नेटवर्क मेडिसिन

From Vigyanwiki

नेटवर्क मेडिसिन रोग की पहचान, प्रतिबंध और उपचार के लिए नेटवर्क विज्ञान का अनुप्रयोग है। यह क्षेत्र रोग की पहचान करने और औषधि दवाओं के विकास के लिए नेटवर्क सांस्थिति और नेटवर्क गतिशीलता का उपयोग करने पर केंद्रित है। जैविक नेटवर्क, जैसे कि प्रोटीन-प्रोटीन अन्योन्यक्रिया और उपापचयी मार्ग, नेटवर्क मेडिसिन द्वारा उपयोग किए जाते हैं। रोग नेटवर्क, जो रोगों और जैविक कारकों के मध्य संबंधों को मानचित्र करते है, क्षेत्र में भी महत्वपूर्ण भूमिका निभाते है। जानपदिक विज्ञान का विस्तृत रूप से नेटवर्क विज्ञान का उपयोग करके भी अध्ययन किया जाता है; सामाजिक नेटवर्क और अभिगमन नेटवर्क का उपयोग जनसंख्या में बीमारी के प्रसार के प्रतिरूप के लिए किया जाता है। नेटवर्क मेडिसिन प्रणाली जीव विज्ञान का चिकित्सकीय रूप से केंद्रित क्षेत्र है।

पृष्ठभूमि

2007 में मेडिसिन का नया इंग्लैंड पत्रिका में प्रकाशित ''नेटवर्क मेडिसिन'' शब्द को "नेटवर्क मेडिसिन- मोटापे से "रोगजनक" नामक अल्बर्ट-लेस्ज़्लो बाराबासी द्वारा एक वैज्ञानिक लेख में गढ़ा और लोकप्रिय बनाया गया था। बाराबासी का कहना है कि जैविक प्रणाली, सामाजिक और तकनीकी प्रणालियों की तरह इसमें कई घटक होते हैं जो जटिल संबंधों में जुड़े होते हैं लेकिन सरल सिद्धांतों द्वारा व्यवस्थित होते हैं। नेटवर्क सिद्धांत के आधुनिक विकास का उपयोग करते हुए,[1] संगठन सिद्धांतों को जटिल नेटवर्क के रूप में प्रणाली का प्रतिनिधित्व करके व्यापक रूप से विश्लेषण किया जा सकता है, जो एक विशेष संबंध द्वारा एक साथ जुड़े नोड्स के संग्रह हैं। औषधि से संबंधित नेटवर्क के लिए, नोड्स जैविक कारकों (जैव अणु, रोग, लक्षणप्ररूप, आदि) का प्रतिनिधित्व करते हैं और लिंक (किनारे) उनके संबंधों (भौतिक अन्योन्यक्रिया, सहभाजित उपापचयी मार्ग, सहभाजित जीन, सहभाजित विशेषता, आदि) का प्रतिनिधित्व करते हैं।[2]

मानव रोग को समझने के लिए तीन प्रमुख नेटवर्क उपापचयी नेटवर्क, रोग नेटवर्क और सामाजिक नेटवर्क हैं। नेटवर्क मेडिसिन इस विचार पर आधारित है कि जीन विनियमन, उपापचयी प्रतिक्रिया और प्रोटीन-प्रोटीन अन्योन्यक्रिया की जटिलता को समझना और जटिल नेटवर्क के रूप में इनका प्रतिनिधित्व करना रोगों के कारणों और तंत्रों पर प्रकाश डालने पर आधारित है। यह संभव है, उदाहरण के लिए, ओएमआईएम डेटाबेस का उपयोग करके रोगों के संयोजन को उनके संबंधित जीनों का प्रतिनिधित्व करने वाले द्विभाज्य आरेख का अनुमान लगाना है।[3] रोगों का प्रक्षेपण, जिसे मानव रोग नेटवर्क (एचडीएन) कहा जाता है, एक सामान्य जीन सहभाजित करने पर एक दूसरे से जुड़े रोगों का एक नेटवर्क है। एचडीएन का उपयोग करके, रोगों को उनके मध्य आनुवंशिक संबंधों के माध्यम से वर्गीकृत और विश्लेषित किया जा सकता है। उत्तेजित जैव औषधि डेटा के विश्लेषण में नेटवर्क मेडिसिन एक मूल्यवान उपकरण प्रमाणित हुआ है।[4]

अनुसंधान क्षेत्र

इंटरएक्टिव

मानव सेल में आणविक अंतःक्रियाओं का समुच्चय, जिसे इंटरएक्टिव के रूप में भी जाना जाता है, रोग की पहचान और प्रतिबंध के लिए उपयोग किया जा सकता है।[5] इन नेटवर्कों को तकनीकी रूप से मापक-मुक्त, अनपव्यूही, स्मॉल-वर्ल्ड नेटवर्क के रूप में वर्गीकृत किया गया है, जिनमें उच्च समानता केंद्रीयता है।[6]

प्रोटीन-प्रोटीन अन्योन्यक्रिया को मानचित्र किया गया है, प्रोटीन को नोड (आरेख सिद्धांत) के रूप में और लिंक के रूप में एक दूसरे के मध्य उनकी अन्योन्यक्रिया का उपयोग किया गया है।[7] ये मानचित्र BioGRID और मानव प्रोटीन संदर्भ डेटाबेस जैसे डेटाबेस का उपयोग करते हैं। उपापचयी नेटवर्क में उपापचयी मार्गों में जैव रासायनिक प्रतिक्रियाएं सम्मलित हैं, यदि वे एक ही मार्ग में हैं तो दो उपापचयी को जोड़ते हैं।[8] शोधकर्ताओं ने इन नेटवर्कों को मानचित्र करने के लिए केईजीजी जैसे डेटाबेस का उपयोग किया है। अन्य नेटवर्क में सेल संकेतन नेटवर्क, जीन नियामक नेटवर्क और आरएनए नेटवर्क सम्मलित हैं।

इंटरएक्टिव नेटवर्क का उपयोग करके, रोगों की खोज और वर्गीकरण किया जा सकता है, साथ ही इसके संघों के ज्ञान और नेटवर्क में उनकी भूमिका के माध्यम से उपचार विकसित किया जा सकता है। एक अवलोकन यह है कि रोगों को उनके सिद्धांत समलक्षणियों (पैथोफेनोटाइप) द्वारा वर्गीकृत नहीं किया जा सकता है, लेकिन उनके रोग प्रतिरूपक द्वारा वर्गीकृत किया जा सकता है, जो अंतःक्रिया में घटकों का एक प्रतिवैस या समूह है, जो बाधित होने पर एक विशिष्ट पैथोफेनोटाइप में परिणाम देता है।[5] रोग प्रतिरूपक का उपयोग विभिन्न प्रकारो से किया जा सकता है, जैसे रोग जीन की भविष्यवाणी करना जो अभी तक खोजा नहीं गया है। इसलिए, नेटवर्क मेडिसिन गुच्छन कलन विधि का उपयोग करके एक विशिष्ट पैथोफेनोटाइप के लिए रोग प्रतिरूपक की पहचान करना चाहता है।

रोगकारक

मानव रोग नेटवर्क, जिसे रोगसूचक भी कहा जाता है, ऐसे नेटवर्क हैं जिनमें नोड रोग और लिंक हैं, उनके मध्य संबंध की क्षमता है। यह सहसंबंध सामान्यतः संबंधित कोशिकीय घटकों के आधार पर परिमाणित होता है जो दो रोग सहभाजित करते हैं। पहले प्रकाशित मानव रोग नेटवर्क (एचडीएन) ने जीनों को देखा, यह पाया कि रोग से जुड़े कई जीन गैर-आवश्यक जीन हैं, क्योंकि ये ऐसे जीन हैं जो नेटवर्क को पूरी तरह से बाधित नहीं करते हैं और पीढ़ी दर पीढ़ी आगे बढ़ने में सक्षम होते हैं।[3] उपापचयी रोग नेटवर्क (एमडीएन), जिसमें दो रोग सहभाजित उपापचयज या उपापचयी मार्ग से जुड़े होते हैं, विस्तृत रूप में अध्ययन किया गया है और विशेष रूप से उपापचयी संबंधी विकारों के प्रकरण में प्रासंगिक किया गया है।[9]

रोग के तीन प्रतिनिधित्व हैं:[6]

  • सहभाजित जीन औपचारिकता बताती है कि यदि एक जीन दो अलग-अलग रोग फेनोटाइप से जुड़े है, तो दो रोगों की एक सामान्य आनुवंशिक उत्पत्ति (आनुवंशिक विकार) होने की संभावना है।
  • सहभाजित उपापचयी मार्ग औपचारिकता बताती है कि यदि एक उपापचयी मार्ग दो अलग-अलग रोग से जुड़े है, तो दो रोग की एक सहभाजित उपापचयी उत्पत्ति (उपापचयी संबंधी विकार) होने की संभावना है।
  • रोग सहरुग्णता औपचारिकता फेनोटाइपिक रोग नेटवर्क (पीडीएन) का उपयोग करती है, जहां दो रोग जुड़े होते हैं यदि उनके फेनोटाइप के मध्य देखी गई सहरुग्णता एक पूर्वनिर्धारित सीमा से अधिक हो जाती है।[10] यह रोगों की क्रिया के तंत्र को नहीं देखते है, लेकिन रोग की प्रगति को अधिकृत करते है और उच्च मृत्यु दर से अत्यधिक जुड़े रोग संबंधित होते हैं।

कुछ रोग नेटवर्क रोगों को मानव सेल के बाहर संबंधित कारकों से जोड़ते हैं। सहभाजित रोगों से जुड़े पर्यावरणीय और आनुवंशिक रोगकारक (दवा) के नेटवर्क, जिसे "एटिओम" कहा जाता है, इन नेटवर्कों में पर्यावरणीय कारकों के गुच्छन गुणांक का आकलन करने और इंटरएक्टिव पर पर्यावरण की भूमिका को समझने के लिए भी किया जा सकता है।[11] जून 2014 में प्रकाशित मानव लक्षण-रोग नेटवर्क (एचएसडीएन) ने दिखाया कि रोग और बीमारी से जुड़े कोशिकीय घटकों के लक्षण दृढ़ता से सहसंबद्ध थे और समान श्रेणियों के रोग अपने लक्षणों के संबंध में अत्यधिक जुड़े समुदायों का निर्माण करते हैं।[12]

औषध विज्ञान

नेटवर्क औषध विज्ञान प्रणाली औषध विज्ञान पर आधारित एक विकासशील क्षेत्र है जो अंतःक्रियात्मक और रोग दोनों पर औषधि के प्रभाव को देखता है।[13] औषधि-लक्ष्य नेटवर्क (DTN) स्वीकृत और प्रायोगिक दवाओं की क्रिया के तंत्र को समझने में महत्वपूर्ण भूमिका निभाते है।[14] औषधीय का नेटवर्क सिद्धांत दृश्य अंतःक्रियात्मक में औषधि के प्रभाव पर आधारित है, विशेष रूप से उस क्षेत्र में जहां औषधि का लक्ष्य है। इस क्षेत्र में एक सम्मिश्र बीमारी (पॉलीऔषध विज्ञान) के लिए संयोजन औषधि का सुझाव दिया गया है क्योंकि एक लक्ष्य पर लक्षित सक्रिय औषधि घटक (एपीआई) पूरे रोग प्रतिरूपक को प्रभावित नहीं कर सकती है।[13] रोग प्रतिरूपक की अवधारणा का उपयोग औषधि की खोज, औषधि प्रारुप और रोग का पता लगाने के लिए जैवचिह्न के विकास में सहायता के लिए किया जा सकता है।[2] नेटवर्क औषध विज्ञान का उपयोग करके औषधि की पहचान करने के कई प्रकार हो सकते हैं; इसका एक सरल उदाहरण ''संघ द्वारा दोष'' विधि है। यह बताता है कि अगर एक ही औषधि से दो रोग का उपचार किया जाता है, तो एक औषधि जो एक बीमारी का उपचार करती है वह दूसरे का उपचार कर सकती है।[15] इस क्षेत्र में नशीली औषधि का पुनरुत्पादन, औषधि अन्योन्यक्रिया और औषधि दुष्प्रभाव का भी अध्ययन किया गया है।[2]

नेटवर्क जानपदिक

नेटवर्क जानपदिक प्रतिरूप में नेटवर्क विज्ञान को उपयोजित करके नेटवर्क जानपदिक का निर्माण किया गया है, क्योंकि कई प्रवाह नेटवर्क और सामाजिक नेटवर्क रोग के प्रसार में भूमिका निभाते हैं।[16] जनसंख्या में मोटापे के प्रसार में सामाजिक संबंधों की भूमिका का आकलन करने के लिए सामाजिक नेटवर्क का उपयोग किया गया है।[17] जानपदिक प्रतिरूप और अवधारणाएं, जैसे प्रसार और संपर्क अनुरेखण, नेटवर्क को विश्लेषण में उपयोग करने के लिए अनुकूलित किया गया है।[18] इन प्रतिरूपों का उपयोग सार्वजनिक स्वास्थ्य नीतियों में लक्षित टीकाकरण रणनीतियों को उपयोजित करने के लिए किया जा सकता है[19] और हाल ही में पश्चिम अफ्रीका में देशों और महाद्वीपों में इबोला विषाणु जानपदिक के प्रसार के प्रतिरूप के लिए उपयोग किया गया है।[20][21]

औषधि निर्धारित नेटवर्क (डीपीएन)

कुछ शोधकर्ताओं ने नेटवर्क के रूप में औषधि के उपयोग का प्रतिनिधित्व करने की प्रवृत्ति दिखाई हैं। इन नेटवर्क में नोड्स दवाओं का प्रतिनिधित्व करते हैं और किनारे इन दवाओं के मध्य किसी प्रकार के संबंध का प्रतिनिधित्व करते हैं। कैवलो एट अल (2013) [22] ने एक सह-पर्चे नेटवर्क की सांस्थिति का वर्णन किया, यह प्रदर्शित करने के लिए कि कौन से औषधि वर्ग सबसे अधिक सह-निर्धारित हैं। बैज़ोनी एट अल (2015) [23] ने निष्कर्ष निकाला कि सह-निर्धारित दवाओं के डीपीएन घने, अत्यधिक गुच्छेदार, प्रतिरूपकर और वर्गीकरण हैं। अस्कर एट अल (2021) [24] ने सूक्ष्म औषधि-औषधि अन्योन्यक्रिया (DDIs) का एक नेटवर्क बनाया, जिसमें दिखाया गया कि इसमें कई गुच्छित सम्मलित हैं।

अन्य नेटवर्क

इन्द्रियों [25] और अन्य जैविक प्रणालियों के विकास को नेटवर्क संरचनाओं के रूप में प्रतिरूपित किया जा सकता है जहां नैदानिक ​​(जैसे, रेडियोआरेखिक, कार्यात्मक) विशेषताओं को नोड्स के रूप में दर्शाया जा सकता है और इन विशेषताओं के मध्य संबंधों को ऐसे नोड्स के मध्य लिंक के रूप में दर्शाया जा सकता है।[26]

इसलिए, यह प्रतिरूप करने के लिए नेटवर्क का उपयोग करना संभव है कि कैसे इन्द्रिय प्रणालियां गतिशील रूप से प्रभावित करती हैं।

शैक्षिक और नैदानिक ​​कार्यान्वयन

ब्रिघम और महिला अस्पताल में नेटवर्क मेडिसिन का चैनिंग श्रेणी 2012 में नेटवर्क विज्ञान और प्रणाली जीवविज्ञान का उपयोग करके सम्मिश्र रोग के अध्ययन, पुनर्वर्गीकरण और उपचार विकसित करने के लिए बनाया गया था।[27] यह तीन क्षेत्रों पर केंद्रित है:

  • जीर्ण रोग जानपदिक विज्ञान विस्तार से दीर्घकालिक जानपदिक विज्ञान के अध्ययन में जीनोमिक्स और मेटाबॉलिकम का उपयोग करते है, जैसे नर्सों का स्वास्थ्य अध्ययन करते है।
  • प्रणाली आनुवान्शिकी और जीनोमिक्स थोड़ी जनसंख्या के अध्ययन में सम्मिश्र श्वसन रोगों, विशेष रूप से सीओपीडी और अस्थमा पर केंद्रित है।
  • प्रणाली रोग विज्ञान जटिल रोग को समझने और बायोमार्कर प्रारुप को निर्देशित करने के लिए नियंत्रण सिद्धांत, गतिशील प्रणालियों और मिश्रित अनुकूलन सहित बहु-विषयक दृष्टिकोण का उपयोग करते है।[28]

मैसाचुसेट्स की तकनीकी संस्था "नेटवर्क मेडिसिन: उपन्यास कैंसर चिकित्सा विज्ञान बनाने के लिए प्रणाली जीवविज्ञान और सिग्नलिंग नेटवर्क का उपयोग करना'' नामक एक स्नातक पाठ्यक्रम प्रदान करता है।[29] इसके अलावा, हार्वर्ड कैटेलिस्ट (हार्वर्ड लाक्षणिक और स्थानांतरीय विज्ञान केंद्र) ''नेटवर्क मेडिसिन का परिचय'' नामक तीन दिवसीय पाठ्यक्रम प्रदान करता है, जो डॉक्टरेट डिग्री वाले नैदानिक ​​और विज्ञान पेशेवरों के लिए खुला है।[30]

यह भी देखें

संदर्भ

  1. Caldarelli G. (2007). Scale-Free Networks. Oxford University Press.
  2. 2.0 2.1 2.2 Chan, S. Y., & Loscalzo, J. (2012). The emerging paradigm of network medicine in the study of human disease. Circulation research, 111(3), 359–374.
  3. 3.0 3.1 Goh, K. I., Cusick, M. E., Valle, D., Childs, B., Vidal, M., & Barabási, A. L. (2007). The human disease network. Proceedings of the National Academy of Sciences, 104(21), 8685–8690.
  4. Sonawane, Abhijeet R.; Weiss, Scott T.; Glass, Kimberly; Sharma, Amitabh (2019). "बायोमेडिकल बिग डेटा के युग में नेटवर्क मेडिसिन". Frontiers in Genetics. 10: 294. doi:10.3389/fgene.2019.00294. ISSN 1664-8021. PMC 6470635. PMID 31031797.
  5. 5.0 5.1 Barabási, A. L., Gulbahce, N., & Loscalzo, J. (2011). Network medicine: a network-based approach to human disease. Nature Reviews Genetics, 12(1), 56–68.
  6. 6.0 6.1 Loscalzo, J., & Barabasi, A. L. (2011). Systems biology and the future of medicine. Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 3(6), 619–627.
  7. Rual, J. F., Venkatesan, K., Hao, T., Hirozane-Kishikawa, T., Dricot, A., Li, N., ... & Vidal, M. (2005). Towards a proteome-scale map of the human protein–protein interaction network. Nature, 437(7062), 1173–1178.
  8. Ravasz, E., Somera, A. L., Mongru, D. A., Oltvai, Z. N., & Barabási, A. L. (2002). Hierarchical organization of modularity in metabolic networks. science, 297(5586), 1551–1555.
  9. Braun, P., Rietman, E., & Vidal, M. (2008). Networking metabolites and diseases. Proceedings of the National Academy of Sciences, 105(29), 9849–9850.
  10. Hidalgo, C. A., Blumm, N., Barabási, A. L., & Christakis, N. A. (2009). A dynamic network approach for the study of human phenotypes. PLoS Computational Biology, 5(4), e1000353.
  11. Liu, Y. I., Wise, P. H., & Butte, A. J. (2009). The "etiome": identification and clustering of human disease etiological factors. BMC bioinformatics, 10(Suppl 2), S14.
  12. Zhou, X., Menche, J., Barabási, A. L., & Sharma, A. (2014). Human symptoms–disease network. Nature Communications, 5.
  13. 13.0 13.1 Hopkins, A. L. (2008). Network pharmacology: the next paradigm in drug discovery. Nature Chemical Biology, 4(11), 682–690.
  14. Yıldırım, M. A., Goh, K. I., Cusick, M. E., Barabási, A. L., & Vidal, M. (2007). Drug—target network. Nature biotechnology, 25(10), 1119–1126.
  15. Chiang, A. P., & Butte, A. J. (2009). Systematic evaluation of drug–disease relationships to identify leads for novel drug uses. Clinical Pharmacology & Therapeutics, 86(5), 507–510.
  16. Pastor-Satorras, R., & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.
  17. Christakis, N. A., & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. New England Journal of Medicine, 357(4), 370–379.
  18. Keeling, M. J., & Eames, K. T. (2005). Networks and epidemic models. Journal of the Royal Society Interface, 2(4), 295–307.
  19. Pastor-Satorras, R., & Vespignani, A. (2002). Immunization of complex networks. Physical Review E, 65(3), 036104.
  20. Gomes, M. F., Piontti, A. P., Rossi, L., Chao, D., Longini, I., Halloran, M. E., & Vespignani, A. (2014). Assessing the international spreading risk associated with the 2014 West African Ebola outbreak. PLOS Currents Outbreaks.
  21. "रोग मॉडलर इबोला से तेजी से बढ़ते टोल का अनुमान लगाते हैं". 31 August 2014.
  22. Cavallo, Pierpaolo (February 2013). "दवा के नुस्खे का नेटवर्क विश्लेषण". Pharmacoepidemiology and Drug Safety. 22 (2): 130–137. doi:10.1002/pds.3384. PMID 23180729. S2CID 42462968.
  23. Bazzoni, Gianfranco (April 2015). "The Drug Prescription Network: A System-Level View of Drug Co-Prescription in Community-Dwelling Elderly People". Rejuvenation Research. 18 (2): 153–161. doi:10.1089/rej.2014.1628. PMID 25531938.
  24. Askar, Mohsen (June 2021). "दवा उपयोग के अध्ययन के लिए नेटवर्क विश्लेषण का परिचय". Research in Social and Administrative Pharmacy. 17 (12): 2054–2061. arXiv:2106.00413. doi:10.1016/j.sapharm.2021.06.021. PMID 34226152. S2CID 235266038.
  25. P. Auconi, G. Caldarelli, A. Scala, G. Ierardo, A. Polimeni (2011). A network approach to orthodontic diagnosis, Orthodontics and Craniofacial Research 14, 189-197 .
  26. Scala,A. Auconi,P., Scazzocchio,M., Caldarelli,G., McNamara,J., Franchi,L. (2014). Complex networks for data-driven medicine: the case of Class III dentoskeletal disharmony, New J. Phys. 16 115017
  27. "नेटवर्क मेडिसिन का चैनिंग डिवीजन".
  28. "Yang-Yu Liu – Harvard Catalyst Profiles – Harvard Catalyst".
  29. Dr. Michael Lee. "Network Medicine: Using Systems Biology and Signaling Networks to Create Novel Cancer Therapeutics". MIT OpenCourseWare.
  30. "Introduction to Network Medicine – Harvard Catalyst".