जीनोम में प्राचीन वायरल डीएनए एएमएल में कीमोथेरेपी प्रतिक्रिया की भविष्यवाणी करने में मदद कर सकता है

तीव्र मायलॉइड ल्यूकेमिया का इलाज करने वाले डॉक्टरों के पास अभी भी यह जानने का विश्वसनीय तरीका नहीं है कि उपचार शुरू होने से पहले किसी रोगी का कैंसर कीमोथेरेपी के प्रति प्रतिक्रिया देगा या नहीं। किंग्स कॉलेज लंदन के एक नए अध्ययन ने संकेतों के एक अप्रत्याशित स्रोत की ओर इशारा किया है: प्राचीन वायरसों के टुकड़े जो लाखों साल पहले मानव जीनोम के स्थायी निवासी बन गए थे। Blood Neoplasia में प्रकाशित शोध के अनुसार, उन वायरल अवशेषों की जानकारी मशीन-लर्निंग मॉडलों में डालने से मॉडल यह भविष्यवाणी करने में उल्लेखनीय रूप से बेहतर हो गए कि कौन उपचार के प्रति प्रतिक्रिया देगा।

एक रक्त कैंसर जो आसान जवाबों का विरोध करता है

तीव्र मायलॉइड ल्यूकेमिया, या एएमएल, अस्थि मज्जा में शुरू होता है, जहां शरीर रक्त कोशिकाएं बनाता है। यह एक आक्रामक कैंसर है, और कीमोथेरेपी मानक देखभाल का एक केंद्रीय हिस्सा बनी हुई है। फिर भी नैदानिक तस्वीर निराशाजनक रूप से अनिश्चित है। कई परीक्षण करने के बाद भी, चिकित्सक विश्वास के साथ यह नहीं कह सकते कि कौन से रोगियों को छूट मिलेगी और किसे नहीं।

रोगियों का एक महत्वपूर्ण हिस्सा तथाकथित रीफ्रैक्टरी एएमएल विकसित करता है। ये व्यक्ति कीमोथेरेपी से गुजरते हैं लेकिन कभी पूर्ण छूट तक नहीं पहुंचते, जिसका अर्थ है कि उपचार के बावजूद रोग बना रहता है। उन रोगियों की पहले से पहचान करने से देखभाल टीमों को पहले ही विभिन्न रणनीतियों पर विचार करने, लोगों को उन उपचारों के दुष्प्रभावों से बचाने जो शायद काम न करें, और उन्हें जल्दी से विकल्पों की ओर निर्देशित करने की अनुमति मिलेगी। डॉक्टर जो माप सकते हैं और जो वे भविष्यवाणी कर सकते हैं, उसके बीच का यह अंतर ही किंग्स कॉलेज लंदन की टीम ने भरने का लक्ष्य रखा था।

कई प्रकार के डेटा से सीखने वाले मॉडल बनाना

शोधकर्ताओं ने मशीन लर्निंग की ओर रुख किया, तीन बहुस्तरीय मॉडल बनाए और प्रत्येक को उत्तरोत्तर समृद्ध सूचना सेटों पर प्रशिक्षित किया। किसी एकल माप या एकल परीक्षण परिणाम पर निर्भर रहने के बजाय, इस दृष्टिकोण ने टीम को यह परीक्षण करने की अनुमति दी कि क्या डेटा की नई श्रेणियों को जोड़ने से भविष्यवाणी प्रदर्शन में सुधार होता है।

अध्ययन में 271 एएमएल रोगियों के रिकॉर्ड शामिल थे जिन्हें मानक कीमोथेरेपी मिली थी। डेटा कई क्षेत्रों में फैला हुआ था:

• नियमित देखभाल के दौरान एकत्र की गई नैदानिक जानकारी
• रोगियों की बीमारी का वर्णन करने वाले जैविक और आणविक माप
• एंडोजेनस रेट्रोवायरस, या ईआरवी की गतिविधि का वर्णन करने वाला डेटा, जो जीनोम में अंतर्निहित विरासत में मिले वायरल अनुक्रम हैं

इन स्रोतों को एक साथ परत करके, टीम यह देख सकती थी कि प्रत्येक जोड़ ने क्या योगदान दिया। ईआरवी व्यवहार को शामिल करने वाला संस्करण पहले के पुनरावृत्तियों से बेहतर प्रदर्शन करता था, जो सुझाव देता है कि इन प्राचीन अनुक्रमों की गतिविधि उपचार प्रतिक्रिया के बारे में जानकारी रखती है जिसे पारंपरिक डेटा अकेले कैप्चर नहीं करता।

एंडोजेनस रेट्रोवायरस क्या हैं?

बहुत पहले के संक्रमणों के जीवाश्म

ईआरवी उन वायरसों के आनुवंशिक अवशेष हैं जिन्होंने लाखों साल पहले हमारे विकासवादी पूर्वजों को संक्रमित किया था। समय के साथ, उन वायरल अनुक्रमों को जर्मलाइन में कॉपी किया गया और पीढ़ियों तक पारित किया गया, जो मानव डीएनए का स्थायी हिस्सा बन गए। वे जीनोम के गैर-कोडिंग क्षेत्रों के भीतर स्थित हैं — वे खंड जो सीधे प्रोटीन के निर्माण का निर्देश नहीं देते। इस क्षेत्र का कुछ हिस्सा अभी भी खराब समझा जाता है और इसे कभी-कभी अनौपचारिक रूप से "डार्क जीनोम" कहा जाता है।

ये अनुक्रम केवल निष्क्रिय मलबा नहीं हैं। ईआरवी कई जैविक प्रक्रियाओं को प्रभावित कर सकते हैं, जिनमें यह भी शामिल है कि कौन से जीन चालू होते हैं और प्रतिरक्षा सिग्नलिंग कैसे संचालित होती है। जीनोम में उनकी उपस्थिति का अर्थ है कि वे किसी कोशिका के व्यवहार को प्रभावित करने की क्षमता बनाए रखते हैं, भले ही वे अब कार्यात्मक वायरस उत्पन्न न करें।

वायरल मिमिक्री और प्रतिरोध की जड़ें

टीम के निष्कर्ष शोधकर्ताओं द्वारा "वायरल मिमिक्री" कहे जाने वाले तंत्र की ओर इशारा करते हैं। इस परिदृश्य में, एक कोशिका ऐसे व्यवहार करती है जैसे कोई वायरल संक्रमण चल रहा हो, भले ही कोई न हो। गलत दिशा में भेजी गई प्रतिक्रिया प्रतिरक्षा और सूजन संकेतन को ट्रिगर कर सकती है, और शोधकर्ताओं का सुझाव है कि यह गतिविधि कुछ एएमएल कोशिकाओं में देखी जाने वाली उपचार-प्रतिरोधी स्थिति को बनाए रखने में मदद कर सकती है।

दूसरे शब्दों में, वे ही अनुक्रम जो कभी प्राचीन संक्रमणों को चिह्नित करते थे, एक समकालीन समस्या में योगदान कर सकते हैं: कीमोथेरेपी से बचने वाली ल्यूकेमिया कोशिकाएं। टीम ने ईआरवी-संबंधित व्यवहार और खराब उपचार प्रतिक्रिया के बीच जो संबंध देखा, वह उस विचार से मेल खाता है, हालांकि अध्ययन कारण के बजाय एक संबंध स्थापित करता है।

क्या सुधरा — और इसका क्या अर्थ है

मॉडलिंग कार्य से दो परिणाम सामने आते हैं। पहला, जीनोम में प्राचीन वायरल अनुक्रमों का व्यवहार कीमोथेरेपी के प्रति खराब प्रतिक्रिया से जुड़ा था। दूसरा, जब उस ईआरवी जानकारी को अन्य नैदानिक और जैविक डेटा के साथ जोड़ा गया, तो मॉडल की यह पहचान करने की क्षमता में सुधार हुआ कि कौन उपचार के प्रति प्रतिक्रिया देगा।

अंतिम मॉडल ने विकल्पों की तुलना में कम झूठे सकारात्मक भी उत्पन्न किए। इस संदर्भ में एक झूठा सकारात्मक का अर्थ है कि मॉडल ने भविष्यवाणी की कि एक रोगी को रीफ्रैक्टरी एएमएल होगा जबकि उस व्यक्ति ने वास्तव में उपचार के प्रति प्रतिक्रिया दी हो सकती है। उन त्रुटियों को कम करना महत्वपूर्ण है, क्योंकि कीमोथेरेपी को गलत तरीके से खारिज करने वाली भविष्यवाणी किसी रोगी को उस उपचार से दूर धकेल सकती है जो मदद करता।

खुले रहने वाले प्रश्न

शोधकर्ता अपने परिणामों की सीमाओं के बारे में सावधान हैं। एक प्रमुख अनसुलझा प्रश्न यह है कि क्या ईआरवी गतिविधि सीधे कीमोथेरेपी प्रतिरोध का कारण बनती है या किसी गहरी प्रक्रिया के मार्कर के रूप में इसके साथ चलती है। इसका उत्तर देने के लिए और शोध की आवश्यकता है। यदि संबंध कारणात्मक है, तो वायरल अवशेष अंततः नए हस्तक्षेपों का लक्ष्य बन सकते हैं। यदि यह एक मार्कर है, तो अनुक्रम अभी भी एक उपयोगी भविष्यवाणी संकेत के रूप में काम कर सकते हैं।

अध्ययन में मानक कीमोथेरेपी प्राप्त करने वाले 271 रोगियों का एक निर्धारित समूह भी शामिल था, और मशीन-लर्निंग मॉडल केवल उतने ही मजबूत होते हैं जितना उन्हें प्रशिक्षित और मान्य करने के लिए उपयोग किया जाने वाला डेटा। इससे पहले कि यह नियमित नैदानिक उपयोग तक पहुंचे, बड़ी और अधिक विविध रोगी आबादी में व्यापक सत्यापन की आवश्यकता होगी।

यह खोज क्यों मायने रखती है

एएमएल एक ऐसी बीमारी है जहां समय और उपचार का चुनाव वास्तविक परिणाम लाते हैं। एक उपकरण जो चिकित्सकों को रीफ्रैक्टरी रोग का अनुमान लगाने में मदद करता है — भले ही अपूर्ण रूप से — अंततः देखभाल की योजना बनाने के तरीके को बदल सकता है, रोगियों को जल्दी से विकल्पों की ओर स्थानांतरित कर सकता है और दूसरों को उन उपचारों के अनावश्यक संपर्क से बचा सकता है जिनसे छूट मिलने की संभावना नहीं है।

शायद इस काम का सबसे चौंकाने वाला पहलू यह है कि संकेत कहां पाया गया। जीनोम की वायरल विरासत, जिसे लंबे समय से डीएनए के गैर-कोडिंग हिस्सों में छिपी विकासवादी अव्यवस्था के रूप में खारिज किया जाता था, ऐसा प्रतीत होता है कि इसमें यह जानकारी है कि एक रक्त कैंसर उपचार का जवाब कैसे देता है। यह "डार्क जीनोम" को एक पठनीय संग्रह के करीब कुछ के रूप में पुनर्परिभाषित करता है — जिसे मशीन लर्निंग अंततः व्याख्या करने के लिए सुसज्जित हो सकती है।

यह लेख Medical Xpress की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।