স্ট্যাটিক স্ন্যাপশট থেকে গতিশীল তথ্য পান

একক-কোষ RNA সিকোয়েন্সিং (scRNA-seq) ব্যবহার করে ভ্রূণের বিকাশ, কোষের পার্থক্য, ক্যান্সার গঠন এবং কীভাবে ইমিউন সিস্টেম সাড়া দেয় তা অধ্যয়নের জন্য গবেষকরা যে চ্যালেঞ্জগুলির মুখোমুখি হন তার তুলনায় এই চ্যালেঞ্জটি ফ্যাকাশে হয়ে যায়।

আজ প্রকাশিত একটি গবেষণাপত্রে ন্যাশনাল একাডেমি অফ সায়েন্সেসের কার্যধারাশিকাগো বিশ্ববিদ্যালয়ের প্রিটজকার স্কুল অফ মলিকুলার ইঞ্জিনিয়ারিং এবং রসায়ন বিভাগের গবেষকরা টপিকভেলো তৈরি করেছেন, একটি শক্তিশালী নতুন পদ্ধতি যা সময়ের সাথে কোষ এবং জিন কীভাবে পরিবর্তিত হয় তা অধ্যয়নের জন্য scRNA-seq-এর স্ট্যাটিক স্ন্যাপশট ব্যবহার করে।

দলটি একটি আন্তঃবিষয়ক, সহযোগিতামূলক পদ্ধতি গ্রহণ করেছে যা ক্লাসিক্যাল মেশিন লার্নিং, কম্পিউটেশনাল বায়োলজি এবং রসায়নের ধারণাগুলিকে মিশ্রিত করেছে।

“অনিয়ন্ত্রিত মেশিন লার্নিংয়ের পরিপ্রেক্ষিতে, আমরা একটি খুব সাধারণ, সুপ্রতিষ্ঠিত ধারণা ব্যবহার করি। আমরা যে ট্রান্সক্রিপশন মডেলটি ব্যবহার করি তার পরিপ্রেক্ষিতে, এটি একটি খুব সাধারণ, পুরানো ধারণা। কিন্তু আপনি যখন সেগুলিকে একত্রিত করেন, তখন তারা এর চেয়ে বেশি শক্তিশালী কিছু করে আপনি আশা করেন,” বলেন সামান্থা রিসেনফেল্ড, আণবিক প্রকৌশল ও ওষুধের পিএমই সহকারী অধ্যাপক, যিনি রসায়ন বিভাগের অধ্যাপক সূর্যনারায়ণন বৈকুন্তনাথনের সাথে গবেষণার সহ-লেখক এবং তাদের সহ-ছাত্র চেং ফ্রাঙ্ক গাউ, রসায়নে ডক্টরেট ছাত্র। শিকাগো বিশ্ববিদ্যালয়ে এই প্রবন্ধটি।

ছদ্ম সময় নিয়ে ঝামেলা

গবেষকরা শক্তিশালী এবং বিস্তারিত পরিমাপ পেতে scRNA-seq ব্যবহার করেন, কিন্তু প্রকৃতিতে স্থির।

“আমরা টপিকভেলো তৈরি করেছি যাতে scRNA-seq ডেটা থেকে সেল স্টেট ট্রানজিশন অনুমান করা যায়,” Riesenfeld বলেছেন। “এই ধরণের ডেটা থেকে এটি করা কঠিন কারণ scRNA-seq ধ্বংসাত্মক। আপনি যখন এইভাবে কোষগুলি পরিমাপ করেন, আপনি কোষগুলিকে ধ্বংস করেন।”

এটি গবেষকদের একটি কোষ পরিমাপ/ব্যহত হওয়ার মুহূর্তের একটি স্ন্যাপশট পেতে দেয়।যদিও scRNA-seq সর্বোত্তম ট্রান্সক্রিপ্টোম-ওয়াইড স্ন্যাপশট প্রদান করে, অনেক গবেষকদের কোষগুলি কীভাবে রূপান্তরিত হয় সে সম্পর্কে তথ্য প্রয়োজন সময়ের সাথে সাথে. তাদের জানতে হবে কিভাবে কোষ ক্যান্সার হয় বা কিভাবে নির্দিষ্ট জেনেটিক প্রোগ্রাম ইমিউন প্রতিক্রিয়ার সময় আচরণ করে।

স্ট্যাটিক স্ন্যাপশটগুলি থেকে গতিশীল প্রক্রিয়াগুলিকে টিজ করতে সাহায্য করার জন্য, গবেষকরা ঐতিহ্যগতভাবে তথাকথিত “ছদ্ম-সময়” ব্যবহার করেছেন। একটি স্থির চিত্রে একটি একক কোষ বা জিনের অভিব্যক্তি পরিবর্তন এবং বৃদ্ধি পর্যবেক্ষণ করা অসম্ভব, তবে চিত্রটি একই ধরণের অন্যান্য কোষ এবং জিনকেও ক্যাপচার করে যা একই প্রক্রিয়ার সাথে কিছুটা এগিয়ে থাকতে পারে। যদি বিজ্ঞানীরা বিন্দুগুলিকে সঠিকভাবে সংযুক্ত করেন, তবে তারা সময়ের সাথে কীভাবে প্রক্রিয়াটি পরিবর্তিত হয় সে সম্পর্কে অন্তর্দৃষ্টি অর্জন করতে পারে।

বিন্দুগুলিকে সংযুক্ত করা একটি কঠিন অনুমান কারণ আমরা অনুমান করি যে অনুরূপ চেহারার কোষগুলি একই পথ বরাবর বিভিন্ন পয়েন্টে রয়েছে। জীববিজ্ঞান অনেক বেশি জটিল, প্রতিটি জিনের ভুল শুরু, স্টপ, বিস্ফোরণ এবং একাধিক রাসায়নিক শক্তি রয়েছে।

যদিও প্রথাগত সিউডোটাইম পদ্ধতিগুলি সেলুলার ট্রান্সক্রিপশনাল প্রোফাইলগুলির মধ্যে অভিব্যক্তির সাদৃশ্যগুলি দেখে, আরএনএ বেগ পদ্ধতিগুলি এই কোষগুলির মধ্যে ট্রান্সক্রিপশন, স্প্লিসিং এবং এমআরএনএর অবক্ষয়ের গতিশীলতার দিকে নজর দেয়।

এটি একটি প্রতিশ্রুতিশীল কিন্তু প্রাথমিক পর্যায়ের প্রযুক্তি।

“আরএনএ গতির প্রতিশ্রুতি এবং বাস্তবতার মধ্যে অবিরাম ব্যবধান মূলত এর অ্যাপ্লিকেশনগুলিকে সীমিত করেছে,” লেখকরা কাগজে লিখেছেন।

এই ব্যবধান পূরণ করতে, টপিকভেলো নির্ধারক মডেল থেকে দূরে সরে যায় এবং আরও কঠিন স্টোকাস্টিক মডেল থেকে অন্তর্দৃষ্টি আঁকে যা জীববিজ্ঞানের অনিবার্য এলোমেলোতাকে প্রতিফলিত করে।

“কোষগুলি সহজাতভাবে এলোমেলো,” গাও বলেছেন, কাগজের প্রথম লেখক। “আপনার যমজ বা কোষ থাকতে পারে যেগুলি জেনেটিকালি অভিন্ন, কিন্তু তারা বড় হয়ে খুব আলাদা হতে পারে। টপিকভেলো স্টোকাস্টিক মডেলগুলির ব্যবহার প্রবর্তন করে। আমরা mRNA ট্রান্সক্রিপশনের জন্য গুরুত্বপূর্ণ ট্রান্সক্রিপশন প্রক্রিয়ার অন্তর্নিহিত বায়োফিজিক্সকে আরও ভালভাবে ক্যাপচার করতে সক্ষম হয়েছি।”

মেশিন লার্নিং পথ নির্দেশ করে

দলটি আরও বুঝতে পেরেছিল যে আরেকটি অনুমান স্ট্যান্ডার্ড আরএনএর গতি সীমাবদ্ধ করে। “বেশিরভাগ পদ্ধতিই অনুমান করে যে সমস্ত কোষ মূলত একই বৃহৎ জেনেটিক প্রোগ্রামকে প্রকাশ করে, কিন্তু আপনি কল্পনা করতে পারেন যে কোষগুলিকে একই সাথে বিভিন্ন ডিগ্রীতে বিভিন্ন ধরণের প্রক্রিয়া সম্পাদন করতে হবে,” রিসেনফেল্ড বলেছেন। এই প্রক্রিয়াগুলিকে মুক্ত করা একটি চ্যালেঞ্জ।

প্রোব্যাবিলিস্টিক টপিক মডেলিং, একটি মেশিন লার্নিং টুল যা ঐতিহ্যগতভাবে লিখিত নথি থেকে বিষয়গুলি সনাক্ত করতে ব্যবহৃত হয়, শিকাগো ইউনিভার্সিটি টিমের কৌশল অবহিত করে। টপিকভেলো scRNA-seq ডেটা কোষ বা জিনের ধরন দ্বারা নয়, কিন্তু সেই কোষ এবং জিনের সাথে জড়িত প্রক্রিয়াগুলির দ্বারা গোষ্ঠীভুক্ত করে৷ এই প্রক্রিয়াগুলি বাহ্যিক জ্ঞান দ্বারা আরোপিত না করে ডেটা থেকে অনুমান করা হয়।

“আপনি যদি একটি বিজ্ঞান ম্যাগাজিন দেখেন, এটি 'পদার্থবিদ্যা,' 'রসায়ন,' এবং 'জ্যোতির্পদার্থবিদ্যা'-এর মতো বিষয় দ্বারা সংগঠিত হয়,” গাও বলেন। “আমরা একক-কোষ RNA সিকোয়েন্সিং ডেটাতে এই সংগঠিত নীতি প্রয়োগ করেছি। তাই এখন, আমরা 'রাইবোসোম সংশ্লেষণ', 'পার্থক্য', 'ইমিউন প্রতিক্রিয়া' এবং 'কোষ চক্র' এর মতো বিষয়গুলির দ্বারা ডেটা সংগঠিত করতে পারি। আমরা স্টোকাস্টিক ট্রান্সক্রিপশন ফিট করতে পারি। প্রতিটি প্রক্রিয়ার জন্য নির্দিষ্ট মডেল।”

টপিকভেলো এই জটিল প্রক্রিয়াগুলিকে উন্মোচন করার পরে এবং বিষয় অনুসারে সেগুলিকে সংগঠিত করার পরে, প্রতিটি কোষের ট্রান্সক্রিপশনাল প্রোফাইলে কত শতাংশ কার্যকলাপ জড়িত তা চিত্রিত করার জন্য এটি কোষগুলিতে বিষয়ের ওজন প্রয়োগ করে৷

“এই পদ্ধতিটি আমাদেরকে বিভিন্ন প্রক্রিয়ার গতিশীলতা দেখতে এবং বিভিন্ন কোষে তাদের গুরুত্ব বুঝতে সাহায্য করে,” রিসেনফেল্ড বলেন, “এটি বিশেষত উপযোগী হয় যখন শাখার বিন্দু থাকে বা যখন কোষগুলি বিভিন্ন দিকে টানা হয়।”

টপিক মডেলগুলির সাথে স্টোকাস্টিক মডেলগুলিকে একত্রিত করার ফলাফলগুলি অত্যাশ্চর্য। উদাহরণস্বরূপ, টপিকভেলো ট্র্যাজেক্টরিগুলি পুনর্গঠন করতে সক্ষম যেগুলি পুনরুদ্ধারের জন্য পূর্বে বিশেষ পরীক্ষামূলক কৌশলগুলির প্রয়োজন ছিল। এই উন্নতিগুলি সম্ভাব্য অ্যাপ্লিকেশনগুলিকে উল্লেখযোগ্যভাবে বিস্তৃত করে।

গাও কাগজের ফলাফলকে কাগজের সাথে তুলনা করেছেন – গবেষণা এবং দক্ষতার অনেক ক্ষেত্রের পণ্য।

“পিএমইতে, যদি আপনার একটি রসায়ন প্রোগ্রাম থাকে, সম্ভাবনা আছে যে এটিতে একজন পদার্থবিদ্যা বা প্রকৌশল শিক্ষার্থী কাজ করছে,” তিনি বলেছিলেন। “এটি শুধু রসায়ন নয়।”