एआई फ्रेमवर्क ने छिपी हुई कैंसर स्टेम कोशिकाओं की पहचान की, जिससे सटीक चिकित्सा का नया मार्ग प्रशस्त हुआ।

वैज्ञानिकों ने एक नया कृत्रिम बुद्धिमत्ता (एआई) ढांचा विकसित किया है जो कैंसर स्टेम-जैसी कोशिकाओं की छिपी हुई आबादी की पहचान करने में सक्षम है जो ट्यूमर की पुनरावृत्ति, मेटास्टेसिस और उपचार प्रतिरोध के लिए जिम्मेदार हो सकती हैं, जिससे सटीक कैंसर चिकित्सा के लिए नए रास्ते खुल सकते हैं।

विज्ञान और प्रौद्योगिकी विभाग (डीएसटी) के अधीन एक स्वायत्त संस्थान, एसएन बोस राष्ट्रीय बुनियादी विज्ञान केंद्र (एसएनबीएनसीबीएस) के शोधकर्ताओं ने अशोका विश्वविद्यालय के सहयोग से ट्यूमर जीन-अभिव्यक्ति डेटा से दुर्लभ कैंसर स्टेम-जैसी कोशिका अवस्थाओं का पता लगाने के लिए एआई-आधारित ढांचा विकसित किया है।

यह तकनीक उन परिस्थितियों में बड़ी संख्या में रोगी नमूनों का विश्लेषण करने में विशेष रूप से उपयोगी हो सकती है जहां उच्च-रिज़ॉल्यूशन एकल-कोशिका अनुक्रमण सुविधाएं आसानी से उपलब्ध नहीं हैं।

कैंसर के उपचार से बड़ी संख्या में ट्यूमर कोशिकाएं नष्ट हो सकती हैं, लेकिन कोशिकाओं का एक छोटा समूह उपचार के बाद भी जीवित रह सकता है और ट्यूमर के पुनरावर्तन, अन्य अंगों में उनके प्रसार और उपचार के प्रति प्रतिरोधक क्षमता के विकास में योगदान दे सकता है। वैज्ञानिकों को लंबे समय से संदेह रहा है कि दुर्लभ कैंसर स्टेम-जैसी कोशिकाएं इन प्रक्रियाओं में महत्वपूर्ण भूमिका निभाती हैं।

हालांकि, इन कोशिकाओं की पहचान करना मुश्किल बना हुआ है क्योंकि ये दुर्लभ हैं और समय के साथ अपनी जैविक पहचान बदल सकती हैं।

कैंसर स्टेम-जैसी कोशिकाओं की तीन अवस्थाओं की पहचान की गई

डॉ. शुभासिस हलदार के नेतृत्व में, शोध दल ने ACSCeND (AI-आधारित कैंसर स्टेम-जैसे सेल प्रोफाइलर और नियोप्लाज्म डीकनवोल्यूटर) नामक एक ढांचा विकसित किया।

पारंपरिक कम्प्यूटेशनल दृष्टिकोणों के विपरीत, जो ट्यूमर को एक एकल “स्टेमनेस” स्कोर प्रदान करते हैं, ACSCeND कैंसर स्टेम-जैसी कोशिकाओं की तीन अलग-अलग विकासात्मक अवस्थाओं की पहचान करता है – प्लुरिपोटेंट-जैसी, मल्टीपोटेंट-जैसी और यूनिपोटेंट-जैसी।

यह प्रणाली उच्च-रिज़ॉल्यूशन एकल-कोशिका अनुक्रमण से प्राप्त जानकारी को डीप लर्निंग के साथ मिलाकर पारंपरिक बल्क ट्यूमर आरएनए अनुक्रमण डेटा का विश्लेषण करती है। इससे शोधकर्ताओं को उन हजारों रोगी नमूनों में छिपी हुई कोशिका आबादी की पहचान करने में मदद मिलती है जहां एकल-कोशिका अनुक्रमण उपलब्ध नहीं हो सकता है।

25,000 से अधिक ट्यूमर नमूनों का विश्लेषण किया गया

शोधकर्ताओं ने मौजूदा कम्प्यूटेशनल विधियों के मुकाबले ACSCeND का परीक्षण किया और पाया कि यह स्वतंत्र डेटासेट और विभिन्न अनुक्रमण प्लेटफार्मों में लगातार बेहतर प्रदर्शन करता है।

इस फ्रेमवर्क का उपयोग बाद में द कैंसर जीनोम एटलस (टीसीजीए) और प्रीकोग सहित प्रमुख अंतरराष्ट्रीय कैंसर डेटाबेस से 25,000 से अधिक ट्यूमर नमूनों का विश्लेषण करने के लिए किया गया था।

विश्लेषण में पाया गया कि उच्च स्तर की अत्यधिक शक्तिशाली, बहुशक्तिशाली जैसी कैंसर स्टेम कोशिकाओं वाले ट्यूमर खराब रोगी उत्तरजीविता, ट्यूमर की पुनरावृत्ति की अधिक संभावना और आधुनिक प्रतिरक्षा चिकित्सा के प्रति कम प्रतिक्रिया से जुड़े थे।

इस ढांचे ने उन आणविक कार्यक्रमों की पहचान करने में भी मदद की जो इन कैंसर स्टेम-जैसी कोशिकाओं को जीवित रहने, अनुकूलन करने और प्रतिरक्षा प्रणाली से बचने में सक्षम बनाते हैं।

यह पहले के एआई प्लेटफॉर्म पर आधारित है।

यह नया शोध, शोध दल के पहले के एआई प्लेटफॉर्म, ऑनकोमार्क पर आधारित है, जिसे लाखों कोशिकाओं में कैंसर की प्रगति को संचालित करने वाली जैविक विशेषताओं को समझने के लिए डिज़ाइन किया गया था और इसने 99 प्रतिशत से अधिक पूर्वानुमान सटीकता हासिल की थी।

जहां ऑनकोमार्क कैंसर की प्रगति के अंतर्निहित जैविक प्रक्रियाओं को समझने पर केंद्रित था, वहीं नया एसीएससीईएनडी ढांचा कैंसर जीव विज्ञान में सबसे कठिन चुनौतियों में से एक को संबोधित करता है – उन दुर्लभ स्टेम-जैसी कोशिकाओं की पहचान करना जो ट्यूमर के विकास और उपचार की विफलता में योगदान करती हैं।

शोधकर्ताओं का मानना ​​है कि ये निष्कर्ष अंततः उन रोगियों की पहचान करने में मदद कर सकते हैं जिन्हें बीमारी के दोबारा होने का अधिक खतरा है, संभावित दवा लक्ष्यों की खोज करने और अधिक प्रभावी व्यक्तिगत कैंसर उपचार रणनीतियों को विकसित करने में सहायक हो सकते हैं।

यह अध्ययन जैव चिकित्सा अनुसंधान में कृत्रिम बुद्धिमत्ता की बढ़ती भूमिका को भी उजागर करता है, जहां एआई उपकरण विशाल जीनोमिक डेटासेट में जटिल जैविक पैटर्न की पहचान कर सकते हैं जिन्हें पारंपरिक विश्लेषण के माध्यम से पता लगाना मुश्किल होगा।

शोधकर्ताओं के अनुसार, ऑनकोमार्क और एसीएससीईएनडी जैसी प्रौद्योगिकियां कैंसर के निदान, उपचार-प्रतिक्रिया की भविष्यवाणी और सटीक चिकित्सा में प्रगति को गति देने के लिए एआई की क्षमता को प्रदर्शित करती हैं, साथ ही उन्नत अनुक्रमण प्रौद्योगिकियों तक सीमित पहुंच वाले परिवेश में भी रोगी डेटा के विश्लेषण को सक्षम बनाती हैं।