புதிய முதன்மை மரபணு சோதனைக்கான வாதத்தை ஆராய்ச்சியாளர்கள் முன்வைக்கின்றனர்
Medical Xpress வழங்கிய மூல உரையின் படி, 1,000 நோயாளிகளை உள்ளடக்கிய ஒரு ஆய்வு, நீள-வாசிப்பு genome sequencing அரிய மரபணு கோளாறுகளுக்கான கண்டறிதல் விகிதங்களை மேம்படுத்தவும், ஏற்கனவே பயன்பாட்டில் உள்ள பல சோதனைகளின் இடத்தைப் பெறவும் முடியும் என்பதை கண்டறிந்துள்ளது. Radboud University Medical Center மற்றும் Maastricht UMC+ ஆராய்ச்சியாளர்கள், தற்போதைய நிலையான கண்டறிதல்களுடன் ஒப்பிடுகையில் இந்த சோதனை 3 சதவீதம் அதிகமான diagnoses அளித்ததாகவும், 15 பிற சோதனைகளுக்கு மாற்றாக இருக்கக்கூடும் என்றும் கூறி, உலகளவில் அரிய மரபணு கோளாறுகளுக்கு இதை முதல் தேர்வாக பரிந்துரைக்கின்றனர்.
முதல் பார்வையில் இது சிறிய முன்னேற்றமாகத் தோன்றலாம்; ஆனால் அரிய நோய் மருத்துவத்தில், சிறிய முன்னேற்றங்கள்கூட மிக முக்கியமானவை. மூல உரையில் 7,000-க்கும் மேற்பட்ட அரிய நோய்கள் உள்ளன என்றும், உலகளவில் 400 மில்லியன் பேர் வரை பாதிக்கப்படுகின்றனர் என்றும் குறிப்பிடப்படுகிறது. அவற்றில் சுமார் 80 சதவீதத்திற்கு மரபணுக் காரணம் உள்ளது; இருந்தாலும் diagnosis பெற ஆண்டுகள் ஆகலாம். நோயாளிகளுக்கும் குடும்பங்களுக்கும், அந்த தாமதம் நீண்டகாலத் தெளிவின்மை, துண்டிக்கப்பட்ட பராமரிப்பு, திட்டமிடும் வாய்ப்புகள் இழப்பு, மற்றும் மீண்டும் மீண்டும் சோதனை செய்வதற்கு வழிவகுக்கும்.
இன்றைய diagnostics ஏன் போதுமானதாக இல்லை
நிலையான மரபணு diagnostics பெரும்பாலும் பல சோதனைகளை உள்ளடக்கியதாக இருக்கும்; அவற்றில் ஒவ்வொன்றும் வெவ்வேறு வகையான abnormality-யை பிடிக்க வடிவமைக்கப்பட்டிருக்கும். செயல்முறை மெதுவாகவும் துண்டித்த துண்டாகவும் இருக்கலாம்; ஒரு உறுதியான பதிலுக்குச் செல்லும் முன், அல்லது எப்போதாவது அத்தகைய பதிலை அடையாமலும், மருத்துவர்கள் பல்வேறு பகுப்பாய்வுகளைத் தொடர வேண்டியிருக்கும். அந்த சிக்கல்தான் புதிய கண்டுபிடிப்புகள் முக்கியமானவையாக இருப்பதற்கான காரணங்களில் ஒன்றாகும்.
நீள-வாசிப்பு அணுகுமுறை genome-ஐ எவ்வாறு ஒன்றிணைத்து விளக்குகிறோம் என்பதைக் மாற்றுகிறது. வழங்கப்பட்ட உரையின் படி, தற்போதைய முறைகள் பெரும்பாலும் DNA-வை சுமார் 300 building blocks அளவுள்ள துண்டுகளாக வாசிக்கின்றன; பின்னர் அவை முழு வரிசையாக ஒன்றிணைக்கப்பட வேண்டும். புதிய சோதனை 20,000 building blocks வரை உள்ள பகுதிகளை வாசிக்கிறது. ஆராய்ச்சியாளர்கள் இதை பெரிய துண்டுகள் கொண்ட jigsaw puzzle-ஐ ஒன்றுசேர்ப்பதற்குச் சமமாகக் கூறுகின்றனர்; இதனால் முழுப் படம் மீளமைக்க எளிதாகி, கட்டமைப்பில் சிக்கலான மாற்றங்களைத் தவறவிடும் அபாயம் குறைகிறது.
நீளமான reads மட்டுமல்ல, மேலும் முழுமையான data
வேட்பாளர் உரை, read length-ஐத் தாண்டியும் மற்றொரு நன்மையை எடுத்துக்காட்டுகிறது: புதிய சோதனை DNA-வின் வெளிப்புறத்தில் நிகழும் மாற்றங்களையும் பிடிக்கிறது. அந்த மாற்றங்கள் genes-ஐ இயக்கவோ அணைக்கவோ முடியும்; அவை தாமும் அரிய கோளாறுகளில் தொடர்புடையவையாக இருக்கலாம். இதன் பொருள், இந்த நுட்பம் சுத்தமான sequence ஒன்றை மட்டுமே உருவாக்குவதில்லை; தற்போதைய diagnostics தவறவிடக்கூடிய உயிரியல் ரீதியாகப் பொருத்தமான தகவல்களின் இன்னொரு அடுக்கையும் வழங்குகிறது.
இந்த இணைப்பு, ஏன் இந்த சோதனை இவ்வளவு பிற முறைகளின் இடத்தைப் பிடிக்கக்கூடும் என்பதை விளக்குகிறது. வெவ்வேறு வகையான மரபணு மாற்றங்களுக்கு தனித்தனி பகுப்பாய்வுகளை ஆர்டர் செய்வதற்குப் பதிலாக, மருத்துவர்கள் ஒரே முதன்மை workflow-இலிருந்து பரந்த, மேலும் ஒருங்கிணைந்த dataset-ஐப் பெற முடியும். நோயாளிகள் பெரும்பாலும் diagnosis ஓடிசியில் சிக்கித் தவிக்கும் துறையில், உயர்ந்த yield-ஐப் பார்க்கும் முன்பே பல படிகளை ஒன்றாகச் சுருக்குவது மதிப்புடையதாகும்.
3 சதவீத உயர்வு ஏன் முக்கியம்
diagnosis-களில் பதிவான 3 சதவீத உயர்வை சிறியதாகக் கருதக் கூடாது. 1,000 நோயாளிகள் கொண்ட குழுவில், இதன் பொருள், நிலையான நடைமுறை வழங்காத பதில்களைப் பெறும் கூடுதல் பல குடும்பங்கள். அரிய நோய் பராமரிப்பில், diagnosis treatment planning, reproduction தொடர்பான முடிவெடுத்தல், மனநிலைக் தெளிவு, நிபுணர்களுக்கான அணுகல், மற்றும் அதே நிலையை எதிர்கொள்ளும் நோயாளி சமூகங்களோடு இணைப்பு ஆகியவற்றை பாதிக்க முடியும்.
ஒரு system effect-உம் உள்ளது. ஒரு சோதனை 15 பிற சோதனைகளை மாற்றக்கூடியதாக இருந்தால், அதன் நன்மை துல்லியத்திற்கே மட்டும் வரையறுக்கப்படுவதில்லை. ஆய்வகங்கள் workflow complexity-யை குறைக்கலாம், மருத்துவர்கள் முடிவுகளை வேகமாகப் பெறலாம், மற்றும் health systems வளங்களை மேலும் திறமையாக வழிநடத்தலாம். புதிய முறை வேகமானதும் மேலும் செயல்திறன் வாய்ந்ததுமானது என்று மூல உரை தெளிவாகக் கூறுகிறது; பரவலான ஏற்றுக்கொள்ளலுக்கான வாதத்தில் இது ஒரு முக்கியப் பகுதி.
இதை முதல் தேர்வாக்கும் காரணம்
வழங்கப்பட்ட பொருளில் விவரிக்கப்பட்டுள்ளபடி, ஆராய்ச்சியாளர்களின் பரிந்துரை வழக்கத்திற்கு மாறாக நேரடியாக உள்ளது: அரிய மரபணு கோளாறுகளுக்கான முதல் தேர்வாக நீள-வாசிப்பு genome sequencing-ஐ எல்லா இடங்களிலும் ஏற்றுக்கொள்ள வேண்டும். இது தொழில்நுட்பம் நம்பிக்கையளிப்பதாக மட்டுமே கூறுவதைவிட வலுவான கூற்றாகும். இது diagnosis uplift மட்டுமல்லாமல், தற்போதைய துண்டிக்கப்பட்ட அணுகுமுறையை மாற்றும் செயல்பாட்டு காரணத்திலும் நம்பிக்கையை பிரதிபலிக்கிறது.
எvertheless, உலகளாவிய first-choice adoption-க்கு அறிவியல் ஆதரவுக்கு மேலாக மேலும் பல தேவையாகும். சுகாதார அமைப்புகளுக்கு, சோதனையை தொடர்ந்து இயக்க தேவையான கருவிகள், bioinformatics திறன், சரிபார்க்கப்பட்ட workflows, reimbursement pathways, மற்றும் பயிற்சி பெற்ற பணியாளர்களுக்கான அணுகல் தேவைப்படும். வேட்பாளர் உரை இந்த நடைமுறைப்படுத்தல் கேள்விகளை விவரிக்கவில்லை; ஆனால் பரிந்துரை நடைமுறைக்கு எவ்வளவு விரைவில் மாறும் என்பதை இவையே நிர்ணயிக்கக்கூடும்.
நோயாளிகள் மற்றும் குடும்பங்களுக்கு விளைவுகள்
பரவலான பயன்பாட்டின் உடனடி தாக்கம் diagnosis-க்கு எடுத்துக்கொள்ளும் நேரத்தில் இருக்கும். விளக்கமில்லாத அறிகுறிகளுடன் போராடும் குடும்பங்கள், நிலை மரபணு சார்ந்ததா, முன்னேறும் தன்மையுடையதா, சிகிச்சையளிக்கக்கூடியதா, அல்லது எதிர்காலத்தில் குழந்தைகளை பாதிக்குமா என்பதைத் தீர்மானிக்க நிபுணர் மாறி நிபுணரிடம் சென்று கொண்டிருப்பார்கள். மூல உரை, diagnosis தெளிவை, எதிர்காலத்தைப் பற்றிய புரிதலை, மற்றும் குடும்பத் திட்டமிடலுக்கான ஆதரவைக் கொடுக்கும் என்பதை வலியுறுத்துகிறது. இவை துணை நன்மைகள் அல்ல; better diagnostics ஏன் முக்கியம் என்பதற்கான மையக் காரணங்கள் இவையே.
சில நோயாளிகளுக்கு, diagnosis clinical trials, targeted surveillance, அல்லது disease-specific management-க்கு கதவைத் திறக்கக்கூடும்; இல்லையெனில் அவை கிடைக்காமல் போயிருக்கும். சிகிச்சை எதுவும் இல்லாத நிலையிலும் கூட, கோளாறின் காரணத்தை அறிதல் பராமரிப்பை அர்த்தமுள்ள விதங்களில் வடிவமைக்க முடியும்.
ஜெனோமிக்ஸ் எங்கு செல்கிறது என்பதற்கான ஒரு சைகை
இந்த ஆய்வு மருத்துவ ஜெனோமிக்ஸின் ஒரு பரந்த திசையையும் சுட்டிக்காட்டுகிறது. இந்த துறை குறுகிய, தொடர்ச்சியான சோதனைகளிலிருந்து விலகி, ஒரே முறை முயற்சியில் மரபணு மற்றும் எபிஜெனெடிக் தகவல்களின் பரந்த வரம்பை பிடிக்கும் வளமான, மேலும் ஒருங்கிணைந்த data sets-ஐ நோக்கி நகர்கிறது. நீள-வாசிப்பு sequencing அந்தப் பாதையைப் பின்பற்றுகிறது; ஏனெனில் இது diagnosis yield-ஐ உயர்த்துவதோடு, testing pathway-யை எளிமைப்படுத்துவதையும் வாக்குறுதி செய்கிறது.
புதிய முறை அரிய-நோய் மருத்துவத்தின் ஒவ்வொரு சவாலையும் தீர்க்கும் என்று வழங்கப்பட்ட உரை கூறவில்லை. ஆனால் தற்போதைய default இனி சிறந்தது அல்லவாக இருக்கலாம் என்பதற்கான வலுவான வாதத்தை அது முன்வைக்கிறது. ஒரே சோதனை அதிக நோயாளிகளை diagnosis செய்யவும், பல பிற சோதனைகளின் இடத்தைப் பெறவும் முடிந்தால், பழைய workflow-ஐ பாதுகாக்க வேண்டிய பொறுப்பு அதைப் பின்பற்றுவோர்மீது செல்கிறது.
முக்கியக் கருத்து
அரிய-நோய் diagnosis பெரும்பாலும் தாமதம், தெளிவின்மை, மற்றும் முழுமையற்ற பதில்களால் வரையறுக்கப்படுகிறது. 1,000 நோயாளிகள் கொண்ட இந்த ஒப்பீட்டின் அறிக்கையிடப்பட்ட முடிவுகள், நீள-வாசிப்பு genome sequencing இந்த நிலையை நடைமுறையில் மேம்படுத்த முடியும் என்பதைச் சுட்டுகின்றன: அதிக diagnosis-கள், குறைவான தனி சோதனைகள், மற்றும் முதலில் ஒரு விரிவான முறையைப் பயன்படுத்துவதற்கான வலுவான காரணம். சுகாதார அமைப்புகள் இந்த மாற்றத்தை செயல்படுத்த முடிந்தால், பல நோயாளிகளின் diagnosis பயணம் குறுகியதும் மேலும் உறுதியானதுமானதாக மாறக்கூடும்.
இந்த கட்டுரை Medical Xpress அறிக்கையை அடிப்படையாகக் கொண்டது. மூல கட்டுரையைப் படிக்கவும்.
Originally published on medicalxpress.com
