ಕ್ಯಾನ್ಸರ್ ಉಂಟುಮಾಡುವ ಜೀವಕೋಶಗಳಲ್ಲಿನ ಮಾರ್ಪಾಡುಗಳನ್ನು ಗುರುತಿಸಲು ಎಐ ಆಧಾರಿತ ಗಣಿತ ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿ ಪಡಿಸಿದ ಮದ್ರಾಸ್ ಐಐಟಿ

ಕ್ಯಾನ್ಸರ್ ಉಂಟುಮಾಡುವ ಜೀವಕೋಶಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿಸಲು ಮದ್ರಾಸ್ನ ಇಂಡಿಯನ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಟೆಕ್ನಾಲಜಿ (ಐಐಟಿ)ಯ ಸಂಶೋಧಕರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಆಧಾರಿತ ಗಣಿತದ ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ.

ADVERTISEMENT

ಈ ಅಲ್ಗಾರಿದಮ್ ಕ್ಯಾನ್ಸರ್ ಪ್ರಗತಿಗೆ ಕಾರಣವಾದ ಆನುವಂಶಿಕ ಮಾರ್ಪಾಡುಗಳನ್ನು ಗುರುತಿಸಲು ಡಿಎನ್ಎ ಸಂಯೋಜನೆಯನ್ನು ನಿಯಂತ್ರಿಸುವ ತುಲನಾತ್ಮಕವಾಗಿ ಪರೀಕ್ಷಿಸದ ತಂತ್ರವನ್ನು ಬಳಸುತ್ತದೆ. ಫಲಿತಾಂಶಗಳನ್ನು ಇಂಟರ್ನ್ಯಾಷನಲ್ ಜರ್ನಲ್ ಆಫ್ ಕ್ಯಾನ್ಸರ್ನಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ.

ತಂಡದ ಪ್ರಕಾರ, ಆನುವಂಶಿಕ ಬದಲಾವಣೆಗಳಿಂದ ಜೀವಕೋಶಗಳ ಅನಿಯಂತ್ರಿತ ಬೆಳವಣಿಗೆಯಿಂದಾಗಿ ಕ್ಯಾನ್ಸರ್ ಉಂಟಾಗುತ್ತದೆ. ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಹೈ-ಥ್ರೋಪುಟ್ ಡಿಎನ್ಎ ಅನುಕ್ರಮವು ಈ ಬದಲಾವಣೆಗಳ ಅಳತೆಯನ್ನು ಶಕ್ತಗೊಳಿಸುವ ಮೂಲಕ ಕ್ಯಾನ್ಸರ್ ಸಂಶೋಧನೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ಕ್ರಾಂತಿಯನ್ನುಂಟು ಮಾಡಿದೆ.

ಆದರೆ, ಈ ಅನುಕ್ರಮ ಡೇಟಾಸೆಟ್ಗಳ ಸಂಕೀರ್ಣತೆ ಮತ್ತು ಗಾತ್ರದಿಂದಾಗಿ, ಕ್ಯಾನ್ಸರ್ ರೋಗಿಗಳ ಜೀನೋಮ್ಗಳಿಂದ ನಿಖರವಾದ ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿಸುವುದು ಕಷ್ಟ.

“ಕ್ಯಾನ್ಸರ್ ಸಂಶೋಧಕರು ಎದುರಿಸುತ್ತಿರುವ ಪ್ರಮುಖ ಸವಾಲುಗಳಲ್ಲಿ ಒಂದಾದ ಕ್ಯಾನ್ಸರ್ ಕೋಶಗಳು ಬೆಳೆಯಲು ಅನುವು ಮಾಡಿಕೊಡುವ ತುಲನಾತ್ಮಕವಾಗಿ ಕಡಿಮೆ ಸಂಖ್ಯೆಯಲ್ಲಿರುವ ‘ಚಾಲಕ’ ರೂಪಾಂತರಗಳು (driver mutation) ಮತ್ತು ರೋಗದ ಮೇಲೆ ಯಾವ ಪರಿಣಾಮವನ್ನೂ ಬೀರದ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯಲ್ಲಿರುವ ‘ಪ್ರಯಾಣಿಕ’ ರೂಪಾಂತರಗಳ (passenger mutation) ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಒಳಗೊಂಡಿರುತ್ತದೆ ” ಎಂದು ಐಐಟಿ ಮದ್ರಾಸ್ನ ರಾಬರ್ಟ್ ಬಾಷ್ ಸೆಂಟರ್ ಫಾರ್ ಡಾಟಾ ಸೈನ್ಸ್ ಮತ್ತು ಎಐ (ಆರ್ಬಿಸಿಡಿಎಸ್ಎಐ) ಮುಖ್ಯಸ್ಥ ಬಿ ರವೀಂದ್ರನ್ ಹೇಳಿದ್ದಾರೆ.

ನಿರ್ದಿಷ್ಟ ಅನಾರೋಗ್ಯಕ್ಕೆ ಮಾತ್ರವಲ್ಲದೆ ವ್ಯಕ್ತಿಯ ಆನುವಂಶಿಕ ಮಾರ್ಪಾಡುಗಳಿಗೆ “ನಿಖರ ಆಂಕೊಲಾಜಿ” ಮತ್ತು “ಟೈಲರಿಂಗ್ ಟ್ರೀಟ್ಮೆಂಟ್ಸ್” ಎಂದು ಕರೆಯಲ್ಪಡುವ ವಿಧಾನದ ಮೂಲಕ ರೋಗಿಗೆ ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಚಿಕಿತ್ಸಾ ಕಾರ್ಯ ವಿಧಾನ ರೂಪಿಸುವುದು ಸವಾಲಿನದು ಮತ್ತು ಇದಕ್ಕೆ ‘ಚಾಲಕ’ ರೂಪಾಂತರಗಳ ವ್ಯಾಪಕವಾದ ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವ ಅಗತ್ಯವಿರುತ್ತದೆ.

ತಮ್ಮ ಗಣಿತದ ಮಾದರಿಯ ಮೂಲಕ ಊಹಿಸಲಾದ ‘ಚಾಲಕ’ ರೂಪಾಂತರಗಳು ಅಂತಿಮವಾಗಿ ಕ್ಯಾನ್ಸರ್ ಗೆ ಔಷಧ ಕಂಡುಹಿಡಿಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ‘ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಸರಿಯಾದ ವ್ಯಕ್ತಿಗೆ ಸರಿಯಾದ ಔಷಧಿಯನ್ನು’ ಸೂಚಿಸುವ ಕಲ್ಪನೆಯನ್ನು ಮುನ್ನಡೆಸುತ್ತದೆ ಎಂದು ಸಂಶೋಧಕರು ಭರವಸೆ ಇಟ್ಟುಕೊಂಡಿದ್ದಾರೆ.

“ಈ ಹಿಂದೆ ಪ್ರಕಟಿಸಲಾದ ವಿಧಾನಗಳಲ್ಲಿ ಸಂಶೋಧಕರು ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಕ್ಯಾನ್ಸರ್ ರೋಗಿಗಳ ಡಿಎನ್ಎ ಸಂಯೋಜನೆಯನ್ನು ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಸಾಮಾನ್ಯ ಜೀವಕೋಶಗಳೊಂದಿಗೆ ಕ್ಯಾನ್ಸರ್ ಕೋಶಗಳನ್ನು ಹೋಲಿಸಿ ನೋಡಿ ನಿರ್ದಿಷ್ಟ ರೂಪಾಂತರವು ಕ್ಯಾನ್ಸರ್ ಕೋಶದಲ್ಲಿ ಹೆಚ್ಚು ಬಾರಿ ಕಂಡು ಬಂದಿದೆಯೇ ಎಂದು ಪರೀಕ್ಷಿಸುತ್ತಿದ್ದರು. ಆದರೆ ಈ ವಿಧಾನದಲ್ಲಿ ಅಪರೂಪದ ಚಾಲಕ ರೂಪಾಂತರಗಳು ಸಂಶೋಧನೆಯಿಂದ ಬಿಟ್ಟು ಹೋಗುವ ಸಾಧ್ಯತೆಗಳಿವೆ” ಎಂದು ಐಐಟಿ ಮದ್ರಾಸ್ನ ಪ್ರೊಫೆಸರ್ ಕಾರ್ತಿಕ್ ರಾಮನ್ ಹೇಳಿದ್ದಾರೆ.

“Driver mutationಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಅಪರೂಪದ ಮತ್ತು ಅತಿ ಕಷ್ಟದ ಕೆಲಸ. ಆದರೆ ಅವನ್ನು ಕಂಡುಹಿಡಿಯುವ ವಿಧಾನಗಳ ಅಭಿವೃದ್ಧಿಯು ಅಂತಿಮವಾಗಿ ಆರಂಭಿಕ ರೋಗ ನಿರ್ಣಯಗಳನ್ನು ಮತ್ತು ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ (personalised) ಚಿಕಿತ್ಸೆಗಳ ಬೆಳವಣಿಗೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ” ಎಂದೂ ಅವರು ಅಭಿಪ್ರಾಯ ಪಟ್ಟಿದ್ದಾರೆ.

ಕ್ಯಾನ್ಸರ್ ಸಂಶೋಧಕರು ರೂಪಾಂತರಗಳ ಬಗ್ಗೆ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಪಡೆಯಲು ಅನುವಾಗುವಂತೆ ಮತ್ರು ಬಳಸಲು ಸುಲಭವಾದ ವೆಬ್ ಇಂಟರ್ಫೇಸನ್ನು ಅಭಿವೃದ್ಧಿ ಪಡಿಸುವುದು, ಆ ಮೂಲಕ ರೂಪಾಂತರಗಳ ಸಂದರ್ಭವನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ವಿಕಾಸದ ಮೇಲೆ ಅವು ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ ಎಂಬುವುದನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು ತಂಡದ ಮುಂದಿನ ಗುರಿ ಎಂದು ಅದು ಹೇಳಿದೆ.