Genexpressie-atlas: de kaart van welk gen waar actief is
Stel je een stadsplattegrond voor, maar dan niet van straten en gebouwen, maar van cellen. Een genexpressie-atlas is zo'n plattegrond: een systematisch overzicht van welke genen actief zijn in welk type cel, in welk orgaan, op welk moment. Elke cel in je lichaam bevat hetzelfde DNA, maar een levercel gedraagt zich compleet anders dan een hersencel of een huidcel. Dat komt doordat cellen verschillende genen "aanzetten" en andere "uitzetten". Een genexpressie-atlas brengt dat verschil in kaart, cel voor cel.
Denk aan een orkest waarin alle honderd musici dezelfde partituur voor zich hebben liggen, met muziek voor elk instrument erin. Toch speelt de violist alleen zijn eigen partij en de trombonist de zijne, ook al staat alle informatie op ieders lessenaar. Genen zijn die partituur, en "genexpressie" is het daadwerkelijk spelen van een specifiek deel ervan. Een atlas van genexpressie is als een gedetailleerd verslag van precies wie in het orkest wanneer welke noten speelt, opgesteld door het hele orkest, instrument voor instrument, af te luisteren.
Wat is het precies?
Om te begrijpen hoe zo'n atlas ontstaat, moet je eerst weten wat genexpressie is. Een gen is een stukje DNA met de instructie voor een specifiek eiwit. Als een cel die instructie gebruikt, wordt het gen eerst overgeschreven naar een tussenproduct genaamd mRNA (boodschapper-RNA). Hoeveel mRNA van een bepaald gen in een cel aanwezig is, zegt dus iets over hoe actief dat gen op dat moment is. Het meten van al die mRNA-moleculen tegelijk heet RNA-sequencing: een techniek waarbij het RNA in een monster wordt afgelezen en met een computer wordt vergeleken met het genoom, om te bepalen van welk gen elk stukje afkomstig is.
Tot een jaar of tien geleden gebeurde dit meestal op weefselniveau: je nam bijvoorbeeld een stukje longweefsel en mat de gemiddelde genexpressie van alle cellen daarin door elkaar. Het probleem is dat een stukje long uit tientallen verschillende celtypen bestaat, van slijmvliescellen tot immuuncellen, en een gemiddelde vertelt niets over die individuele verschillen. De doorbraak kwam met single-cell RNA-sequencing: een techniek waarbij cellen eerst een voor een worden gescheiden, meestal met piepkleine druppeltjes of putjes, waarna van elke afzonderlijke cel het RNA wordt afgelezen.
Met duizenden tot miljoenen van die individuele metingen kan een computer vervolgens cellen die sterk op elkaar lijken qua actieve genen bij elkaar groeperen. Dat proces heet clustering. Elke cluster vertegenwoordigt vaak een herkenbaar celtype of een tussenvorm daarvan. Onderzoekers geven die clusters vervolgens namen op basis van bekende merkergenen, specifieke genen waarvan bekend is dat ze alleen in bepaalde celtypen actief zijn. Het totaaloverzicht van alle actieve genen in een cel of celtype heet het transcriptoom. Een genexpressie-atlas is in de kern een verzameling van duizenden van dit soort transcriptomen, geordend per orgaan, weefsel en celtype, vaak aangevuld met informatie over de locatie van cellen in het weefsel via zogeheten ruimtelijke (spatial) technieken.
Wat wil men ermee bereiken?
Het uiteindelijke doel van de grootste initiatieven is ambitieus: een volledig referentieoverzicht van alle celtypen in het menselijk lichaam, van embryo tot volwassene. Zo'n naslagwerk zou als basiskaart kunnen dienen waarmee onderzoekers afwijkende cellen, bijvoorbeeld in een tumor of bij een auto-immuunziekte, kunnen vergelijken met de "normale" toestand.
Dat heeft concrete toepassingen. Bij kanker kunnen onderzoekers tumorcellen vergelijken met gezonde cellen om te zien welke genen abnormaal actief zijn, wat kan wijzen op aangrijpingspunten voor medicijnen. Bij zeldzame ziekten helpt het om te ontdekken in welk celtype een bepaald gen normaal actief is, wat een aanwijzing geeft over waar in het lichaam een mutatie schade aanricht. Ook in de ontwikkelingsbiologie, de studie van hoe een enkele bevruchte eicel uitgroeit tot een compleet lichaam met honderden celtypen, is zo'n atlas waardevol om te volgen welke genen op welk moment worden aan- en uitgezet.
Op de langere termijn hopen onderzoekers dat dit soort kaarten bijdraagt aan meer gepersonaliseerde geneeskunde: behandelingen die rekening houden met de precieze celtypesamenstelling van een individuele patiënt in plaats van met een gemiddelde patiënt.
Voorbeelden uit de praktijk
Het bekendste en grootste initiatief is het Human Cell Atlas, een internationaal samenwerkingsverband dat in 2016 werd opgericht, mede geïnitieerd door onderzoekers Aviv Regev en Sarah Teichmann. Het consortium brengt honderden laboratoria wereldwijd samen met als doel referentiekaarten te maken van alle celtypen in het menselijk lichaam, orgaan voor orgaan. Er zijn inmiddels deelatlassen gepubliceerd van onder meer de long, het brein, het beenmerg en de darm.
In Zweden loopt sinds 2003 het Human Protein Atlas-project, geleid door onderzoeker Mathias Uhlén en gevestigd bij het KTH Royal Institute of Technology. Dit project combineert genexpressiedata met metingen van eiwitten zelf (het uiteindelijke product waarvoor een gen de instructie geeft) en biedt een vrij toegankelijke database waarin voor vrijwel elk menselijk gen te zien is in welke weefsels en celtypen het tot expressie komt.
In de Verenigde Staten financiert het National Institutes of Health sinds 2010 het GTEx-project (Genotype-Tissue Expression). Dit project verzamelde weefselmonsters van honderden overleden donoren uit tientallen organen en bracht in kaart hoe genexpressie per weefsel verschilt, en hoe die expressie samenhangt met individuele genetische verschillen tussen mensen.
Een ander voorbeeld is Tabula Muris, een atlas van de muis gepubliceerd in 2018 door een internationaal consortium, die als eerste grootschalige proof-of-concept diende voor het idee van een compleet-diersoort-brede cel-atlas. Het vervolgproject Tabula Sapiens, gepubliceerd in 2022 door onderzoekers verbonden aan het Chan Zuckerberg Biohub, deed hetzelfde voor de mens: het bracht van meerdere donoren tegelijk cellen uit tientallen organen in kaart binnen één samenhangende dataset, wat vergelijking tussen organen vergemakkelijkt.
Hoe ver is de techniek?
Single-cell RNA-sequencing is sinds ongeveer 2015 sterk verbeterd en fors goedkoper geworden, wat de huidige golf aan atlasprojecten mogelijk heeft gemaakt. Toch is geen enkele atlas op dit moment compleet. Het Human Cell Atlas-consortium sprak aanvankelijk de ambitie uit om rond het midden van dit decennium een eerste "conceptversie" van een complete menselijke celkaart te hebben, maar zoals vaker bij grote wetenschappelijke infrastructuurprojecten zijn dit soort tijdlijnen indicatief gebleken en regelmatig naar achteren bijgesteld. Op dit moment bestaan er goede deelatlassen van specifieke organen, maar nog geen uitputtend overzicht van het hele lichaam over alle levensfasen heen.
Er zijn ook fundamentele obstakels. Ten eerste verschillen cellen niet alleen per celtype, maar ook tussen individuen, leeftijden en gezondheidstoestanden, waardoor "de" referentiecel eigenlijk niet bestaat; atlassen tonen eerder een bandbreedte dan een vast punt. Ten tweede is het combineren van data uit verschillende laboratoria, met verschillende apparatuur en protocollen, technisch lastig: kleine meetverschillen kunnen ten onrechte worden aangezien voor biologische verschillen, wat vraagt om zware computationele correcties. Ten derde blijven sommige weefsels, met name diep in het lichaam gelegen of zeldzaam beschikbare weefsels zoals hersenweefsel van levende mensen, moeilijk of alleen postmortem te bemonsteren, wat ethische en praktische beperkingen met zich meebrengt. Tot slot spelen kosten nog altijd een rol: hoewel de prijs per cel is gedaald, blijft het in kaart brengen van een heel lichaam met voldoende diepgang een kostbare exercitie.
Wie werken eraan?
Het veld is sterk internationaal en overwegend open-science georiënteerd, wat betekent dat de meeste data vrij toegankelijk worden gepubliceerd voor andere onderzoekers. Het Human Cell Atlas-consortium omvat honderden instituten wereldwijd, met een prominente rol voor het Wellcome Sanger Institute in het Verenigd Koninkrijk en het Broad Institute (verbonden aan MIT en Harvard) in de Verenigde Staten. Het Chan Zuckerberg Initiative en het bijbehorende Chan Zuckerberg Biohub financieren niet alleen projecten als Tabula Sapiens, maar ook infrastructuur zoals het CZ CELLxGENE-dataplatform, waarop veel single-cell-datasets van verschillende onderzoeksgroepen doorzoekbaar bijeen worden gebracht.
In Europa speelt het EMBL-EBI (European Bioinformatics Institute) een centrale rol als host van veel van deze datasets en als partner in internationale standaardisatie-inspanningen. In de Verenigde Staten coördineert het NIH het GTEx-project, en in Zweden trekt het KTH Royal Institute of Technology, onder leiding van Mathias Uhlén, het Human Protein Atlas. Daarnaast dragen tientallen universiteiten en academische ziekenhuizen wereldwijd, waaronder in Nederland instituten als het Hubrecht Instituut en diverse universitair medisch centra, met deelprojecten bij aan specifieke orgaanatlassen.