Outer Biosciences ഇപ്പോൾ തള്ളിക്കളയപ്പെട്ട ശസ്ത്രക്രിയാ കോശങ്ങളിൽ (surgical tissue) നിന്ന് ശേഖരിച്ചതും ഒരു മാസത്തിലധികം ജീവനോടെ നിലനിർത്താൻ കഴിയുന്നതുമായ മനുഷ്യ ചർമ്മം മെഷീൻ ലേണിംഗ് മോഡലുകളിലേക്ക് നൽകുന്നു. മരുന്ന് കണ്ടുപിടിത്തവും (drug-discovery) ഡെർമറ്റോളജി പ്രവചനങ്ങളും കൂടുതൽ വിശ്വസനീയമാക്കുക എന്നതാണ് ഈ സ്റ്റാർട്ടപ്പിന്റെ ലക്ഷ്യം. ശസ്ത്രക്രിയ മുറികളിൽ നിന്ന് ലാബിലേക്ക് മണിക്കൂറുകൾക്കുള്ളിൽ കോശങ്ങളെ എത്തിക്കുന്ന ഇവരുടെ രണ്ട് വർഷത്തെ പൈപ്പ്ലൈൻ, കോശങ്ങളുടെ സ്വാഭാവിക സ്വഭാവം നിലനിർത്താൻ സഹായിക്കുന്നുവെന്ന് കമ്പനി പറയുന്നു.
പഴയ ഡാറ്റാസെറ്റുകൾ എവിടെയാണ് പരാജയപ്പെടുന്നത്
ബയോടെക് രംഗത്തെ സമീപകാല ചരിത്രത്തിൽ, ഗവേഷകർ കമ്പ്യൂട്ടേഷനൽ ടൂളുകൾ പരിശീലിപ്പിക്കാൻ മൃഗ മാതൃകകളെയോ (animal models) കൾച്ചർ ചെയ്ത കോശങ്ങളെയോ ആണ് ആശ്രയിച്ചിരുന്നത്. ഇവ കൈകാര്യം ചെയ്യാൻ എളുപ്പവും ചിലവ് കുറഞ്ഞതുമാണ്, എന്നാൽ മനുഷ്യ ചർമ്മത്തിന്റെ സങ്കീർണ്ണതയെ ഇവ പൂർണ്ണമായും പ്രതിഫലിപ്പിക്കുന്നില്ല. പ്രതിരോധ കോശങ്ങൾ (immune cells), നാഡീഞരമ്പുകൾ (nerve endings), മൈക്രോബയോം ഇടപെടലുകൾ, ഹോർമോണുകളോടും സമ്മർദ്ദത്തോടും ഉള്ള പ്രതികരണം എന്നിവയടങ്ങിയ ഒരു സങ്കീർണ്ണമായ അവയവമാണ് ചർമ്മം. ഈ വ്യത്യാസം കാരണം മരുന്ന് നിർമ്മാതാക്കൾക്ക് ഒന്നിലധികം തവണ മൃഗങ്ങളിൽ പരീക്ഷണങ്ങളും മനുഷ്യരിൽ ക്ലിനിക്കൽ ട്രയലുകളും നടത്തേണ്ടി വരുന്നു, ഇത് ചിലവ് വർദ്ധിപ്പിക്കുകയും സമയം നീട്ടിക്കൊണ്ടുപോവുകയും ചെയ്യുന്നു.
ആ വിടവ് നികത്താനാണ് Outer Biosciences ശ്രമിക്കുന്നത്. ഒരു ഡിഷിൽ മാറ്റം വരുത്താത്ത കോശങ്ങൾ ഉപയോഗിക്കുന്നതിലൂടെ, സിന്തറ്റിക് മോഡലുകൾക്ക് കാണാൻ കഴിയാത്ത പാറ്റേണുകൾ തങ്ങളുടെ AI-ക്ക് പഠിക്കാൻ കഴിയുമെന്ന് കമ്പനി വിശ്വസിക്കുന്നു. ഒരു കോശത്തിന്റെ നിശ്ചലമായ അവസ്ഥയും (static snapshot), പരിസ്ഥിതിയുമായി നിരന്തരം സംവദിച്ചുകൊണ്ടിരിക്കുന്ന കോശഭാഗവും തമ്മിലുള്ള വ്യത്യാസത്തെ വിവരിക്കാൻ "ലിവിംഗ് ഡാറ്റ" (Living data) എന്ന പദമാണ് ടീം ഉപയോഗിക്കുന്നത്.
ശസ്ത്രക്രിയ മുറിയിൽ നിന്ന് അൽഗോരിതത്തിലേക്ക്
ശാസ്ത്രീയമായ വെല്ലുവിളികൾക്കൊപ്പം തന്നെ ലോജിസ്റ്റിക്കൽ വെല്ലുവിളികളും ഇതിനുണ്ട്. അബ്ഡോമിനോപ്ലാസ്റ്റി (abdominoplasties) അല്ലെങ്കിൽ മാസ്റ്റെക്റ്റമി (mastectomies) പോലുള്ള ശസ്ത്രക്രിയകളിൽ ഒഴിവാക്കപ്പെടുന്ന ചർമ്മമാണ് Outer Biosciences ശേഖരിക്കുന്നത്. ഇൻസ്റ്റിറ്റ്യൂഷണൽ റിവ്യൂ ബോർഡ് (IRB) മേൽനോട്ടത്തിൽ പ്രവർത്തിക്കുന്ന ലാഭേച്ഛയില്ലാത്തതും വാണിജ്യപരവുമായ ബയോബാങ്കുകൾ, ഗവേഷണ ആവശ്യങ്ങൾക്കായി ദാതാക്കളുടെ സമ്മതം രേഖപ്പെടുത്തുന്നു. ഒരു ആശുപത്രി അനുയോജ്യമായ സാമ്പിൾ കണ്ടെത്തിയാൽ, കമ്പനിയുടെ കൊറിയർ ശൃംഖല അത് ശേഖരിക്കുകയും താപനില നിയന്ത്രിത കണ്ടെയ്നറുകളിൽ കൊണ്ടുപോയി ഏതാനും മണിക്കൂറുകൾക്കുള്ളിൽ പ്രോസസ്സിംഗ് സൗകര്യത്തിൽ എത്തിക്കുകയും ചെയ്യുന്നു.
ലാബിൽ, രക്തപ്രവാഹം അനുകരിക്കുന്ന ഒരു പെർഫ്യൂഷൻ സിസ്റ്റത്തിൽ (perfusion system) ചർമ്മം വെക്കുന്നു, ഇത് കോശങ്ങളെ 30 ദിവസം വരെ ജീവനോടെ നിലനിർത്തുന്നു. ഈ കാലയളവിൽ, ടീം ഉയർന്ന റെസല്യൂഷൻ ഇമേജിംഗ്, ട്രാൻസ്ക്രിപ്റ്റോമിക്സ് (transcriptomics), പ്രോട്ടിയോമിക്സ് (proteomics) ഡാറ്റകൾ വിവിധ സമയങ്ങളിൽ ശേഖരിക്കുന്നു. ഈ മൾട്ടി-മോഡൽ ഡാറ്റാസെറ്റ്, രാസവസ്തുക്കൾ, UV പ്രകാശം അല്ലെങ്കിൽ വീക്കം (inflammatory triggers) എന്നിവയോട് കോശങ്ങൾ എങ്ങനെ പ്രതികരിക്കുമെന്ന് പ്രവചിക്കുന്ന ഡീപ്പ് ലേണിംഗ് പൈപ്പ്ലൈനുകളിലേക്ക് നൽകുന്നു.
ഈ പ്രവർത്തനത്തിന് പിന്നിലുള്ളവർ
സഹസ്ഥാപകനും സിഇഒയുമായ മൈക്കൽ പൊളാൻസ്കി (Michael Polansky) ഹാർവാർഡിൽ നിന്നുള്ള ഗണിതശാസ്ത്ര പശ്ചാത്തലവും വെഞ്ച്വർ ക്യാപിറ്റൽ പോർട്ട്ഫോളിയോകൾ മുതൽ ആഗോള കോൺസേർട്ട് ടൂറുകൾ വരെയുള്ള സങ്കീർണ്ണമായ പ്രവർത്തനങ്ങൾ വിപുലീകരിച്ച പരിചയസമ്പത്തും ഉള്ള വ്യക്തിയാണ്. ചർമ്മ ജീവശാസ്ത്ര വിദഗ്ധനായ ചീഫ് സയന്റിസ്റ്റ് ക്യുങ്-ജിൻ ജാങ് (Kyung-Jin Jang) പരീക്ഷണാത്മക വശങ്ങൾ നിയന്ത്രിക്കുമ്പോൾ, സിടിഒ ക്രിസ് ഹിനോജോസ (Chris Hinojosa) ഇമേജിംഗും തന്മാത്രാ സ്രോതസ്സുകളും (molecular streams) തമ്മിൽ ബന്ധിപ്പിക്കുന്ന ഡാറ്റാ എഞ്ചിനീയറിംഗ് പ്ലാറ്റ്ഫോം നിർമ്മിക്കുന്നു. ബോർഡിൽ പോപ്പ് കൾച്ചർ ഐക്കണായ ലേഡി ഗാഗ (Lady Gaga) ഉൾപ്പെടുന്നു, അവർ കോസ്മെറ്റിക് ബ്രാൻഡായ Haus Labs-ന്റെ അധ്യക്ഷ കൂടിയാണ്. ഈ സംരംഭം Outer Biosciences-മായി ഗവേഷണ വിഭവങ്ങൾ പങ്കിടുന്നു.
ഈ വ്യവസായബന്ധങ്ങൾ സ്റ്റാർട്ടപ്പിന് ഒരു പ്രത്യേക ലോജിസ്റ്റിക് ശൃംഖല കെട്ടിപ്പടുക്കാനുള്ള മൂലധനവും ആദ്യകാല ഉപയോഗങ്ങൾക്കായി ഒരു വിപണിയും നൽകുന്നു. ഉദാഹരണത്തിന്, Haus Labs-ന് മനുഷ്യരിൽ പരീക്ഷിക്കുന്നതിന് മുമ്പ് പുതിയ ഫോർമുലേഷനുകൾ ഈ ലൈവ്-ടിഷ്യൂ പ്ലാറ്റ്ഫോമിൽ പരീക്ഷിക്കാവുന്നതാണ്, ഇത് ഉൽപ്പന്ന വികസന ചക്രം ആഴ്ചകൾ ചുരുക്കാൻ സഹായിക്കും.
എന്താണ് ഇതിൽ വെല്ലുവിളി?
ഈ സമീപനം വാഗ്ദാനം ചെയ്തതുപോലെ വിജയിക്കുകയാണെങ്കിൽ, ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികൾക്ക് പ്രാരംഭ ഘട്ട പരിശോധനകൾക്കായി ആവശ്യമായ മൃഗ പരീക്ഷണങ്ങളുടെ എണ്ണം കുറയ്ക്കാൻ കഴിയും, ഇത് ചിലവും ധാർമ്മിക പ്രശ്നങ്ങളും കുറയ്ക്കും. ഡെർമറ്റോളജി ക്ലിനിക്കുകൾക്ക് ഒരു മരുന്ന് ഉപയോഗിക്കുമ്പോൾ രോഗിയുടെ ചർമ്മം എങ്ങനെ പ്രതികരിക്കുമെന്ന് പ്രവചിക്കുന്ന AI ടൂളുകൾ ലഭിക്കും, ഇത് വ്യക്തിഗത ചികിത്സാ പദ്ധതികൾ (personalized treatment plans) സാധ്യമാക്കും. പ്രവചന ജീവശാസ്ത്രത്തിന്റെ (predictive biology) പരിധികൾ വിപുലീകരിക്കുന്ന കൂടുതൽ യാഥാർത്ഥ്യബോധമുള്ള പരിശീലന സെറ്റുകൾ ലഭിക്കുന്നതിലൂടെ വിശാലമായ AI കമ്മ്യൂണിറ്റിക്കും ഇതിന്റെ ഗുണം ലഭിക്കും.
ഈ മോഡൽ സ്കെയിലബിലിറ്റിയെയും (scalability) സ്വകാര്യതയെയും കുറിച്ചുള്ള ചോദ്യങ്ങൾ ഉയർത്തുന്നു. ശസ്ത്രക്രിയയിൽ നിന്ന് കോശങ്ങൾ ശേഖരിക്കുന്നത് ആശുപത്രികളെയും ദാതാക്കളെയും ആശ്രയിച്ചിരിക്കുന്നു, ആവശ്യക്കാർ കൂടുന്നതിനനുസരിച്ച് വിതരണ ശൃംഖലയിൽ തടസ്സങ്ങൾ ഉണ്ടായേക്കാം. ബയോബാങ്കുകൾ IRB മേൽനോട്ടത്തിൽ പ്രവർത്തിക്കുന്നുണ്ടെങ്കിലും, ഡാറ്റ കൈകാര്യം ചെയ്യുന്ന രീതികളിൽ വീഴ്ച സംഭവിച്ചാൽ തന്മാത്രാ പ്രൊഫൈലുകൾ വ്യക്തികളുമായി ബന്ധിപ്പിക്കാൻ സാധ്യതയുണ്ട്. സമ്മതം ഉണ്ടെങ്കിൽ പോലും, ഒഴിവാക്കപ്പെട്ട കോശങ്ങളുടെ വാണിജ്യപരമായ ചൂഷണം ധാർമ്മികമായ അതിർവരമ്പുകൾ ലംഘിക്കുന്നുണ്ടെന്ന് വിമർശകർ വാദിക്കുന്നു.
എതിർവാദം: ഓർഗനോയിഡുകൾക്ക് (organoids) ഇപ്പോഴും പങ്കുണ്ടോ?
അവയവങ്ങളുടെ പ്രവർത്തനം അനുകരിക്കുന്നതിനായി ലാബിൽ വളർത്തിയെടുക്കുന്ന കോശങ്ങളുടെ ത്രിമാന കൂട്ടങ്ങളായ ഓർഗനോയിഡുകൾ (organoids) വികസിപ്പിക്കുന്ന ശാസ്ത്രജ്ഞർ, ഈ മാതൃകകളെ പൂർണ്ണമായും ഒഴിവാക്കരുതെന്ന് മുന്നറിയിപ്പ് നൽകുന്നു. ഒരു രോഗിയുടെ ഇൻഡ്യൂസ്ഡ് പ്ലൂറിപ്പോട്ടന്റ് സ്റ്റെം സെല്ലുകളിൽ (induced pluripotent stem cells) നിന്ന് ഓർഗനോയിഡുകൾ നിർമ്മിക്കാൻ കഴിയും, ഇത് പുതിയ ശസ്ത്രക്രിയാ ടിഷ്യൂകളുടെ (surgical tissue) ആവശ്യമില്ലാതെ തന്നെ വ്യക്തിഗതമായ ഒരു പ്ലാറ്റ്ഫോം വാഗ്ദാനം ചെയ്യുന്നു. കൂടാതെ, മാസങ്ങളോളം നീണ്ടുനിൽക്കുന്ന വികാസ പ്രക്രിയകൾ പഠിക്കാൻ ഇവ ഗവേഷകരെ സഹായിക്കുന്നു, ഇത് 30 ദിവസത്തെ ഒരു സ്കിൻ സ്ലൈസിന് (skin slice) സാധ്യമാകില്ല. തങ്ങളുടെ പ്ലാറ്റ്ഫോം ഒരു സാർവത്രിക പകരക്കാരനല്ലെന്നും, മറിച്ച് ചർമ്മത്തിന്റെ സ്വാഭാവിക ഘടന ഏറ്റവും പ്രധാനപ്പെട്ട പ്രത്യേക ചോദ്യങ്ങൾക്കുള്ള ഉയർന്ന കൃത്യതയുള്ള ഡാറ്റയുടെ ഒരു അനുബന്ധ സ്രോതസ്സാണെന്നും Outer Biosciences സമ്മതിക്കുന്നു.
മുന്നോട്ടുള്ള പാത
Outer Biosciences നിലവിൽ നിരവധി ബയോടെക് പങ്കാളികളുമായി പൈലറ്റ് പഠനങ്ങൾ നടത്തുന്നുണ്ട്, ഇതിലൂടെ അറിയപ്പെടുന്ന മരുന്നുകളുടെ ഫലങ്ങളുമായി തങ്ങളുടെ മാതൃകകളുടെ പ്രവചന ശേഷി പരിശോധിക്കുന്നു. ആഭ്യന്തര ബ്രീഫിംഗുകളിൽ മാത്രം പങ്കുവെച്ച ആദ്യകാല ഫലങ്ങൾ സൂചിപ്പിക്കുന്നത്, സമാനമായ ഓർഗനോയിഡ് അധിഷ്ഠിത പ്രവചനങ്ങളെക്കാൾ ഉയർന്ന ക്ലിനിക്കൽ ട്രയൽ ഡാറ്റയുമായി ഇവയ്ക്ക് ബന്ധമുണ്ടെന്നാണ്. മറ്റ് അവയവങ്ങൾ കൂടി ഉൾപ്പെടുത്തി ടിഷ്യൂ ശേഖരണം വിപുലീകരിക്കാൻ കമ്പനി പദ്ധതിയിടുന്നുണ്ടെങ്കിലും, ഓരോന്നിനും അതിന്റേതായ ലോജിസ്റ്റിക്കൽ വെല്ലുവിളികൾ ഉണ്ടാകും.
ജീവനുള്ള മനുഷ്യ ടിഷ്യൂവിൽ പരിശീലിപ്പിച്ച AI മാതൃകകളെക്കുറിച്ച് റെഗുലേറ്റർമാർ ഇതുവരെ പ്രത്യേക മാർഗ്ഗനിർദ്ദേശങ്ങൾ പുറപ്പെടുവിച്ചിട്ടില്ല, എങ്കിലും AI അധിഷ്ഠിത മെഡിക്കൽ ഉപകരണങ്ങൾക്കായുള്ള FDA-യുടെ പുതിയ ചട്ടക്കൂട് Outer-ന്റെ പ്രവർത്തനങ്ങളുമായി ബന്ധപ്പെട്ടേക്കാം. ഡാറ്റാ പ്രൈവസി മാനദണ്ഡങ്ങളും അൽഗോരിതമിക് സുതാര്യതയ്ക്കായുള്ള ഏജൻസിയുടെ പ്രതീക്ഷകളും നിറവേറ്റുന്ന രീതിയിലുള്ള രേഖകൾ തയ്യാറാക്കുകയാണെന്ന് സ്റ്റാർട്ടപ്പ് അറിയിച്ചു.
ചുരുക്കത്തിൽ
ഓപ്പറേഷൻ റൂമിൽ നിന്നുള്ള പുതിയ മനുഷ്യ ചർമ്മം മണിക്കൂറുകൾക്കുള്ളിൽ ലാബിലെത്തിക്കുക എന്ന ലോജിസ്റ്റിക്കൽ നേട്ടത്തെ, മരുന്നുകളെക്കുറിച്ചും ചർമ്മത്തിന്റെ ആരോഗ്യത്തെക്കുറിച്ചുമുള്ള AI പ്രവചനങ്ങൾ കൂടുതൽ വിശ്വസനീയമാക്കാൻ കഴിയുന്ന ഒരു ഡാറ്റാ എഞ്ചിനായി Outer Biosciences മാറ്റിയിരിക്കുന്നു. ടിഷ്യൂ സപ്ലൈ തടസ്സമില്ലാതെ നിലനിർത്തുക, ദാതാക്കളുടെ സ്വകാര്യത സംരക്ഷിക്കുക, "ലിവിംഗ് ഡാറ്റ" (living data) നിലവിലുള്ള സിന്തറ്റിക് മാതൃകകളേക്കാൾ മികച്ചതാണെന്ന് തെളിയിക്കുക എന്നിവയിലായിരിക്കും ഈ സംരംഭത്തിന്റെ വിജയം നിലനിൽക്കുന്നത്. അങ്ങനെ സാധിച്ചാൽ, അതിന്റെ ആഘാതം ഫാർമ, കോസ്മെറ്റിക്സ്, ക്ലിനിക്കൽ ഡെർമറ്റോളജി എന്നീ മേഖലകളിൽ അനുഭവപ്പെടുകയും മനുഷ്യശരീരത്തെ മനസ്സിലാക്കാൻ യന്ത്രങ്ങളെ പരിശീലിപ്പിക്കുന്ന രീതിയെ പുനർനിർമ്മിക്കുകയും ചെയ്യും.