Skip to main content

Genomisk medicin

Finn Cilius Nielsen

1. apr. 2019
12 min.

Genomisk medicin defineres som genomundersøgelser og bioinformatik i relation til patientbehandling og diagnostik. Feltet tager afsæt i forskningen om genomets sekvens og struktur og har udviklet sig i kølvandet på det humane genomprojekt [1-6]. Genomisk medicin er generisk og teknologibaseret og har berøringsflader til de fleste medicinske specialer. Det er centralt for etableringen af en molekylær sygdomstaksonomi, som er forudsætningen for mere præcis og virksom behandling. Af samme årsag kobles området ofte sammen med personlig medicin.

Faktaboks

Fakta

I forventning om feltets positive bidrag til patientbehandlingen etableres der rundt om i verden mange nye centre for genomisk medicin, og i en række lande har man nationale programmer for genomsekventering, ligesom mange private udbydere tilbyder genomsekventering. På verdensplan skønnes det, at over en million mennesker allerede har fået deres genom sekventeret. I Danmark tog regionerne tidligt området til sig, og rundt om i landet har man etableret mere eller mindre specialiserede enheder og enkelte større centre inden for området. Med det kommende nationale initiativ vil feltet få yderligere momentum, og det vil uden tvivl styrke implementeringen og tilgængeligheden af genomisk medicin for danske patienter.

GENOMUNDERSØGELSER OG BIOINFORMATIK

Genomisk medicin er baseret på teknologier, hvor man undersøger det samlede genom og genernes udtryk. De to væsentligste metoder er DNA-microarrays og next-

generation sequencing
(NGS).

Array-baserede transkriptomanalyser benyttes i kliniske sammenhænge til klassificering af patologiske processer i henhold til f.eks. type, overlevelse eller behandling. I stedet for at fokusere på morfologiske kriterier eller enkeltmarkører aflæses et bestemt ribonukleinsyreudtryk – en signatur – for en given patologisk proces. Metoden er en etableret del af brystkræftdiagnostikken, idet man har mulighed for at inddele brysttumorer i grupper, som afspejler det kliniske forløb [7]. Lægen har samtidig mulighed for at danne sig et komplet overblik over biomarkører i en given prøve. Single nucleotide polymorphism arrays er desuden en velegnet metode til både somatiske og konstitutive kromosomundersøgelser.

Udviklingen i sekventeringsteknologierne er lige nu det bærende element i genomisk medicin [8]. NGS er baseret på en fragmentering af genomet i millioner af små stykker DNA, der kobles på en overflade eller indesluttes i nanopartikler, hvorefter man følger indbygningen af fluorescerende nukleotider i en kopi af

DNA-stykket (Figur 1). Hvis man har tilstrækkelig beregningskapacitet, kan den seneste generation af sekventeringsmaskiner kortlægge et helt genom, helgenomsekventering (WGS), på fire dage. I en årrække har man primært arbejdet med genpaneler og såkaldt exomsekventering, hvor man undersøger de kodende områder af genomet, men WGS er hurtigere, og med den metode finder man flere genvarianter i både det

ikkekodende og kodende DNA. WGS bør af både faglige og forskningsmæssige hensyn erstatte andre genomundersøgelser [9, 10].

Muligheden for at generere enorme mængder DNA-sekvens har skabt behov for meget stor datakapacitet.

I relation til WGS er beregningskapaciteten lige nu en limiterende faktor, og i takt med at undersøgelserne bliver mere almindelige, er den planlagte udvidelse af de danske supercomputere kærkommen. Der findes et utal af forskellige bioinformatiske værktøjer til håndtering af de store datamængder. Fælles for dem alle er, at analyserne som udgangspunkt falder i tre dele [11] (Figur 1): 1) kortlægning (mapping) af de rå sekvenssignaler mod en referencesekvens, 2) filtrering af varianter og 3) filtrering og identifikation af patogene varianter i relation til en given sygdom eller symptomer. En WGS omfatter tre milliarder nukleotider, og man ender med ca. tre millioner varianter (Tabel 1), hvoraf 20.000 er lokaliseret i de kodende områder af generne. Ved en monogen sygdom leder man efter én sygdomsfremkaldende variant, og ofte vil man starte med at fokusere på varianter i kendte sygdomsgener. Finder man ikke noget, som kan forklare patientens symptomer, kan man gå videre med at undersøge varianter inden for samme biologiske signalveje eller proteinkomplekser i håb om at lokalisere en formodet patogen variant. Denne skal i givet fald karakteriseres yderligere, eventuelt med funktionelle undersøgelser i relation til

sygdommen, før den kan anvendes i rådgivning og behandling. Afhængig af hvilken algoritme og sekventeringsteknologi man anvender, er nogle procent af de kaldte varianter mapping-artefakter. Patogene varianter skal derfor normalt verificeres af specialuddannet personale. Selvom NGS er en meget sikker og reproducerbar teknologi, er der fortsat behov for at udvikle og raffinere de bioinformatiske værktøjer, så man opnår en optimal kortlægning og får bedre muligheder for at afgøre, om en given variant er sygdomsfremkaldende. Fra både akademisk og kommerciel side er der stor interesse for at udvikle forbedrede brugerflader og datapræsentation, så læger på de kliniske afdelinger hurtigt kan få indsigt i resultaterne og varianternes relation til sygdomme.

Et eksempel på et værktøj, som anvendes flere steder i landet, er Find Zebra (www.findzebra.com), som giver mulighed for at identificere gener, der er forbundet med en given sygdom og omvendt.

Et andet aspekt ved genomisk medicin i klinisk sammenhæng er, at mange beregningsmodeller er udviklet til sammenligninger af patientgrupper og kontrolpersoner. Dette er ikke altid så relevant i den kliniske situation, hvor man skal man forme en konklusion for den enkelte patient. Man fokuserer derfor i stigende omfang på alternative matematiske modeller, hvor man tilstræber at kunne stille en diagnose eller bestemme

en intervention i relation til den enkelte patient [12]. Perspektivet illustreres af en meget dybtgående undersøgelse af en patient, som udviklede type 2-diabetes i forbindelse med to virusinfektioner [13]. Undersøgelsen afdækkede ikke bare patientens genetiske disposition for diabetes, men viste også, hvordan genetiske varianter manifesterer sig på en dynamisk facon. Udviklingen går hurtigt, og i mindre skala er mange af elementerne allerede i brug – specielt inden for onkologi, hvor integrativ bioinformatik til skræddersyet terapi er en realitet (se nedenfor).

GENOMISK MEDICIN I KLINISK PRAKSIS

I løbet af 1990’erne kortlagde man mange nye sygdomsgener, ikke bare for sjældne pædiatriske sygdomme/syndromer, men også inden for mange af de større sygdomsgrupper, herunder kræft, endokrine sygdomme og hjerte-kar-sygdomme, og brugen af genetisk diagnostik bredte sig derfor til mange forskellige medicinske og kirurgiske specialer og til primærsektoren.

Man skønner, at mindst en fjerdedel af alle vores gener er forbundet med bestemte sygdomme, og et af de områder, hvor genomsekventering allerede har

vist sin betydning, er sjældne sygdomme [9, 10, 14]. Mellem 30.000 og 50.000 danskere har en sjælden lidelse, og mange får aldrig en sikker diagnose. Pga. de begrænsede tekniske muligheder var man indtil for få år siden nødt til at fokusere på et mindre antal gener. WGS har ændret dette forhold radikalt, og for mange sjældne sygdomsgrupper og hos patienter uden diagnose kan man finde en årsag til sygdommen i ca. en tredjedel af tilfældene [10, 15]. For at forenkle identifikationen af sygdomsrelaterede mutationer hos børn foretages undersøgelserne ofte som trioundersøgelser, hvor barnets DNA-sekvens sammenlignes med to raske forældres DNA. Internationale erfaringer tyder på, at man med fordel kan anvende WGS tidligt i udredningsforløbet, så det efterfølgende udredningsprogram kan målrettes.

Inden for kræftområdet er dyb fænotypning af tumorgenomer central for målrettet behandling og klassifikation [16] (Figur 2). På Fase 1-enheden på Rigshospitalet har man i en årrække gennemført et personligt genomisk screeningsprogram, Copenhagen prospective personalised oncology. De genomiske undersøgelser er meget vidtrækkende og omfatter både sekventering af patienternes eget genom og tumorgenomet samt undersøgelser af genudtryk og kopitalsvariationer i tumorerne. Resultaterne diskuteres i et tværfagligt tumorpanel, hvorefter patienterne tilbydes målrettet behandling. Selvom der er et stykke vej tilbage, før vi kan forudsige og udvælge de mest virksomme behandlinger til alle patienter, viser egne erfaringer og studier fra udlandet, at det er muligt at forbedre behandlingseffekterne ved at kortlægge værts- og tumorgenomerne [17]. Desuden kan sekventering af cirkulerende tumor-DNA bidrage med information om spredning og terapeutiske angrebspunkter [18].

De komplette data om patienterne har desuden gjort det muligt løbende at komplementere undersøgelserne, når der fremkommer nye markører og klassifikationer. Dette gælder ikke mindst for immunterapierne og poly (ADP-ribose)-polymeraseinhibitor-behandling, hvor henholdsvis mutationsbyrden og defekter i homolog rekombination er af betydning for stoffernes virkning.

Klinisk mikrobiologi og infektionsmedicin er to andre markante områder, hvor de nye teknologier har vundet indpas [19]. Typning af bakterier og virus udføres i stigende grad ved WGS, og patienter med primære immundefekter udredes i stigende grad med genomsekventering. Muligheden for at karakterisere komplekse blandinger af mikroorganismer tænkes også at bane vejen for undersøgelser af det humane mikrobiom, som ser ud til at have betydning for mange almindelige sygdomme.

Et af de områder, hvor mange tidligt havde spået, at genomisk medicin ville få en væsentlig rolle, er farmakogenetik, men vi har endnu til gode at se en udbredt klinisk anvendelse. Man må håbe, at den generelle udbredelse af genomsekventering og ny viden om lægemiddelomsætning vil give større fokus på området.

Til forskel fra monogene sygdomme, hvor sygdomsrisikoen bestemmes af mutationer i et bestemt gen, skyldes mange almindelige sygdomme en kombineret effekt af et større antal almindeligt forekommende varianter [20, 21]. Varianterne ser ud til at definere sygdommenes taksonomi, og mange af dem deles af forskellige sygdomme, hvorfor sygdommenes genetiske arkitektur endnu ikke er forstået i alle detaljer. På trods af begrænsningerne kan man tænke sig, at WGS eller andre mere fokuserede metoder vil få en rolle i kortlægning af varianter og beregning af risikoscorer baseret på et større antal varianter.

ETISKE ASPEKTER

Som alle kliniske undersøgelser er genomanalyser forbundet med etiske overvejelser – særligt i relation til

tilfældige fund. Dilemmaet er ikke unikt for genomiske undersøgelser, og der er voksende konsensus om, hvilke tilfældighedsfund der bør rapporteres [22]. Min egen erfaring er, at det er en ret stærk oplevelse at se ind i sit eget genom, og at man som patient bør få en grundig information fra sin læge og ikke efterlades alene med resultatet. Inden for området er man samtidig opmærksom på, at genomisk medicin bør følges af en styrket uddannelse af læger og sygeplejersker. I det nyligt etablerede Genomcenter Øst er postgraduat uddannelse et pejlemærke, og det samme vil uden tvivl blive tilfældet i det nationale initiativ. Intet er desuden mere afgørende end befolkningens opbakning og patienternes ret til egne data. Datalæk og spredning er et reelt og væsentligt problem, som ikke kan tages alvorligt nok.

FREMTIDEN

Ny udvikling og teknologi mødes ofte med begejstring efterfulgt af en periode med skuffelse og tvivl over

oppustede forventninger. For at få fuldt udbytte af genomisk medicin skal området forankres solidt i det kliniske univers. Etableringen rummer ikke kun teknologiske udfordringer, men også organisatoriske overvejelser med nye samarbejdsflader for traditionelle fag- og specialegrænser. Vi forstår endnu ikke betydningen af alle genomets variationer, men det kommer med en dybere forståelse af sygdommenes genetiske arkitektur og heterogenitet. Hvis man skal pege på et enkelt område, som skal forbedres i de kommende år, er det vores evne til at tolke de mange data i relation til den kliniske virkelighed [23]. Den patient, som vi møder, har en unik genetisk sammensætning, og selvom han/hun har en bestemt klinisk fremtræden, skal vi i fremtiden forholde os til store individuelle forskelle i både behandling og forløb. Sammenholder vi de genomiske data med information om symptomer, forløb, biokemi, patologi og billedinformation, er vi for alvor på vej mod præcisionsmedicin.

 

Korrespondance: Finn Cilius Nielsen.

E-mail: finn.cilius.nielsen@regionh.dk

Antaget: 12. februar 2019

Publiceret på Ugeskriftet.dk: 1. april 2019

Interessekonflikter: Forfatterens ICMJE-formular er tilgængelig sammen med artiklen på Ugeskriftet.dk

Summary

Finn Cilius Nielsen:

Genomic medicine

Ugeskr Læger 2019;181:V01190031

 

Genomic medicine refers to genomics and bioinformatics in the context of clinical care and diagnostics. Due to the generic and technology-based nature of the field, genomic medicine relates to a broad variety of medical specialities. Genomic medicine is fuelled by the rapid development of next generation sequencing technologies, which allow rapid sequencing of a complete human genome. In this way genomic data have become part of the early stages of the diagnostic work-up. This review provides a brief description of the current status and perspectives of genomic medicine

Referencer

LITTERATUR

  1. Generation Genome, 2017. https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/631043/CMO_annual_report_generation_genome.pdf (5. mar 2019).

  2. Feero WG, Guttmacher AE, Collins FS. Genomic medicine – an updated primer. N Engl J Med 2010;362:2001-11.

  3. Jacob HJ, Abrams K, Bick DP et al. Genomics in clinical practice: lessons from the front lines. Sci Transl Med 2013;5:194cm5.

  4. Katsanis SH, Katsanis N. Molecular genetic testing and the future of clinical genomics. Nat Rev Genet 2013;14:415-26.

  5. Lords Ho. Genomic Medicine. Report, 2009. https://publications.parliament.uk/pa/ld200809/ldselect/ldsctech/107/107i.pdf (5. mar 2019).

  6. McCarthy JJ, McLeod HL, Ginsburg GS. Genomic medicine: a decade of successes, challenges, and opportunities. Sci Transl Med 2013;5:189sr4.

  7. Colombo PE, Milanezi F, Weigelt B et al. Microarrays in the 2010s: the contribution of microarray-based gene expression profiling to breast cancer classification, prognostication and prediction. Breast Cancer Res 2011;13:212.

  8. Mardis ER. A decade‘s perspective on DNA sequencing technology. Nature 2011;470:198-203.

  9. Stavropoulos DJ, Merico D, Jobling R et al. Whole genome sequencing expands diagnostic utility and improves clinical management in pediatric medicine. NPJ Genom Med 2016;1:15012.

  10. Gilissen C, Hehir-Kwa JY, Thung DT et al. Genome sequencing identifies major causes of severe intellectual disability. Nature 2014;511:344-7.

  11. https://software.broadinstitute.org/gatk/ (5. mar 2019).

  12. Vaidyanathan G. Redefining clinical trials: the age of personalized medicine. Cell 2012;148:1079-80.

  13. Chen R, Mias GI, Li-Pook-Than J et al. Personal omics profiling reveals dynamic molecular and medical phenotypes. Cell 2012;148:1293-307.

  14. Sørensen OE, Clemmensen SN, Dahl SL et al. Papillon-Lefevre syndrome patient reveals species-dependent requirements for neutrophil defenses. J Clin Invest 2014;124:4539-48.

  15. Splinter K, Adams DR, Bacino CA et al. Effect of genetic diagnosis on patients with previously undiagnosed disease. N Engl J Med 2018;379:2131-9.

  16. Cancer: the road ahead. Cell 2017;168:545-6.

  17. Tuxen IV, Rohrberg KS, Ostrup O et al. Copenhagen Prospective Peronalized Oncology (CoPPO) – clinical utility of using molecular profiling to select patients to phase 1 trials. Clin Cancer Res 2019;25:1239-47.

  18. Yde CW, Østrup O, Mau-Sørensen M et al. Differential clonal selection in tumor tissue and cell-free DNA from a neratinib-treated refractory breast cancer patient harboring an activating ERBB2 (HER2) mutation. Cancer Res 2016;76:3140.

  19. Koser CU, Ellington MJ, Cartwright EJ et al. Routine use of microbial whole genome sequencing in diagnostic and public health microbiology. PLoS Pathog 2012;8:e1002824.

  20. Cortes A, Dendrou C, Fugger L et al. Systematic classification of shared components of genetic risk for common human diseases.
    BioRxiv 2018. https://doi.org/10.1101/374207.

  21. Cortes A, Dendrou CA, Motyer A et al. Bayesian analysis of genetic association across tree-structured routine healthcare data in the UK Biobank. Nat Genet 2017;49:1311-8.

  22. Kalia SS, Adelman K, Bale SJ et al. Recommendations for reporting of secondary findings in clinical exome and genome sequencing, 2016 update (ACMG SF v2.0): a policy statement of the American College of Medical Genetics and Genomics. Genet Med 2017;19:249-55.

  23. MacArthur DG, Manolio TA, Dimmock DP et al. Guidelines for investigating causality of sequence variants in human disease. Nature 2014;508:469-76.