টেলোমিয়ার দৈর্ঘ্য বার্ধক্য গবেষণার সবচেয়ে পুরনো জৈবিক চিহ্নিতকারীগুলির মধ্যে একটি। আপনার টেলোমিয়ার যত ছোট হবে বয়সের তুলনায়, হৃদরোগ, ডায়াবেটিস, আলঝেইমার এবং ক্যান্সারের ঝুঁকি তত বাড়ে। সমস্যা হল: এগুলি পরিমাপ করতে জটিল এবং ব্যয়বহুল ল্যাব পরীক্ষার প্রয়োজন। এখন পর্যন্ত। মার্চ ২০২৬-এ Cell Reports Methods-এ প্রকাশিত একটি নতুন গবেষণা TLPath নামক একটি AI মডেল উন্মোচন করেছে, যা সানফোর্ড বার্নহাম প্রেবিস ইনস্টিটিউটের সানজু সিনহার (Sanju Sinha) ল্যাবে তৈরি করা হয়েছে এবং নিয়মিত হিস্টোলজি ছবি থেকে টিস্যুতে টেলোমিয়ার দৈর্ঘ্য ভবিষ্যদ্বাণী করতে পারে।
সমস্যা: কেন টেলোমিয়ার পরিমাপ করা কঠিন
টেলোমিয়ার হল ক্রোমোজোমের প্রান্তে পুনরাবৃত্ত DNA ক্রম যা প্রতিটি কোষ বিভাজনের সাথে ছোট হয়। বয়স বাড়ার সাথে সাথে এগুলি ধীরে ধীরে ছোট হয়। বর্তমানে টেলোমিয়ার দৈর্ঘ্য বিশেষ ল্যাব পরীক্ষার মাধ্যমে পরিমাপ করা হয়, যেমন:
- qPCR: তুলনামূলকভাবে সাশ্রয়ী, কিন্তু নির্দিষ্ট টিস্যুর জন্য কম নির্ভুল
- TRF (Terminal Restriction Fragment) বা Southern blot: নির্ভুল কিন্তু ব্যয়বহুল এবং প্রচুর DNA প্রয়োজন
- FISH (ফ্লুরোসেন্ট হাইব্রিডাইজেশন) বা Luminex-ভিত্তিক পদ্ধতি: গবেষণায় ব্যবহৃত অন্যান্য পদ্ধতি
মডেল প্রশিক্ষণের জন্য ব্যবহৃত টেলোমিয়ার তথ্য GTEx ডাটাবেস থেকে এসেছে, যেখানে টেলোমিয়ার দৈর্ঘ্য Luminex-ভিত্তিক পদ্ধতি (Demanelis এবং অন্যান্য, Science 2020) দ্বারা পরিমাপ করা হয়েছিল। সিনহা যেমন বলেছেন: "টেলোমিয়ার দৈর্ঘ্যের সরাসরি পরিমাপের জন্য জটিল এবং আরও ব্যয়বহুল পরীক্ষার প্রয়োজন, যা বড় আকারে প্রয়োগ করা কঠিন"। এখানেই TLPath আসে।
ধারণা: যদি টেলোমিয়ার দৈর্ঘ্যের লক্ষণ ছবিতে থাকে?
দলটি একটি সহজ প্রশ্ন করেছিল: যখন টেলোমিয়ার ছোট হয়, কোষ পরিবর্তিত হয়। এটি জম্বি (সেনসেন্ট) হয়ে যেতে পারে, বিভাজন ধীর করতে পারে, তার আকৃতি পরিবর্তন করতে পারে, বা অভ্যন্তরীণ কাঠামো হারাতে পারে। এই পরিবর্তনগুলি কি টিস্যুর মাইক্রোস্কোপিক ছবিতে দেখা যায়?
যদি তাই হয়, তাহলে একটি গভীর নিউরাল নেটওয়ার্ককে সেগুলি সনাক্ত করার জন্য প্রশিক্ষণ দেওয়া সম্ভব। বিশ্বের প্রতিটি হাসপাতাল রুটিনের অংশ হিসাবে লক্ষ লক্ষ বায়োপসি ছবি তৈরি করে। যদি টেলোমিয়ার দৈর্ঘ্যের একটি ভিজ্যুয়াল স্বাক্ষর থাকে, তাহলে এটি বিদ্যমান ক্লিনিকাল নমুনা থেকে সরাসরি অনুমান করা যেতে পারে।
কিভাবে নেটওয়ার্ক প্রশিক্ষিত হয়েছিল
দলটি 919 জন দাতার কাছ থেকে 5,263টি ডিজিটাল হিস্টোপ্যাথোলজি ছবি (নিয়মিত H&E স্টেইনিং ছবি) সংগ্রহ করেছিল। প্রতিটি ছবি একই টিস্যুর ল্যাব টেলোমিয়ার পরিমাপের সাথে যুক্ত ছিল। 18টি ভিন্ন টিস্যুর ধরন অন্তর্ভুক্ত ছিল: ত্বক, ফুসফুস, কিডনি, লিভার, অন্ত্র ইত্যাদি।
নেটওয়ার্ক প্রতিটি ছবি গড়ে 1,387টি ছোট অংশে কাটে। প্রতিটি অংশ 1,024টি পর্যন্ত কাঠামোগত বৈশিষ্ট্য ব্যবহার করে পরীক্ষা করা হয়: কোষের আকৃতি, নিউক্লিয়াসের গঠন, সাইটোপ্লাজমের রঙ, কোষের মধ্যে দূরত্ব। নেটওয়ার্ক শেখে কোন বৈশিষ্ট্যের সংমিশ্রণ ছোট টেলোমিয়ার এবং কোনটি লম্বা টেলোমিয়ার ভবিষ্যদ্বাণী করে।
ফলাফল: প্রত্যাশার চেয়ে বেশি নির্ভুলতা
পরীক্ষার নমুনাগুলিতে যা প্রশিক্ষণের অংশ ছিল না, TLPath দেখিয়েছে:
- r = 0.51 সহসম্পর্ক 11টি টিস্যুর প্রকারে তার ভবিষ্যদ্বাণী এবং ল্যাব পরিমাপের মধ্যে। এটি সরাসরি পরিমাপের মতো নির্ভুল নয়, কিন্তু এটি শুধুমাত্র কালানুক্রমিক বয়সের ভিত্তিতে অনুমানের চেয়ে স্পষ্টতই ভালো (যা শুধুমাত্র r = 0.20 এ পৌঁছায়), যা পরিমাপের অভাবে বর্তমান মান
- 11টি ভিন্ন টিস্যুর প্রকারে কাজ করে, যা সাধারণতা দেখায়
- মডেলের ব্যাখ্যা প্রকাশ করেছে যে এটি সেনসেন্স (কোষীয় বার্ধক্য) চিহ্নিতকারীর উপর নির্ভর করে, যেমন নিউক্লিয়াস এবং সাইটোপ্লাজমের মধ্যে বর্ধিত অনুপাত এবং নিউক্লিয়াসের আকৃতির পরিবর্তন
"টেলোমিয়ার দৈর্ঘ্যের সরাসরি পরিমাপের জন্য জটিল এবং আরও ব্যয়বহুল পরীক্ষার প্রয়োজন, যা বড় আকারে প্রয়োগ করা কঠিন", সিনহা ব্যাখ্যা করেছেন। TLPath এই ব্যবধান পূরণ করতে এবং ইতিমধ্যে বিদ্যমান ছবি থেকে টেলোমিয়ার দৈর্ঘ্য অনুমান করার জন্য ডিজাইন করা হয়েছে।
অর্থ: ডেটা বিপ্লব
যদি TLPath স্ট্যান্ডার্ড ডিজিটাল প্যাথলজি সফ্টওয়্যারে একীভূত হয়, তাহলে নিম্নলিখিত সম্ভব হতে পারে:
- জনসংখ্যা-স্তরের দীর্ঘায়ু গবেষণা। হাজার হাজার নমুনা নেওয়ার পরিবর্তে, বিদ্যমান ছবি থেকে আরও অনেক মানুষের টেলোমিয়ার দৈর্ঘ্য অনুমান করা যেতে পারে
- হস্তক্ষেপের জন্য প্রাথমিক প্রার্থী সনাক্তকরণ (সম্ভাব্য)। একজন ব্যক্তি যিনি প্যাথলজি পরীক্ষার জন্য আসেন, এমনকি 40 বছর বয়সে, এবং তার বয়সের তুলনায় কম টেলোমিয়ার অনুমান পাওয়া যায়, তিনি সম্ভবত তাড়াতাড়ি একটি প্রতিরক্ষামূলক জীবনধারা শুরু করতে পারেন। এটি জোর দেওয়া গুরুত্বপূর্ণ: এটি একটি ভবিষ্যত গবেষণা দিক, একটি অনুমোদিত ক্লিনিকাল প্রয়োগ নয়
গুরুত্বপূর্ণ নোট: TLPath শুধুমাত্র মাঝারি নির্ভুলতা (r = 0.51) সহ বাল্ক টিস্যুতে গড় টেলোমিয়ার দৈর্ঘ্য ভবিষ্যদ্বাণী করার জন্য প্রশিক্ষিত, এবং এটি একটি গবেষণা সরঞ্জাম। এটি একটি অনুমোদিত ক্লিনিকাল পরীক্ষা নয়, এবং কেমোথেরাপির মতো চিকিৎসা সামঞ্জস্য বা ওষুধ স্ক্রিনিংয়ের উদ্দেশ্যে নয়। এই ধরনের ব্যবহার গবেষণায় পরীক্ষা করা হয়নি।
কেন এটি শুধু আরেকটি AI মডেল নয়
2026 সালে অনেক AI মডেল চিত্তাকর্ষক কিন্তু অবাস্তব কাজ করে। TLPath ভিন্ন: এটি বিদ্যমান পরিকাঠামো সহ একটি নির্দিষ্ট সমস্যা বড় আকারে সমাধান করার চেষ্টা করে। অনেক হাসপাতাল ইতিমধ্যে তাদের ছবি ডিজিটালভাবে স্ক্যান করে। কোন নতুন সরঞ্জাম নেই, রোগীর জন্য কোন অতিরিক্ত পদ্ধতি নেই। শুধু একটি সফ্টওয়্যার উপাদান যোগ করা।
ডিজিটাল প্যাথলজির ক্ষেত্রের বিজ্ঞানীরা এটিকে "মূল্য সংযোজন" বলে থাকেন: আপনি ইতিমধ্যে করা একটি পরীক্ষা থেকে অতিরিক্ত তথ্য বের করা।
মনে রাখার সীমাবদ্ধতা
- সহসম্পর্ক r=0.51 মানে প্রায় 26% পরিবর্তনশীলতা ব্যাখ্যা করা হয়েছে। একজন ব্যক্তির জন্য একটি নির্ভুল ব্যক্তিগত পরীক্ষা হিসাবে ব্যবহার করার জন্য যথেষ্ট শক্তিশালী নয়, কিন্তু পরিসংখ্যানগত-জনসংখ্যা স্তরে এবং গবেষণার জন্য দরকারী
- মডেলটি একটি নির্দিষ্ট জনগোষ্ঠীর উপর প্রশিক্ষিত। বিভিন্ন জনগোষ্ঠীতে (বিভিন্ন জাতিগোষ্ঠী) ব্যবহারের জন্য অতিরিক্ত যাচাইকরণ প্রয়োজন
- টেলোমিয়ার জৈবিক বয়সের একটি মাত্র চিহ্নিতকারী। অন্যদের (এপিজেনেটিক, প্রোটিওমিক) সাথে একত্রিত করা প্রয়োজন
- নেটওয়ার্ক ব্যাখ্যা করে না কেন টেলোমিয়ার ছোট। শুধু যে তারা টিস্যু বৈশিষ্ট্যের উপর ভিত্তি করে ছোট দেখায়
সারসংক্ষেপ
TLPath একটি প্রতিশ্রুতিশীল গবেষণা সরঞ্জাম, একটি ক্লিনিকাল পরীক্ষা নয়। এর কোড গবেষকদের জন্য GitHub-এ (Sinha-CompBio-Lab/TLPath) উন্মুক্তভাবে উপলব্ধ যারা কাজটি প্রসারিত করতে চান। বিস্তৃত উপসংহার: বার্ধক্য পরিমাপ ধীরে ধীরে ব্যয়বহুল ল্যাব থেকে সরঞ্জামগুলিতে স্থানান্তরিত হতে পারে যা সর্বত্র বিদ্যমান নমুনাগুলিতে প্রয়োগ করা যেতে পারে। যদি TLPath প্রথম পদক্ষেপ হয়, তবে এটি "ছবি থেকে জৈব-চিহ্নিতকারী" এর একটি সম্পূর্ণ তরঙ্গের শুরু হতে পারে: মডেল যা একটি বিদ্যমান নমুনা থেকে আনুমানিক মান বের করে যা আগে দৃশ্যমান ছিল না। তবে, মাঝারি নির্ভুলতা আমাদের মনে করিয়ে দেয় যে এটি এখনও পথের শুরু।
💬 মন্তব্য (0)
নিবন্ধে মন্তব্য করতে প্রথম হন.