DNA dizilimi özellikle nadir görülen hastalıklar hakkında bilgi sağlamayı amaçlamaktadır.
Genomumuz, kanser gibi birçok hastalığın yanı sıra diyabet, kardiyovasküler ve bağırsak bozukluklarının da anahtarı olarak kabul ediliyor. Ancak tahminlerin güvenilirliği kesin değil.
Genetik yatkınlığın hastalıkta rolü nedir? İlaç tedavilerinin özellikle iyi sonuç vermesi için bireysel genetik yapımıza ne ölçüde uyarlanması gerekiyor? Peki savunmasız bir gruptaysanız kanser gibi bir hastalığın ortaya çıkma olasılığı gerçekten ne kadardır? Son yıllarda genom araştırmalarında bu kadar çok şeyin meydana gelmesi, bir anlamda sorunun bir parçası: Son yirmi yılda diyabet, koroner kalp hastalığı, kanser genetiği üzerine ortaya çıkan veri seli nasıl olabilir? vb. doğru yorumlanabilir mi?
Uzun yıllardır bu konu üzerinde çalışan kişilerden biri de Harvard Tıp Fakültesi’nde biyomedikal bilişim profesörü Şamil Sunyaev’dir. İstatistiksel modeller ve olasılık hesaplamalarındaki işin tüm inceliklerini biliyor ve bu nedenle sık sık kendine, giderek artan genomik araştırmalara ve her yıl binlerce araştırma makalesine rağmen tahminlerin güvenilirliğinin neden hala arzu edilen bir şeyi bıraktığını sormak zorunda kalıyor.
Genomik araştırmalar hastalıkların riski açısından olduğu kadar tedavisi açısından da umut vericidir.
Geliştirilmiş modeller
Avusturya Bilimler Akademisi’nin (ÖAW) Gregor Mendel Moleküler Bitki Biyolojisi Enstitüsü’nün (GMI) daveti üzerine bu yıl Avusturya’yı ziyaret eden Sunyaev, “Modellerimizin daha da sağlam hale gelmesi gerekiyor” diyor. iyimser bir şekilde. Topluluğun genetik riskleri tahmin etmek için kullandığı modellerin hatalı olmasının bir nedeni var. Belirli bir hastalığın genetik riskini belirlemek için araştırmacılar genom çapında ilişkilendirme çalışmaları (GWAS) yöntemini kullanıyor.
Bu, insan genomundaki üç milyardan fazla baz çiftinden bir hastalığın genetik parmak izinin belirlenmesini mümkün kılıyor. Bir popülasyonun büyük örneklerinde, hücre bölünmesi süreci sırasında karıştırılan ve yeniden birleştirilen milyonlarca bireysel gen parçacığı tespit edilir. Kısa ve belirgin “kesintiler” için SNP’ler olarak adlandırılan bu “tek nükleotid polimorfizmleri”, hasta insanlarda sağlıklı bir popülasyona göre daha sık meydana gelirse, genom araştırmacıları bunların hastalığın gelişimi üzerinde bir etkiye sahip olabileceği sonucuna varırlar.
Daha sonra hem nüfusun tamamı hem de bireyler için bir risk puanı hesaplanabilir. Temel fikir şudur: Kendi genomlarında SNPS riskinin çoğunu taşıyanların hastalık riski daha yüksektir, bunlardan birkaçına sahip olanların riski orta derecede yüksektir ve bunlardan hiçbirine sahip olmayanların sağlıklı insanlardan ne fazlası ne de azı vardır. nüfusta. Bir sayıyla çok şey söyleyebilen basit prensip hataya açıktır. Gen parçacıklarından belirlenen hastalık riskleri nedenselliğe değil, herhangi bir SNP’nin istatistiksel birikimine dayanmaktadır. Bu polimorfizmler hastalıkla ilişkili olabilir veya olmayabilir.
2000’li yıllardaki başlangıçlar
Özellikle GWA çalışmalarının ilk zamanlarında, genetik analizlerin hala pahalı olduğu ve hesaplama gücünün hala nispeten küçük olduğu 2000’li yıllarda, çalışmalardan elde edilen sonuçlar sıklıkla eleştirildi. Çok küçük örnek boyutları ve etkileyen faktörler olarak yanlış seçilmiş SNP’ler, bazen diğer gruplar tarafından üretilemeyen hatalı sonuçlara yol açtı. Bu nedenle GWAS yöntemine zaman zaman şüpheyle bakıldı.
Bugün durum düzeldi. Tam otomatik, yüksek verimli mikrodiziler kullanılarak, milyonlarca gen parçacığı paralel ve uygun maliyetli bir şekilde analiz edilebilir ve güçlü biyoenformatik araçları ve muazzam derecede artırılmış bilgi işlem gücü kullanılarak çok daha hızlı ve daha karmaşık bir şekilde değerlendirilebilir. Bugün, seçilmiş SNP’lerin hastalık riskiyle yalnızca istatistiksel değil aynı zamanda nedensel bir bağlantıya sahip olma olasılığını artıran istatistiksel yöntemler (daha da) geliştirilmektedir.
GWAS verileri artık çeşitli hastalıklar için mevcut: kanser ve kardiyovasküler hastalıklardan diyabet ve inflamatuar bağırsak hastalığına kadar. Poligenik risk skorları, dikkatli bir şekilde ele alınması gerekse bile, bireysel önleme açısından avantajlı olabilir. Örneğin, bireysel bir genetik test, yüksek kolesterol düzeylerinin kısmen kalıtsal olduğunu ve (vegan) diyet ve egzersize rağmen yüksek kaldığını tespit ederse, (özel) kolesterol düşürücü ilaçlar kullanılarak ilaçla erken müdahale yapılabilir.
Kansere karşı yardım
Genetik arka planda kanser riskinin arttığını gösteren anormallikler, koruyucu muayenelere genel halk için tavsiye edilenden daha erken gitmenin tavsiye edilmesine yol açabilir. Çoğu durumda, verilen ilaçların – örneğin psikotrop ilaçlar – kişinin kendi genetiği tarafından iyi mi yoksa kötü mü tolere edildiği de tahmin edilebilir ve gerekirse ilaçta değişiklik önerilebilir.
Ancak araştırmalardaki boşlukların hâlâ kapatılması gerekiyor. Sunyanev, “GWAS verilerinin çoğunluğu hâlâ göç etmiş Avrupalıların nüfuslarına dayanıyor” diyor. Ancak bu bir dezavantajdır çünkü veriler bire bir diğer popülasyonlara aktarılamaz. “Asya veya Afrika popülasyonlarında bazen hastalığın genetik risklerine katkıda bulunan başka polimorfizmler bulunur.” Burada yeni popülasyon araştırmalarının yanı sıra yeni tedaviler geliştirmek için insanın filogenetik evrimine ilişkin daha kesin bilgilere de ihtiyaç var.
Genom çapında ilişkilendirme çalışmaları, hâlâ eksik ve hatalara açık olsa da, ilaç araştırmalarında uzun süredir önemli bir rol oynamıştır: “İlişkili SNP’ler bazen henüz radarda yer almayan yeni genetik yolları keşfetmek için kullanılabilir.” Özellikle genellikle tek (monogenik) genetik bozukluğa dayanan nadir hastalıklarda, GWA çalışmaları ilişkili SNP’ler aracılığıyla şaşırtıcı sonuçlar üretebilmektedir. “Metodolojik prensipler üzerinde çalışıyoruz. Ancak hemen hemen her grubun araştırma programında nadir bir hastalık var.”