Pseudochromosoom: hoe onderzoekers DNA-fragmenten tot complete chromosomen puzzelen
Stel je voor dat een historische landkaart in duizenden kleine snippers is gescheurd. Om de kaart terug te krijgen, fotografeer je elk snippertje en probeer je op de computer te achterhalen welk stukje waar hoort, op basis van overlappende randen, kleuren en bekende kenmerken van het gebied. Het resultaat is een kaart die er compleet uitziet, maar waarvan je niet voor elk piepklein detail honderd procent zeker weet of het precies op de juiste plek zit. Zoiets is een pseudochromosoom, maar dan met DNA in plaats van papier.
Een pseudochromosoom is een door de computer samengestelde DNA-reeks die een heel chromosoom (een van de lange, opgerolde DNA-strengen in een celkern) moet voorstellen. Onderzoekers bouwen zo'n reeks op uit duizenden kortere stukjes DNA die een sequencer heeft afgelezen, en ordenen die stukjes zo dat ze samen de vorm en lengte van een echt chromosoom benaderen. Het voorvoegsel 'pseudo' (Grieks voor 'onecht' of 'lijkend op') geeft aan dat het om een zeer goede benadering gaat, niet om een volledig geverifieerd, foutloos origineel. De term duikt steeds vaker op in nieuws over genoomonderzoek, van uitgestorven diersoorten tot voedselgewassen van de toekomst.
Wat is het precies?
Om het DNA van een organisme te lezen, wordt de lange DNA-streng eerst in miljoenen kleine stukjes geknipt. Een sequencer, een apparaat dat de chemische 'letters' van DNA (A, C, G en T) aflezen, leest elk stukje afzonderlijk af. Zo'n afgelezen stukje heet een 'read'. Een read is meestal maar een paar honderd tot een paar duizend letters lang, terwijl een heel chromosoom miljoenen tot honderden miljoenen letters telt.
De volgende stap is het aan elkaar leggen van overlappende reads tot langere, aaneengesloten stukken: 'contigs' (van het Engelse contiguous, aaneengesloten). Dit werkt ongeveer zoals je een zin reconstrueert uit losse, overlappende woordgroepen. Contigs bevatten echter nog gaten, vooral in stukken DNA die veel herhalingen bevatten, zoals bij het centromeer (het middelpunt van een chromosoom) of de telomeren (de uiteinden).
Om die contigs vervolgens in de juiste volgorde en oriëntatie te leggen, gebruiken onderzoekers extra technieken. Genetische kaarten, gebaseerd op hoe eigenschappen samen overerven, geven aanwijzingen over welke stukken DNA bij elkaar horen. Een krachtigere methode is Hi-C: een techniek die meet welke delen van het DNA fysiek dicht bij elkaar liggen in de celkern. Stukken die vaak dicht bij elkaar worden gemeten, liggen vermoedelijk op hetzelfde chromosoom en dicht bij elkaar. Ook 'long-read sequencing' (met apparatuur van bedrijven als PacBio en Oxford Nanopore, die veel langere stukken DNA in één keer aflezen dan vroeger mogelijk was) helpt om gaten te dichten.
Het eindresultaat, geordend en genummerd naar het aantal chromosomen dat de soort daadwerkelijk heeft, is de set pseudochromosomen. Ze representeren de genoomstructuur zo goed als de beschikbare data toelaten, maar kunnen nog kleine fouten in volgorde, oriëntatie of resterende gaten bevatten. Pas wanneer een chromosoom van begin tot eind, van telomeer tot telomeer, zonder enig gat is vastgesteld, spreken wetenschappers van een 'compleet' of 'telomeer-tot-telomeer' (T2T) chromosoom in plaats van een pseudochromosoom.
Wat wil men ermee bereiken?
Een compleet, chromosoom-niveau genoom is voor onderzoekers wat een volledige, correct geordende encyclopedie is vergeleken met een stapel losse pagina's: je kunt er pas echt iets mee zodra je weet welke pagina bij welk hoofdstuk hoort. Met pseudochromosomen kunnen wetenschappers precies zien waar genen op een chromosoom liggen, hoe ze ten opzichte van elkaar georganiseerd zijn en hoe die organisatie verschilt tussen verwante soorten.
In de plantenveredeling gebruiken kwekers zulke genoomkaarten om genen te lokaliseren die verantwoordelijk zijn voor bijvoorbeeld ziekteresistentie, droogtetolerantie of opbrengst, waarna ze gerichter kunnen kruisen. In de geneeskunde helpt een goed geordend genoom om erfelijke ziektes te koppelen aan specifieke locaties in het DNA. In natuurbehoud gebruiken onderzoekers chromosoom-niveau genomen van bedreigde diersoorten om inteelt en genetische diversiteit in kaart te brengen. En op grotere schaal willen initiatieven als het Earth BioGenome Project de genetische bouwplannen van vrijwel alle bekende soorten op aarde vastleggen, als een soort digitale ark voor de biodiversiteit.
Voorbeelden uit de praktijk
Broodtarwe (2018). Het International Wheat Genome Sequencing Consortium publiceerde in het tijdschrift Science een referentiegenoom van broodtarwe, opgebouwd uit 21 pseudochromosomen die overeenkomen met de 21 chromosoomparen van dit gewas. Tarwe heeft een extra complex genoom omdat het drie complete chromosomenparen van verschillende voorouder-grassen in zich draagt, wat het samenvoegen technisch lastig maakte.
Tomaat (2012). Het Tomato Genome Consortium bracht het genoom van de tomaat in kaart en ordende het in 12 pseudochromosomen, wat sindsdien wereldwijd wordt gebruikt in veredelingsprogramma's.
Aardappel (2011). Het Potato Genome Sequencing Consortium publiceerde eveneens een chromosoom-niveau genoom, met directe toepassingen voor Nederlandse veredelingsbedrijven en onderzoek aan Wageningen University & Research.
Axolotl (2018). Onderzoeksgroepen in Wenen en Dresden brachten het reusachtige genoom van de axolotl (een salamandersoort die ledematen kan regenereren) in kaart, destijds het grootste dierlijke genoom dat ooit tot op chromosoomniveau was samengesteld.
Darwin Tree of Life (sinds 2019). Het Wellcome Sanger Institute in het Verenigd Koninkrijk werkt aan het in kaart brengen van alle circa 70.000 soorten planten, dieren, schimmels en andere organismen die in Groot-Brittannië en Ierland voorkomen, telkens tot op pseudochromosoom- of hoger niveau.
Hoe ver is de techniek?
De kwaliteit van pseudochromosomen is de afgelopen jaren sterk verbeterd. Waar genoomassemblages tien jaar geleden vaak nog uit duizenden losse, kleine stukken bestonden, zorgen long-read sequencing en Hi-C-scaffolding er sinds ongeveer 2019-2020 voor dat de meeste nieuwe genoomprojecten meteen op chromosoomniveau uitkomen, met veel minder gaten dan voorheen.
De absolute mijlpaal kwam van het Telomere-to-Telomere (T2T) Consortium, dat in 2022 in Science het eerste volledig gapless menselijk genoom publiceerde: geen pseudochromosomen meer, maar daadwerkelijk complete chromosomen van begin tot eind. Voor de meeste andere soorten, vooral minder onderzochte of genetisch complexe soorten, blijft chromosoom-niveau assemblage voorlopig het hoogst haalbare, met hier en daar nog een gat of onzekere volgorde.
Belangrijke obstakels blijven de kosten van sequencing voor grote of complexe genomen, de rekenkracht die nodig is om miljoenen fragmenten te ordenen, en genetische complicaties zoals polyploïdie (meerdere complete chromosomenparen, zoals bij tarwe) of hoge heterozygositeit (grote verschillen tussen de twee kopieën van elk chromosoom die een organisme van vader en moeder erft). Herhalende DNA-gebieden rond centromeren en telomeren blijven daarnaast notoir lastig om foutloos te ontrafelen.
Wie werken eraan?
Grote internationale consortia trekken dit onderzoeksveld. Het Wellcome Sanger Institute in het Verenigd Koninkrijk speelt een centrale rol via het Darwin Tree of Life-project. Het Amerikaanse Department of Energy Joint Genome Institute (JGI) en het Chinese BGI leveren sequencingcapaciteit voor tal van internationale genoomprojecten. Het Earth BioGenome Project verbindt honderden instituten wereldwijd rond het doel om alle eukaryote soorten (organismen met een celkern, dus vrijwel alle dieren, planten, schimmels en veel micro-organismen) te sequencen.
In Nederland is Wageningen University & Research een belangrijke speler, met name voor genoomkaarten van landbouwgewassen zoals aardappel en tomaat, gebruikt in veredelingsonderzoek. Voor het menselijk genoom trekt het door de Amerikaanse National Institutes of Health gesteunde T2T Consortium de kar, in samenwerking met universiteiten en onderzoekscentra wereldwijd.