Podcast on Genomikai adatok értelmezése az orvostudományban

Přepis

Tomáš: Biztosan emlékeztek Angelina Jolie-ra és arra a döntésére, hogy megelőző műtétet végeztetett el. Ez nem a semmiből jött. Egyetlen szó állt mögötte: variáns. Egy genetikai variáns a génállományában, ami drámaian növelte a rák kockázatát.

Klára: Pontosan. És épp ez a mai feladatunk – megérteni, hogyan találják meg a genetikusok a DNS-ünkben lévő millió betű közül azt az egyetlen variánst, ami mindent megváltoztathat. Olyan ez, mint tűt keresni a szénakazalban, ugye?

Tomáš: Ez még enyhe kifejezés! Vágjunk is bele. A Studyfi Podcastot hallgatjátok.

Klára: Rendben, hol is kezdjük? Megvannak a szekvenálási adatok... és mi van tovább? Ugyan már, nem fogjuk betűről betűre átolvasni.

Tomáš: Remélem is! Akkor itt lennénk a következő évszázadig. Biztosan vannak erre eszközök, nem?

Klára: Persze. Képzeld el, hogy detektívek vagyunk. Az első lépésünk az, hogy megnézzük az adatbázisokat, afféle genetikai rendőrségi nyilvántartásokat. Vannak speciális adatbázisok, amelyek olyan variánsokról gyűjtenek információkat, amiket már korábban összefüggésbe hoztak valamilyen betegséggel.

Tomáš: Szóval egyfajta 'gyanúsítottak' listája?

Klára: Pontosan! Például a HGMD egy hatalmas, professzionális adatbázis, ahol olyan betegségekkel összefüggő variánsokat találsz, amiket már publikáltak tudományos tanulmányokban. Aztán ott van például a LOVD, ami gyakran specifikus génekre fókuszál. Vagy a DECIPHER, ami kiváló ritka fejlődési rendellenességeknél, mert szépen összeköti a genotípust a fenotípussal, vagyis a genetikai információt azzal, ahogy külsőleg megnyilvánul.

Tomáš: És mi van például a rákkal? Ott valószínűleg specifikus, ugye?

Klára: Abszolút. Az onkológiához speciális forrásaink vannak, például a COSMIC adatbázis. Ez olyan, mint egy archívum az összes szomatikus variánsról, amit valaha találtak daganatokban. Segít megérteni, mi történik a daganatos sejtekben.

Tomáš: Rendben, szóval az adatbázisok az első megálló. De mi van, ha olyan variánst találunk, ami nincs benne egyetlen adatbázisban sem? Valami teljesen újat.

Klára: Kiváló kérdés! Ilyenkor jönnek képbe a predikciós eszközök. Ezek okos számítógépes programok, amik megpróbálják megbecsülni, milyen hatása lehet annak az új variánsnak. Például, hogy károsítja-e a fehérje működését, vagy megzavarja-e a splicingot.

Tomáš: Szóval egyfajta kristálygömb a genetikusoknak?

Klára: Inkább egy informált becslés. Az olyan eszközök, mint a SIFT, a PolyPhen-2 vagy a CADD, elemzik a változás különböző jellemzőit, és azt mondják nekünk például: „Figyelem, ez 80% valószínűséggel károsítja a fehérjét.” De vigyázat, ezek csak támogató eszközök, nem végleges ítélet. Néha még ellentmondanak is egymásnak.

Tomáš: Mint amikor két szakértő vitatkozik? Az egyik azt állítja, veszélyes, a másik, hogy rendben van?

Klára: Pontosan! Ezért az eredményeiket fenntartással kell kezelnünk, és nagyon óvatosan kell értelmeznünk. Inkább a segítő nyomok, nem pedig bizonyítékok.

Tomáš: Rendben, értem. Vannak adatbázisaink, vannak predikciós eszközeink. Akkor hogyan néz ki a gyakorlati eljárás, lépésről lépésre, amikor egy genetikus megkapja a páciens adatait az asztalára?

Klára: Ez egy szisztematikus folyamat. Az első és legfontosabb kérdés: megfelel-e az alkalmazott módszer annak, amit keresünk? Ha egy egész gén nagy deléciójára gyanakszom, az exom szekvenálás önmagában nem biztos, hogy elegendő, és elnézhetem.

Tomáš: Szóval először ellenőrzöm, hogy a megfelelő szerszámom van-e a megfelelő munkához. Mi van tovább?

Klára: Aztán értékelem az adatok minőségét. Jó minőségűek az adatok? Elegendő mértékben „kiolvastuk” azokat a géneket, amik minket érdekelnek? Ha igen, akkor kezdődik a nagy szűrés. A millió variánsból kiszűrjük azokat, amik gyakoriak a populációban és valószínűleg ártalmatlanok.

Tomáš: Ezzel szűkül az a hatalmas gyanúsítottlista, ugye?

Klára: Pontosan. Marad mondjuk pár tucat vagy száz jelölt variáns. És mindegyiknél feltesszük a kérdést: Összefügg-e az a gén a páciens betegségével? Megfelel-e a variáns mechanizmusa annak, ahogyan a betegség kialakul? Nem gyakoribb-e az a variáns, mint amilyennek lennie kellene?

Tomáš: És mi van a családdal? Segít, ha megnézzük a szülők DNS-ét?

Klára: Persze! Ez kulcsfontosságú. Megnézzük, hogy a variáns úgynevezett szegregálódik-e a családban. Ez azt jelenti, hogy a többi beteg rokonnak is megvan-e, és fordítva, hiányzik-e az egészségeseknél. Ez egy nagyon erős érv. Néhány leletnél aztán szükséges egy másik, célzottabb módszerrel, például Sanger-szekvenálással történő megerősítés.

Tomáš: És mindezeknek a detektív munkának a végén jön az ítélet. Hogyan is osztályozzák a variánsokat? Csak „bűnös” és „ártatlan” van?

Klára: Ez egy kicsit bonyolultabb. Ötfokozatú skálát használunk, egyfajta jelzőlámpát. Van az 5-ös osztály – patogén, ez a piros. Tudjuk, hogy betegséget okoz. Aztán a 4-es osztály – valószínűleg patogén, ez a narancssárga. Majdnem biztosak vagyunk benne, de hiányzik valami apró bizonyíték.

Tomáš: Értem. És a spektrum másik oldalán lesz a zöld?

Klára: Pontosan. Az 1-es osztály a benignus, azaz ártalmatlan variáns. Zöld. A 2-es osztály valószínűleg benignus, világoszöld. És aztán itt van a legérdekesebb és legveszélyesebb kategória középen.

Tomáš: És az mi?

Klára: 3-as osztály: Ismeretlen jelentőségű variáns, röviden VUS. Ez a mi sárgánk a jelzőlámpán. Azt jelenti, hogy „nem tudjuk”. Vannak bizonyos jelek, amik arra utalnak, hogy káros lehet, de vannak érvek amellett is, hogy ártalmatlan. Az bizonyítékok egyszerűen ellentmondásosak.

Tomáš: Mit csinálnak egy ilyen variánssal? Ez borzasztóan zavaró lehet a páciensnek.

Klára: Így van. És az első számú szabály: a VUS alapján nem hoznak semmilyen alapvető klinikai döntést. Nem ajánlhatunk „talán” alapon például megelőző műtétet. Ez azonban jelzés a további kutatásra – a család vizsgálatára, új publikációk követésére. És ami fontos, az osztályozás idővel változhat!

Tomáš: Szóval a VUS-t pár év múlva át lehet osztályozni, ha új adatok jelennek meg?

Klára: Igen, pontosan! A mai VUS-unk öt év múlva lehet egyértelműen patogén, vagy épp ellenkezőleg, egyértelműen benignus. A genetika hihetetlenül gyorsan fejlődik. Ezért a tisztázatlan esetekben néha néhány év elteltével újraelemzik az adatokat.

Tomáš: Ez elvezet egy másik dologhoz. Amikor egy probléma okát keresitek, nem ütközhettek véletlenül valami teljesen másba? Például egy olyan betegség kockázatába, amire senki sem számított?

Klára: Előfordul, és ez egy nagy etikai téma. Ezt nevezzük véletlen vagy másodlagos leleteknek. Képzeld el, hogy egy gyermeket vizsgálsz fejlődési rendellenesség miatt, és találsz nála egy variánst a BRCA1 génben, ami magas emlő- és petefészekrák kockázatot jelent felnőttkorban.

Tomáš: Hűha. Ez óriási felelősség. Mi van egy ilyen információval?

Klára: Kulcsfontosságú az informált beleegyezés magát a vizsgálat előtt. A pácienst, vagy a szüleit, előre tájékoztatni kell arról, hogy ilyen leletek előfordulhatnak, és el kell dönteniük, hogy tudni szeretnének-e róluk, vagy sem.

Tomáš: És persze ott van az adatvédelem. A genom valószínűleg a legérzékenyebb személyes adat, ami létezik.

Klára: Pontosan. Nemcsak rólad, hanem az összes vér szerinti rokonodról is hordoz információt. Ezért a genetikai adatok a legmagasabb szintű biztonságot igénylik, és az érzékeny genetikai tanácsadás abszolút elengedhetetlen része az egész folyamatnak.

Tomáš: Klára, ez lenyűgöző volt. Foglaljuk össze a végén a diákoknak, akik vizsgára készülnek. Mi az az abszolút minimum, amit meg kell jegyezniük?

Klára: Rendben. Szóval először is: a genomikai adatok értelmezése egy olyan folyamat, ami a laboratóriumi nyers adatokat klinikailag használható következtetéssé fordítja. Ez nem automatikus.

Tomáš: Mindennek az alapja a Humán Genom Projekt volt, ami megadta nekünk a referencia genomot.

Klára: Igen. A referencia genom a mi standardunk, a mi térképünk, amihez a páciens DNS-ét hasonlítjuk. De ne feledjétek, ez nem egy „tökéletes” genom, és megvannak a maga korlátai, főleg a bonyolult, ismétlődő régiókban.

Tomáš: Aztán vannak a különböző variánstípusok. A kicsik és a nagyok.

Klára: Pontosan. Ismernetek kell az alapvető típusokat: az egypontos nukleotid variánsokat, azaz az SNV-ket, amik lehetnek missense, nonsense vagy szinonimák. Továbbá a kis inszerciókat és deléciókat, amik, ha nem oszthatók hárommal, kereteltolódást – frameshiftet – okoznak. És ne feledkezzetek meg a splicing variánsokról sem, amik befolyásolják a splicingot.

Tomáš: És aztán a nagy darabok – a CNV-k, azaz a kópiaszám-változások, és még nagyobb strukturális átrendeződések.

Klára: Igen. És a legfontosabb a klinika számára az ötfokozatú ACMG osztályozás: patogén, valószínűleg patogén, VUS, valószínűleg benignus és benignus. Tudnotok kell, mit jelent minden kategória, és főleg érteni a VUS – az ismeretlen jelentőségű variáns – koncepcióját.

Tomáš: Remek összefoglalás. Szóval a kulcs a szisztematikus megközelítés, a különböző típusú bizonyítékok kombinációja, és annak tudata, hogy a tudásunk folyamatosan fejlődik. Nagyon köszönöm, Klára!

Klára: Szívesen. Ez egy kirakós, de ha tudjátok, hogyan kell csinálni, a darabok szépen a helyükre kerülnek.

Tomáš: Szóval, Klára, a labor most kiköpött nekünk egy hatalmas mennyiségű adatot. Mi történik azzal a digitális halommal tovább? Ki igazodik el benne?

Klára: Pontosan, Tomáš. És itt jön képbe a bioinformatika. Nemcsak arról van szó, hogy megtaláljuk a különbséget, hanem arról is, hogy megbizonyosodjunk róla, hogy az a különbség valós és főleg fontos.

Tomáš: Szóval az első lépés valamilyen minőségellenőrzés? Mint amikor ellenőrzöd, hogy a boltban nem adtak-e vissza rosszul?

Klára: Valami ilyesmi, de a tét sokkal nagyobb. Mielőtt bármit is keresnénk, biztosnak kell lennünk abban, hogy az adatok érnek valamit. Megnézzük például, hogy a szekvenátor nem csinált-e túl sok 'elírást'.

Tomáš: És mit jelent az a 'lefedettség', amiről gyakran beszélnek?

Klára: Képzeld el, hogy egy könyvet olvasol, de néhány oldal elmosódott vagy hiányzik. A lefedettség azt mondja meg nekünk, hányszor olvastuk el a genomban minden egyes betűt. Az alacsony lefedettség azt jelenti, hogy egy fontos 'mondat' – azaz variáns – elkerülhette a figyelmünket.

Tomáš: Aha, szóval tévesen megnyugtathatnánk a pácienst, hogy rendben van, holott nem.

Klára: Pontosan. És fordítva, egy technikai hiba létrehozhat egy 'elírást', ami valójában nem is létezik. Ezért olyan alapvető ez az ellenőrzés.

Tomáš: Rendben, az adatok minőségiek. Mi az az alapvető eljárás, hogy megtaláljuk, amit keresünk?

Klára: Olyan ez, mint egy hatalmas puzzle-t összerakni kép nélkül a dobozon. Először vesszük a DNS millió rövid darabját, amiket 'read'-eknek hívunk, és igazítjuk őket a referencia humán genomhoz. Ez egyfajta mintánk.

Tomáš: És aztán keressük, hol különbözik az én puzzle-m attól a mintától?

Klára: Igen, ezt hívjuk 'variáns azonosításnak' (variant calling). Megtalálunk minden olyan helyet, ahol a páciensnek más betűje van. Csakhogy egyetlen embernél milliókat találunk. És a legtöbbjük ártalmatlan.

Tomáš: Milliókat? Akkor hogyan választjátok ki ebből a lényegeset?

Klára: Itt jön képbe a szűrés. Kizárjuk az összes gyakori, ismert és ártalmatlan variánst. És főleg a páciens klinikai adatait használjuk. Például az úgynevezett HPO terminusok segítségével, amik a tüneteit írják le, leszűkítjük a keresést csak azokra a génekre, amik ezzel összefüggenek.

Tomáš: Ez borzasztóan absztraktul hangzik. Hogyan tudom ezt bioinformatikusként tulajdonképpen megnézni?

Klára: Remek kérdés. Erre olyan eszközöket használunk, amiket 'genom böngészőknek' hívunk. Képzeld el, mint a Google Térképet az emberi genomhoz. Ráközelíthetsz egy konkrét génre, láthatod a szerkezetét, az exonokat, intronokat...

Tomáš: Szóval közvetlenül látom a variánst a 'térképen', és mi van körülötte?

Klára: Pontosan. Az egyik leggyakrabban használt az IGV, és az lehetővé teszi, hogy egészen az egyes leolvasások szintjéig megnézzük. Így ellenőrizhetjük, hogy a lelet nem csak valamilyen technikai műtermék-e. Kicsit olyan, mint egy detektív munkája nagyítóval.

Tomáš: Szóval a genetikai Sherlock Holmes ellenőrzi a nyomokat.

Klára: Pontosan! De vigyázat, ez az eszköz nem mondja meg a diagnózist. Csak segít ellenőrizni, hogy az a 'nyom' technikailag hiteles-e.

Tomáš: Rendben, van egy hiteles variánsom. Hol tudom meg, mit jelent?

Klára: Erre speciális adatbázisaink vannak. Egyik sem tökéletes, ezért több forrásból kell kombinálnunk az információkat. Olyan ez, mint egy tudományos cikkhez való kutatás.

Tomáš: És melyek a főbbek?

Klára: Például a ClinVar egy hatalmas adatbázis, ahol a világ laboratóriumai megosztják, hogyan értelmeztek különböző variánsokat. Megnézhetjük, hogy egyetértenek-e.

Tomáš: És mi van, ha tudni akarom, mennyire gyakori egy variáns?

Klára: Erre kiváló a gnomAD adatbázis. Az megmutatja nekünk a variáns gyakoriságát egy hatalmas egészséges emberi populációban. Ha egy variáns gyakori, nagyon valószínűtlen, hogy ritka betegséget okozna.

Klára: És aztán ott van például az OMIM, egyfajta gén- és betegségenciklopédia. Segít összekötni egy gént egy konkrét betegséggel. A források kombinációja kulcsfontosságú.

Tomáš: Szóval összefoglalva: minőségellenőrzés, igazítás, variánsok keresése, szűrés, majd detektív munka az adatbázisokban vizuális eszközök segítségével. Így van?

Klára: Jobban nem is mondhattam volna. Ez egy komplex folyamat, ahol az informatika, a biológia és az orvostudomány találkozik. De a végén ez lehet a kulcs a páciens diagnózisához. És pontosan arról, hogy ezeket a leleteket hogyan értelmezik a klinikai gyakorlatban, legközelebb beszélhetünk.

Tomáš: És ez, azt hiszem, remekül elvezet minket a mai utolsó témához... valamihez, ami örökre megváltoztatta a biológiát. Az emberi genomhoz.

Klára: Pontosan! A Humán Genom Projektről beszélünk. Ez egy hatalmas nemzetközi projekt volt, ami a kilencvenes években indult.

Tomáš: És a cél az volt... mindent teljesen kiolvasni? Az egész DNS-ünket?

Klára: Alapvetően igen! A cél az volt, hogy létrehozzák az emberi genom első referencia térképét. És 2003-ban ez sikerült is.

Tomáš: Szóval ez tulajdonképpen egyfajta Google térkép a DNS-ünkhöz? Hol mi található, és mire való?

Klára: Ez egy remek hasonlat! Pontosan. Megtudtuk, hogy a genom körülbelül 3,2 milliárd bázispárból áll, és ami meglepő volt... csak körülbelül 20 ezer fehérjekódoló gén. Sokkal többet vártunk.

Tomáš: Hihetetlen. Szóval a sejtek felépítésétől az öröklődésen át a genom teljes térképéig... a mai nap tényleg zsúfolt volt. Köszönjük szépen, Klára, a remek magyarázatot.

Klára: Én köszönöm a meghívást! Kulcsfontosságú emlékezni arra, hogy mindezek a felfedezések ma segítenek nekünk betegségeket gyógyítani és jobban megérteni önmagunkat.

Tomáš: Ez egy tökéletes befejezés. Az egész Studyfi Podcast nevében köszönjük a figyelmeteket, és legközelebb is várjuk!

Klára: Viszlát!