Genafhankelijkheid: hoe onderzoekers de zwakke plekken van kankercellen in kaart brengen
Genafhankelijkheid is de mate waarin een cel voor haar overleven steunt op één specifiek gen. Sommige genen zijn voor vrijwel elke cel in het lichaam onmisbaar; schakel je ze uit, dan gaat de cel dood, of het nu een huidcel of een longkankercel is. Andere genen zijn alleen voor bepaalde celtypen van levensbelang — en dat is precies waar het interessant wordt. Een kankercel heeft vaak, door haar mutaties, een paar genen nodig die een gezonde cel kan missen. Vind je zo'n gen, dan heb je in feite de achilleshiel van die kankercel gevonden.
Een simpele analogie: stel je een gebouw voor met honderden steunpilaren. De meeste pilaren zijn overal nodig om het dak overeind te houden — verwijder er een en het hele gebouw stort in, wat voor gebouw het ook is. Maar sommige gebouwen hebben, door een ongelukkige verbouwing, één extra pilaar die alleen dát gebouw op de been houdt. Sloop je die ene pilaar, dan stort alleen dat specifieke, kwetsbare gebouw in, terwijl de rest van de straat overeind blijft. Onderzoekers naar genafhankelijkheid zoeken systematisch naar precies zulke unieke pilaren in kankercellen, om medicijnen te ontwikkelen die alleen die pilaar wegslaan.
Wat is het precies?
Om genafhankelijkheid te meten, gebruiken onderzoekers een techniek die bekendstaat als een CRISPR-knockoutscreen. CRISPR-Cas9 is het bekende gen-'knip-en-plak'-gereedschap waarmee je een specifiek stukje DNA in een cel kunt uitschakelen. In plaats van één gen tegelijk te testen, gebruiken onderzoekers een verzameling van duizenden CRISPR-'gidsjes', elk gericht op een ander menselijk gen. Zo kunnen ze, gen voor gen, elk van de zo'n twintigduizend genen in het menselijk genoom apart uitschakelen in een kweekbakje vol cellen.
Dat gebeurt niet in één cellijn, maar in honderden tot duizenden verschillende kankercellijnen — cellen die oorspronkelijk uit tumoren van patiënten zijn gehaald en in het lab worden gekweekt. Voor elke cellijn en elk gen wordt gemeten: overleeft de cel nog goed als dit gen wordt uitgeschakeld, of gaat ze dood of groeit ze veel trager? Als een cel duidelijk achteruitgaat zodra een bepaald gen verdwijnt, is die cel 'afhankelijk' van dat gen.
Zo ontstaat een enorme tabel: cellijnen op de ene as, genen op de andere, en in elk vakje een score die aangeeft hoe hard een cellijn een bepaald gen nodig heeft. Genen die in vrijwel alle cellijnen essentieel zijn, heten pan-essentiële genen; die horen bij de basale 'huishouding' van elke cel (bijvoorbeeld eiwitten die nodig zijn om DNA af te lezen). Interessanter zijn de selectief essentiële genen: genen die alleen in een deel van de cellijnen — vaak cellijnen met een specifieke mutatie of van een bepaald kankertype — onmisbaar blijken. Dat zijn de kandidaat-aangrijpingspunten voor nieuwe medicijnen.
Vóór CRISPR gebruikten onderzoekers vooral RNA-interferentie (RNAi), een oudere techniek om genactiviteit te dempen in plaats van volledig uit te schakelen. RNAi-screens waren minder precies: ze hadden vaker 'nevenschade' aan andere genen (off-target-effecten), waardoor de resultaten ruizig waren. De overstap naar CRISPR-Cas9, rond het midden van de jaren 2010, maakte de metingen veel betrouwbaarder omdat een gen dan écht wordt uitgeschakeld in plaats van slechts gedempt.
Wat wil men ermee bereiken?
Het hoofddoel is het vinden van nieuwe medicijndoelwitten: eiwitten waarop een geneesmiddel kan aangrijpen, zonder dat gezonde cellen daar al te veel schade van ondervinden. Traditioneel medicijnonderzoek begint vaak bij een idee of toevalstreffer; genafhankelijkheidsonderzoek draait dat om en vraagt systematisch aan de cel zelf: welk gen kun jij niet missen?
Een centraal concept hierbij is synthetische letaliteit. Dat betekent dat het uitschakelen van gen A alleen dodelijk is voor een cel als gen B daarnaast ook al kapot is — terwijl het uitschakelen van A of B afzonderlijk geen probleem is. Het bekendste voorbeeld: cellen met een defect BRCA1- of BRCA2-gen (vaak voorkomend bij erfelijke borst- en eierstokkanker) zijn extra afhankelijk van een DNA-reparatie-eiwit genaamd PARP. Medicijnen die PARP remmen, zoals olaparib, doden daardoor selectief de kankercellen met een BRCA-defect, terwijl gezonde cellen met een intact BRCA-gen de PARP-remming prima overleven. Deze klasse medicijnen, de PARP-remmers, is inmiddels goedgekeurd en wordt in de kliniek gebruikt — een van de weinige voorbeelden waarbij het genafhankelijkheidsprincipe al concreet tot behandelingen heeft geleid.
Achterliggend doel is precisiegeneeskunde: niet één medicijn voor 'kanker' in het algemeen, maar een medicijn dat past bij het specifieke genetische profiel van de tumor van een individuele patiënt. Als je weet welke genafhankelijkheden horen bij welke mutaties, kun je in theorie per patiënt een gerichter middel kiezen.
Voorbeelden uit de praktijk
Het bekendste initiatief is de Cancer Dependency Map (DepMap) van het Broad Institute (verbonden aan MIT en Harvard, Verenigde Staten). Dit project begon als 'Project Achilles' — een knipoog naar de achilleshiel — en groeide uit tot een publiek toegankelijke database met genafhankelijkheidsgegevens over duizenden kankercellijnen.
In 2017 publiceerden Tsherniak en collega's in het tijdschrift Cell het artikel 'Defining a Cancer Dependency Map', dat de systematische aanpak en de eerste grote dataset beschreef. In datzelfde jaar verscheen in Nature Genetics een artikel van Meyers en collega's over CERES, een rekenmethode die CRISPR-screendata corrigeert voor technische ruis (zoals het effect dat CRISPR-knips in gebieden met veel DNA-kopieën soms toxisch lijken zonder dat het gen echt belangrijk is).
Aan de andere kant van de oceaan loopt een vergelijkbaar initiatief bij het Wellcome Sanger Institute in het Verenigd Koninkrijk: Project Score. In 2019 publiceerden Behan en collega's in Nature resultaten van grootschalige CRISPR-screens in honderden cellijnen, met een focus op het identificeren van prioritaire medicijndoelwitten. DepMap en Project Score wisselen methodes en, waar mogelijk, data uit, al gebruiken ze niet altijd exact dezelfde cellijnen of protocollen.
Recenter is er groeiende belangstelling voor Perturb-seq, een uitbreiding waarbij CRISPR-verstoringen worden gecombineerd met single-cell sequencing: je ziet dan niet alleen of een cel doodgaat, maar ook hoe de hele genactiviteit van die cel verandert na het uitschakelen van een gen. Dit wordt onder meer verkend door groepen verbonden aan het Broad Institute en verschillende Amerikaanse universiteiten.
Hoe ver is de techniek?
De basistechnologie — grootschalige CRISPR-knockoutscreens in cellijnen — is inmiddels volwassen en wordt in tientallen laboratoria wereldwijd routinematig toegepast. De omvang van de publieke datasets groeit gestaag: waar de eerste releases van DepMap enkele honderden cellijnen omvatten, gaat het bij recente dataversies om duizenden gescreende cellijnen, verspreid over tientallen kankertypes. Exacte actuele aantallen wisselen per dataversie en worden periodiek bijgewerkt op de projectwebsite.
Nieuwere ontwikkelingen breiden de methode uit: naast CRISPR-knockout (een gen volledig uitschakelen) bestaan nu ook CRISPRi (gendemping, zonder het DNA blijvend te beschadigen) en CRISPRa (gen juist extra activeren), waarmee onderzoekers subtielere effecten kunnen meten. Ook wordt machine learning steeds vaker ingezet om, op basis van de mutaties van een tumor, te voorspellen welke genafhankelijkheden die tumor waarschijnlijk heeft — zonder dat je elke afzonderlijke tumor hoeft te screenen.
Er zijn ook duidelijke obstakels. Kankercellijnen die decennialang in een kweekbakje zijn gegroeid, zijn geen perfecte kopie van een tumor in een echt lichaam: ze missen bijvoorbeeld interactie met het immuunsysteem en het omliggende weefsel, en kunnen door aanpassing aan het laboratorium een enigszins ander mutatiepatroon hebben gekregen dan de oorspronkelijke tumor. Bovendien is een tumor in een patiënt vaak heterogeen: verschillende delen van dezelfde tumor kunnen verschillende mutaties en dus mogelijk verschillende afhankelijkheden hebben, iets wat lastig te vangen is met één cellijn per patiënt. Ten slotte is de vertaalslag van 'we vonden een genafhankelijkheid in het lab' naar 'we hebben een goedgekeurd medicijn' traag en duur: van de duizenden ontdekte kandidaat-doelwitten haalt slechts een klein deel uiteindelijk de kliniek, zoals bij vrijwel alle medicijnonderzoek het geval is.
Wie werken eraan?
Het Broad Institute (Cambridge, Massachusetts, VS), een samenwerkingsverband tussen MIT en Harvard, is met het DepMap-project een van de drijvende krachten achter dit veld. Het Wellcome Sanger Institute nabij Cambridge, Verenigd Koninkrijk, is de belangrijkste Europese tegenhanger met Project Score. Beide instituten stellen hun data grotendeels publiek beschikbaar, wat ongebruikelijk gul is in een onderzoeksveld waar data vaak achter bedrijfsmuren blijft.
Daarnaast gebruiken talloze academische kankercentra wereldwijd de publieke DepMap- en Sanger-data voor eigen onderzoek, zonder zelf de dure grootschalige screens te hoeven uitvoeren. Ook farmaceutische en biotechbedrijven maken gebruik van deze open data, of voeren eigen, niet-openbare genafhankelijkheidsscreens uit als onderdeel van hun zoektocht naar nieuwe medicijndoelwitten. Financiering komt vaak van grote onderzoeksfondsen zoals het Amerikaanse National Cancer Institute en, in het geval van Sanger, de Wellcome Trust.