Genoomnotitie: wat is het en waarom is het belangrijk?
Een genoomnotitie is een korte, gestandaardiseerde wetenschappelijke publicatie waarin onderzoekers melden dat ze het volledige DNA van een organisme in kaart hebben gebracht. Denk aan het DNA van een plant, dier, schimmel of microbe: een 'genoom' is de complete erfelijke blauwdruk van dat organisme, opgebouwd uit miljoenen tot miljarden letters (A, C, T en G). Een genoomnotitie is niet het hele onderzoeksverhaal, maar meer een soort geboortekaartje: het meldt dat het genoom er is, hoe het gemaakt is en hoe goed de kwaliteit is, zodat andere wetenschappers er meteen mee aan de slag kunnen.
Vergelijk het met de bouw van een huis. Voordat architecten en aannemers ermee kunnen werken, moet er eerst een nauwkeurige plattekening van het pand bestaan, met maten, materialen en een check of alles klopt. Een genoomnotitie is die plattekening voor DNA: een beknopt document dat vastlegt welk organisme is onderzocht, met welke apparatuur de DNA-letters zijn afgelezen, hoe de stukjes weer zijn samengevoegd tot een geheel, en hoe compleet en betrouwbaar het eindresultaat is. Zonder die notitie zouden onderzoekers telkens zelf moeten uitzoeken of een gepubliceerd genoom wel deugt.
Wat is het precies?
Het maken van een genoomnotitie verloopt in een aantal duidelijke stappen. Eerst wordt het DNA van een organisme geïsoleerd, bijvoorbeeld uit een bloedmonster, een blaadje of een stukje weefsel. Vervolgens wordt dat DNA 'uitgelezen' met sequencingapparatuur. Technieken als Illumina-sequencing lezen heel veel korte stukjes DNA tegelijk, terwijl nieuwere technologieën als PacBio HiFi en Oxford Nanopore juist veel langere stukken kunnen aflezen, wat het samenvoegen van het geheel makkelijker maakt.
Die miljoenen losse DNA-fragmenten moeten daarna met computeralgoritmes weer in de juiste volgorde worden gelegd, een proces dat 'assemblage' heet. Het resultaat is een reeks aaneengesloten DNA-stukken, 'contigs' en 'scaffolds' genoemd, die idealiter de complete chromosomen van het organisme benaderen. Hoe minder brokstukken en hoe langer de aaneengesloten stukken, hoe beter de assemblage.
Om die kwaliteit objectief te kunnen beoordelen, gebruiken onderzoekers standaardmaten. De bekendste is N50: een getal dat aangeeft hoe lang de 'gemiddelde' aaneengesloten DNA-reeks minimaal is. Een andere veelgebruikte maat is BUSCO-score, die meet welk percentage van de genen die je normaal bij verwante soorten verwacht, ook daadwerkelijk terug te vinden is in het nieuwe genoom. Vervolgens wordt het genoom geannoteerd: computerprogramma's en soms menselijke controle wijzen aan waar genen, regelgevende DNA-stukken en andere functionele onderdelen zich waarschijnlijk bevinden.
Al die informatie, samen met de herkomst van het monster, de gebruikte methoden en waar de ruwe data en het eindresultaat zijn opgeslagen (meestal in openbare databanken zoals GenBank van het Amerikaanse NCBI of de European Nucleotide Archive), wordt gebundeld in een kort, peer-reviewed artikel: de genoomnotitie. Tijdschriften als GigaScience en Wellcome Open Research hebben hiervoor specifieke, strak gestructureerde formats ontwikkeld.
Wat wil men ermee bereiken?
Het belangrijkste doel is snelheid en transparantie. Het volledig analyseren van een genoom, bijvoorbeeld om te begrijpen welke genen een plant resistent maken tegen droogte, kan jaren duren. Door eerst een korte genoomnotitie te publiceren, kunnen andere onderzoeksgroepen meteen beginnen met hun eigen analyses op basis van dezelfde data, in plaats van te wachten tot de oorspronkelijke ontdekkers alle diepgaande studies hebben afgerond.
Daarnaast gaat het om reproduceerbaarheid en kwaliteitscontrole. Omdat een genoomnotitie precies beschrijft welke apparatuur, software en kwaliteitsmaten zijn gebruikt, kunnen andere wetenschappers inschatten hoe betrouwbaar het genoom is voordat ze het gebruiken voor bijvoorbeeld natuurbeschermingsonderzoek, landbouwveredeling of medische toepassingen.
Er is ook een grotere, overkoepelende ambitie: het in kaart brengen van de biodiversiteit op aarde. Projecten zoals het Earth BioGenome Project willen het DNA van alle bekende soorten planten, dieren, schimmels en andere organismen sequencen, wat op termijn in de miljoenen genomen loopt. Genoomnotities zijn daarbij de bouwstenen die het mogelijk maken dat zo'n enorme, wereldwijde inspanning behapbaar en navolgbaar blijft.
Voorbeelden uit de praktijk
Het Earth BioGenome Project, gestart in 2018, is het overkoepelende initiatief dat als doel heeft het genoom van vrijwel alle 1,8 miljoen bekende eukaryote soorten (organismen met een celkern, dus alles van schimmels tot zoogdieren) vast te leggen. De losse resultaten binnen dit project worden vaak als genoomnotities gepubliceerd.
Het Darwin Tree of Life Project, geleid door het Wellcome Sanger Institute in het Verenigd Koninkrijk en gestart in 2019, probeert het DNA van alle soorten op de Britse en Ierse eilanden vast te leggen. Dit project publiceert tientallen genoomnotities per jaar in het open-access tijdschrift Wellcome Open Research.
Het Vertebrate Genomes Project, opgezet rond 2017 onder leiding van onder meer bioloog Erich Jarvis van Rockefeller University, richt zich specifiek op het maken van hoogwaardige referentiegenomen van gewervelde dieren, met als streven uiteindelijk alle ongeveer 70.000 soorten gewervelden te dekken.
In Nederland speelt het ARISE-project (Authoritative and Rapid Identification of Species and their Evolutionary Relationships) een vergelijkbare rol. Dit door NWO gefinancierde infrastructuurproject, getrokken door Naturalis Biodiversity Center in Leiden en gestart in 2021, sequencet het DNA van Nederlandse planten- en diersoorten en publiceert daarbij regelmatig genoomnotities, onder meer om de inheemse biodiversiteit beter te kunnen monitoren.
Verder maakte het tijdschrift GigaScience, actief vanaf de oprichting in 2012, het format van de korte 'Data Note' en genoomnotitie populair binnen de genomics-gemeenschap, als snelle, citeerbare manier om nieuwe datasets wetenschappelijk vast te leggen.
Hoe ver is de techniek?
De onderliggende sequencingtechnologie is de afgelopen vijftien jaar enorm verbeterd en sterk goedkoper geworden. Waar het eerste menselijke genoom begin jaren 2000 nog miljarden dollars kostte, is het nu voor veel soorten mogelijk om voor een paar duizend euro een redelijk compleet genoom te maken. Met name de opkomst van langeread-technologieën zoals PacBio HiFi heeft het mogelijk gemaakt om 'telomeer-tot-telomeer'-assemblages te maken: genomen die vrijwel zonder gaten de volledige chromosomen weergeven.
Het format van de genoomnotitie zelf is inmiddels behoorlijk volwassen en gestandaardiseerd; grote tijdschriften hanteren vaste checklists voor wat erin moet staan. Toch blijven er knelpunten. Voor veel niet-modelorganismen, soorten die niet al decennialang intensief onderzocht zijn zoals muizen of fruitvliegjes, is de genannotatie nog relatief onnauwkeurig: computerprogramma's kunnen DNA-stukken wel herkennen als 'waarschijnlijk een gen', maar de precieze functie blijft vaak onbekend bij gebrek aan referentiedata.
Ook zijn opslag en verwerking van de enorme hoeveelheden data een reëel obstakel: een enkel goed genoom beslaat al snel enkele gigabytes aan ruwe data, en bij projecten die duizenden soorten willen sequencen loopt dat op tot aanzienlijke rekenkracht- en opslagkosten. Daarnaast is er wereldwijd nog geen volledige consensus over hoe streng de kwaliteitseisen voor een 'voldoende goede' genoomnotitie precies moeten zijn, wat verschillen tussen tijdschriften en projecten in stand houdt.
Wie werken eraan?
Het Wellcome Sanger Institute in het Verenigd Koninkrijk is een van de grootste spelers, zowel via het Darwin Tree of Life Project als via bijdragen aan het wereldwijde Earth BioGenome Project. Rockefeller University in de Verenigde Staten trekt met het Vertebrate Genomes Project de inspanningen rond gewervelde dieren.
Het Chinese BGI (voorheen Beijing Genomics Institute) is wereldwijd een van de grootste aanbieders van sequencingcapaciteit en levert data aan talloze biodiversiteitsprojecten. In Australië en de Verenigde Staten werkt het DNA Zoo-consortium, een samenwerking tussen onder meer Baylor College of Medicine en de University of Western Australia, aan het in kaart brengen van genomen van bedreigde diersoorten.
In Nederland is Naturalis Biodiversity Center, met het ARISE-project en financiering van NWO, de belangrijkste speler op dit vlak. Tijdschriften als GigaScience, Scientific Data (onderdeel van Nature) en Wellcome Open Research faciliteren de publicatie van genoomnotities en hebben daarmee een sturende rol in hoe dit vakgebied zich standaardiseert.