|
Under festlige former var USAs præsident Bill Clinton den 27. juni
vært for et arrangement, hvor lederen af det offentlige Human Genome
Project, Francis Collins sammen med Craig Venter fra den private
rival Celera fejrede at de to havde fremstillet en første råskitse
af den humane genomsekvens. Men hvad kan vi så bruge al denne information
til?
Fra DNA til funktion
At forstå liv er langt hen af vejen et spørgsmål om at forstå
hvordan proteiner laves. I den moderne biologi opfatter vi livets
funktionelle enhed - cellen - som et gigantisk samspil mellem alle
de forskellige proteiner (og RNA molekyler), som generne koder for.
Nogle proteiner udgør strukturelle komponenter i cellen mens andre
fungerer som enzymer, der katalyserer dens mange biokemiske reaktioner.
I en kompliceret organisme som et menneske, der består af op mod
1014 celler, er der endvidere en vis arbejdsdeling mellem
de forskellige celletyper. En celle i vores lever indeholder f.
eks. nogle andre proteiner end en hjernecelle, og denne forskel
fremkommer ved at der er forskellige gener som er tændt og slukket
i de to celletyper.
Eftersom vi kender den genetiske kode cellerne benytter sig af
til aflæsning af gener, så vil vi udfra genomsekvensen - i princippet
- kunne beregne den eksakte aminosyrerækkefølge for alle proteinerne
i mennesket. Dette var baggrunden for at iværksætte det humane genomprojekt
for mere end 10 år siden, og nu står vi med alle 3,2 milliarder
bogstaver i det man har kaldt ‘livets bog’. Betyder det så at vi
nu forstår menneskets biologi ned i den mindste detalje? Svaret
er er i første omgang nej - desværre.
Hvor ligger generne?
Det første problem vi møder, er annoteringen af genomet, dvs
bestemmelsen af hvor på DNAet de enkelte gener begynder og slutter.
Det er kun cirka 3 % af genomet, som koder for proteinsekvenser,
og det har vist sig at være et ikke-trivielt problem at definere
hvilke sekvenser der er exons (dvs proteinkodende), og hvilke der
er introns eller intergeniske regioner. Problemets omfang fremgår
af det forhold at selv nu hvor vi kender hele sekvensen, så svinger
genomforskerenes skøn over antallet af gener stadig fra 35.000 til
150.000. Et særligt problem udgøres af alternativ splejsning, som
potentielt kan mangedoble antallet af proteiner. Vi ved stadig meget
lidt om den biologiske signifikans af alternative proteinprodukter
fra samme gen.
Det kan forventes at bioinformatiske metoder vil blive vigtige
i annoteringsarbejdet, men i mange tilfælde vil eksperimentel verificering
af de forudsagte proteinprodukter være nødvendig. Under alle omstændigheder
må vi nok indstille os på at der går adskillige år før vi har en
nogenlunde troværdig annotering af genomet.
Men selv når det lykkes at lave en høj-kvalitets annotering, så
vil det gælde for langt de fleste proteiner, at på trods af at vi
kender deres aminosyresekvens, kender vi ikke deres funktion.
Genetik som værktøj
Størsteparten af vores viden om proteiners funktion har vi fra
genetik. Genetikeren benytter sig af en ‘destruktiv’ tilgang når
han skal finde ud af hvad et gen gør. Først ødelægger han genet
og så ser han hvilken proces organismen ikke længere kan udføre.
Derfra kan han så resonnere ‘baglæns’ og finde ud af hvad det normale
gen gør i en rask organisme. Studier af sådanne mutanter der er
defekte i et givet gen har især været informative i encellede modelorganismer
som bakterier og gær. Ved en kombination af genetiske og biokemiske
metoder har man fået identificeret en lang række gener som koder
for proteiner, der er ansvarlige for den basale husholdning i cellen.
Nu er det så heldigt at mange af disse husholdningsgener ligner
hinanden en hel del fra organisme til organisme - en slags molekylær
vidnesbyrd om Darwins udviklingsteori - nok til at man kan identificere
de tilsvarende menneskegener udfra sekvensen. Men det fortæller
os kun om funktionen af en meget lille del af generne. En gærcelle
indeholder f. eks. kun ca. 6000 gener, og der er stadig mange af
disse vi ikke kender funktionen af.
I takt med at flere og flere genomer bliver sekventeret vil sekvenssammenligninger
blive af stigende betydning i arbejdet med at forudsige proteiners
funktion. Men ofte vil bioinformatikken blot give os en generel
viden om det pågældende protein, f. eks. at det ligner en transkriptionsfaktor
eller at det har en homolog i bananfluer. Hvis vi vil vide hvad
vores protein gør, må vi stadig rejse os fra computeren og gå ind
i laboratoriet.
Det er naturligvis ikke muligt direkte at lave genetiske eksperimenter
med mennesker. Dels kan vi af etiske grunde ikke bare sådan begynde
at ødelægge løs på vores gener for at finde ud af hvad de gør.
Men selvom vi kunne, ville der være store tekniske problemer forbundet
med at udføre sådanne forsøg - på mange måder de samme vanskeligheder
der hidtil har gjort behandling af sygdomme ved hjælp af genterapi
perspektivløs.
I stedet kan man bruge mus som modelsystem. Musen ligner mennesket
genetisk, og de fleste menneskegener genfinder vi i en beslægtet
udgave hos musen. Tilmed kan man i mus ved hjælp af knock-out teknikken
specifikt eliminere et givet gen og så studere hvilke konsekvenser
det får for musen. Der er derfor en meget stor interesse i at sammenligne
de to genomer, og både NIH og Celerea har annonceret at man agter
at sekventere hele muse-genomet. Knock-out teknikken er imidlertid
ikke uden problemer. Den er forholdsvis kostbar og langsommelig,
og ofte vil musens fænotype ikke umiddelbart give en svaret på hvad
genets funktion er.
Arvelige sygdomme
En anden kilde til viden om funktionen af humane gener er arvelige
sygdomme. Man kan sige at disse sygdomme udgør naturens eget genetiske
eksperiment, hvor symptomerne på sygdommen indirekte giver os en
ide om hvad funktionen af det tilsvarende raske gen normalt er.
Nu er arvelige sygdomme, hvor der kun er et enkelt gen der er gået
i stykker, ret sjældne, og for mange af disse har man allerede identificeret
det ansvarlige gen inden sekventeringsprojektet nåede frem til det.
For de fleste sygdomme er der tale om et kompliceret samspil mellem
flere forskellige gener og påvirkninger fra miljøet. F. eks. så
ved vi bl.a. fra studier af enæggede tvillinger at man kan være
arveligt disponeret for at udvikle diabetes, men der er masser
af mennesker som på trods af en disponering aldrig udvikler sygdommen.
Noget tilsvarende gælder for nogle af de store folkesygdomme som
cancer og hjerte- karsygdomme, og i en vis udstrækning også for
psykiske lidelser som f. eks. schizofreni og maniodepressivitet.
SNP - statistiske pejlemærker
Med den færdige genomsekvens i hånden findes der en genvej til
at studere den arvelige komponent af sådanne komplekse sygdomsdisponeringer
eller tilstande. En slags black-box tilgang, hvor man benytter sig
af en statistisk metode til at anskueliggøre at en given DNA region
er involveret. Metoden udnytter det forhold at DNA stykker som ligger
tæt på hinanden på kromosomerne har en tendens til at blive nedarvet
sammen fra generation til generation. Hvis man derfor opsætter en
række ‘pejlemærker’ med tætte mellemrum hele vejen langs genomet,
vil man kunne spørge om der er nogle af disse mærker, der ofte findes
sammen med sygdommen man interesserer sig for.
I praksis opsætter man ikke pejlemærker, men udnytter den naturlige
variation der er i DNA sekvensen fra person til person. I snit udviser
en ud af 300 baser i DNAet forskelle, og nogle steder i DNAet er
disse forskelle af en sådan art at mennesker kan deles op i to grupper
(lidt på samme måde som ens blodtype kan være enten rhesus positiv
eller rhesus negativ). Disse polymorfier kaldes SNPer (‘single nucleotide
polymophisms’), og man anslår at når man har fundet 200.000-300.000
SNPer jævnt fordelt hen over genomet, så vil alle gener være dækket
ind.
Et sådant SNP kort er især interessant fordi man i dag ved hjælp
af chips-teknologien udfra en DNA prøve meget hurtigt kan bestemme
profilen af samtlige 300.000 SNP polymorfier hos en person. DNA
chipsene fungerer på den måde at man for hver eneste af de 300.000
SNP har to sonder som måler om den ene eller den anden udgave af
sekvensen er repræsenteret i DNA prøven. Ved at sammenligne en gruppe
personer som lider af en given sygdom med en rask kontrolgruppe,
vil man muligvis kunne finde frem til en eller flere SNPer, som
har en forskelig statistisk fordeling i de to grupper, hvilket antyder
at de ligger i nærheden af et gen som har betydning for udviklingen
af sydommen.
Man kan så begynde at lede på DNAet i omegnen af SNPen efter et
gen som er muteret hos (en relativt større del af) patientgruppen.
Medicinalfirmaet Glaxo Wellcome har på den måde og udfra et foreløbigt
SNP kort identificeret to gener, som man mener har betydning for
udviklingen af Alzheimer’s sygdom. Man kan dernæst begynde at studere
den molekylærbiologiske sammenhæng de pågældende gener virker i,
og på den måde arbejde sig frem mod en egentlig forståelse af sygdomsmekanismen.
Denne viden kan danne basis for en mere målrettet udvikling af nye
typer medicin.
Risikogrupper
Man kan også blot vælge at benytte SNP informationen til at
opdele personer i forskellige risikogrupper med hensyn til en given
sygdom. Højrisikogrupper for f. eks. visse cancerformer kan så screenes,
så sygdommen opdages tidligere. Eller man kan sætte ind med forbyggende
arbejde i form af diæt over for personer som er disponeret for at
udvikle hjerte-karsygdomme.
En anden mulighed er at benytte SNP screeninger til at identificere
personer der ikke kan tåle forskellige former for medicin. Således
planlægger Glaxo Welcome at benytte en SNP screening til at identificere
patienter som ikke kan tåle firmaets præparat Lamictal. Lamictal
bruges mod epilepsi, men en lille del af patienterne udvikler nogle
meget voldsomme bivirkninger efter behandlingen. Hvis disse bivirkninger
er genetisk betingede, vil man kunne finde frem til en SNP profil
for disse, og så screene patienterne inden behandlingen igangsættes.
SNP konsortiet
Interessen for at fremstille SNP kortet over det humane genom
er derfor enorm, og flere bioteknologiske virksomheder iværksatte
for et par år siden storstilede SNP programmer i 100 millioner dollars
klassen. Det drejede sig i første række om de amerikanske firmaer
Celera, Incyte og Curagen og om franske Genset. Meningen var selvfølgelig
at man ville sælge retten til at benytte SNP kortet eller sælge
DNA chips som direkte kan monitorere SNP profilerne.
Netop udsigten til at disse firmaer skulle komme først med det
patenterede SNP kort og dermed i praksis kontrollere anvendelsen
af genomet til medicinske formål fik sidste år 10 af verdens største
medicinalfirmaer til at gå sammen i et utraditionelt samarbejde
med den britiske fond The Wellcome Trust. Firmaerne - der tæller
sværvægtere som SmithKline-Beecham, Novartis, Bristol-Myers Squibb,
Hoffmann-La Roche og Glaxo Wellcome - dannede sammen et konsortium
som planlægger at kortlægge 300.000 SNPer fordelt udover hele genomet.
Meningen er at konsortiets SNPer skal offentliggøres løbende og
være frit tilgængelig for alle (se konsortiets hjemmeside: http://snp.cshl.org).
Denne alliance er naturligvis ikke udtryk for at disse firmaer
er blevet idealister og har opgivet at tjene penge. Initiativet
viser tværtimod at den basale viden om genomet fremover bliver af
så central betydning for medicinalbranchen, at man ikke ønsker at
se nogen form for begrænsning i adgangen hertil.
DNA og skæbne
Som det fremgår af ovenstående er sammenhængen mellem vores
gener, og hvad vi er, langtfra simpel. Der er en skærende kontrast
mellem den lineære relation fra DNA sekvens til aminosyrerækkefølge
på den ene side, og så det komplekse og nonlineære samspil vores
gener udviser med omgivelserne i formningen af ‘fremtoningspræget’
- med Wilhelm Johannsens træffende ord - eller fænotypen som vi
kalder det nu om dage.
Og lige så velegnet vores reduktionistiske logik var til at afdække
hvordan den genetiske kode fungererede, lige så meget kommer den
til kort i beskrivelsen af processerne som fører fra genotype til
fænotype (det vil alle der har prøvet at bruge genetik til at beskrive
dynamikken i et netværk af proteinkinaser kunne snakke med om!).
I mangel af bedre kan vi ty til statistiske metoder som f. eks.
SNP analyserne. Men det er vigtigt at vi erkender disse metoders
begrænsninger, i og med at de udtaler sig om korrelationer frem
for årsagssammenhænge. Biologiske systemer er kendetegnet ved en
robusthed og redundans som bevirker at en given genotype kan fortolkes
vidt forskelligt - af genetiske, af miljømæssige, af historiske
eller af stokastiske årsager. Hvis vi derfor får at vide at vi har
en SNP profil der indebærer X % risiko for at få coloncancer eller
for at udvikle schizofreni, så er det ikke ensbetydende med at vi
får disse tilstande. Vi kan blot tænke på de (100-X) % af befolkningen
der lever lykkeligt med den samme SNP profil uden at udvikle sygdommene
(og X vil som regel være meget mindre end 50). I tiden fremover
vil vi opleve en strøm af diagnostiske DNA kits fra spåmændende
i medicinalindustrien, og det bliver en stor udfordring at holde
fast i at disse ikke nødvendigvis rummer svaret på vores skæbne.
|
