Referentiegenoom: de standaardkaart van ons DNA
Een referentiegenoom is een volledige, zorgvuldig samengestelde DNA-sequentie die dient als standaard waarmee wetenschappers nieuw gesequenced DNA vergelijken. Het is niet het genoom van één specifiek persoon dat model staat voor de hele mensheid, maar eerder een soort gestandaardiseerde blauwdruk: een vaste tekst waarnaar je verwijst als je wilt weten waar iemands DNA van afwijkt.
Vergelijk het met een referentie-editie van een klassiek boek. Als duizenden kopiisten door de eeuwen heen datzelfde boek overschreven, ontstonden er kleine verschillen: een verkeerd gespeld woord hier, een weggelaten zin daar. Onderzoekers stellen dan één betrouwbare, volledige editie samen waarmee ze elke nieuwe kopie kunnen vergelijken om afwijkingen op te sporen. Zo werkt een referentiegenoom ook: het is de 'standaardeditie' van het DNA van een soort, waarmee onderzoekers het DNA van een individu vergelijken om te zien wat er anders is.
Wat is het precies?
Om een referentiegenoom te maken, wordt DNA eerst gesequenced: een laboratoriumproces dat de volgorde van de vier chemische 'letters' van DNA (A, C, G en T) bepaalt. Sequencingmachines kunnen geen lange DNA-strengen in één keer aflezen. In plaats daarvan knippen ze het DNA in miljoenen kleine stukjes, 'reads' genoemd, die elk maar een paar honderd tot enkele duizenden letters lang zijn.
Die losse stukjes worden vervolgens met computersoftware weer aan elkaar gepuzzeld op basis van overlappende stukken tekst, een proces dat assembly heet. Zo ontstaan eerst kleinere aaneengesloten stukken (contigs), die weer worden samengevoegd tot complete chromosomen. Het resultaat is de referentiesequentie: een doorlopende, geannoteerde tekst van miljarden letters, aangevuld met informatie over waar genen liggen en wat ze coderen.
Zodra die referentie bestaat, hoeft niemand meer een compleet nieuw genoom van nul af aan te assembleren. In plaats daarvan worden de korte reads van een nieuw DNA-monster simpelweg 'gemapt': met software wordt gezocht naar de plek in de referentie waar elk stukje het beste past, zoals je puzzelstukjes op een afbeelding op de doos legt. Op de plekken waar het nieuwe DNA afwijkt van de referentie, ontstaan varianten: kleine verschillen zoals een enkele afwijkende letter (een SNP, single nucleotide polymorphism) of een stukje DNA dat is ingevoegd of verwijderd (een indel). Die varianten vertellen iets over iemands afkomst, gezondheidsrisico's of, bij virussen, over welke variant van een ziekteverwekker iemand bij zich draagt.
Wat wil men ermee bereiken?
Het belangrijkste doel van een referentiegenoom is standaardisatie: zonder een gedeelde basis kan geen enkel laboratorium ter wereld resultaten met elkaar vergelijken. Met een referentiegenoom kunnen onderzoekers wereldwijd dezelfde 'coördinaten' gebruiken om over een gen of variant te praten, ongeveer zoals breedte- en lengtegraden een universele taal vormen voor locaties op aarde.
In de geneeskunde maakt dit precisiegeneeskunde mogelijk: behandelingen die zijn afgestemd op iemands specifieke genetische profiel, bijvoorbeeld bij erfelijke ziekten of bepaalde vormen van kanker. Referentiegenomen vormen ook de basis van genoombrede associatiestudies (GWAS), waarbij onderzoekers het DNA van grote groepen mensen vergelijken om te ontdekken welke genvarianten samenhangen met ziekten zoals diabetes of hart- en vaatziekten.
Daarnaast spelen referentiegenomen een rol in forensisch onderzoek, waar DNA-sporen tegen referentiedata worden afgezet, in de landbouw en veeteelt, waar referentiegenomen van gewassen en dieren helpen bij het fokken van sterkere of productievere rassen, en bij het volgen van ziekteverwekkers: tijdens een uitbraak vergelijken onderzoekers het genoom van een virus steeds met een vaste referentie om nieuwe varianten snel te herkennen.
Voorbeelden uit de praktijk
Het bekendste voorbeeld is het Human Genome Project (1990-2003), een internationale samenwerking die de eerste bijna-complete versie van het menselijke genoom opleverde en de basis legde voor alle latere referentiegenomen.
Daaruit is GRCh38 voortgekomen, sinds 2013 de meest gebruikte versie van het menselijke referentiegenoom, onderhouden en regelmatig bijgewerkt door het Genome Reference Consortium.
In 2022 maakte het Telomere-to-Telomere (T2T) Consortium wereldnieuws met CHM13: het eerste werkelijk complete menselijke genoom zonder gaten, inclusief lastige repetitieve gebieden zoals centromeren (de 'knooppunten' midden in chromosomen) die eerder altijd onvolledig bleven.
In 2023 publiceerde het Human Pangenome Reference Consortium in het tijdschrift Nature een eerste ontwerp-pangenoom: een referentie opgebouwd uit de genomen van tientallen mensen met uiteenlopende afkomst, om de beperkte diversiteit van eerdere referenties te verhelpen.
Ook buiten de mens is het concept cruciaal: tijdens de coronapandemie diende het SARS-CoV-2-referentiegenoom Wuhan-Hu-1, begin 2020 gepubliceerd, als vast ijkpunt waartegen laboratoria wereldwijd nieuwe virusvarianten zoals Alpha, Delta en Omicron konden identificeren en volgen.
Hoe ver is de techniek?
Pas in 2022, twintig jaar na de eerste 'complete' versie, kreeg de mensheid met het T2T-project daadwerkelijk een menselijk referentiegenoom zonder gaten. Eerdere versies misten tot zo'n acht procent van de sequentie, vooral in repetitieve gebieden die extreem lastig te assembleren zijn omdat dezelfde korte DNA-patronen daar duizenden keren achter elkaar voorkomen.
Toch kleeft er een belangrijke beperking aan het huidige standaardreferentiegenoom: het is grotendeels een mozaïek van DNA van een klein aantal donoren, met een groot aandeel afkomstig van één cellijn (bekend als RP11) van een persoon met overwegend Afro-Amerikaanse en een klein deel Europese afkomst, aangevuld met DNA van enkele andere donoren van vooral Europese afkomst. Dat betekent dat het referentiegenoom de genetische diversiteit van de wereldbevolking onvoldoende weerspiegelt, met een bias richting mensen van Europese afkomst. Varianten die vaker voorkomen bij bijvoorbeeld Afrikaanse of Aziatische populaties worden daardoor makkelijker over het hoofd gezien of verkeerd geïnterpreteerd.
Om dit op te lossen, verschuift het veld naar zogeheten pangenomen: referenties die niet uit één lineaire tekst bestaan, maar uit een 'genoom-graaf' waarin tientallen tot honderden individuele genomen met elkaar zijn verweven, zodat veelvoorkomende variatie standaard is meegenomen in plaats van pas achteraf te worden opgemerkt als afwijking.
De technische vooruitgang wordt ook gedreven door dalende kosten: het Human Genome Project kostte destijds naar schatting drie miljard dollar, terwijl het sequencen van een compleet menselijk genoom nu, dankzij bedrijven als Illumina, Oxford Nanopore en PacBio, nog maar enkele honderden dollars kost. Vooral 'long-read'-sequencing, waarbij veel langere DNA-stukken in één keer worden afgelezen, hielp de laatste hardnekkige gaten in het genoom te dichten.
Belangrijke obstakels blijven bestaan: pangenoom-analyse vraagt veel meer rekenkracht dan werken met één lineaire referentie, en de sector kampt met standaardisatieproblemen omdat oudere versies zoals hg19/GRCh37 in de praktijk nog altijd naast nieuwere zoals GRCh38 worden gebruikt, wat foutgevoelig is. Ook liggen er ethische vragen op tafel over wie welke donorgenomen mag gebruiken en hoe je eerlijke, wereldwijde representatie in referentiedata waarborgt.
Wie werken eraan?
Het menselijke referentiegenoom wordt beheerd door het Genome Reference Consortium, een samenwerking tussen het Amerikaanse National Center for Biotechnology Information (NCBI), het Europese EMBL-EBI, het Wellcome Sanger Institute in het Verenigd Koninkrijk en Washington University in St. Louis in de Verenigde Staten.
Het Telomere-to-Telomere Consortium, met steun van het Amerikaanse National Human Genome Research Institute (NHGRI, onderdeel van de National Institutes of Health) en onderzoekers van onder meer UC Santa Cruz en de University of Washington, was verantwoordelijk voor het eerste gapless genoom in 2022.
Het Human Pangenome Reference Consortium, eveneens met NHGRI-financiering, brengt tientallen onderzoeksinstituten wereldwijd samen om de menselijke referentie diverser te maken. Ook het Broad Institute (verbonden aan MIT en Harvard) en het Chinese BGI spelen een grote rol in grootschalige genoomsequencing en -analyse.
Op technologisch vlak leveren bedrijven als Illumina, Oxford Nanopore Technologies en PacBio de sequencingapparatuur die al dit onderzoek mogelijk maakt, en die de kosten en snelheid van DNA-sequencing de afgelopen twintig jaar drastisch hebben verbeterd.