In English: Unraveling the social network of the cancer cells – what goes wrong during intra-cellular communication?
Alkuperäinen teksti: Sini Hakkola
Se mikä ei tapa, saa aikaan joukon häiriintyneitä selviytymismekanismeja
Ihmisten väliset sosiaaliset verkostot ovat monimutkaisia, ja joskus ne voivat johtaa väärinkäsityksiin ja riitoihin. Kuvittele vaikkapa ystäväpiiriä tai sosiaalisen median yhteisöä, jossa keskustelu ajautuu väärille urille ja päättyy konfliktiin. Toisinaan voi olla haastavaa tunnistaa, mitkä tekijät alun perin vaikuttivat kiistan syntymiseen ja missä vaiheessa tilanne alkoi kärjistyä. Tämän metaforan tarkoitus oli johdatella lukija aiheeseen, joka käsittelee solujen geeninsäätelyverkostoissa tapahtuvia vuorovaikutussuhteiden häiriöitä ja niiden tutkimista laskennallisin keinoin. Näiden häiriöiden tiedetään edesauttavat solujen hallitsematonta jakautumista ja siten syövän syntyä, minkä vuoksi niiden tutkiminen on tärkeää.
Geeninsäätelyverkostot ovat monimutkaisia geenien, transkriptiotekijöiden ja DNA:lla sijaitsevien säätelyelementtien muodostamia järjestelmiä. Syövässä verkostojen kommunikaatio on häiriintynyt, mikä saa aikaan solujen poikkeavan käyttäytymisen, kuten hallitsemattoman jakautumisen, kuolinsignaalien välttelyn ja hoitoresistenssin. Normaaleissa, terveissä soluissa geeninsäätelyverkostot toimivat harmoniassa ja ylläpitävät solun normaaleja prosesseja ja homeostaasia. Syövässä geeninsäätelyverkostojen häiriöt puolestaan saavat aikaan poikkeavuuksia geenien ilmentymisessä, mikä taas edesauttaa syövän kehittymistä ja etenemistä.
Omista henkilökohtaisista ongelmistaan mielensä pahoittaneena saattaa kiukutella kaupassa asiakaspalvelijalle, joka purkaa työstressinsä tiuskimalla puhelimessa mummolleen, joka puolestaan suivaantuneena läksyttää yläkerran naapuriaan kantapääkävelystä, jolloin ei levitä pahoinvointia pelkästään oman kiukkunsa kohteeseen vaan myös eteenpäin monimutkaisessa vuorovaikutusverkostossa.
Hieman samaan tapaan syövän kontekstissa häiriöiden syntyminen saa aikaan niiden vaikutusten etenemisen ketjureaktion tavoin koko vuorovaikutusverkostoon ja vääränlaisten selviytymismekanismien kehittymisen. Nämä häiriöt voivat olla lähtöisin esimerkiksi geenimutaatioista, geenien monistumisesta tai deleetiosta, mutta myös joukosta mekanismeja, jotka eivät suoraan vaikuta DNA:n emäsjärjestykseen eli epigeneettisistä muutoksista, jotka voivat saada aikaan esimerkiksi DNA:n avoimuuden muutoksia vaikuttaen esimerkiksi transkriptiokoneiston sitoutumiseen säätelyalueilleen geeninluennan aloittamiseksi. Näiden häiriöiden kartoittaminen ja ymmärtäminen on tärkeää, jotta voimme tulevaisuudessa paremmin ymmärtää syövän kehittymistä ja kehittää yhä parempia syöpähoitoja.
Sekvenssin murtamista solu kerrallaan
Geeninsäätelyverkostojen tutkiminen syövässä on haastava tehtävä. Syöpäsolut ovat ominaisuuksiltaan hyvin heterogeenisiä, mikä tarkoittaa sitä, että saman kasvaimen sisällä syöpäsolujen perimä voi olla häiriintynyt eri tavoin, jolloin niillä on erilaiset mahdollisuudet saada aikaan taudin eteneminen tai esimerkiksi hoitoresistenssin synty. Tästä syystä me Laskennallinen Biologia -tutkimusryhmässä hyödynnämme geeninsäätelyverkostojen tutkimiseen yksisolusekvensointia, mikä mahdollistaa korkearesoluutioisen, geeninsäätelymekanismien kartoituksen koko genomin laajuudelta yksittäisten syöpäsolujen tasolla. Erityisesti olemme kiinnostuneita eturauhassyövän hoitovasteeseen vaikuttavista geeninsäätelyverkostoista.
Yksisolutason RNA-sekvensoinnin (scRNA-seq) avulla saamme tietoa geeneistä, jotka ilmentyvät kussakin solussa tietyllä ajanhetkellä, kun taas avoimia kromatiininialueita sekvensoimalla (scATAC-seq) saamme tietoa, mitkä DNA-alueet ovat transkriptiotekijöiden ja muiden säätelyproteiinien saavutettavissa geenien ilmentymisen säätelemiseksi. Avoimilta kromatiinialueilta voidaan siis tunnistaa säätelyalueita ja pyrkiä ymmärtämään niiden vaikutus geenien ilmentymiseen. Yhdistämällä näistä kahdesta menetelmästä saatua dataa voimme rakentaa laskennallisia malleja geeninsäätelyverkostojen häiriöiden tutkimiseksi.
Kuinka geeninsäätelyverkostoja voi mallintaa yksisoludatan avulla?
Yksisolutason sekvensointimenetelmät tuottavat parhaimmillaan valtavat määrät dataa jopa tuhansien tai miljoonien yksittäisten solujen tuhansista geeneistä ja avoimista kromatiinialueista. Geeninsäätelyprosessit voidaan kuitenkin yksinkertaistaa ja esittää graafina, jonka mallintamisessa voidaan hyödyntää aiempaa biologista tietämystä: säätelyelementit voidaan esimerkiksi linkittää niiden läheisyydessä sijaitseviin geeneihin ja transkriptiotekijät säätelyelementteihin niillä sijaitsevien tunnettujen sitoutumiskohtien perusteella.
Tämänkaltaisten graafien koko ja monimutkaisuus tuovat mukanaan merkittäviä laskennallisia haasteita, ja perinteisillä tilastollisilla menetelmillä saattaa olla vaikeuksia tunnistaa aidosti merkittäviä säätely-yhteyksiä yksisoludatasta. Tässä kohtaa astuvat kuvaan keinotekoiset hermoverkot ja muut edistyneet koneoppimismenetelmät, joiden avulla voidaan tehokkaasti vangita epälineaarisia suhteita geeninsäätelyverkostossa, ja niiden perusteella päätellä merkittäviä säätely-yhteyksiä. Tällä tavoin voimme pyrkiä tunnistamaan mekanismeja, jotka liittyvät hoitoresistenssin kehittymiseen syöpäsoluissa, mikä auttaa kehittämään tehokkaampia syöpähoitoja tulevaisuudessa.
Tumor Genetics Blog 