Kennisbank

Genoomvouwing: hoe DNA zich opvouwt tot een werkend genoom

Bijgewerkt: 13 september 2026 · 6 min leestijd

Als je het DNA uit één menselijke cel helemaal zou uitrollen, kom je uit op een draad van ongeveer twee meter lang. Die draad moet passen in een celkern die maar zo'n zes duizendste millimeter breed is — vergelijkbaar met het proppen van dertig kilometer aan garen in een tennisbal. Genoomvouwing is de wetenschap die bestudeert hoe dat lukt, en vooral: hoe die verpakking niet willekeurig is, maar een nauwkeurig georganiseerde structuur vormt die bepaalt welke genen aan of uit staan.

Lange tijd zagen biologen DNA vooral als een lineaire code, een soort tekst die je van links naar rechts leest. Genoomvouwing laat zien dat die tekst in de praktijk in een 3D-prop ligt, waarbij stukken die ver uit elkaar liggen in de 'tekst' toch dicht bij elkaar kunnen komen in de ruimte — een beetje zoals je een lange trui in elkaar propt in een lade, waardoor de mouw ineens tegen de kraag aan ligt. Die toevallige (of juist heel doelbewuste) nabijheid blijkt cruciaal voor hoe cellen bepalen welke genen worden afgelezen.

Wat is het precies?

DNA wordt in de celkern niet los opgeslagen, maar gewikkeld om eiwitten die histonen heten. Samen vormen DNA en histonen chromatine, een soort kralenketting waarbij elke kraal (een nucleosoom) een klein stukje DNA om zich heen heeft gewonden. Dat is de eerste vouwstap.

Daarna gaat de organisatie verder. Twee eiwitten spelen een sleutelrol: cohesine en CTCF. Cohesine is een ringvormig eiwitcomplex dat als een soort katrol over de DNA-streng schuift en daarbij een lus vormt, alsof je een touw dubbelvouwt en het midden naar voren trekt. Dit proces heet loop extrusion (lusextrusie). CTCF-eiwitten fungeren als stopborden: ze binden op specifieke plekken aan het DNA en zorgen ervoor dat de cohesine-lus daar stopt met groeien.

Het resultaat van dit lusvormingsproces zijn TAD's (topologically associating domains, oftewel topologisch geassocieerde domeinen): afgebakende zones van het genoom waarbinnen DNA-stukken elkaar makkelijk 'ontmoeten', terwijl contact met DNA buiten die zone wordt afgeremd. Binnen zo'n TAD kunnen regelelementen (enhancers) die ver van een gen liggen, dankzij de vouwing toch fysiek contact maken met dat gen en het aan- of uitzetten.

Op een nog grotere schaal vouwt het genoom zich verder op in actieve en inactieve compartimenten, en uiteindelijk in hele chromosomen die elk hun eigen 'territorium' innemen in de celkern. Onderzoekers brengen deze structuur in kaart met een techniek genaamd Hi-C: DNA-stukken die in de ruimte dicht bij elkaar liggen, worden chemisch aan elkaar gekoppeld, waarna sequencing onthult welke stukken van het genoom elkaar 'raakten'. Zo ontstaat een soort contactkaart van het hele genoom.

Wat wil men ermee bereiken?

Het achterliggende doel is simpel geformuleerd: begrijpen hoe genen worden aan- en uitgezet. Twee cellen met exact hetzelfde DNA — een huidcel en een hersencel — gedragen zich compleet anders, puur omdat andere genen actief zijn. Genoomvouwing blijkt een van de belangrijkste knoppen te zijn waarmee de cel dat regelt, naast bekendere mechanismen zoals DNA-methylering.

Er is ook een directe medische motivatie. Fouten in de vouwing van het genoom — bijvoorbeeld een verstoorde TAD-grens — kunnen ervoor zorgen dat een enhancer plotseling het verkeerde gen aanstuurt, of juist het goede gen niet meer bereikt. Dat kan leiden tot ontwikkelingsstoornissen of bijdragen aan kankergroei, zonder dat er iets mis is met de DNA-code zelf. Wie de 3D-vouwing begrijpt, kan dus ziektes verklaren die met klassieke genanalyse onopgemerkt bleven.

Op langere termijn hopen onderzoekers deze kennis te gebruiken om gentherapieën preciezer te ontwerpen, om te voorspellen wat het effect is van een mutatie op de genregulatie, en om celtypes te 'herprogrammeren' door bewust de vouwing van het genoom te veranderen.

Voorbeelden uit de praktijk

Een aantal mijlpalen en projecten illustreren hoe het veld zich heeft ontwikkeld:

  • Hi-C-doorbraak (2009): Erez Lieberman Aiden, Job Dekker en collega's publiceerden in Science de eerste genoombrede contactkaart van het menselijk genoom, en introduceerden daarmee de Hi-C-techniek als standaardmethode voor het veld.
  • Ontdekking van TAD's (2012): Twee onderzoeksgroepen, onder leiding van Bing Ren (Dixon et al.) en Edith Heard (Nora et al.), beschreven onafhankelijk van elkaar dat het genoom is opgedeeld in duidelijk afgebakende domeinen — de TAD's.
  • Ledemaatmisvormingen door TAD-verstoring (2015): Onderzoekers rond Darío Lupiáñez en Stefan Mundlos toonden in Cell aan dat het weghalen van een TAD-grens bij muizen en mensen ertoe kan leiden dat een enhancer het verkeerde gen activeert, met misvormde ledematen als gevolg — een van de eerste directe bewijzen dat genoomvouwing ziektes kan veroorzaken zonder mutaties in genen zelf.
  • 4D Nucleome Project (vanaf 2015): Een groot, door de Amerikaanse National Institutes of Health gefinancierd consortium dat systematisch in kaart brengt hoe het genoom in tijd en ruimte ('4D': de drie ruimtelijke dimensies plus tijd) is georganiseerd in verschillende celtypes.
  • AI-voorspelmodellen (2020-2023): Modellen zoals Akita (ontwikkeld bij Calico Life Sciences) en Orca (Princeton University) leerden vanuit alleen de DNA-sequentie te voorspellen hoe een stuk genoom zich waarschijnlijk zal vouwen, zonder dat daarvoor een Hi-C-experiment nodig is — vergelijkbaar met hoe AlphaFold eiwitvouwing voorspelt, maar dan voor de vouwing van het genoom.

Hoe ver is de techniek?

Het in kaart brengen van genoomvouwing is inmiddels een gevestigde onderzoekstechniek: Hi-C en verwante methoden (zoals 4C, ontwikkeld door de Nederlandse onderzoeker Wouter de Laat, en Micro-C) worden wereldwijd routinematig gebruikt in laboratoria. De resolutie is de afgelopen tien jaar sterk verbeterd, van grove blokken van miljoenen DNA-letters naar individuele lussen op een schaal van enkele duizenden letters.

Het voorspellen van vouwing puur op basis van DNA-sequentie — zonder een experiment te hoeven doen — staat nog in een vroeger stadium. AI-modellen zoals Akita en Orca kunnen algemene patronen redelijk goed voorspellen, maar missen vaak fijne details en zijn nog beperkt in hoe ver ze vooruit kunnen kijken op de DNA-streng. Bovendien verschilt de vouwing per celtype en zelfs per moment in de celcyclus, wat de voorspelling complexer maakt dan bijvoorbeeld eiwitvouwing, waar één aminozuurketen doorgaans naar één stabiele vorm vouwt.

Een ander obstakel is dat de meeste Hi-C-data een gemiddelde laat zien over miljoenen cellen tegelijk, terwijl vouwing van cel tot cel kan verschillen. Nieuwere technieken die de structuur in losse, individuele cellen meten (single-cell Hi-C) staan nog in de kinderschoenen qua schaal en betrouwbaarheid. Kortom: de basistechnologie is volwassen, maar het omzetten van die data in betrouwbare voorspellingen en medische toepassingen is nog volop in ontwikkeling.

Wie werken eraan?

Het veld is sterk academisch gedreven, met een aantal toonaangevende groepen. In de Verenigde Staten zijn Job Dekker (University of Massachusetts Chan Medical School) en Erez Lieberman Aiden (Baylor College of Medicine en Rice University) pioniers van de Hi-C-techniek. Edith Heard, tegenwoordig directeur-generaal van het Europese laboratorium EMBL, was medeontdekker van de TAD's.

Nederland heeft een sterke positie in dit veld dankzij Wouter de Laat, verbonden aan het Hubrecht Institute en het Prinses Máxima Centrum in Utrecht, die met de 4C-techniek een belangrijke bijdrage leverde aan het bestuderen van chromatine-interacties, met name in relatie tot kinderkanker.

Op instituutsniveau coördineert het door de NIH gefinancierde 4D Nucleome Project veel Amerikaans onderzoek. In Europa dragen instituten als het EMBL (met vestigingen in onder meer Heidelberg en Cambridge) en het Max Planck Institute for Molecular Genetics in Berlijn (waar Stefan Mundlos werkt) bij aan zowel experimenteel als computationeel onderzoek. Op het gebied van AI-voorspelmodellen zijn naast Calico Life Sciences en Princeton University ook diverse academische computational-biology-groepen actief, vaak met open-source modellen die vrij beschikbaar zijn voor andere onderzoekers.

Verder lezen