پیلی دھات یعنی سونا، چاہے وہ بہت چھوٹے ذرات میں ہو، پارکنسنز بیماری  کی ابتدائی شناخت کے لیے نینو ٹیکنالوجی پر مبنی ایک آلے سے  معلومات  فراہم کر سکتا ہے۔

پارکنسنز بیماری دنیا میں سب سے تیزی سے بڑھنے والے نیورولوجیکل عوارض میں سے ایک ہے۔ بڑھتی ہوئی عمر اور زندگی کی توقع میں اضافے کے ساتھ، بھارت میں اس بیماری سے متاثر افراد کی تعداد میں خاطر خواہ اضافہ متوقع ہے، جو صحت کے نظام پر زبردست دباؤ ڈال سکتا ہے۔ تاہم، زیادہ تر تشخیصیں اس وقت کی جاتی ہیں جب دماغ میں پہلے ہی نمایاں نیوروڈیجنریشن ہو چکی ہوتی ہے۔

اسی لیے محققین اس بات کی تلاش میں ہیں کہ بیماری کو ابتدائی مرحلے میں کس طرح پہچانا جا سکتا ہے تاکہ مناسب اقدامات بروقت کیے جا سکیں۔

موہالی میں انسٹیٹیوٹ آف نینو سائنس اینڈ ٹیکنالوجی  کے سائنسدانوں کے درمیان ایک گروپ ڈسکشن ہوا، جس میں انہوں نے دیکھا کہ بیماری کے دوران دماغ میں پروٹین کس طرح مختلف طریقے سے برتاؤ کرتے ہیں۔ اس سے ایک بڑا خیال جنم لیا: کیا صرف پروٹین کے سطحی چارج  کو محسوس کر کے یہ معلوم کیا جا سکتا ہے کہ کون سا پروٹین خطرناک ہے۔

انھوں نے اپنی توجہ الفا سنیوکلین نامی پروٹین پر مرکوز کی، جو پارکنسنز بیماری سے جڑا ہوا ہے۔ یہ پروٹین ابتدائی طور پر نقصان نہیں پہنچاتا، لیکن وقت کے ساتھ یہ شکل بدل کر زہریلے مجموعوں میں جم جاتا ہے جو دماغی خلیات کو نقصان پہنچاتے ہیں۔ ٹیم نے ایک ایسا سینسر تیار کرنے پر کام شروع کیا جو صرف پروٹین کے چارج کی بنیاد پر ان مختلف شکلوں کو پہچان سکے۔

تصویر: گولڈ نینو کلسٹر پر مبنی بائیو سینسر فزیولوجیکل اور پیتھولوجیکل الفا سنیوکلین کے درمیان فرق بتاتا ہے، پارکنسنز کی بیماری کا ابتدائی مرحلے میں پتہ لگانے کے قابل بناتا ہے۔

 

ان کا حل سونے کے نینو کلسٹرز ، الٹراسمال، چمکنے والے ذرات کی شکل میں صرف چند نینو میٹر چوڑے تھے۔ ان نانوکلسٹروں کو قدرتی طور پر پائے جانے والے امینو ایسڈ کے ساتھ مل کر، محققین نے انہیں منتخب "چپچپا" دیا۔ پرولین لیپت کلسٹرز پروٹین کے نارمل ورژن کی طرف کھینچے گئے تھے، جبکہ ہسٹائڈائن لیپت والے زہریلے مجموعوں پر جڑے ہوئے تھے۔ اس سے بے ضرر مونومیرک شکل اور زہریلے مجموعی (ایملائیڈ) فارم کے درمیان فرق کرنے میں مدد ملی۔

تصور سے اصول کے ثبوت تک کے سفر میں تجربات کا ایک وسیع میدان شامل تھا۔ ٹیم نے الفا سنیوکلین  پروٹین کی دو شکلوں (نارمل اور غیر معمولی) کو صاف کرکے شروع کیا۔ اس کے بعد انہوں نے امینو ایسڈ سے ڈھکی ہوئی سونے کے نانو کلسٹروں کی ترکیب کی اور ان کی نظری اور ساختی خصوصیات کو سمجھنے کے لیے اعلیٰ درجے کی اور ایکس رے فوٹو الیکٹران اسپیکٹروسکوپی  کا استعمال کرتے ہوئے احتیاط سے ان کی خصوصیت دریافت کی۔ نانوکلسٹرز اور پروٹین کے درمیان تعاملات کا مطالعہ جیل الیکٹروفورسس، فلوروسینس بجھانے، اور الیکٹرو کیمیکل طریقوں جیسے سائکلک وولٹامیٹری اور امپیڈینس اسپیکٹروسکوپی کے ذریعے کیا گیا، جس نے ٹیم کو یہ پیمائش کرنے کی اجازت دی کہ نانوکلسٹر پروٹین کی مختلف شکلوں کا پتہ لگانے میں کتنی حساسیت رکھتے ہیں۔ آخر میں، نظام کو انسانی ماخوذ ایس ایچ- ایس وائی 5 وائی نیوروبلاسٹوما خلیوں میں آزمایا گیا تاکہ یہ یقینی بنایا جا سکے کہ یہ حیاتیاتی حالات میں محفوظ اور مؤثر طریقے سے کام کرتا ہے۔

اس پروجیکٹ کی قیادت انسٹیٹیوٹ آف نینو سائنس اینڈ ٹیکنالوجی  کی سینئر سائنسدان ڈاکٹر شرمستھا سنہا کر رہی تھی، اور اس کی مدد ان کی پی ایچ ڈی کی طالبات محترمہ ہرپریت کور اور محترمہ ایشانی شرما نے کی۔ انہوں نے سی ایس آئی آر-انسٹی ٹیوٹ آف مائکرو بائل ٹیکنولوجی ، چنڈی گڑھ میں ڈاکٹر دیپک شرما اور ارپت تیاگی کے ساتھ بھی تعاون کیا، جنہوں نے پروٹین بائیو کیمسٹری اور سیل پر مبنی اسسیس میں اپنی مہارت پیش کی۔ نوجوان محققین اور تجربہ کار سائنسدانوں کے درمیان اس تعاون نے لیبارٹری کی ایک سادہ بحث کو بایو سینسنگ پلیٹ فارم میں تبدیل کرنے میں مدد کی۔

ایک ایسا آلہ جو علامات ظاہر ہونے سے پہلے بیماری کا پتہ لگا سکتا ہے اس کا مطلب ہے پہلے علاج، بہتر معیار زندگی، اور صحت کی دیکھ بھال کے طویل مدتی اخراجات میں کمی کی جا سکتی ہے۔

تحقیق نے اسی طرح کی نینو ٹیکنالوجی کا استعمال کرتے ہوئے الزائمر جیسے غلط فولڈ پروٹین سے منسلک دیگر بیماریوں کا پتہ لگانے کا دروازہ بھی کھولا ہے۔ سسٹم کو لیبل سے پاک، کم لاگت، اور طبی لحاظ سے قابل موافق بنا کر، ٹیم کو امید ہے کہ کسی دن اسے پوائنٹ آف کیئر ٹیسٹنگ میں استعمال کیا جا سکتا ہے- طاقتور تشخیص کو ان لوگوں کے قریب لایا جائے گا جنہیں ان کی سب سے زیادہ ضرورت ہے۔ یہ غیر متعدی اعصابی بیماریوں کو روکنے اور ان کا انتظام کرنے کی عالمی کوششوں میں اہم رول ادا کر سکتا ہے۔

 

مطالعہ کو ابھی ابھی جریدے نانوسکل (رائل سوسائٹی آف کیمسٹری) میں بھی شامل کئے جانے کو منظوری ملی ہے۔

۔۔۔۔۔۔۔۔۔۔۔

ش ح۔ع و ۔ خ م  

U-5318

(Release ID: 2160974)