Waarom een volledig genoom sequencen?
Het sequencen van het eerste menselijke genoom, in 2005, had vooral tot doel om alles in kaart te brengen: welke genen zijn verantwoordelijk voor welke eigenschappen en voor welke erfelijke ziekten? Uiteindelijk bleek het niet zo eenvoudig. Eigenlijk moet je het genoom van duizenden mensen gaan bekijken en vergelijken, wil je er iets uit kunnen afleiden. En dat gebeurt vandaag ook in onderzoekscentra, waar het sequencen van volledige genomen ingezet wordt als belangrijk onderzoeksinstrument.
Maar het uitlezen van volledige genomen (van menselijke cellen, virussen, bacteriën) is ook interessant voor het stellen van diagnoses en het kiezen en opvolgen van therapieën. Experten geloven dat DNA-sequencing een van de belangrijkste instrumenten kan worden van dokters en specialisten, net zoals een standaard bloedonderzoek dat nu is. “Je kan allereerst op zoek gaan naar erfelijke ziekten – zoals vandaag al gebeurt voor borstkanker (BRCA 1- en 2-gen) – maar het sequencen van het genoom is ook interessant voor andere, niet erfelijke kankers,” verduidelijkt Liesbet Lagae, programmadirecteur life science technologies bij imec. “Maar een tumor bestaat vaak uit verschillende soorten cellen, die elk andere mutaties hebben hebben. Nu – omdat diep sequencen nog te duur en tijdrovend is – wordt het ‘gemiddelde’ genoom van de tumor in kaart gebracht op 1 bepaald tijdstip. Maar als we in staat zijn om snel en goedkoop het genoom van een cel te sequencen, kunnen we heel precies verschillende types kankercellen in een tumor opvolgen in de tijd en beter behandelen.”
“Dit soort single-cell sequencing is van belang bij het kiezen van de juiste behandeling van kanker, zoals bijvoobeeld multiple myeloma,” vult Wilfried Verachtert, directeur ExaScience Life Lab, aan. “Bij deze sommige kankers zien dokters dat de celtypes in de tumor muteren tijdens de behandeling, waarna een nieuw soort behandeling moet worden opgestart. Als we veel vaker de samenstelling van de verschillende tumor-cellen zouden kunnen screenen, zou het veel gemakkelijker worden om deze complexere kankers te behandelen.”
In ons bloed vinden we niet enkel ons eigen erfelijk materiaal, maar ook dat van visussen en bacteriën. Dat is interessant om infectieziekten op te sporen en te behandelen. Denk bv. aan Ebola, of nieuwe griepvarianten.
Ondanks de enorme mogelijkheden van DNA-sequencing in de dagelijkse ziekenhuispraktijk, wordt dit nog niet routinematig toegepast en zijn er nog maar heel weinig FDA-goedgekeurde diagnostische testen op basis van DNA-sequencing. Hoe dit komt? Doordat het nog steeds te duur is, en te omslachtig.
"Nu – omdat diep sequencen nog te duur en tijdrovend is – wordt het ‘gemiddelde’ genoom van de tumor in kaart gebracht op 1 bepaald tijdstip. Maar als we in staat zijn om snel en goedkoop het genoom van een cel te sequencen, kunnen we heel precies verschillende types kankercellen in een tumor opvolgen in de tijd en beter behandelen.”
Het 1000-dollar genoom: een ongekend succes
In 2005 lanceerde het Amerikaanse ‘National Human Genome Research Institute (NHGRI)’ het 1000-dollar-genoom project. Het Human Genome Project – waarbij het eerste menselijke genoom voor het eerst in kaart werd gebracht – was toen net achter de rug. Dat had 3 miljard dollar gekost en honderden onderzoekers waren er 13 jaar mee bezig geweest. Nu was het dus tijd voor de volgende mijlpaal: de 3 miljard dollar reduceren naar 1000 dollar per genoom. Een onmogelijke opdracht, zo leek het toen.
De kost per genoom, zoals opgemeten door het NHGRI. Het wordt vergeleken met de hypothetische kost als de technologie de voorspelling van Moore’s Law zou volgen. Deze ‘wet’ wordt in de chipindustrie gebruikt als langetermijntrend waarbij wordt aangenomen dat er elke twee jaar een verdubbeling mogelijk is van de rekenkracht van een computer. De chipindustrie doet er alles aan om deze trend te kunnen blijven volgen en zorgde hierdoor voor revolutionaire ontwikkelingen. De technologie voor DNA-sequencing bleek in staat om zich zelfs sneller dan Moore’s Law te verbeteren.
Imecs roadmap om het 10-dollar genoom te realiseren.
Maar al die glimmende sequencingtoestellen – die het genoom voor 1000 dollar uitlezen – vormen niet het volledige plaatje. Het staal dat in deze toestellen wordt ingebracht, werd in een apart laboratorium en door speciaal hiertoe opgeleide operatoren aangemaakt, op basis van het bloed van de patiënt. En de ruwe data die uit het sequencingtoestel komen, kunnen niet zomaar door een dokter gebruikt worden om een diagnose te stellen, of om een behandeling op punt te stellen. Dus, vooraleer DNA-sequencing een standaardtool kan worden voor dokters en specialisten, moeten ook deze twee stappen aangepakt worden.
Evolutie in de tijd van de bijdrage van de verschillende stappen van sequencen, tot de volledige kost van het sequencen van een genoom (Sboner et al. Genome Biology 2011, 12:125).
Kunnen we het staal voorbereiden in een kleine lab-op-chip?
Het voorbereiden van het staal, voor gebruik in de sequencingtoestellen, gebeurt vandaag in een gespecialiseerd labo. Wat als we dit konden vervangen door een lab-op-chip? “Het voorbereiden van het staal kost nu zo’n 200 dollar. Vroeger, toen het uitlezen van DNA nog enkele duizenden dollars kostte, was dit een verwaarloosbare kost. Maar nu meer en meer vooruitgang geboekt wordt en de kost van het sequencen almaar verder daalt, wordt het tijd om ook deze kost aan te pakken,” benadrukt Liesbet Lagae. “Dit kan door een microfluïdica-chip te ontwerpen die de verschillende stappen, zoals in het laboratorium, uitvoert, maar veel sneller, compacter én met minder reagentia (dus goedkoper).”
Imec wil hier zijn stempel drukken en zijn siliciumplatform inzetten.
“De verschillende bouwblokken die je nodig hebt voor deze chip, hebben we reeds ontwikkeld: PCR, DNA-extractie, mixen van reagentia, het synthetiseren van DNA, ... daar hebben we microfluïdische componenten voor. En we kunnen deze combineren in een complexe flow, zoals we reeds deden voor Panasonic en hun lab-op-chip voor SNP-detectie. Ons microfluïdicaplatform op basis van silicium is dus zeker in staat om DNA-sequencing dat stapje verder te brengen.”
Toch wordt het geen sinecure. “De grote uitdaging is dat diagnostiek precies moet zijn, en de flow voor staalvoorbereiding geen enkele keer mag falen, er mag geen een bouwblok in de fout gaan. Bij het sequencen zelf wordt nauwkeurigheid ingebouwd door dezelfde DNA-fragmenten meerdere malen opnieuw te sequencen (tot wel 60 keer!), maar een onnauwkeurigheid in de staalvoorbereiding is veel moeilijker op te vangen,” vult Liesbet Lagae aan.
Kunnen we in enkele uren tijd een alleszeggend dashboard maken voor de dokter?
We kunnen al in een dag een genoom uitlezen, maar het duurt typisch nog zo’n twee weken om die data om te zetten in nuttige informatie, voor de onderzoekers of de dokters. Dat is een te lange tijdspanne als we DNA-sequencing als diagnostische tool willen gaan gebruiken. Bij vele testen moet je slechts een klein deeltje van het genoom analyseren om reeds heel eenvoudige conclusies te maken en het zijn deze toepassingen die op dit moment naar de klinische praktijk vertaald worden in de vorm van FDA goedgekeurde diagnostische testen. Echter zo analyseren we slechts het topje van de ijsberg.
“In een vorige project – samen met Janssen Pharmaceutica, Intel en UGent – hebben we onze software expertise rond high performance computing en machine learning gebruikt om de zogenaamde ‘alignement stap’ na het sequencen (nvdr.: het aan elkaar puzzelen van alle uitgelezen DNA-fragmenten tot de volledige genetische kaart die onze 23 paar chromosomen uitmaken) substantieel te versnellen. Dankzij de open-source software ontwikkeld in dit project – elPrep en Halvade – duurt die stap nu geen 5 dagen meer, maar 1,5 uur,” vertelt Wilfried Verachtert.
“Nu moeten we nog de zogenaamde ‘variant calling’ stap versnellen en bruikbaar maken voor de dokters. In deze stap gaat de computer op zoek naar de verschillen tussen dit bepaald genoom en dat van andere patiënten,“ aldus Wilfried Verachtert. “We willen machine learning inzetten om in de data van duizenden patiënten met een bepaalde ziekte, patronen te herkennen, en zo de computer te ‘leren’ om dit ook in nieuwe stalen te kunnen identificeren.
Het ultieme doel is uiteindelijk om een computerchip te maken die de dokter kan vertellen welke relevante informatie er te vinden is in de sequencingdata, in een vorm die de dokter meteen kan interpreteren om de juiste diagnose te stellen of de beste behandeling uit te werken.”
En als we dan toch aan het dromen zijn: kunnen we de point-of-care sequencingtoestellen die nu al op de markt zijn (bv. MiniSeq van Illumina of the Minion van Oxford Nanopore) uitbreiden met een lab-op-chip voor staalvoorbereiding en een artificiële-intelligentie-chip voor interpretatie van de data, zodat de dokter deze desktop tool eenvoudig kan gebruiken om op basis van een druppel bloed van de patiënt zijn of haar DNA uit te lezen voor een gepersonaliseerde behandeling? Imec zal er alleszins alles aan doen om dit, samen met geïnteresseerde bedrijven, in werkelijkheid om te zetten.
Meer weten?
- Lees meer over de samenwerking tussen imec en Panasonic i.v.m. de SNP-chip
- In dit persbericht kom je meer te weten over de elPrep software voor een snellere DNA-analyse
- Meer info over het Exascience Life Lab
- In het magazine van vorige maand, kwam je alles te weten over machine learning en artificiële intelligentie
- Wil je graag samenwerken met imec op het vlak van microfluïdische chips of machine learning? Laat het ons weten via dit contactformulier.
