Pangenoom: waarom één DNA-referentie niet meer volstaat
Stel je voor dat er van de hele Nederlandse taal maar één woordenboek zou bestaan, samengesteld op basis van het taalgebruik van slechts één willekeurige inwoner van Utrecht. Woorden en uitdrukkingen die elders in het land gangbaar zijn maar die deze ene persoon toevallig niet gebruikt, zouden gewoon ontbreken. Iedereen die met dat woordenboek werkt, zou systematisch dingen missen of verkeerd interpreteren. Zoiets was lange tijd het geval in de genetica: wetenschappers gebruikten één "referentiegenoom" — een soort DNA-standaardwerk voor de hele mensheid — dat grotendeels was opgebouwd uit het DNA van een handjevol donoren.
Een pangenoom lost dat probleem op door niet één, maar duizenden "woordenboeken" samen te voegen tot één overzicht dat laat zien welke stukken DNA (bijna) iedereen deelt, en welke stukken alleen bij sommige mensen, bacteriestammen of plantenrassen voorkomen. Het is dus geen vervanging van één blauwdruk door een andere, maar een verschuiving van één vast referentiepunt naar een netwerk dat de volledige breedte van genetische variatie binnen een soort in kaart brengt. Die verschuiving klinkt technisch, maar heeft grote gevolgen voor hoe we ziektes opsporen, medicijnen op maat maken en de verspreiding van bacteriën en virussen volgen.
Wat is het precies?
Het DNA van een organisme is te lezen als een lange tekst, opgebouwd uit de "letters" A, C, T en G. Voor veel soorten, waaronder de mens, heeft de wetenschap ooit één volledige versie van die tekst vastgelegd: het referentiegenoom. Voor de mens is dat referentiegenoom, ondanks decennia van updates, nog altijd voor een groot deel afkomstig van het DNA van één enkele donor uit het Human Genome Project van begin jaren 2000, aangevuld met DNA van een klein aantal anderen.
Dat levert een probleem op dat onderzoekers referentie-bias noemen: DNA-varianten die niet in die paar donoren voorkwamen, worden slecht herkend wanneer je het DNA van een nieuw persoon ermee vergelijkt. Dit speelt vooral op bij mensen met een niet-Europese achtergrond, wier DNA gemiddeld verder van de referentie afstaat, en bij grotere structurele verschillen, zoals stukken DNA die bij de ene persoon dubbel voorkomen en bij de andere ontbreken.
Een pangenoom pakt dit aan door niet één, maar tientallen tot honderden complete genomen naast elkaar te leggen. Wat vrijwel alle individuen gemeenschappelijk hebben, noemt men het kerngenoom; de stukken die per persoon, stam of ras verschillen, vormen het accessoire genoom (het variabele deel). Om dit overzichtelijk weer te geven, gebruiken onderzoekers een genoomgraaf (graph genome): geen rechte lijn meer zoals bij het oude referentiegenoom, maar een netwerkstructuur waarin gedeelde stukken DNA samenkomen in één pad en waar bekende varianten als aparte zijtakken zijn ingetekend. Nieuw DNA-materiaal kan dan tegen dat hele netwerk worden uitgelijnd in plaats van tegen één vaste tekst, wat nauwkeurigere resultaten oplevert.
Deze aanpak is pas goed mogelijk geworden dankzij long-read sequencing (lange-lees-sequencing), een sequencingtechniek waarbij apparaten van bedrijven als Pacific Biosciences en Oxford Nanopore Technologies DNA-fragmenten van duizenden tot tienduizenden letters achter elkaar kunnen aflezen, in plaats van de kortere stukjes van enkele honderden letters die oudere technieken gebruikten. Daardoor zijn ook lastige, herhaalde of sterk variabele stukken DNA — die eerder tussen de mazen van het net vielen — nu volledig in kaart te brengen.
Wat wil men ermee bereiken?
Het belangrijkste doel is het verminderen van referentie-bias, zodat DNA-onderzoek en diagnostiek voor mensen met uiteenlopende voorouders even betrouwbaar worden. Op dit moment kunnen bepaalde ziekteveroorzakende varianten bij mensen van bijvoorbeeld Afrikaanse of Aziatische afkomst over het hoofd worden gezien, simpelweg omdat het gebruikte referentiegenoom hun genetische achtergrond onvoldoende weerspiegelt.
Daarnaast hoopt men variantdetectie in het algemeen te verbeteren: het nauwkeuriger opsporen van DNA-verschillen die samenhangen met ziekten, medicijnrespons of andere eigenschappen. Dit sluit aan bij de ambities van precisiegeneeskunde, waarbij behandelingen worden afgestemd op het specifieke genetische profiel van een patiënt in plaats van op een gemiddelde.
Buiten de mens spelen vergelijkbare belangen. Bij bacteriën en virussen helpt een pangenoom om snel te zien welke stammen resistentiegenen tegen antibiotica bevatten, wat direct van belang is voor infectieziektebewaking en vaccinontwikkeling. Bij landbouwgewassen maakt het inzicht in het accessoire genoom het mogelijk om nuttige eigenschappen — zoals droogteresistentie of ziekteweerbaarheid — die niet in het ene "standaardras" zitten, toch terug te vinden en te benutten in veredeling.
Voorbeelden uit de praktijk
Het concept van het pan-genoom is niet gloednieuw: het werd in 2005 geïntroduceerd door onderzoeker Hervé Tettelin en collega's, die in een invloedrijke studie in het tijdschrift PNAS lieten zien dat verschillende stammen van de bacterie Streptococcus agalactiae (groep B-streptokok) qua genen-inhoud flink uiteen konden lopen. Zij muntten daarbij de termen kerngenoom en pan-genoom, begrippen die sindsdien breed worden gebruikt in de microbiologie.
Voor de mens was een belangrijke mijlpaal de publicatie van het Human Pangenome Reference Consortium (HPRC) in mei 2023, in het tijdschrift Nature. Daarin presenteerden de onderzoekers een eerste concept-pangenoom, gebaseerd op complete genoomassemblages van 47 uiteenlopende individuen, wat neerkomt op 94 volledige chromosomenseries (mensen hebben van elk chromosoom twee kopieën, één van elke ouder).
Nauw verwant is het werk van het Telomere-to-Telomere (T2T) Consortium, dat in april 2022 in Science de eerste werkelijk complete, gapless sequentie van een menselijk genoom publiceerde (bekend als T2T-CHM13) — zonder de duizenden ontbrekende stukken die het oude referentiegenoom decennialang bevatte. Dit werk vormt mede de technische basis waarop pangenoomprojecten voortbouwen.
Ook buiten de mens lopen concrete projecten. Zo werken onderzoeksgroepen wereldwijd aan pangenomen van landbouwgewassen zoals rijst en tarwe, waarbij DNA van tientallen tot honderden rassen wordt samengevoegd om de volle breedte aan genetische diversiteit te vangen die nuttig kan zijn voor toekomstige veredeling.
Hoe ver is de techniek?
Bij bacteriën is pangenoomanalyse inmiddels een gevestigde, routinematig toegepaste methode binnen de microbiologie en epidemiologie. Bij de mens bevindt het zich nog in een vroegere, snel ontwikkelende fase: de publicatie van 2023 wordt uitdrukkelijk een "draft" (concept) genoemd, en de betrokken onderzoekers willen het aantal opgenomen individuen de komende jaren fors uitbreiden om wereldwijde bevolkingsgroepen beter te vertegenwoordigen.
Er zijn nog flinke praktische obstakels. Genoomgrafen zijn rekenkundig en softwarematig veel complexer om op te slaan, te doorzoeken en te visualiseren dan de simpele lineaire tekst van een klassiek referentiegenoom, en de bestandsformaten en analysetools hiervoor zijn nog volop in ontwikkeling en nog niet overal gestandaardiseerd. De overstap van bestaande onderzoeks- en ziekenhuislaboratoria — die al decennia zijn ingericht op het oude lineaire referentiegenoom — naar graafgebaseerde referenties verloopt daardoor geleidelijk; het is voorlopig geen klinische standaard.
Er spelen ook niet-technische vragen: het opnemen van voldoende diverse deelnemers wereldwijd vergt zorgvuldige geïnformeerde toestemming en heldere afspraken over eigenaarschap en gebruik van genetische data, zeker gezien de gevoelige geschiedenis van genetisch onderzoek onder bepaalde bevolkingsgroepen. Onderzoekers benadrukken dan ook dat representativiteit een doorlopend werk in uitvoering blijft, geen afgerond project.
Wie werken eraan?
Het Amerikaanse National Human Genome Research Institute (NHGRI), onderdeel van de National Institutes of Health (NIH), financiert en coördineert het Human Pangenome Reference Consortium. Belangrijke onderzoeksbijdragen komen onder meer van de University of California, Santa Cruz, waar bio-informatici gespecialiseerd zijn in genoomgrafen en genoomassemblage.
In Europa spelen het Wellcome Sanger Institute in het Verenigd Koninkrijk en het European Bioinformatics Institute (EMBL-EBI) een belangrijke rol, onder meer door het bouwen van databases en analysetools voor genoomgraaftechnologie. Het Amerikaanse National Center for Biotechnology Information (NCBI) beheert genetische databanken die breed door dit veld worden gebruikt.
Op technologisch vlak zijn sequencingbedrijven als Pacific Biosciences (PacBio) en Oxford Nanopore Technologies onmisbaar, omdat hun long-read sequencingapparatuur de complete, nauwkeurige genoomassemblages levert waarop pangenoomprojecten zijn gebouwd. Al met al is dit vooral een samenwerking tussen Amerikaanse en Europese (Britse) onderzoeksinstellingen, met bijdragen van laboratoria over de hele wereld die DNA-materiaal en expertise aanleveren.