Metodutveckling för analys av omikdata för att studera komplexa sjukdomar
I en ny avhandling från Karolinska Institutet låg fokus på användningen av så kallade omikdata för att kunna upptäcka molekylära förändringar hos patienter och som i längden kan möjliggöra en individualiserad behandling.
DNA-kod, illustration från Pixabay, CC0. Foto: Gerd Altmann, Pixabay.
Lu Pan, doktorand vid Institutionen för medicinsk epidemiologi och biostatistik, har analyserat så kallad omikdata, bland annat genomik, transkriptomik och proteomik. Omik är ett samlingsnamn på ett antal nya metoder som används för att mäta till exempel arvsmassan (genomik), hur mycket alla gener är påslagna i en viss cell under vissa förhållanden (transkriptomik) eller studera förändringen i ett stort antal proteiner (proteomik). Dessa olika metoder möjliggör att få fram ny information för att besvara biologiska frågor som inte går att besvara när man bara använder en enda teknik.
Lu Pan har i sitt avhandlingsarbete utvecklat verktyg för enkelcellstranskriptomik för att kvantifiera genuttryck på isoformnivå samt att undersöka molekylära uttryck i hjärnan på friska människor och människor med sjukdomen amyotrofisk lateral skleros (ALS).
Många sjukdomar orsakas inte av bara en gen, utan uppstår ur ett komplext samspel mellan arv och miljö. För dessa komplexa sjukdomar räcker det inte att titta på endast en nivå för att förstå sjukdomen, utan istället behöver kunskap från många olika områden sammanföras. Avancerad omikteknik har gjort detta möjligt men att använda den nya tekniken ställer också forskarna inför nya utmaningar.
Ett exempel är att den vanligast använda enkelcellsmetoden Chromium Single Cell 3ʹ 10× Genomics-teknologi, möjliggör undersökning av RNA-uttryck av upp till 10 000 enskilda celler. Analysen av sådana data är förenade med betydande statistiska utmaningar.
Kan du berätta något om de viktigaste resultaten i din avhandling?
–Min avhandling har tre huvudspår; för det första utvecklade vi ett verktyg för att kvantifiera isoformförhållanden på enkelcellsnivå för att hantera bias som uppstår vid användningen av 10X Genomics. För det andra gjorde vi statistiska analyser och upptäckte isoformförhållanden som är specifika för olika normala hjärnregioner hos människan. Slutligen identifierade vi proteinbiomarkörer som är specifika för ALS för bland annat sjukdomsdiagnos och prognos. Jag hoppas att mina resultat kan användas för att hantera de analytiska begränsningar som finns vid enkelcellstranskriptomik och underlätta för framtida forskning och valideringar.
Varför valde du att forska om detta?
–Nya omiksmetoder, särskilt teknik för enkelcellsomik, gör det nu möjligt att bättre förstå biologiska processer. Vi har också fått idéer om hur vi kan hantera de problem som uppstår i och med den nya omik-tekniken.
Hur tycker du att forskningen ska fortsätta framöver på det här området?
–Vårt kvantifieringsverktyg kan utökas för att tillämpas på annan enkelcellsteknik och är inte begränsat till enbart 10X Genomics. De uttryck vi upptäckt från friska hjärnregioner och för ALS behöver dock bekräftas först innan man använder metoderna i vården.
