Transcriptomica: aflezen welke genen een cel op dit moment gebruikt
Elke cel in je lichaam bevat exact dezelfde DNA-code, het complete "receptenboek" met alle genen die je lichaam ooit zou kunnen gebruiken. Toch ziet een hersencel er compleet anders uit dan een huidcel of een levercel, en gedraagt hij zich ook zo. Dat komt doordat niet elk recept in het boek continu wordt gebruikt: elke cel slaat op elk moment maar een deel van die recepten open en kopieert daarvan de instructies om er daadwerkelijk mee aan de slag te gaan. Transcriptomica is de wetenschap die precies meet welke recepten op een gegeven moment in een cel of weefsel worden gekopieerd, en hoe vaak.
Die "kopieën" heten in de biologie boodschapper-RNA, afgekort tot mRNA. Een cel maakt zo'n kopie van een stukje DNA wanneer hij het bijbehorende eiwit nodig heeft; hoe meer kopieën, hoe actiever dat gen wordt gebruikt. Het totaal van al die RNA-kopieën in een cel op een bepaald moment heet het transcriptoom. Waar het genoom (de volledige DNA-code) van iemand grotendeels zijn hele leven hetzelfde blijft, verandert het transcriptoom voortdurend: per celtype, per levensfase, en zelfs per moment van de dag of als reactie op ziekte, medicijnen of stress. Transcriptomica geeft dus geen foto van wat een cel zou kúnnen doen, maar van wat hij op dit moment daadwerkelijk aan het doen is.
Wat is het precies?
Het uitgangspunt is simpel: DNA in de celkern wordt niet direct gebruikt om eiwitten te maken. Eerst wordt een gen "overgeschreven" naar een los RNA-molecuul, een proces dat transcriptie heet (vandaar de term transcriptomica). Dat mRNA-molecuul verlaat de celkern en dient in het cytoplasma als bouwtekening voor een eiwit. Door te tellen hoeveel mRNA-kopieën van elk gen aanwezig zijn, kun je afleiden welke eiwitten de cel op dat moment aan het produceren is.
Om die telling te doen, isoleren onderzoekers eerst al het RNA uit een monster cellen of weefsel. Dat RNA wordt met een enzym omgezet in een stabielere DNA-kopie (cDNA), omdat RNA snel afbreekt en lastiger te sequencen is. Vervolgens wordt dat cDNA gesequencet: een machine leest de precieze volgorde van bouwstenen (basen) af. Deze techniek heet RNA-sequencing, of kortweg RNA-seq, en is sinds het einde van de jaren 2000 de gangbare standaard, nadat de kosten van dit soort sequencing dankzij nieuwe apparatuur (vooral van het bedrijf Illumina) sterk daalden.
Een computer vergelijkt daarna miljoenen korte RNA-fragmenten met het referentiegenoom van de soort, telt hoeveel fragmenten bij elk gen horen, en zet dat om in een expressieniveau per gen: hoog afgelezen, laag afgelezen, of helemaal niet actief. Dat levert per monster een lijst op met duizenden genen en hun activiteitsniveau, waarna statistische software patronen zoekt: welke genen zijn extra actief in zieke cellen ten opzichte van gezonde, of welke genen schakelen aan tijdens een bepaalde ontwikkelingsfase.
Een belangrijke recente uitbreiding is single-cell RNA-sequencing (scRNA-seq): in plaats van het RNA van duizenden cellen samen te mengen en te middelen, wordt het RNA van elke individuele cel apart gemeten. Dat maakt het mogelijk om binnen één stukje weefsel tientallen verschillende celtypes van elkaar te onderscheiden, iets wat met de oudere "bulk"-methode onmogelijk was omdat alle signalen dan door elkaar liepen. Een nog nieuwere variant, spatial transcriptomics (ruimtelijke transcriptomica), meet bovendien op welke exacte plek in een weefselsnede welk gen actief is, zodat je niet alleen weet wélke cellen actief zijn, maar ook waar ze zich ten opzichte van elkaar bevinden.
Wat wil men ermee bereiken?
Het onderliggende doel is simpel te formuleren maar enorm ambitieus: begrijpen hoe het leven op celniveau daadwerkelijk functioneert, niet alleen welke genen er zijn maar hoe en wanneer ze worden gebruikt. Genoomonderzoek (de DNA-code zelf in kaart brengen) vertelt je wat er in het receptenboek staat; transcriptomica vertelt je welke recepten er op dit moment worden gekookt.
Die kennis heeft directe medische waarde. Bij kanker bijvoorbeeld verraadt een afwijkend expressiepatroon vaak welk type tumor iemand heeft en welke behandeling waarschijnlijk aanslaat, nog voordat je alle DNA-mutaties hebt doorgrond. Bij zeldzame ziekten helpt het opsporen welke genen abnormaal actief of juist inactief zijn in aangedaan weefsel. Bij infectieziekten laat het zien hoe het immuunsysteem daadwerkelijk reageert op een virus of bacterie, cel voor cel.
Daarnaast is transcriptomica een centraal hulpmiddel bij het in kaart brengen van celtypes zelf. Lange tijd werden cellen ingedeeld op basis van hun vorm onder de microscoop; met single-cell transcriptomica kunnen onderzoekers cellen indelen op basis van hun daadwerkelijke genactiviteit, wat regelmatig tot de ontdekking van volledig nieuwe celtypes leidt die met het blote oog niet te onderscheiden waren.
Op langere termijn hoopt men dat deze gedetailleerde kennis leidt tot gerichtere medicijnen (die precies op het juiste celtype inwerken), betere diagnostiek (via expressiepatronen als "biomarker") en een fundamenteler begrip van ontwikkeling, veroudering en ziekte. Dat is een belofte, geen garantie: van een expressiepatroon naar een werkend medicijn is nog altijd een lang en onzeker traject.
Voorbeelden uit de praktijk
Human Cell Atlas (gestart in 2016) is een internationaal samenwerkingsverband, mede geïnitieerd door onderzoekers Aviv Regev en Sarah Teichmann, dat als doel heeft alle celtypen in het menselijk lichaam in kaart te brengen met single-cell transcriptomica. Het project wordt mede gefinancierd door de Chan Zuckerberg Initiative en betrekt honderden laboratoria wereldwijd.
Tabula Sapiens (gepubliceerd in het tijdschrift Science in 2022) is een van de resultaten binnen die bredere beweging: een single-cell atlas gebaseerd op ongeveer een half miljoen cellen uit tientallen weefsels van menselijke donoren, met als doel een referentiekaart te bieden waarmee ziek weefsel later vergeleken kan worden.
The Cancer Genome Atlas (TCGA, ongeveer 2006-2018), een Amerikaans programma, combineerde transcriptomica met DNA-mutatieanalyse van duizenden tumoren en behoort tot de meest gebruikte publieke datasets in kankeronderzoek wereldwijd.
Tijdens de coronapandemie gebruikten onderzoeksgroepen wereldwijd vanaf 2020 single-cell RNA-sequencing om te achterhalen hoe longweefsel en bloedcellen van COVID-19-patiënten reageerden op infectie met SARS-CoV-2, wat inzicht gaf in waarom sommige patiënten een veel heftigere immuunreactie doormaakten dan andere.
Ook in de ontwikkelingsbiologie wordt transcriptomica breed ingezet: verschillende laboratoria hebben de afgelopen jaren embryo-ontwikkeling bij muizen en (in beperktere, sterk gereguleerde vorm) vroege menselijke embryo's in kaart gebracht door op opeenvolgende dagen te meten welke genen aan- en uitschakelen.
Hoe ver is de techniek?
Bulk-RNA-sequencing, waarbij het RNA van een heel weefselstukje wordt gemeten, is inmiddels een volwassen, breed toegankelijke techniek die in vrijwel elk moleculair-biologisch laboratorium wordt gebruikt; de kosten zijn de afgelopen vijftien jaar met meer dan een factor honderd gedaald.
Single-cell transcriptomica is jonger: de eerste methoden dateren van rond 2009, maar pas met de komst van goedkopere, op druppeltjes gebaseerde technieken vanaf ongeveer 2015 werd het praktisch haalbaar om routinematig duizenden tot honderdduizenden individuele cellen tegelijk te meten. Commerciële platforms, met name van het Amerikaanse bedrijf 10x Genomics, hebben deze techniek sindsdien sterk toegankelijker gemaakt voor gewone onderzoeksgroepen.
Ruimtelijke (spatial) transcriptomica is de nieuwste loot aan de boom en werd in 2020 door het vaktijdschrift Nature Methods uitgeroepen tot "methode van het jaar", een teken dat het veld het als een belangrijke doorbraak beschouwt. Deze technieken zijn echter nog relatief duur, beperkt in resolutie (niet elke methode kan op het niveau van individuele cellen meten) en nog niet overal even breed beschikbaar.
De belangrijkste resterende obstakels liggen minder bij het meten zelf en meer bij de analyse: een enkel single-cell experiment kan al snel gegevens over tienduizenden genen in honderdduizenden cellen opleveren, en het kost aanzienlijke rekenkracht en gespecialiseerde software om daar betrouwbare, reproduceerbare conclusies uit te trekken. Ook is er nog geen volledige standaardisatie tussen laboratoria, waardoor resultaten van verschillende onderzoeksgroepen niet altijd één-op-één vergelijkbaar zijn.
Wie werken eraan?
Transcriptomica-onderzoek is sterk internationaal verspreid. Grote academische centra als het Broad Institute (Verenigde Staten), het Wellcome Sanger Institute (Verenigd Koninkrijk) en het European Bioinformatics Institute (EMBL-EBI, gevestigd in het Verenigd Koninkrijk) spelen een leidende rol, zowel in technologieontwikkeling als in het beheer van publieke databases.
Op het gebied van apparatuur en commerciële platforms zijn vooral Illumina (sequencingmachines) en 10x Genomics (single-cell- en spatial-platforms, opgericht in 2012) toonaangevend, naast opkomende concurrenten zoals BGI (China) en Vizgen (Verenigde Staten).
Daarnaast financieren grote publieke en private partijen gezamenlijke initiatieven: naast de Amerikaanse National Institutes of Health en de Chan Zuckerberg Initiative dragen ook Europese programma's en universiteiten in onder meer Nederland, Duitsland, Japan en China actief bij aan internationale atlasprojecten zoals de Human Cell Atlas.