संपूर्ण भ्रूणाची सूक्ष्म सेलुलर रिजोल्यूशनमध्ये मॅपिंग

जीवनाचा नकाशा, स्थान आणि काळात वाचला गेला

एकच निषेचित पेशी पूर्ण विकसित जीवाचे शत शत पेशी प्रकार कसे तयार करते हे समजून घेणे—प्रत्येक योग्य जीन योग्य स्थानावर योग्य विकास टप्प्यात व्यक्त करते हे—हे शतकाहून अधिक काळ विकास जीवशास्त्राचे मुख्य आव्हान आहे. हा प्रश्न केवळ वैज्ञानिक दृष्ट्या गहन नाही तर वैद्यकीयदृष्ट्या महत्त्वाचा आहे: बहुतेक विकास विकार, जन्मजात विकृती, आणि अनेक कर्करोग भ्रूण विकासाच्या वेळी जीन कधी आणि कोठे अभिव्यक्त होतात हे नियंत्रित करणाऱ्या आण्विक कार्यक्रमांतील त्रुटींना शोधतात.

विकासाच्या अध्ययनांसाठी जीन अभिव्यक्तीच्या पारंपरिक पद्धती भ्रूणांना एकल पेशींमध्ये विभाजित करणे आवश्यक होते—स्थानिक माहिती नष्ट करणे जी निर्दिष्ट करते की कोणती पेशी कोठे होती आणि तिचे शेजारी काय करत होते. Single-cell RNA sequencing या क्षेत्रचा रूपांतर केला, एकल-पेशी रिजोल्यूशनमध्ये अभिव्यक्ती प्रोफाइलिंग सक्षम केली, परंतु स्थानिक परिमाण पेशी विभाजन प्रक्रियेत हरले. Spatial transcriptomics तंत्रज्ञानांची नवी पिढी ही स्थानिक माहिती पुनर्प्राप्त करत आहे, परंतु सामान्यतः असा रिजोल्यूशन ज्यामध्ये समीप पेशींमध्ये फरक करता येत नाही, अधिक कमी एकल पेशींमध्ये संरचना सोडवता येत नाही.

या आठवड्यात Science मध्ये प्रकाशित एक अभ्यास एक प्रगती अहवाल देते: संपूर्ण-भ्रूण spatial transcriptomics सूक्ष्म सेलुलर रिजोल्यूशनमध्ये, gastrulation टप्प्यापासून मुख्य अवयव प्रणालींच्या निर्मितीपर्यंत विकसनशील भ्रूणांमध्ये जीन अभिव्यक्ती कॅप्चर केली गेली आहे.

तांत्रिक कार्यक्षमता

संशोधन गटाने विकसित केलेली पद्धती in situ sequencing दृष्टिकोन वापरते जी ऊतकांची रचना संरक्षित करते तर RNA अणुंना त्यांच्या अचूक स्थानिक स्थानांवर वाचते. तंत्रज्ञानांच्या विपरीत जे ऊतक विभाजनानंतर पॅटर्नमध्ये अनुक्रमांना कॅप्चर करतात, हा दृष्टिकोन ऊतकांमध्ये RNA अणू थेट शोधतो आणि क्रमबद्ध करतो, ऊतकांच्या सेलुलर आणि सूक्ष्म सेलुलर स्थानिक संदर्भ राखतो.

सूक्ष्म सेलुलर रिजोल्यूशनवर, केवळ पेशी कोणते जीन व्यक्त करत आहे हे निरीक्षण करणे शक्य नाही तर पेशीमध्ये ते अनुक्रम कोठे स्थानिकीकृत आहेत हेही निरीक्षण करणे शक्य आहे. RNA स्थानिकीकरण एक मूलभूत नियामक यंत्र आहे: अनेक अनुक्रम विशिष्ट सेलुलर डिब्यांना लक्ष्य केले जातात—epithelial पेशींची apical किंवा basal पृष्ठभाग, स्थलांतरित पेशींचे अग्रभाग, न्यूरॉन्सचे dendrites—जेथे ते स्थानिकरित्या अनुवादित होतात प्रोटीन तयार करण्यासाठी ज्याला तेथे कार्य करायचे आहे. हा स्थानिक परिमाण कॅप्चर करणे यांत्रिक माहिती प्रदान करते पेशीच्या ध्रुवतेबद्दल, निर्देशित पेशी स्थलांतराबद्दल, आणि ऊतकांच्या सीमांच्या निर्मितीबद्दल जी पूर्वी या स्तरावर सुलभ नव्हती.

अ्याटलस काय प्रकट करते

gastrulation-पासून-organogenesis खिड़की ओलांडून विकसनशील भ्रूणांवर लागू केले गेले—जेव्हा भ्रूण त्याचा तीन-स्तरीय शरीर पाठ्यक्रम स्थापित करते आणि ओळखण्याजोग्य अवयव पूर्वज तयार करण्यास सुरुवात करते तेव्हाची कालावधी—तंत्र अवर्णनीय समृद्धीचा डेटासेट तयार करते. परिणामी अ्याटलस पूर्ण भ्रूणातील प्रत्येक पेशीमध्ये हजारो जीनांची अभिव्यक्ती मॅप करते, अनेक विकास वेळ बिंदूंवर, स्थानिक निर्देशांकांसह जी भ्रूणांची त्रि-आयामी शरीरशास्त्र आणि वैयक्तिक पेशींचे अंतर्गत संघटन दोन्ही कॅप्चर करते.

डेटा अचूक आण्विक सीमा प्रकट करते जेथे एक पेशी प्रकार दुसऱ्यामध्ये संक्रमण करते, जीन अभिव्यक्ती प्रवणता जी विकसनशील ऊतकांमध्ये अवस्थेची माहिती प्रदान करते, आणि विकास कार्यक्रमांची क्रमिक सक्रियता जेव्हा पेशी induction आणि विभेद घटनांच्या माध्यमातून जातात. अ्याटलसमधून उदयास आलेल्या अनेक शोध विद्यमान मॉडेल्सने पूर्वानुमान दिलेल्या नव्हते: तयार neural tube मध्ये अप्रत्याशित जीन अभिव्यक्ती क्षेत्रे, ऊतकांच्या सीमांवर पूर्वी अचिन्हांकित पेशींचे संख्या, आणि नवीन transcription factor संयोजन जी विशिष्ट अवयव प्रकारांच्या सर्वप्रथम पूर्वजांना चिन्हांकित करते.

विकास जीवशास्त्र आणि औषध मध्ये अनुप्रयोग

तात्काली वैज्ञानिक अनुप्रयोग संदर्भ अ्याटलस म्हणून आहे—एक सर्वव्यापी डेटासेट ज्याचा वापर इतर संशोधक विशिष्ट जीन, पेशी प्रकार, किंवा विकास घटनांबद्दल त्यांचे स्वतःचे निष्कर्ष व्याख्या करण्यासाठी करू शकतात. विकास जीवशास्त्रांनी वैयक्तिक जीन परिवर्तित किंवा चुकीचे अभिव्यक्त झाल्यावर काय होते याची दशकांची निरीक्षणे जमा केली आहेत, परंतु या निरीक्षणांची व्याख्या करण्यासाठी त्या जीनांच्या अभिव्यक्तीचे सामान्य स्थानिक आणि अस्थायी संदर्भ जाणून घेणे आवश्यक आहे. अ्याटलस हा संदर्भ अभूतपूर्व रिजोल्यूशनवर प्रदान करते.

वैद्यकीयदृष्ट्या, सर्वाधिक महत्त्वाचे अनुप्रयोग संभवतः मानवी विकास विकारांची व्याख्या करण्यासाठी अ्याटलसचा वापर करणे या क्षेत्रातून येईल. अनेक जन्मजात परिस्थितीमध्ये विशिष्ट प्रक्रियांमध्ये सूक्ष्म दोष अंतर्भूत आहेत—neurulation, somitogenesis, cardiogenesis—ज्या अ्याटलसद्वारे कॅप्चर केल्या गेलेल्या भ्रूणविज्ञान टप्प्यांमध्ये प्रतिनिधित्व केले जातात. जन्मजात परिस्थितीशी संबंधित परिवर्तनांसह सामान्य जीन अभिव्यक्ती दृश्य मॉडेल जीवांमध्ये तुलना करणे आण्विक घटना ओळखू शकते जी चुकीची होत आहेत आणि संभाव्य हस्तक्षेप बिंदूंचा सुचवू शकते.

तंत्रज्ञान सुलभता आणि भविष्यातील दिशानिर्देश

Spatial transcriptomics विशेष संशोधन साधन पासून व्यापकपणे सुलभ मंच तंत्रज्ञान मध्ये जात आहे, 10x Genomics आणि Vizgen सारख्या कंपन्यांद्वारे व्यावसायिक विकास चलविलेला. या अभ्यासात अहवाल दिलेल्या संपूर्ण-भ्रूण सूक्ष्म सेलुलर दृष्टिकोन उच्च-अंत अंमलबजावणीचा प्रतिनिधित्व करते ज्यामध्ये अजून दिनचर्या नाही, परंतु अंतर्गत तत्त्वे संबंधित उपकरणे आणि अभिकर्मक परिपक्व होत असताना व्यापक ग्रहण अनुकूल आहेत. भविष्यातील दिशानिर्देशांमध्ये अ्याटलस नंतरच्या विकास टप्प्यांपर्यंत विस्तृत करणे, मानवी भ्रूण organoidमध्ये तंत्र लागू करणे, आणि स्थानिकरित्या सोडवलेल्या अभिव्यक्ती डेटाचा वापर प्रशिक्षण संचह्रूप करणे गणकीय मॉडेलांसाठी जी पूर्वानुमान देऊ शकतात की विकास कार्यक्रम कसे प्रतिक्रिया देतात अनुवंशिक किंवा पर्यावरणीय perturbations.

हा लेख Science (AAAS) द्वारे रिपोर्टिंग वर आधारित आहे. मूळ लेख वाचा.