ALS रक्त-प्रथिन अभ्यासाने लवकर भाकित करण्याची खिडकी सूचित केली

ALS जोखमीसाठी रक्तचाचणीची रणनीती आकार घेऊ लागली आहे

Nature Medicine मध्ये प्रकाशित झालेल्या एका नव्या दीर्घकालीन अभ्यासानुसार रक्तातील प्रथिनांमधील बदल लक्षणे दिसण्याच्या अनेक वर्षांपूर्वी clinically manifest amyotrophic lateral sclerosis जवळ येत असल्याचे संकेत देऊ शकतात. हा अभ्यास ALS-संबंधित pathogenic variants बाळगणाऱ्या, पण अजून रोग विकसित न झालेल्या लोकांवर केंद्रित आहे. या गटाचा अभ्यास करणे कठीण राहिले आहे, कारण कोण symptomatic ALS मध्ये रूपांतरित होईल आणि कधी, हे अचूकपणे मोजण्यासाठी चिकित्सकांकडे विश्वासार्ह साधने नव्हती.

ही मर्यादा केवळ निदानापुरती मर्यादित नाही. प्रतिबंधात्मक चाचण्या यावर अवलंबून असतात की कोणते सहभागी व्यवहार्य अभ्यास-कालावधीत रोग विकसित करण्याची शक्यता बाळगतात. ते नसेल तर चाचण्या अधिक संथ, मोठ्या आणि अनिश्चित बनतात. एकाच जैविक snapshot वर अवलंबून न राहता, वेळोवेळी घेतलेल्या plasma मोजमापांचा वापर करून ही दरी भरून काढण्याचा हा नवा संशोधनप्रयत्न आहे.

संशोधकांनी काय विश्लेषण केले

या अभ्यासात विविध गटांमधून क्रमिकरीत्या गोळा केलेले 516 plasma नमुने समाविष्ट होते: 33 लोक जे नंतर clinically manifest ALS मध्ये phenoconvert झाले, आधीच ALS असलेले 35 रुग्ण, 10 pre-symptomatic pathogenic variant carriers, आणि 59 controls. Olink Explore high-throughput proteomics वापरून, संशोधकांनी phenoconversion आधी प्रथिनांच्या concentration मध्ये कसे बदल झाले ते पाहिले, आणि त्या trajectories ला predictive tool मध्ये रूपांतरित करता येईल का हे तपासले.

परिणाम म्हणून रोग clinically apparent होण्यापूर्वी बदललेल्या 92 प्रथिनांचा एक संच मिळाला. त्या विस्तृत गटातून, टीमने 19 प्रथिनांचा core panel ओळखला, ज्याने सहा महिन्यांपासून पाच वर्षांपर्यंतच्या time horizons मध्ये phenoconversion चा अंदाज दिला. अहवालित cross-validated area-under-the-curve values 0.80 ते 0.89 दरम्यान होत्या, यावरून मॉडेल केवळ निदानाच्या जवळच नव्हे तर अनेक windows मध्येही अर्थपूर्ण discriminative power ठेवत होते असे दिसते.

संशोधकांनी असेही नमूद केले की या पॅनलने phenoconversion पर्यंतचा कालावधी 1.6 वर्षांच्या mean absolute error सह मोजला. ज्या रोगक्षेत्रात लक्षणे येण्यापूर्वी साधारण वेळेचा अंदाज लावणेही अवघड राहिले आहे, तिथे ही कामगिरी लक्षणीय आहे. याचा अर्थ असा नाही की क्षेत्राकडे अचानक व्यापक वापरासाठी तयार definitive clinical test आलेला आहे, परंतु बहु-प्रथिन दृष्टिकोन आतापर्यंत वापरलेल्या अरुंद biomarker strategy पेक्षा अधिक माहितीपूर्ण ठरू शकतो असे हे सूचित करते.

ALS संशोधनासाठी हे का महत्त्वाचे आहे

ALS चे निदान बहुतेकदा लक्षणे स्पष्ट झाल्यावरच होते, आणि त्या वेळी motor neuron damage आधीच सुरू झालेला असतो. पूर्व-लक्षणात्मक टप्प्यात काय घडते हे समजून घेण्यासाठी आणि prevention-focused intervention साठी पाया तयार करण्यासाठी रोगाची जीवशास्त्रीय प्रक्रिया लवकर उघड करणाऱ्या biomarkers चा शोध संशोधक दीर्घकाळ घेत आहेत. हा अभ्यास दोन्ही उद्दिष्टांना हातभार लावतो.

पहिले, हे काम स्पष्ट रोगाच्या आधीच्या कालावधीत होणाऱ्या जैविक बदलांचे नकाशीकरण करते. हे महत्त्वाचे आहे, कारण pre-symptomatic ALS हा फक्त रिकामा प्रतीक्षाकाळ नसून phenoconversion जवळ येत असताना plasma मध्ये मोजता येण्याजोगे आण्विक बदल आधीच सुरू असतात, असे निष्कर्ष सूचित करतात. दुसरे, जोखीम मोजणे आणि वेळेचा अंदाज देण्यासाठी हा अभ्यास एक व्यावहारिक आराखडा देतो, जो trial designers ना कोणाला समाविष्ट करायचे आणि कधी intervention करायची हे ठरवताना लागतो.

ALS risk prediction कदाचित एका standout protein ऐवजी markers च्या संयोजनावर अवलंबून असावी असेही पेपर सूचित करतो. हे महत्त्वाचे आहे, कारण neurofilament light chain या candidate biomarker ने neurodegeneration संशोधनात मोठे लक्ष वेधले आहे. येथे, लेखकांनी multi-protein panel ने time to phenoconversion मोजण्यात neurofilament light chain पेक्षा चांगले काम केले असे नोंदवले.

पुनरुत्पादनामुळे वजन वाढते, पण मर्यादा कायम

UK Biobank data वापरून निष्कर्षांचे अंशतः पुनरुत्पादन करण्यात आले. पेपरनुसार, त्या बाह्य विश्लेषणाने NEFL, EDA2R आणि CA3 यांसह अनेक प्रथिनांमध्ये pre-symptomatic वाढ निश्चित केली, आणि NEFL एकट्यापेक्षा multi-protein panel time estimates साठी अधिक प्रभावी असल्याच्या व्यापक निष्कर्षाला पाठिंबा दिला.

अंशतः पुनरुत्पादन हे पूर्ण validation नाही, आणि अभ्यास स्वतःच पुढील follow-up ची गरज अधोरेखित करतो. काही उपगटांचे, विशेषतः अजून convert न झालेल्या pre-symptomatic carriers चे, cohort sizes तुलनेने लहानच राहिले आहेत. दुर्मिळ-रोग biomarker कामात ही सततची अडचण आहे, विशेषतः जेव्हा लक्ष्य लोकसंख्या केवळ निदानानेच नव्हे तर genotype आणि disease stage नेही ठरते.

तरीही, longitudinal design signal मजबूत करतो. वारंवार sampling केल्याने संशोधकांना व्यक्तींमधील एकट्या फरकांपेक्षा trajectories पाहता येतात, जे clinically silent disease process कधी वेग पकडू लागतो हे समजण्यासाठी विशेष उपयुक्त आहे.

पुढे काय

तात्काळ अर्थ असा नाही की नियमित ALS screening लवकरच येत आहे. त्याऐवजी, हा अभ्यास एक अधिक चांगले research instrument देतो: ALS-संबंधित pathogenic variants बाळगणारे म्हणून आधीच ओळखल्या गेलेल्या लोकांमध्ये जैविक धोका अधिक लवकर आणि अचूकपणे ओळखण्याचा मार्ग. त्यामुळे प्रतिबंधात्मक चाचण्यांची रचना अधिक नेमकी होऊ शकते, सहभागींचे संभाव्य conversion window नुसार वर्गीकरण करता येऊ शकते, आणि रोगाच्या अगदी सुरुवातीच्या टप्प्याचे क्षेत्रातील आकलन सुधारू शकते.

दीर्घकाळात, composite blood-based markers वापरून preclinical detection कडे न्यूरोलॉजीमधील व्यापक बदलालाही हे काम पाठिंबा देते. मोठ्या आणि अधिक वैविध्यपूर्ण लोकसंख्येत पुढील अभ्यासांनी या पॅनलची पुष्टी व सुधारणा केली, तर अपरिवर्तनीय कार्यहानी bedside वर स्पष्ट होण्यापूर्वी preventive therapies ची चाचणी कशी घ्यायची यामध्ये हा दृष्टिकोन केंद्रस्थानी येऊ शकतो.

सध्या, या पेपरचे योगदान स्पष्ट आहे. तो ALS biomarker संशोधनाला pre-symptomatic change आहे का या प्रश्नापलीकडे घेऊन जातो, आणि अधिक व्यावहारिक प्रश्नाकडे वळवतो: हे बदल इतके चांगले मोजता येतील का की कोण disease onset च्या जवळ आहे आणि केव्हा, हे भाकीत करता येईल? longitudinal data सह multi-marker models तयार करून त्यांची पुष्टी करत राहिल्यास उत्तर increasingly yes असू शकते, असे हा अभ्यास सूचित करतो.

हा लेख Nature Medicine च्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.