Ny kunnskap om hvordan arvestoffet skaper sykdom, er et langt skritt på veien mot persontilpasset medisin, mener forskere. Og på laget trengs folk som kan matematikk og informatikk.
Metoden viser vei for genforskning og persontilpasset medisin der fagfeltet har stått fast, kommenterer flere uavhengige eksperter på området. Tverrfaglighet har vært en viktig nøkkel for å få det til. Forskerne har koblet medisin og genetikk sammen med matematikk og informatikk.
Blant annet jakter en matematisk algoritme i eksisterende databaser etter sammensatte DNA-mønstre som går igjen på tvers av arter. Ideen er at det evolusjonen har bevart på denne måten, sannsynligvis har en viktig funksjon.
– Algoritmen er nyutviklet, og matematikken er inspirert av kaosteori, sier Simon Dankel ved Klinisk institutt 2 ved Universitetet i Bergen til Teknisk Ukeblad.
Han har bidratt til andre deler av den nye fremgangsmåten.
Ny, norsk ultralyd: Som å «åpne brystkassen og se rett inn på hjertet»
trenger matte og informatikk
Over hele verden er det lagt ned en enorm innsats for å kartlegge arvestoff. Gjennom internasjonale konsortier har forskere systematisert DNA-data i store, åpne databaser. Neste utfordring er å sette sammen og tolke all informasjonen, og koble den til faktiske funksjoner i kroppen.
– Arbeidet viser hvordan hele det genetiske fagfeltet beveger seg, kommenterer Benedicte Alexandra Lie, professor ved Avdeling for medisinsk genetikk ved Universitetet i Oslo.
Hun har ikke vært involvert i utviklingen av den nye metoden.
– Nå er det ikke bare biologer og genetikere som driver med dette lenger. Det gjør også matematikere, statistikere og informatikere. Feltet har blitt veldig tverrfaglig. Behovet for flere med matematikk- og informatikkbakgrunn har økt dramatisk, sier Lie.
Assosiasjoner
I tillegg til kartleggingen av DNA har det gått store mengder forskningsmidler til genetisk forskning på sykdomsrisiko det siste tiåret. Tusenvis av genområder er blitt knyttet til sykdommer. Det er til og med blitt populært å teste seg for noen av dem.
Gener og sykdom nevnes så ofte i samme setning at det er lett å få inntrykk av at vi skjønner hvordan de henger sammen. Men slik er det ikke.
I 2005 kom de første resultatene fra en type befolkningsstudie kalt helgenom assosiasjonsstudie (Genome Wide Association Studies – GWAS). Den er siden blitt et veldig populært forskningsverktøy.
Vanlige variasjoner i arvestoffet (genomet) til tusenvis eller hundretusenvis av mennesker kartlegges, for å undersøke mulige sammenhenger med sykdomsrisiko.
Fra slike studier har vi lært om gener som øker sannsynligheten for alt fra kreft, diabetes og Alzheimers sykdom til fedme eller fregner. Det går knapt en dag uten at vi kan lese om oppdagelsen av genet for ett eller annet.
Det dreier seg imidlertid bare om assosiasjoner mellom sykdommer og bestemte genområder. Forskerne har verken klart å identifisere de nøyaktige stedene i arvestoffet som gjør utslaget, eller de biologiske sykdomsmekanismene.
Vi vet altså fint lite om hvordan variasjonene i arvestoffet forårsaker sykdom.
Antibiotikaresistens: En av de største truslene mot helsen vår
Vi arver DNA-blokker
En DNA-streng er en lang kjede med fire ulike baser – adenin (A), tymin (T), cytosin (C) og gua-nin (G). To slike kjeder danner en dobbeltspiral hvor basene er bundet sammen i par. Totalt har et menneske 3,3 milliarder slike basepar.
Nesten alt arvestoffet (99,5 prosent) er likt i alle mennesker. Det er de relativt få variasjonene som skiller oss. På en bestemt posisjon i DNA-et har for eksempel de fleste mennesker en C, mens noen har en A. Slike variasjoner kalles snipper (SNP – single-nucleotide polymorphism).
Problemet er at de store assosiasjonsstudiene har for dårlig oppløsning til å identifisere de spesifikke snippene som påvirker sykdomsrisiko.
– Vi arver DNA i blokker kalt haplotyper. Dersom du har én bestemt bokstavvariant på ett sted, betyr det at du også har flere andre varianter i nærheten. Befolkningsstudiene peiler seg inn på slike blokker heller enn enkeltbokstaver, forklarer Simon Dankel.
Når en sammenheng mellom et genområde og en sykdomsrisiko er påvist i GWAS, gjenstår det fremdeles å lokalisere den rette snippen.
– Det er så langt forskningen har kommet for de fleste genetiske sykdommer. Vi har identifisert regioner med alt fra et titalls til hundretalls eller tusentalls med snipper, men aner ikke hvordan vi skal komme videre, sier Lie.
Var ikke søppel likevel
Ulike deler av DNA-et har ulike funksjoner. Den kodende delen kalles gener og er oppskrifter på proteiner – menneskekroppens byggesteiner. Mesteparten er ikke-kodende DNA (98,8 prosent). Betegnelsen søppel-DNA ble brukt før man visste bedre.
Overraskende nok viser GWAS-data at mesteparten av snippene finnes i ikke-kodende DNA. I dag er oppfatningen at snipper trolig først og fremst påvirker brytere i ikke-kodende DNA som skrur gener av og på.
– Likevel har forskere fremdeles en tendens til å fokusere på variasjoner i det kodende DNA. De undersøker om bokstavbyttene der fører til direkte strukturelle endringer i proteinene, forteller Dankel.
Man har rett og slett manglet en god måte å studere resten – mesteparten – av arvestoffet på. Forskerne har klødd seg i håret over alle snippene med mulige koblinger til sykdommer, uten anelse om hvilke av dem som faktisk har en viktig funksjon, og hvilken funksjon det er.
– En av mine samarbeidspartnere har imidlertid utviklet en metode som gjør det mulig å svare på dette, sier Dankel.
Hjertekirurgi: Avanserte simuleringer skal gjøre hjerteoperasjoner sikrere
Komplekse mønstre
Hjernen bak metoden er en 32 år gammel matematiker fra en landsby i de tyske Alpene. I tillegg til sin matematiske bakgrunn har Melina Claussnitzer ekspertise innen genetikk og molekylærbiologi, ernæring, bioinformatikk og evolusjonsbiologi, samt kompetanse til å gjøre laboratorieeksperimenter.
– Av og til kommer det genier som finner løsninger og tilrettelegger for andre. Sånn har det ofte vært i forskningen. Det er utrolig spennende og utviklende å samarbeide med henne, sier Dankel.
Claussnitzer har for tiden en tredelt tilhørighet ved Harvard Medical School, MIT Computer Science and Artificial Intelligence og Broad Institute ved MIT og Harvard.
Hun har utviklet algoritmen som gjør det mulig å søke opp bestemte mønstre på tvers av arter i ikke-kodende DNA.
– Det er håpløst å få ut noe fornuftig bare ved å se enkelt på arvestoffet. Vi må lete etter mer komplekse mønstre som kan hjelpe oss å snevre inn fokus til de relevante områdene, sier Dankel.
Norsk vaksine-gjennombrudd: Norsk vaksine-gjennombrudd: Har begynt testing på mennesker
Bindinger regulerer genene
Claussnitzer algoritme utnytter et bibliotek av kjente sekvenser i DNA som kan binde proteiner.
– Den beregner hvor det finnes sammensetninger av slike bindingsseter. Ett gen reguleres nemlig gjennom flere bindingsseter som opererer i kombinasjon, og de sitter gjerne i visse mønstre som vi kaller moduler.
Om vi finner en bestemt modul hos mennesker, som går igjen i en annen art, betyr det at modulen sannsynligvis har en viktig evolusjonær funksjon, sier Dankel.
Neste skritt er å se om noen av snippene i et genområde som GWAS har koblet til sykdomsrisiko befinner seg innenfor en slik modul. Mindre enn fem prosent av DNA-et vårt består av slike moduler. De kan derfor brukes til å snevre inn fokus og utelukke mange av snippene fra GWAS.
– Det er mye mer sannsynlig at snipper innenfor en slik modul er årsak til risikoen observert i befolkningsstudier, sier Dankel.
Hjerneforskning: Moser-paret har funnet et «speedometer» i hjernen
Fant fedmemekanisme
Det ble en verdensnyhet i september i fjor, da forskerne offentliggjorde i New England Journal of Medicine hvordan de hadde brukt algoritmen, sammen med en rekke andre metodiske trinn, til å identifisere det spesifikke bokstavbyttet som er relevant i fedmegenet FTO.
Blant 89 aktuelle snipper i dette området lå forklaringen på opptil fire kilo ekstra i 44 prosent av befolkningen.
Ingen av kandidatsnippene var i stand til å endre på proteinstrukturen fra FTO-genet, så tidligere studier hadde forsøkt å identifisere andre mekanismer. Mange ville knytte FTO-regionen til hjernekretser som kontrollerer appetitt eller treningstilbøyelighet.
– De lette i feil celletyper, sier Dankel.
For å snevre inn fokus til riktig celletype, brukte Claussnitzer, Dankel og kollegaer en internasjonal database for hvordan DNA er kveilet opp. Selv om arvestoffet er likt i hele kroppen, er kveilene nemlig ulike.
– Dette er viktig for å få ulike celletyper. Noen deler av DNA-tråden er åpne for genregulering, mens andre områder er lukket, forklarer Dankel.
Utilgjengelige områder er ute av funksjon. Ved å sjekke 127 ulike vevs- og celletyper, oppdaget forskerne at fettceller hadde en markant åpning i FTO-delen, i motsetning til hjerneceller som ikke hadde tydelig åpent DNA der.
Ny forskning: Ny forskning: Eksos øker faren for demens
Styrer termogenese
Ved å studere fettceller fra friske europeere med og uten risikoversjonen av FTO-regionen, fant forskerne at risikoversjonen aktiverte to gener i fettcellene et lite stykke unna – nemlig IRX3 og IRX5.
Eksperimenter viste at disse to genene kontrollerer termogenese, hvor fettceller forbrenner energi som varme, heller enn å lagre den som fett. Når de to genene ble skrudd av, røyk også termogenesen.
Med et verktøy for genredigering kalt Crispr-Cas9, kunne forskerne på det nøyaktig riktige stedet i DNAet bytte en T (beskyttende variant) til en C (risikovariant) i celler fra et menneske og vise at termogenesen ble slått av.
I de samme cellene byttet de bokstavene tilbake og viste at termogenesen ble slått på igjen. En slik redigering og reversering av enkeltbokstaver i DNA har aldri blitt gjort tidligere.
Hos mus har forskerne vist at en blokkering av Irx3-genet førte til mindre fettlagre og lavere kroppsvekt, i tillegg til bedre toleranse av energirik diett. Når disse mekanismene er avdekket, er det mulig å utvikle målrettede medisiner.
Sykehusteknologi: Denne roboten skal kunne desinfisere et sykehusrom på 15 minutter
– Ekstraordinær forskningsbragd
Tilnærmingen beskrives som en modell for å forstå sykdomsassosierte regioner i menneskenes arvestoff.
– Studien er en bragd; et ekstraordinært stykke forskning. Dette gir en mal for hvordan vi bør nærme oss genetiske varianter på alle sykdomsområder, kommenterer medisinprofessor Evan Rosen ved Harvard Medical School i en pressemelding fra MIT.
Flere andre forskere hyller også arbeidet.
– Lignende strategier vil sannsynligvis bli brukt for å forstå de regulerende nettverkene og kretsene som ligger til grunn for bidraget fra tusenvis av gener knyttet til ulike sykdommer gjennom GWAS, kommenterer de danske forskerne Camilla H. Sandholt og Oluf Pedersen ved The Novo Nordisk Foundation Center for Basic Metabolic Research ved Københavns Universitet i tidsskriftet Nature.
– Dette er essensielt for å nå den verden av persontilpasset medisin som vi strever etter, kommenterte de amerikanske forskerne Mark A. Herman og Evan D. Rosen i tidsskriftet Cell Metabolism. De hører til ved Broad Institute ved MIT og Beth Israel Deaconess Medical Center i Boston.
– Jeg er helt enig i disse kommentarene. Dette er en veldig god måte å bruke dataene vi har i dag. Jo mer data vi får inn, jo bedre vil denne metoden bli, sier Lie ved UiO.
– Metoden ser informasjonen fra ulike genetiske databaser og undersøkelser i sammenheng, og prøver å modellere kompleksiteten i biologiske systemer. Det gjør den kraftfull, slår hun fast.
