வழக்கமான இரத்த மாதிரிகளில் தகவலின் புதிய அடுக்கு
ஒவ்வொரு வழக்கமான இரத்த மாதிரியிலும் நோயெதிர்ப்பு செல்களின் பல்வகை மக்கள் தொகை உள்ளது; இவை இணைந்து peripheral blood mononuclear cells (PBMCs) என்று அழைக்கப்படுகின்றன. இந்த செல்கள் மருத்துவ மற்றும் ஆராய்ச்சி பணிச்சூழல்களில் ஒரு முக்கிய அங்கமாக உள்ளன, தொற்றுகள், தன்னுடல் தாக்கக் கோளாறுகள், புற்றுநோய், மற்றும் சிகிச்சைக்கு ஒரு நோயாளியின் நோயெதிர்ப்பு மண்டலம் எவ்வாறு பதிலளிக்கிறது என்பதற்கான ஒரு சாளரத்தை வழங்குகின்றன. ஆனால் மேற்பரப்பு குறிகளுடன் இணையும் ஒளிபிளப்பு (fluorescent) குறிச்சொற்களை நம்பும் PBMCகளை பகுப்பாய்வு செய்யும் பாரம்பரிய முறைகள், எந்த செல்கள் உள்ளன என்பதை மட்டுமே காட்டுகின்றன - அந்த செல்கள் உண்மையில் எவ்வாறு செயல்படுகின்றன என்பதை அல்ல. மேலும், தயாரிப்பு செயல்முறை செல்களையே மாற்றக்கூடும்; இதனால் முடிவுகள் சாய்வு பெறலாம்.
இப்போது, Biophotonics Discovery இதழில் வெளியிடப்பட்ட ஒரு புதிய ஆய்வு, சிக்கலான, பல்வேறு தன்மைகளைக் கொண்ட மாதிரியில் உள்ள தனிப்பட்ட நோயெதிர்ப்பு செல்களின் மாற்றுச் செயல்பாட்டை போல, இதற்கு முன் மறைந்திருந்த ஒரு பரிமாணத்தை மேம்பட்ட ஒளி இமேஜிங் எவ்வாறு வெளிக்கொணர முடியும் என்பதை காட்டுகிறது. Morgridge Institute for Research மற்றும் University of Wisconsin–Madison ஆராய்ச்சியாளர்கள் உருவாக்கிய இந்த லேபல் இல்லாத அணுகுமுறை, ஒரு எளிய இரத்த எடுத்தலில் உள்ள வளமான தரவை மருத்துவர்கள் மற்றும் விஞ்ஞானிகள் எவ்வாறு புரிந்துகொள்கிறார்கள் என்பதை மாற்றக்கூடும்.
PBMCகள் ஏன் முக்கியம்
PBMCகளை மருத்துவ மாதிரிகளில் இருந்து எளிதாக பிரிக்க முடியும், மேலும் அவை ஏற்கனவே நோயறிதல் மற்றும் சிகிச்சை பணிச்சூழல்களில் இணைக்கப்பட்டுள்ளன என்று ஆய்வின் மூத்த எழுத்தாளரும் Morgridge Institute மற்றும் University of Wisconsin–Madison ஆராய்ச்சியாளருமான Melissa Skala குறிப்பிட்டார். "PBMCs-ஐ மருத்துவ ரீதியாக மிகவும் எளிதாகப் பிரிக்க முடியும், மேலும் அவை ஏற்கனவே clinical workflow-இல் பயன்படுத்தப்படுகின்றன," என்று Skala கூறினார். "அப்படியானால், அவற்றிலிருந்து நாம் ஏற்கனவே பெறாததை என்ன பெற முடியும்?"
அந்தக் கேள்வி அதிகரித்துவரும் மருத்துவ முக்கியத்துவத்தை கொண்டுள்ளது. PBMCகள் இரத்தப் புற்றுநோய்கள், sepsis, lupus, மற்றும் அறிவாற்றல் குறைவு போன்ற பல்வேறு நிலைகளில் வழக்கமாக ஆய்வு செய்யப்படுகின்றன. அவை CAR T-cell therapies-க்கான தொடக்கப் பொருளாகவும் செயல்படுகின்றன; இதில் நோயாளியின் சொந்த நோயெதிர்ப்பு செல்கள் புற்றுநோயை அறிந்து தாக்குமாறு வடிவமைக்கப்படுகின்றன. இத்தகைய பயன்பாடுகளில், எத்தனை நோயெதிர்ப்பு செல்கள் உள்ளன என்பதையும், அவை எவ்வளவு மாற்றுச்செயல்பாட்டுடன் மற்றும் ஆரோக்கியமாக உள்ளன என்பதையும் புரிந்துகொள்வது, நோய் முன்னேற்றம் மற்றும் சிகிச்சை முடிவுகள் குறித்து ஆழமான பார்வையை வழங்கக்கூடும்.
உதாரணமாக, sepsis உள்ள ஒரு நோயாளியில் சாதாரணமாகத் தோன்றும் நோயெதிர்ப்பு செல்களின் எண்ணிக்கை இருக்கலாம், ஆனால் தனிப்பட்ட செல்கள் மாற்றுச்செயல்பாட்டில் சோர்வடைந்தோ அல்லது மிகைச் செயல்பாட்டிலோ இருக்கலாம். அதேபோல், CAR T-cell உற்பத்தியில் சேகரிக்கப்பட்ட செல்களின் மாற்றுச் செயல்நிலை, இறுதி சிகிச்சைப் பொருளின் தரம் மற்றும் வலிமையை பாதிக்கக்கூடும். ஆனால் இதுவரை, வழக்கமான பகுப்பாய்வு முறைகள் இந்த செயல்பாட்டு பரிமாணத்தை பெரும்பாலும் புறக்கணித்துள்ளன.
பாரம்பரிய குறியிடும் நுட்பங்களின் வரம்புகள்
பாரம்பரியமாக, நோயெதிர்ப்பு-செல் மாற்றுச் செயல்பாட்டை அளவிட, குறிப்பிட்ட செல்கள் தொகுதிகளை பிரிக்கவோ அல்லது ஒளிபிளப்பு குறிச்சொற்கள் மற்றும் ரசாயன probes சேர்க்கவோ வேண்டியிருந்தது. இந்த உத்திகள் குறிப்பிடத்தக்க குறைபாடுகளைக் கொண்டுள்ளன. செல்களைப் பிரிப்பது, வெவ்வேறு நோயெதிர்ப்பு செல் வகைகளுக்கு இடையேயான இயற்கை தொடர்பை குலைக்கிறது; இது செயல்பாட்டில் முக்கியமானதாக இருக்கலாம். ஒளிபிளப்பு dyes மற்றும் ரசாயன probes செல்களின் நடத்தை மாற்றக்கூடும், மாதிரியைச் செலவழிக்கக்கூடும், அல்லது செல்களின் செயல்பாட்டை நேரடியாக காட்டாமல் ஒரு நிலைபடத்தை மட்டுமே வழங்கக்கூடும்.
மேலும், இந்த முறைகள் செல்களை அழிக்கவோ அல்லது நிரந்தரமாக மாற்றவோ செய்யலாம்; இதனால் cell therapy போன்ற பின்வரும் பயன்பாடுகளுக்கு அவற்றைப் பயன்படுத்துவது கடினமாகவோ சாத்தியமற்றதாகவோ ஆகும். அவை பொதுவாக மாதிரியை முழுமையாகக் கையாளுகின்றன, உயிரியல் ரீதியாக முக்கியமான தனிப்பட்ட செல்களுக்கிடையிலான வேறுபாடுகளை சராசரியாக்குகின்றன. உதாரணமாக, ஒரு கட்டியில் மிகவும் வேறுபட்ட மாற்றுச் செயல்நிலைகளைக் கொண்ட நோயெதிர்ப்பு செல்கள் இருக்கலாம், மேலும் bulk measurement அந்த பல்வகை தன்மையை மறைத்துவிடும்.
புதிய ஆய்வு இந்த பிரச்சினைகளை முற்றிலும் தவிர்க்கிறது. இது ஒரு அழிக்காத நுட்பத்தைப் பயன்படுத்துகிறது; அதில் கலந்த PBMC மக்கள்தொகையின் பகுதியாக இருக்கும் தனிப்பட்ட நோயெதிர்ப்பு செல்களில் மாற்றுச்செயல்பாடு அளவிடப்படுகிறது, இயற்கை திசு சூழலைப் பாதுகாத்து, இமேஜிங்குக்குப் பின்னரும் மேலதிக பகுப்பாய்வை அனுமதிக்கிறது.
ஒளி மாற்றுச் செயல்பாட்டு இமேஜிங்: லேபல் இல்லாத அணுகுமுறை
ஆராய்ச்சியாளர்கள் optical metabolic imaging (OMI) எனப்படும் நுட்பத்தைப் பயன்படுத்தினர்; இது Skala Lab-இல் உருவாக்கப்பட்டு மேம்படுத்தப்பட்டது. OMI, செல்களின் ஆற்றல் உற்பத்தியில் ஈடுபடும் NADH மற்றும் FAD போன்ற முக்கிய மாற்றுச் செயல்பாட்டு coenzymes-களின் இயற்கை ஒளிபிளப்பைப் பயன்படுத்துகிறது. நோயெதிர்ப்பு செல்கள் மாற்றுச்செயல்பாட்டில் சுறுசுறுப்பாக இருக்கும்போது, இந்த coenzymes-களின் செறிவு மற்றும் விகிதங்கள் மாறுகின்றன, மேலும் அவற்றின் இயற்கை ஒளிபிளப்பும் அதற்கேற்ப மாறுகிறது.
இந்த மூலக்கூறுகளை குறைந்த தீவிரம் கொண்ட ஒளியால் தூண்டி, வெளியான signal-களைப் பிடிப்பதன் மூலம், OMI எந்த வெளிப்புற குறிச்சொற்கள் அல்லது contrast agents-ஐயும் சேர்க்காமல் single-cell resolution-இல் மாற்றுச் செயல்பாட்டை வரைபடமாக்க முடியும். இதனால் ஆராய்ச்சியாளர்கள் உயிருள்ள செல்களை கிட்டத்தட்ட உடலியல் நிலைகளில் கவனிக்கவும், காலப்போக்கில் ஏற்படும் மாற்றங்களைப் பதிவு செய்யவும் முடிகிறது.

ஆய்வில், மாற்றம் செய்யப்படாத PBMC மாதிரிகளுக்குள் உள்ள நோயெதிர்ப்பு செல் துணைக்குழுக்களின் மாற்றுச் செயல்பாட்டு வேறுபாடுகளை OMI தெளிவாகப் பிரித்தறிய முடியும் என்பதை ஆராய்ச்சியாளர்கள் காட்டினர். இந்த அளவிலான விவரங்களை முன்கால நுட்பங்களால் பெறுவது கடினமாக இருந்தது. இந்த முறை, முதன்மையாக glycolysis-ஐப் பயன்படுத்தும் செல்களை, அதாவது செயல்படுத்தப்பட்ட நோயெதிர்ப்பு செல்களில் பொதுவாகக் காணப்படும் வேகமான ஆனால் குறைவான திறன் கொண்ட ஆற்றல் பாதையை, மற்றும் oxidative phosphorylation-ஐ நம்பியிருக்கும் செல்களை வேறுபடுத்துகிறது; இது ஆற்றல் உற்பத்தியின் மேலும் நிலையான வடிவம். இந்த செயல்பாட்டு வேறுபாடுகள் முக்கியமானவை, ஏனெனில் அவை ஒரு நோயெதிர்ப்பு செல் ஓய்விலா, செயல்பட்டதா, சோர்வடைந்ததா, அல்லது ஒரு குறிப்பிட்ட effector நிலைக்குத் தாவுகிறதா என்பதுடன் தொடர்புடையவை.
OMI-க்கு குறியிடலும் உடல் பாதிப்பும் தேவையில்லாததால், இது நீண்டகால ஆய்வுகளுக்கும் வழிவகுக்கிறது. ஒரே மாதிரியை வெவ்வேறு நேரங்களில் மீண்டும் மீண்டும் இமேஜிங் செய்து, நோயெதிர்ப்பு செல்கள் மருந்துகள், நோய்க்கிருமிகள் அல்லது பிற தூண்டுதல்களுக்கு நேரடியாக எப்படி பதிலளிக்கின்றன என்பதைப் பதிவு செய்யலாம். இது ஒரே தருணத்தை மட்டுமே பிடிக்கும் endpoint assays-களைவிட ஒரு குறிப்பிடத்தக்க முன்னேற்றமாகும்.
மருத்துவ மற்றும் சிகிச்சை விளைவுகள்
இந்த கண்டுபிடிப்புகள் பல மருத்துவ பயன்பாட்டு பகுதிகளுக்கு நம்பிக்கையளிக்கின்றன. உதாரணமாக, புற்றுநோய் நோயெதிர்ப்பியலில், கட்டிக்குள் புகுந்த நோயெதிர்ப்பு செல்களின் மாற்றுச் செயல்நிலை, ஒரு நோயாளி checkpoint inhibitor therapy-க்கு பதிலளிப்பாரா இல்லையா என்பதில் தாக்கம் செலுத்தும் என்று அறியப்படுகிறது. இத்தகைய மாற்றுச் செயல்பாட்டு கையொப்பங்களை எளிய இரத்த எடுத்தலில் இருந்து கிடைக்கும் PBMCகளில் கண்டறிய முடிந்தால், புற்றுநோய் நிபுணர்கள் சிகிச்சை காலத்தில் நோயெதிர்ப்பு செயல்பாட்டைக் கண்காணிக்க ஒரு non-invasive வழியைப் பெறலாம்.
CAR T-cell therapy-யில், ஒரு நோயாளியின் T cells-ஐ சேகரித்து, வடிவமைத்து, பெருக்குவது செலவானதும் உழைப்பானதும். சில CAR T-cell தயாரிப்புகள் implant ஆகத் தவறுவதோ அல்லது infusion-க்கு பிறகு வலிமையை இழப்பதோ, ஆரம்ப செல்களின் மோசமான மாற்றுச் செயல்நிலையுடன் தொடர்புடையதாக இருக்கலாம். engineering-க்கு முன் மிகவும் மாற்றுச்செயல்பாட்டில் வலுவான செல்களைத் தேர்வுசெய்ய OMI-யைப் பயன்படுத்துவது முடிவுகளை மேம்படுத்தலாம்.
Lupus போன்ற தன்னுடல் தாக்க நோய்களிலும் சிக்கலான நோயெதிர்ப்பு ஒழுங்கு குலைவு காணப்படுகிறது, மேலும் நோய் செயல்பாட்டை மதிப்பிட PBMCகள் அடிக்கடி பரிசோதிக்கப்படுகின்றன. OMI-யிலிருந்து பெறப்படும் ஒரு மாற்றுச் செயல்பாட்டு biomarker தற்போதைய serological markers-க்கு துணையாக இருந்து, நோய்நிலையின் முழுமையான பார்வையை வழங்கி, சிகிச்சை மாற்றங்களை வழிநடத்தலாம்.
தொற்றுநோய் சூழலில், sepsis இன்னும் ஒரு முக்கிய மருத்துவ சவாலாக உள்ளது. septic நோயாளிகளின் நோயெதிர்ப்பு செல்கள் பெரும்பாலும் அழற்சி-எதிர்ப்பு, மாற்றுச்செயல்பாட்டில் அடக்கப்பட்ட நிலைக்குத் தாவுகின்றன; ஆனால் அதை அளவிடுவது கடினமாக இருந்தது. OMI, நோயாளியின் படுக்கையருகிலேயே நோயெதிர்ப்பு செல்களின் செயல்பாட்டு நிலையைத் துல்லியமாக மதிப்பிட மருத்துவர்களுக்கு உதவக்கூடும்; இதன் மூலம் தனிப்பட்ட நோயாளிகளில் systemic inflammation மற்றும் immune paralysis ஆகியவற்றை வேறுபடுத்த முடியும்.
மருத்துவப் பயன்பாட்டிற்கு பாதை அமைத்தல்
Skala Lab ஒரு தசாப்தத்துக்கும் மேலாக OMI-யை உருவாக்கி வருகிறது, மேலும் முன்னர் இதை tissue biopsies, tumor models, மற்றும் organoids-க்கு பயன்படுத்தியுள்ளது. இந்த புதிய வேலை, அணுகுதலை blood-based PBMC மாதிரிகளுக்கு விரிவுபடுத்துகிறது; இவை மருத்துவ சூழல்களில் tissue specimens-ஐவிட மிக எளிதாகப் பெற முடியும்.
PBMCகள் ஏற்கனவே வழக்கமான clinical workflows-இன் பகுதியாகப் பிரிக்கப்படுகின்றன என்பது ஒரு பெரிய நன்மை. "PBMCs-ஐ மருத்துவ ரீதியாக மிகவும் எளிதாகப் பிரிக்க முடியும், மேலும் அவை ஏற்கனவே clinical workflow-இல் பயன்படுத்தப்படுகின்றன," என்று Skala மீண்டும் வலியுறுத்தினார்; adoption-க்கு குறைந்த தடையை அவர் சுட்டிக்காட்டினார். OMI கருவிகள் இன்னும் சிறப்பு வகையானவையாக இருந்தாலும், அவை research மற்றும் clinical laboratories-இல் அதிகமாகக் கிடைக்கின்றன, மேலும் இந்த நுட்பத்தின் அழிக்காத தன்மை காரணமாக, அது ஏற்கனவே உள்ள assays-க்கு முன்பாகவோ அல்லது cell-processing pipelines-இல் கூட இணைக்கப்படலாம்.
ஆனால் OMI ஒரு நிலையான diagnostic tool ஆக மாறுவதற்கு முன் இன்னும் சில படிகள் உள்ளன. established disease outcomes-க்கு எதிராக மாற்றுச் செயல்பாட்டு சிக்னேச்சர்களை உறுதிப்படுத்தவும், குறிப்பிட்ட நிலைகளில் "ஆரோக்கியமான" மற்றும் "ஒழுங்கு குலைந்த" மாற்றுச் செயல்பாட்டு profile என்றால் என்ன என்பதை வரையறுக்கவும் பெரிய clinical studies தேவை. மருத்துவ ஆய்வகங்களுக்கு உபகரணங்களும் மேலும் user-friendly-ஆவும் செலவுச்செலுத்தக்கூடியதாகவும் மாற வேண்டும். இருந்தாலும், லேபல் இல்லாத இமேஜிங்கின் தொழில்நுட்ப எளிமை ஒரு நம்பிக்கையளிக்கும் அறிகுறி.
வழக்கமான PBMCகள் லேபல் இல்லாத ஒளி இமேஜிங் மூலம் அணுகக்கூடிய மறைந்த மாற்றுச் செயல்பாட்டு தகவலைக் கொண்டுள்ளன என்ற கண்டுபிடிப்பு, நோயெதிர்ப்பு கண்காணிப்பில் ஒரு புதிய முனையை பிரதிபலிக்கிறது. ஆராய்ச்சியாளர்கள் இப்போது பல்வேறு நோய்களில் மாற்றுச் செயல்பாட்டு நிலைகளை பட்டியலிடவும், அவற்றை நோயாளி சிகிச்சைப் பதில்களுடன் தொடர்புபடுத்தவும் மேலும் ஆய்வுகளை முன்னெடுத்து வருகின்றனர். அருகிலுள்ள எதிர்காலத்தில், ஒரு எளிய இரத்த மாதிரி வெறும் செல் எண்ணிக்கையை விட அதிகத்தை வழங்கலாம் - அது அதனுள் உள்ள ஒவ்வொரு நோயெதிர்ப்பு செல்லின் செயல்பாட்டு நிலையையும் வெளிச்சமிட்டு, தற்போது கிட்டத்தட்ட எதிர்காலத் தோற்றமாகத் தோன்றும் விதங்களில் தனிப்பயன் சிகிச்சையை வழிநடத்தலாம்.
இந்தக் கட்டுரை Phys.org செய்தி வெளியீட்டை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.
Originally published on phys.org



