উৎপাদনে সংগ্রহ করা কোষগুলোর বিপাকীয় স্বাস্থ্য চূড়ান্ত চিকিৎসামূলক পণ্যের গুণমান ও ক্ষমতাকে প্রভাবিত করতে পারে। তবু এখন পর্যন্ত রুটিন বিশ্লেষণ পদ্ধতিগুলো মূলত এই কার্যকরী মাত্রাটিকে উপেক্ষা করেছে।

প্রচলিত লেবেলিং কৌশলের সীমাবদ্ধতা

ঐতিহ্যগতভাবে, রোগপ্রতিরোধী কোষের বিপাক মাপার জন্য নির্দিষ্ট কোষ-জনসংখ্যা আলাদা করা অথবা ফ্লুরোসেন্ট লেবেল ও রাসায়নিক প্রোব যোগ করা দরকার হতো। এই কৌশলগুলোর উল্লেখযোগ্য সীমাবদ্ধতা আছে। কোষ আলাদা করলে বিভিন্ন রোগপ্রতিরোধী কোষ-ধরনের মধ্যে প্রাকৃতিক পারস্পরিক ক্রিয়া ব্যাহত হয়, যা কার্যগতভাবে গুরুত্বপূর্ণ হতে পারে। ফ্লুরোসেন্ট ডাই ও রাসায়নিক প্রোব কোষের আচরণে প্রভাব ফেলতে পারে, নমুনা খরচ করতে পারে, অথবা কোষীয় কার্যকলাপের বাস্তব-সময়ের দৃশ্য দেওয়ার বদলে কেবল স্থির একটি স্ন্যাপশট দিতে পারে।

তদুপরি, এই পদ্ধতিগুলো কোষ ধ্বংস করতে পারে বা স্থায়ীভাবে পরিবর্তন করতে পারে, ফলে সেগুলোকে সেল থেরাপির মতো পরবর্তী প্রয়োগে ব্যবহার করা কঠিন বা অসম্ভব হয়ে পড়ে। এগুলো সাধারণত পুরো নমুনাকে একসঙ্গে ধরে নিয়ে, জীববৈজ্ঞানিকভাবে গুরুত্বপূর্ণ পৃথক কোষের পার্থক্যগুলো গড় করে ফেলে। উদাহরণস্বরূপ, একটি টিউমারে অনেক ভিন্ন বিপাকীয় অবস্থার রোগপ্রতিরোধী কোষ থাকতে পারে, এবং bulk measurement সেই বৈচিত্র্যকে আড়াল করবে।

নতুন গবেষণাটি এই সমস্যাগুলো পুরোপুরি এড়িয়ে যায়। এটি একটি অ-বিধ্বংসী কৌশল ব্যবহার করে যা মিশ্র PBMC জনসংখ্যার অংশ হিসেবে থাকা অবস্থায় পৃথক রোগপ্রতিরোধী কোষের বিপাক মাপে, প্রাকৃতিক টিস্যু পরিবেশ সংরক্ষণ করে এবং ইমেজিংয়ের পর আরও বিশ্লেষণের সুযোগ দেয়।

অপটিক্যাল বিপাকীয় ইমেজিং: একটি লেবেল-ছাড়া পদ্ধতি

গবেষকেরা অপটিক্যাল মেটাবলিক ইমেজিং (OMI) নামের একটি কৌশল ব্যবহার করেন, যা স্কালা ল্যাবে তৈরি ও পরিমার্জিত হয়েছে। OMI প্রধান বিপাকীয় কোএনজাইম, বিশেষ করে NADH এবং FAD-এর প্রাকৃতিক ফ্লুরোসেন্স ব্যবহার করে, যেগুলো কোষীয় শক্তি উৎপাদনে জড়িত। রোগপ্রতিরোধী কোষ বিপাকীয়ভাবে সক্রিয় হলে, এই কোএনজাইমগুলোর ঘনত্ব ও অনুপাত পরিবর্তিত হয়, এবং তাদের প্রাকৃতিক ফ্লুরোসেন্সও সেই অনুযায়ী বদলে যায়।

নিম্ন-তীব্রতার আলো দিয়ে এই অণুগুলোকে উত্তেজিত করে এবং নির্গত সংকেত সংগ্রহের মাধ্যমে, OMI কোনো বাহ্যিক লেবেল বা কনট্রাস্ট এজেন্ট যোগ না করেই single-cell resolution-এ বিপাকীয় কার্যকলাপ মানচিত্রায়িত করতে পারে। এতে গবেষকেরা জীবিত কোষকে প্রায়-শারীরবৃত্তীয় অবস্থায় দেখতে এবং সময়ের সঙ্গে পরিবর্তন অনুসরণ করতে পারেন।

গবেষণায়, গবেষকেরা দেখিয়েছেন যে OMI অপরিবর্তিত PBMC নমুনার মধ্যে রোগপ্রতিরোধী কোষ-উপগোষ্ঠীগুলোর বিপাকীয় পার্থক্য আলাদা করতে পারে। এই মাত্রার বিশদ আগে অর্জন করা কঠিন ছিল। এই পদ্ধতি মূলত গ্লাইকোলাইসিস ব্যবহারকারী কোষ, যা সক্রিয় রোগপ্রতিরোধী কোষে সাধারণ দ্রুত কিন্তু কম দক্ষ শক্তি-পথ, এবং অক্সিডেটিভ ফসফরাইলেশনের ওপর নির্ভরশীল কোষের মধ্যে পার্থক্য করতে পারে, যা শক্তি উৎপাদনের আরও টেকসই উপায়। এসব কার্যকরী পার্থক্য গুরুত্বপূর্ণ, কারণ এগুলো নির্দেশ করে একটি রোগপ্রতিরোধী কোষ নিস্ক্রিয়, সক্রিয়, ক্লান্ত, নাকি কোনো নির্দিষ্ট effector অবস্থায় রূপান্তরিত হচ্ছে।

কারণ OMI-এর জন্য কোনো লেবেলিং বা শারীরিক বিঘ্নের দরকার হয় না, এটি দীর্ঘমেয়াদি গবেষণার পথও খুলে দেয়। একই নমুনাকে বিভিন্ন সময়বিন্দুতে বারবার ইমেজ করা যায়, যাতে রোগপ্রতিরোধী কোষগুলো ওষুধ, রোগজীবাণু বা অন্যান্য উদ্দীপকের প্রতি বাস্তব সময়ে কীভাবে সাড়া দিচ্ছে তা ট্র্যাক করা যায়। এটি endpoint assays-এর তুলনায় একটি উল্লেখযোগ্য উন্নতি, যা শুধু সময়ের একটিমাত্র মুহূর্ত ধরে রাখে।

ক্লিনিক্যাল ও চিকিৎসাগত তাৎপর্য

এই ফলাফল বহু ক্লিনিক্যাল প্রয়োগক্ষেত্রে আশাব্যঞ্জক। উদাহরণস্বরূপ, ক্যান্সার ইমিউনোলজিতে জানা আছে যে টিউমার-অনুপ্রবেশকারী রোগপ্রতিরোধী কোষের বিপাকীয় সক্ষমতা রোগী checkpoint inhibitor therapy-তে সাড়া দেবে কি না, তা প্রভাবিত করে। যদি অনুরূপ বিপাকীয় সিগনেচার একটি সাধারণ রক্ত-সংগ্রহ থেকে পাওয়া PBMC-তে শনাক্ত করা যায়, তবে অনকোলজিস্টরা চিকিৎসার সময় রোগপ্রতিরোধী কার্যকারিতা নজরদারির একটি অ-আক্রমণাত্মক উপায় পেতে পারেন।

CAR T-cell therapy-তে রোগীর T কোষ সংগ্রহ, প্রকৌশলীকরণ এবং বিস্তারের প্রক্রিয়া ব্যয়বহুল এবং শ্রমসাধ্য। কিছু CAR T-cell পণ্য প্রতিস্থাপিত হতে ব্যর্থ হয় বা ইনফিউশনের পর ক্ষমতা হারায়, যা মূল কোষগুলোর দুর্বল বিপাকীয় অবস্থার সঙ্গে সম্পর্কিত হতে পারে। প্রকৌশলীকরণের আগে সবচেয়ে বিপাকীয়ভাবে শক্তিশালী কোষ নির্বাচন করতে OMI ব্যবহার করলে ফল উন্নত হতে পারে।

লুপাসের মতো অটোইমিউন রোগেও জটিল রোগপ্রতিরোধী বিশৃঙ্খলা থাকে, এবং রোগের কার্যকলাপ বোঝার জন্য প্রায়ই PBMC পরীক্ষা করা হয়। OMI থেকে প্রাপ্ত একটি বিপাকীয় বায়োমার্কার বর্তমান সিরোলজিক্যাল মার্কারগুলোর পরিপূরক হতে পারে, যাতে রোগের অবস্থার আরও সমগ্র চিত্র পাওয়া যায় এবং চিকিৎসা সমন্বয় নির্দেশিত হয়।

সংক্রামক রোগের প্রেক্ষাপটে, সেপসিস আজও একটি বড় ক্লিনিক্যাল চ্যালেঞ্জ। সেপটিক রোগীর রোগপ্রতিরোধী কোষগুলো প্রায়ই প্রদাহ-নিরোধক, বিপাকীয়ভাবে দমিত অবস্থার দিকে সরে যায়, কিন্তু এটি মাপা কঠিন ছিল। OMI চিকিৎসকদের শয্যাপাশেই রোগপ্রতিরোধী কোষের কার্যকরী অবস্থা নির্ভুলভাবে মূল্যায়ন করার সুযোগ দিতে পারে, যাতে পৃথক রোগীর ক্ষেত্রে সিস্টেমিক প্রদাহ এবং রোগপ্রতিরোধী পক্ষাঘাতের মধ্যে পার্থক্য করা যায়।

ক্লিনিক্যাল রূপান্তরের পথ তৈরি

স্কালা ল্যাব এক দশকেরও বেশি সময় ধরে OMI বিকাশ করছে এবং পূর্বে এটি টিস্যু বায়োপসি, টিউমার মডেল এবং অর্গানয়েডে প্রয়োগ করেছে। এই সর্বশেষ কাজটি পদ্ধতিটিকে রক্তভিত্তিক PBMC নমুনায় প্রসারিত করে, যা ক্লিনিক্যাল সেটিংয়ে টিস্যু নমুনার তুলনায় অনেক সহজে সংগ্রহ করা যায়।

PBMC ইতিমধ্যেই রুটিন ক্লিনিক্যাল ওয়ার্কফ্লোর অংশ হিসেবে আলাদা করা হয়, যা একটি বড় সুবিধা। "PBMCs ক্লিনিক্যালভাবে সত্যিই খুব সহজে আলাদা করা যায়, এবং এগুলো ইতিমধ্যেই ক্লিনিক্যাল ওয়ার্কফ্লোতে ব্যবহার করা হয়," স্কালা আবারও জোর দিয়ে বলেন, গ্রহণের নিম্ন বাধার কথা উল্লেখ করে। OMI যন্ত্রপাতি এখনও বিশেষায়িত হলেও, তা গবেষণা ও ক্লিনিক্যাল ল্যাবরেটরিতে ক্রমশ বেশি উপলব্ধ হচ্ছে, এবং কৌশলটির অ-বিধ্বংসী প্রকৃতি মানে এটি বিদ্যমান assays বা এমনকি cell-processing pipelines-এর আগের ধাপেও সংযুক্ত করা যেতে পারে।

তবে OMI একটি মানক নির্ণয়-উপকরণে পরিণত হওয়ার আগে কয়েকটি ধাপ বাকি আছে। প্রতিষ্ঠিত রোগফলাফলের বিপরীতে বিপাকীয় সিগনেচার যাচাই করতে এবং নির্দিষ্ট অবস্থায় কীকে "স্বাস্থ্যকর" বনাম "বিকৃত" বিপাকীয় প্রোফাইল বলা হবে তা সংজ্ঞায়িত করতে বৃহত্তর ক্লিনিক্যাল গবেষণা দরকার। ক্লিনিক্যাল ল্যাবের জন্য যন্ত্রপাতিকেও আরও ব্যবহারবান্ধব ও ব্যয়-সাশ্রয়ী হতে হবে। তবে লেবেল-ছাড়া ইমেজিংয়ের প্রযুক্তিগত সরলতা একটি আশাব্যঞ্জক লক্ষণ।

নিয়মিত PBMC-তে লুকানো বিপাকীয় তথ্য আছে, যা লেবেল-ছাড়া অপটিক্যাল ইমেজিংয়ের মাধ্যমে ধরা যায় - এই আবিষ্কার রোগপ্রতিরোধী পর্যবেক্ষণে একটি নতুন দিগন্তের প্রতিনিধিত্ব করে। গবেষকেরা এখন বিভিন্ন রোগ জুড়ে বিপাকীয় অবস্থাগুলো তালিকাভুক্ত করতে এবং সেগুলোকে চিকিৎসার প্রতি রোগীর প্রতিক্রিয়ার সঙ্গে সম্পর্কিত করতে আরও গবেষণা করছেন। নিকট ভবিষ্যতে, একটি সাধারণ রক্তের নমুনা শুধু কোষসংখ্যার চেয়েও অনেক বেশি দিতে পারে - এটি তার ভেতরের প্রতিটি রোগপ্রতিরোধী কোষের কার্যকরী অবস্থা আলোকিত করতে পারে, এবং ব্যক্তিকৃত চিকিৎসাকে এমনভাবে পথ দেখাতে পারে যা এখন প্রায় ভবিষ্যতধর্মী মনে হয়।

এই নিবন্ধটি Phys.org-এর প্রতিবেদনভিত্তিক। মূল নিবন্ধ পড়ুন.