1.8 Genomikk og bioinformatikk

Genomikk og bioinformatikk

I dette kapittelet skal du lære om:

- Humangenomprosjektet og genomets oppbygning
- DNA-sekvenseringsteknologier (Sanger, NGS, nanopore)
- Bioinformatiske verktøy og analyse
- Funksjonell genomikk: transkriptomikk, proteomikk og metabolomikk
- CRISPR-Cas9 genredigering
- Etiske problemstillinger rundt genomredigering

Genomikk er studiet av hele genomer – den totale DNA-sekvensen til en organisme. Med fullføringen av Humangenomprosjektet i 2003 og utviklingen av stadig raskere og billigere sekvenseringsteknologier har genomikken revolusjonert biologien. I dag kan et helt menneskegenom sekvenseres på timer til en brøkdel av de opprinnelige kostnadene. Bioinformatikk – skjæringspunktet mellom biologi, informatikk og statistikk – er blitt uunnværlig for å analysere og forstå de enorme mengdene data som genereres.

Humangenomprosjektet

Bakgrunn og gjennomføring

Humangenomprosjektet (Human Genome Project, HGP) var et internasjonalt forskningsprosjekt som pågikk fra 1990 til 2003. Målet var å kartlegge hele det menneskelige genomet – alle ~3,2 milliarder basepar.

Nøkkeltall:
- Varighet: 13 år
- Kostnad: ~2,7 milliarder USD
- Teknologi: Sanger-sekvensering (kapillærelektroforese)
- Strategi: «Hierarkisk shotgun» – kromosomer ble delt i store fragmenter (BAC-kloner), som ble kartlagt, deretter sekvensert og satt sammen

Overraskende funn

Humangenomprosjektet avslørte flere overraskelser:

Genomets oppbygning

Det menneskelige genomet (~3,2 Gb):

├── Kodende sekvenser (~1,5 %)
│   └── ~20 000 proteinkodende gener
│       ├── Eksoner (kodende regioner)
│       └── Introner (ikke-kodende, spleises ut)
│
├── Ikke-kodende, funksjonelt DNA (~8–15 %)
│   ├── Regulatoriske elementer (promotorer, enhancere, silencere)
│   ├── Ikke-kodende RNA-gener (rRNA, tRNA, miRNA, lncRNA)
│   └── Telomerer og centromerer
│
└── Repetitivt og annet DNA (~80–85 %)
    ├── Transposon-avledet DNA (~45 %)
    │   ├── SINEs (f.eks. Alu-elementer)
    │   └── LINEs (f.eks. LINE-1)
    ├── Tandemrepetisjoner (satellitt-DNA, mikrosatellitter)
    └── Segmentale duplikasjoner

DNA-sekvenseringsteknologier

1. Sanger-sekvensering (førstegenerasjon)

Utviklet av Frederick Sanger i 1977 og var arbeidshesten i Humangenomprosjektet.

Prinsipp – Kjedetermineringsmetoden:
1. DNA-malen denatureres til enkelttråd
2. En primer og DNA-polymerase legges til
3. Reaksjonen inneholder vanlige dNTP-er OG en liten mengde ddNTP-er (dideoksynukleotider, fluorescensmerket)
4. ddNTP-er mangler 3'-OH-gruppen → kjeden terminerer når de inkorporeres
5. Resultatet er fragmenter av alle mulige lengder, hvert merket med farge for den siste basen
6. Fragmentene separeres etter størrelse med kapillærelektroforese
7. En detektor leser av fluorescensfargene → DNA-sekvensen

Leselengde: ~700–1000 basepar per reaksjon
Nøyaktighet: Svært høy (>99,99 %)
Begrensning: Lav gjennomstrømning (throughput), høy kostnad per base

2. Neste generasjons sekvensering (NGS) – Illumina

NGS revolusjonerte genomikken ved å sekvensere millioner av fragmenter parallelt.

Prinsipp (Illumina-plattformen):
1. DNA fragmenteres og kobles til adaptere
2. Fragmentene bindes til en flowcelle og amplifiseres i klynger (broamplifikasjon)
3. Sekvensering ved syntese (SBS): Fluorescensmerkede, reversibelt terminerende nukleotider legges til én om gangen
4. Etter inkorporering avleses fluorescensen med kamera
5. Terminatoren fjernes, og prosessen gjentas

Leselengde: ~150–300 bp (kortere enn Sanger)
Gjennomstrømning: Enormt – milliarder av reads per kjøring
Kostnad: Dramatisk redusert (~$200–1000 per humant genom i dag)
Begrensning: Korte reads kan være utfordrende for repetitive regioner

3. Tredjegenerasjons sekvensering – Oxford Nanopore

Den nyeste teknologien sekvenserer lange, intakte DNA-molekyler i sanntid.

Prinsipp:
1. Enkelttrådig DNA trekkes gjennom en nanopore (biologisk proteinsore) i en membran
2. Poren har en elektrisk strøm gjennom seg
3. Når DNA passerer, blokkerer basene strømmen i ulik grad
4. Endringene i strømmen avleses og konverteres til basesekvens av maskinlæring

Leselengde: Opptil hundretusenvis av basepar (ultralange reads!)
Fordeler: Portabel (MinION-enhet), sanntidssanalyse, kan detektere epigenetiske modifikasjoner
Begrensning: Lavere nøyaktighet per enkeltread (~95–99 %), men forbedres raskt

Sammenligning

Bioinformatiske verktøy

Bioinformatikk kombinerer biologi, informatikk og statistikk for å analysere og tolke biologiske data, spesielt DNA-, RNA- og proteinsekvenser.

BLAST – Basic Local Alignment Search Tool

BLAST er det mest brukte bioinformatiske verktøyet. Det sammenligner en spørringssekvens mot millioner av sekvenser i databaser for å finne lignende sekvenser.

Anvendelser:
- Identifisere et ukjent gen ved å finne lignende sekvenser i kjente organismer
- Finne evolusjonært beslektede gener (ortologer og paraloger)
- Identifisere proteinfamilier og konserverte domener

Eksempel:

Spørringssekvens: ATGCGATCCAGTCAATG...
     ↓ BLAST-søk
Database-treff:
  1. Homo sapiens BRCA1-gen (98 % identitet) - E-verdi: 0.0
  2. Mus musculus Brca1-gen (87 % identitet) - E-verdi: 1e-150
  3. Gallus gallus BRCA1 (72 % identitet) - E-verdi: 1e-80

E-verdien angir sannsynligheten for å finne et like godt treff ved tilfeldighet. Lavere E-verdi = mer signifikant treff.

Sekvenssammenstilling (alignment)

Multippel sekvenssammenstilling (MSA) sammenligner sekvenser fra mange arter for å identifisere konserverte regioner – områder som har endret seg lite gjennom evolusjonen og dermed antas å ha viktig funksjon.

Menneske:   MKWVTFISLLFLFSSA--YRGVFRR
Sjimpanse:  MKWVTFISLLFLFSSA--YRGVFRR    (100 % identisk)
Mus:        MKWVTFISLLLLFSSA--YRGVFRR    (96 % identisk)
Kylling:    MKWVTFISLL-LFSSA--YRGVFKR    (92 % identisk)
Frosk:      MKWITFISLL-LFSSA--YRGVFKR    (88 % identisk)
                *                   *      * = variabel posisjon

Jo mer konservert en posisjon er, jo viktigere er den sannsynligvis for proteinets funksjon.

Fylogenetiske trær

Basert på sekvenssammenstillinger kan man konstruere fylogenetiske trær som viser evolusjonære slektskapsforhold mellom arter eller gener.

                    ┌── Menneske
               ┌───┤
               │   └── Sjimpanse
          ┌────┤
          │    └────── Mus
     ─────┤
          │    ┌────── Kylling
          └────┤
               └────── Frosk

Grenlengden reflekterer den evolusjonære avstanden (antall sekvensendringer). Arter med kortere grenlengde mellom seg er mer nært beslektet.

Funksjonell genomikk – fra sekvens til funksjon

Å kjenne genomsekvensen er bare begynnelsen. Funksjonell genomikk studerer hvordan genomet fungerer – hvilke gener som uttrykkes, hvilke proteiner som produseres, og hvordan det hele reguleres.

«Omics»-feltene

Transkriptomikk (RNA-seq)

- Oppdage nye transkripter og alternative spleisevarianter

Proteomikk

Mens transkriptomikk viser hvilke gener som transkriberes, viser proteomikk hvilke proteiner som faktisk produseres og i hvilke mengder. Det er ikke alltid godt samsvar mellom mRNA- og proteinnivåer, fordi translasjon, proteinmodifisering og nedbrytning også påvirker proteinmengden.

Metabolomikk

CRISPR-Cas9 – genredigering

Opprinnelse

CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats) ble opprinnelig oppdaget som et immunforsvar hos bakterier mot virus (bakteriofager). Bakterier lagrer korte sekvenser av virus-DNA i sitt eget genom som et «immunologisk minne» – neste gang det samme viruset angriper, gjenkjenner bakterien det og kutter virus-DNA-et i stykker.

CRISPR-Cas9-mekanismen

Forskerne Jennifer Doudna og Emmanuelle Charpentier (Nobelprisen i kjemi 2020) viste at CRISPR-systemet kunne programmeres til å kutte hvilket som helst DNA på et presist sted.

Komponenter:
1. Cas9: Et «molekylært saksenzyms» (endonuklease) som kutter begge DNA-trådene
2. Guide-RNA (sgRNA): Et kort RNA-molekyl (~20 nt) som er komplementært til målsekvensen i DNA-et og leder Cas9 til riktig sted
3. PAM-sekvens: En kort sekvens (NGG for SpCas9) som må finnes rett ved siden av målsekvensen – Cas9 gjenkjenner PAM-sekvensen først

Trinn:

1. Design guide-RNA komplementært til målet
2. sgRNA + Cas9 danner et kompleks
3. Komplekset skanner DNA etter PAM-sekvenser
4. sgRNA hybridiserer med målsekvensen (20 bp)
5. Cas9 kutter begge DNA-trådene (dobbelttrådbrudd)

   5'---NNNNNNNNNNNNNNNNNNNNNGG---3'   (PAM = NGG)
   3'---NNNNNNNNNNNNNNNNNNNNNCC---3'
              ↑ sgRNA binder
              ↑ Cas9 kutter

6. Cellens reparasjonsmekanismer fikser bruddet:
   a) NHEJ (non-homologous end joining) → tilfeldige insersjoner/delesjoner → gen-knockout
   b) HDR (homology-directed repair) → nøyaktig DNA-redigering med donor-DNA

Anvendelser av CRISPR

Etikk rundt genomredigering

Genomredigering reiser fundamentale etiske spørsmål som samfunnet må ta stilling til.

Somatisk vs. kimcelleredigering

He Jiankui-saken (2018)

- CCR5-delesjon kan ha uønskede effekter (økt følsomhet for influensa)

- He Jiankui ble dømt til fengsel i Kina

Sentrale etiske problemstillinger

2. Rettferdighet og tilgang

- Genredigering er dyr (Casgevy koster ~$2 millioner per behandling)
- Risiko for at bare rike kan dra nytte → økt ulikhet
- Bør genterapi være tilgjengelig for alle?
3. Uforutsette konsekvenser

- Off-target-redigeringer kan forårsake uventede mutasjoner
- Langtidseffekter er ukjente
- Kimcelleredigering påvirker framtidige generasjoner som ikke har samtykket
4. Gendriv – endring av hele arter

- CRISPR-gendriv kan spre et gen gjennom hele en populasjon
- F.eks. gjøre malariamygg sterile → utrydde malaria
- Men: Hva skjer med økosystemet? Kan vi reversere endringen?

Regulering

De fleste land har lovgivning som regulerer genredigering:
- Norge: Bioteknologiloven forbyr kimcelleredigering og genmodifisering av embryoer
- EU: Strenge restriksjoner på GMO, inkludert CRISPR-redigerte organismer
- USA: FDA regulerer genterapi som medisinsk behandling

- Internasjonalt: WHO har nedsatt ekspertpaneler for global styring av genomredigering

Oppsummering

Humangenomprosjektet

DNA-sekvenseringsteknologier

Bioinformatikk

Funksjonell genomikk

CRISPR-Cas9

Etikk