मेंदू समजून घेताना : ब्रेनप्रॉट आणि ड्रगप्रॉटएआय द्वारे मेंदूच्या आजारांविषयी समजून घेण्यास संशोधकांना मदत

अल्झायमर, पार्किन्सन्स रोग किंवा मेंदूतील गाठी यांसारख्या मेंदूच्या आजारांचा अभ्यास करणाऱ्या संशोधक आणि डॉक्टरांसमोर नेहमीच एक आव्हान असते — या विषयावरील आवश्यक माहिती मोठ्या प्रमाणावर उपलब्ध असली तरी त्यातील परस्परसंबंध कळतील अशा प्रकारे ती जोडलेली नाही. मेंदूचे आजार नेमके कसे बळावतात हे समजून घेण्यासाठी रुग्णांच्या वैद्यकीय निरीक्षणांची त्यांच्या पेशींमधील रेणवीय पुराव्यांशी सांगड घालणे आवश्यक असते. यामध्ये जनुके, प्रथिने, जैवचिन्हक (बायोमार्कर्स) आणि हजारो शोधनिबंधांमधून समोर आलेली प्रयोगाधारित माहिती यांचा समावेश होतो. ही माहिती सध्या एकत्रित स्वरूपात उपलब्ध नाही.

प्रत्येक नवीन संशोधनागणिक जनुकीय अभिव्यक्तीचे (कोणती जनुके सक्रिय आहेत आणि पेशींच्या स्थिती व कार्य दर्शवणारे) तपशील, प्रथिनांचे मापन किंवा रुग्णांकडून नोंदवली गेलेली निरीक्षणे अशा माहितीची भर पडत असते. ही माहिती, जनुके व प्रथिनांचे स्वतंत्र माहितीसाठे, बायोमार्करचे माहितीसाठे, औषधांविषयीची माहितीसूत्रे आणि चिकित्सा परीक्षण नोंदी अशा विविध ठिकाणी विखुरलेल्या अवस्थेत सापडते. ही माहिती शोधणे व त्यातील तपशीलांचे परस्परसंबंध जोडणे यासाठी संशोधकांचा व चिकित्सकांचा वेळ मोठ्या प्रमाणात खर्च होतो. तुकड्या-तुकड्यांमध्ये उपलब्ध असलेल्या माहितीच्या स्वरूपामुळे त्यातील महत्वाचे जैविक परस्परसंबंध लक्षात न आल्याने मेंदूचे आजार नेमके कसे होतात, निरोगी मेंदू आजारग्रस्त होताना कसकसा बदलत जातो इत्यादी सखोल प्रक्रिया समजून घेण्यामध्ये अडथळे निर्माण होतात. 

भारतीय तंत्रज्ञान संस्था (आयआयटी) मुंबई येथील जैवशास्त्र आणि जैवअभियांत्रिकी विभागातील प्राध्यापक संजीव श्रीवास्तव यांच्या नेतृत्वाखालील एका संशोधन गटाने, भारतातील आणि परदेशातील विविध संशोधन संस्थांच्या सहकार्याने ‘ब्रेनप्रॉट ३.०’ विकसित केले आहे. ब्रेनप्रॉट एक असा डेटाबेस आहे जो मानवी मेंदूशी निगडीत, जनुकांपासून प्रथिनांपर्यंत विविध प्रकारची जैविक माहिती एका ठिकाणी एकत्रित करतो. यामुळे निरोगी आणि व्याधीग्रस्त अशा दोन्ही स्थितींमधील मानवी मेंदूच्या कार्याविषयी पद्धतशीरपणे जाणून घेणे शक्य होणार आहे.

ब्रेनप्रॉट ही ‘जीनोमिक्स’, ‘ट्रान्सक्रिप्टोमिक्स’, ‘प्रोटिओमिक्स’, तसेच जैवचिन्हक संशोधन आणि बहुविध डेटाबेसमधील अनेक आजारांविषयीची माहिती एका पोर्टलमध्ये समाकलित करणारी पहिलीच प्रणाली आहे. जीनोमिक्स, ट्रान्सक्रिप्टोमिक्स व प्रोटिओमिक्स अंतर्गत अनुक्रमे एक जनुक, आरएनए प्रतिलेख, किंवा प्रथिने यांचा स्वतंत्र अभ्यास करण्याऐवजी एका पेशीमधील, उतीमधील किंवा सजीवामधील डीएनए, आरएनए आणि प्रथिनांच्या संपूर्ण संचाचा अभ्यास केला जातो.

“ब्रेनप्रॉटमध्ये मानवी मेंदूच्या उजव्या आणि डाव्या भागातील २० विविध मज्जासंस्था-संबंधित शरीररचनाशास्त्रीय भागांमधील प्रथिनांच्या प्रमाणातील फरक ओळखण्यासाठी आणि समजून घेण्यासाठी आवश्यक संसाधनांचा समावेश आहे. अशा प्रकारचे हे पहिलेच साधन आहे,” असे प्राध्यापक संजीव श्रीवास्तव यांनी नमूद केले. 

अशा प्रकारे, या ‘बहु-ऑमिक्स’, अर्थात विविध ऑमिक्स अभ्यासातील माहिती एकत्र केल्यामुळे सर्व जटिल स्वरूपाच्या डेटाचे विश्लेषण करून, जनुके व प्रथिनांमधील आजाराशी निगडित बदल दर्शवणारी अर्थपूर्ण स्थित्यंतरे ओळखून, मेंदूच्या आजारांमागील नेमक्या जैविक प्रक्रिया स्पष्ट करण्यासाठी लागणारा वेळ लक्षणीयरित्या कमी होतो. तसेच, आजार प्रक्रियेमध्ये महत्वाची भूमिका असलेली जनुके आणि प्रथिने देखील याद्वारे अधोरेखित करता येतात. ब्रेनप्रॉटमध्ये विविध आजारांच्या माहितीचा तौलनिक अभ्यास करता येतो. ब्रेनप्रॉटच्या माध्यमातून मिळालेल्या अंतर्दृष्टीचा उपयोग औषधक्षम लक्ष्ये (थेराप्यूटिक टार्गेट) शोधण्यासाठी आणि एखाद्या व्याधीसाठी वापरात असलेली औषधे इतर व्याधींकरता वापरण्यासाठी (ड्रग रिपर्पझिंग) होऊ शकतो.

ब्रेनप्रॉटमध्ये मानवी मेंदूच्या ५६ आजारांची माहिती समाविष्ट आहे. तसेच १८०० पेक्षा जास्त रुग्णांच्या नमुन्यांवरून तयार केलेले ५२ ‘बहु-ऑमिक्स’ माहितीसाठे आहेत. या माहितीसाठ्यांमध्ये ११ आजारांची ट्रान्सक्रिप्टोमिक माहिती व ६ आजारांची प्रोटिओमिक माहिती समाविष्ट आहे. ब्रेनप्रॉटचे वापरकर्ता प्रत्येक आजारासाठी पुढील क्रिया करू शकतात - ज्यांचा विशिष्ट आजाराशी वरचेवर संबंध जोडला गेला आहे अशी जनुके व प्रथिने तपासणे; या जनुके व प्रथिनांना सद्यस्थितीत अस्तित्वात असलेल्या वैद्यकीय व शास्त्रीय माहितीसाठ्यांमध्ये किती भक्कम आधार आहे हे तपासणे;

आणि रुग्णांच्या नमुन्यांमध्ये त्यांची क्रियाशीलता पातळी कशी बदलते हे पाहणे.

“जेव्हा संशोधनाचे निष्कर्ष संबंधित लोकांना पुढील शोध घेण्यासाठी, दृश्य स्वरूपात पाहण्यासाठी, विवेचनासाठी आणि वापरण्यासाठी उपलब्ध असतात, तेव्हाच नवीन कल्पना आणि प्रयोगांना खऱ्या अर्थाने महत्त्व प्राप्त होते. याच विचाराने आम्ही ही सर्व माहिती एका वापरण्यास सोप्या अश्या व्यासपीठावर एकत्रित केली आहे,” असे ब्रेनप्रॉट अभ्यासाचे मुख्य लेखक डॉ. दीप्तरूप बिस्वास म्हणाले. 

जैववैद्यकीय संशोधनामध्ये कधीकधी पूर्वग्रहाचा परिणाम होऊ शकतो. म्हणजे, बरेच वेळा संशोधक व चिकित्सक जनुके व प्रथिनांच्या एखाद्या विशिष्ट संचाला आजार-लक्ष्य म्हणून विचारात घेतात कारण तो मोठ्या प्रमाणात अभ्यासला गेलेला असतो आणि इतर कमी अभ्यासली गेलेली परंतु जैविक दृष्ट्या संदर्भसुसंगत असलेली जनुके व प्रथिने दुर्लक्षित राहू शकतात. सदर शोधनिबंधाचे सहलेखक, डॉ. अंकित हालदार म्हणतात, “जीनोमिक्स, ट्रान्सक्रिप्टोमिक्स, प्रोटिओमिक्स, आणि जैवचिन्हक संशोधन ही सर्व साधने एकत्र केल्यावर, कोणती चिन्हके विविध अल्गोरिदममध्ये वारंवार दिसून येत आहेत व संशोधनातील पूर्वग्रह कोठे असू शकतो हे लगेच स्पष्ट होते.” नेमक्या कोणत्या चिन्हकांना अनेक वेगवेगळ्या पुराव्यांद्वारे खरोखर भक्कम आधार मिळत आहे तसेच पूर्वी झालेल्या संशोधानांमध्ये भर दिला गेल्यामुळे कोणत्या चिन्हकांचा जास्त किंवा कमी अभ्यास झाला हे जाणून घेण्यासाठी ब्रेनप्रॉट संशोधकांना मदत करतो. 

वैज्ञानिक साहित्यामध्ये एखाद्या जनुकाचा मेंदूच्या विशिष्ट आजाराशी किती जवळचा संबंध प्रस्थापित होतो आहे याचे मूल्यमापन करण्यासाठी ही प्रणाली ‘ब्रेन डिजिझ मार्कर क्युरेटर’ (बीडीएमसी) मूल्यांकन निर्देशांक मोजते. बीडीएमसी निर्देशांक हे विशिष्ट आजाराशी संबंधित असतात. प्रत्येक आजाराअंतर्गत, प्रत्येक जनुकाला मूल्यांकन गुण दिले जातात. विविध संकलित माहितीसाठ्यांमध्ये आणि विविध साहित्य-शोधक अल्गोरिदममध्ये त्या जनुकाचा विशिष्ट आजाराशी संबंध किती सातत्याने आला आहे यावर हे गुण आधारित असतात.

“हजारो प्रथिने आणि जनुकांमधून सर्वाधिक संबंधित मार्कर्स ओळखण्याची क्षमता आम्हाला या अल्गोरिदममध्ये सुनिश्चित करायची होती. एवढ्या मोठ्या माहितीमधून नेमकी माहिती शोधणे आव्हानात्मक काम आहे,” ब्रेनप्रॉट विकसित करणाऱ्या गटातील श्री.

संज्योत विनायक शेणॉय म्हणाले. या प्रणालीची अचूकता पडताळून पाहण्यासाठी संशोधकांनी काही जनुकांचे मूल्यांकन गुण (स्कोअर) तपासून पाहिले. अल्झायमर रोगासाठी अमायलॉइड प्रीकर्सर प्रथिन आणि ग्लायोमा साठी ईजीएफआर (EGFR) यांना योग्य प्रकारे उच्च गुणांकन देऊन अग्र श्रेणीमध्ये वर्गीकृत केले गेले होते. यावरून ही प्रणाली अचूक असल्याची संशोधकांनी पुष्टी केली. 

 ब्रेनप्रॉट पुढील निष्कर्ष देते - चिन्हकांचे गुणांकन, रुग्णांच्या नमुन्यांमधील जनुकीय अभिव्यक्तीचे प्रकार आणि बाह्य माहितीसाठ्यांकडे नेणारे दुवे. ही सर्व माहिती एकत्रितपणे एकाच इंटरफेसवर दाखवली जाते. या समाकलित दृश्यामुळे, रचना किंवा स्थित्यंतरे पटकन ओळखू येतात. तसेच आधीचे शोध पडताळून पाहण्यासाठी मानवी पद्धतीने वेगवेगळी संकेतस्थळे तपासत बसावी लागत नाहीत. 

ब्रेनप्रॉटमध्ये ‘ब्रेन डिजिझ ड्रग फाईंडर’ (बीडीडीएफ) (मेंदूंच्या व्यधीवरील औषधाचा शोधक) चा देखील समावेश आहे. बीडीडीएफ ही, औषधे, रसायने आणि ५३ आजारांवरील नैदानिक चाचण्या यांची एक सर्वसमावेशक सूची आहे. यामध्ये, उपचारपद्धती आणि त्यांचे रेणवीय लक्ष्य यांचा परस्परसंबंध दिलेला असून प्रयोगात्मक उपचारपद्धतींना कोठे यश आले, त्या कोठे ठप्प झाल्या व कोणत्या स्थितीत स्थगित केल्या गेल्या हे ठळकपणे दर्शवले जाते. अधिक महत्वाचे म्हणजे, जर आधीपासून वापरात असलेले एखादे औषध एखाद्या तत्सम प्रथिनाला लक्ष्य करत असेल तर याचा अर्थ त्या औषधाच्या माणसांवर चाचण्या झालेल्या असतात. आणि म्हणून त्यासाठी प्राथमिक सुरक्षितता चाचण्यांची पायरी गाळली जाऊ शकते. यामुळे, विकसनासाठी लागणारा संभाव्यतः काही वर्षांचा वेळ वाचतो व नवीन आजारावर औषध काम करते का हे तपासण्याकडे संशोधक थेट वळू शकतात. 

याशिवाय, आयआयटी मुंबई येथील संशोधकांनी ड्रगप्रॉटएआय (DrugProtAI) नावाचे सॉफ्टवेअर साधन देखील विकसित केले आहे.

“कोणतेही महागडे प्रयोग करण्याअगोदर आम्हाला हे समजून घ्यायचे होते की एखादे प्रथिन औषधयोग्य लक्ष्य आहे अथवा नाही (औषधयोग्य लक्ष्य म्हणून वापरता येण्यायोग्य जैविक व भौतिक गुणधर्म त्यात आहेत का),” डॉ. हालदार यांनी स्पष्ट केले.

ही बाब विशेष महत्वाची आहे कारण सध्या केवळ १०% मानवी प्रथिनांसाठी एफडीए प्रमाणित औषधे उपलब्ध आहेत आणि अन्य ३ ते ४% प्रथिनांवर प्रयोग सुरू आहेत.

डॉ. हालदार पुढे सांगतात, “एखाद्या लक्ष्यित प्रथिनावरील संशोधनावर अनेक वर्षांचा वेळ व श्रम खर्च करण्यापूर्वी, ड्रगप्रॉटएआय ते प्रथिन ‘औषधयोग्य’ आहे की नाही याचा अंदाज लावते. यासाठी ते केवळ प्रथिनाचा अनुक्रम (सिक्वेन्स) न तपासता, त्याचे पेशीतील स्थान, संरचनात्मक वैशिष्ट्ये आणि त्यातील इतर एकमेवाद्वितीय गुणधर्म यांचा विचार करते.”

या साधनाद्वारे ‘ड्रगॅबिलिटी इंडेक्स’, अर्थात ‘औषधयोग्यता निर्देशांक’ काढला जातो - म्हणजे एखादे प्रथिन औषधयोग्य (औषधाच्या रेणूशी संलग्न होण्याचा गुणधर्म असलेले) असण्याची शक्यता किती आहे याचे संभाव्य गुणांकन. एखाद्या प्रथिनाचे जास्त गुण दर्शवतात की ज्या प्रथिनांसाठी औषधे आधीपासून उपलब्ध आहेत अशा प्रथिनांशी मिळतेजुळते गुणधर्म या विशिष्ट प्रथिनामध्ये आहेत. कमी गुण मिळाल्यास त्या विशिष्ट प्रथिनावर औषध विकसित करणे अधिक आव्हानात्मक ठरेल असे लक्षात येते. 

“ड्रगप्रॉटएआयचा ब्रेनप्रॉटमध्ये थेट समावेश करून आम्ही एक असा मार्ग तयार केला ज्याद्वारे संशोधकांना आजाराचे चिन्हक ओळखणे → त्याची अभिव्यक्ती दर्शवणारे नमुने तपासणे → त्याच्या औषधयोग्यतेचे मूल्यमापन करणे → सध्या उपलब्ध असलेली संयुगे आणि चिकीत्सात्मक चाचण्या शोधणे, अशी प्रक्रिया एका तासात करता येईल,” डॉ. हालदार यांनी कार्यप्रक्रिया स्पष्ट केली. 

ब्रेनप्रॉट आणि ड्रगप्रॉटएआय हे दोनही सार्वजनिकरीत्या उपलब्ध आहेत आणि याचे ट्रेडमार्क व त्यातील अंतर्गत अल्गोरिदमचे कॉपीराईट आयआयटी मुंबईकडे आहे. वैज्ञानिक माहितीसाठ्यांमध्ये सुधारणा झाल्यास ब्रेनप्रॉटची प्रणाली ती सुधारित माहिती आपोआप मिळवते व आपल्या साठ्यात समाविष्ट करून घेते. ड्रगप्रॉटएआयची दर वर्षी पुनर्बांधणी केली जाते. यासाठी, ड्रगबँक (DrugBank) द्वारे प्रकाशित झालेल्या सुधारित माहितीचा वापर केला जातो. यामुळे, नवीन मंजूर झालेल्या औषधयोग्य लक्ष्यांशी पडताळून ड्रगप्रॉटएआयच्या अंदाजांचे सत्यापन करता येते. ड्रगबँक हा एक संकलित माहितीसाठा असून औषधे व त्यांचे रेणवीय लक्ष्य यांचा संबंध व त्यांची चिकीत्सात्मक स्थिती हे त्यामध्ये नोंदवलेले असते. 

ड्रगप्रॉटएआयचे मॉडेल विकसित झाल्यानंतर प्रकाशित झालेल्या ड्रगबँकच्या नव्या माहितीशी संशोधकांनी ड्रगप्रॉटएआयच्या अंदाजांची पडताळणी केली. उदाहरणार्थ, इंटिग्रिन-लिंक्ड काइनेज नावाच्या एका प्रथिनासाठी अद्याप कोणतेही मंजूर औषध उपलब्ध नाही. परंतु, ड्रगप्रॉटएआयने हे प्रथिन औषधयोग्य असू शकते असा अंदाज वर्तवला आहे. इतर संशोधकांनीही, हृदयविकारांमध्ये उच्च औषधयोग्यता असलेली लक्ष्ये ओळखण्यासाठी ड्रगप्रॉटएआयचा संदर्भ दिला आहे.

ब्रेनप्रॉट आणि ड्रगप्रॉटएआय ही साधने संशोधकांना अधिक स्पष्ट आणि सुसंबद्ध सुरूवात करण्याची संधी देतात.

“आगामी वर्षांमध्ये कृत्रिम बुद्धिमत्ता आणि मेडिकल इमेजिंग बरोबरच अधिक वैविध्यपूर्ण डेटा आणि मेटाडेटा एकत्रित करण्याचे आमचे उद्दिष्ट आहे. याद्वारे ब्रेनप्रॉटचे ‘मल्टिमोडल ह्युमन ब्रेन नॉलेजबेस’ मध्ये रूपांतर करून भारतातील मेंदूविज्ञान संशोधनाचा वेग वाढवण्याचे आमचे ध्येय आहे,” अशी माहिती डॉ. बिस्वास यांनी दिली. 

निधीसंबंधी माहिती : या अभ्यासाला मनुष्यबळ विकास मंत्रालयाच्या युएवाय प्रकल्प, मर्क-सीओई आणि जैवतंत्रज्ञान विभाग यांच्यातर्फे अर्थसहाय लाभले आहे