Cellular reprogramming

DNA-methylatie is een epigenetische modificatie. Dit type van modificaties verandert de genetische informatie zelf niet, maar wijzigt de laag erboven. Er worden chemische modificaties toegevoegd of gewijzigd op het DNA of de histonen (waarrond het DNA gewonden is). DNA-methylatie is die modificatie waarbij een methylgroep wordt aangebracht op het cytosine (C) residue en een CG dincucleotide. Als deze wijziging plaats vindt in een zogenaamd CpG eiland (waar deze CG dinucleotiden dens bij elkaar voorkomen) van de promoter van een gen, wordt dit gen niet meer afgeschreven en zal zijn functie verloren gaan. In dit proefschrift worden verschillende aspecten van DNA-methylatie en het belang ervan in de oncologie belicht. In het eerste onderzoeksdeel hebben we verschillende methodes en algoritmes ontwikkeld om methylatiemerkers te identificeren: genen die specifiek in kanker worden gemethyleerd maar niet in normale weefsels of genen die enkel worden gemethyleerd in bepaalde patiëntsubgroepen (bv. die respons vertonen voor een bepaalde chemotherapie). We hebben een databank en methodes gemaakt om kennis uit de literatuur in het snelgroeiende DNA-methylatie veld te halen. Deze databank (PubMeth) laat toe om het verband na te gaan tussen genen en hun methylatiepatroon in verschillende kanker (sub)types. Daarnaast werden verschillende sorterings- en selectiemethodieken ontwikkeld om zo een prioriteit toe te kennen aan de kandidaat DNA-methylatiemerkers. Al deze methodes werden ontwikkeld om data van genoom-wijde experimenten te kunnen verwerken. Nieuwe methylatiemerkers (gemethyleerd in kanker maar niet in normaal) kunnen worden gebruik bij vroegtijdige detectie van kanker. Er werden verschillende computationele oplossingen voorgesteld: - Relaxation ranking: sorteermethodiek gebaseerd op expressie micro-arrays van primair baarmoederhalskanker patiëntmateriaal en re-expressie experimenten op baarmoederhalskanker cellijnen. Deze methode is gebaseerd op lage expressie in kanker en re-expressie na behandeling met het de-methylerend agens DAC en de histondeacetylase inhibitor TSA. De methode gebruikt geen enkele (arbitrair te kiezen) grenswaarde - De deep approach: er werden verschillende DNA-motieven in de promoterregio van genen geïdentificeerd die discrimineren tussen kankerspecifiek gemethyleerde genen en genen die ook gemethyleerd worden in normale weefsels. - De broad approach maakt gebruik van een genoom-wijde alignering van promoterregio’s. Hieruit blijkt dat gekende methylatiemerkers meer dens geclusterd zijn dan verwacht. - Zowel ‘deep’ als ‘broad’ werden gecombineerd met re-expressie studies in cellijnen van verschillende kankertypes. De combinatie van deze experimentele filter en de computationele aanpak verhoogt de succesratio bij het vinden van kankerspecifiek gemethyleerde genen aanzienlijk. - Er werden ook merkers geïdentificeerd die mogelijks de respons op chemotherapie (platinum) kunnen voorspellen in eierstokkanker. Dit opent de weg naar gepersonaliseerde geneeskunde. De methodiek gebruikt een score-schema gebaseerd op zowel primaire kanker stalen (van zowel platinumgevoelige als resistente patiënten) als re-expressie experimenten op kanker cellijnen. De nieuwe identificatiestrategieën werden gevalideerd op primaire kankerstalen en presteren goed: ten opzichte van beschreven priorizatietechnieken is de succesratio verhoogd. Verscheidene nieuwe methylatie biomerkers in verschillende kankertypes (baarmoederhalskanker, eierstok-kanker, hoofd- en nekkanker, neuroblastoom,…) werden succesvol gevalideerd op primaire patiëntenstalen. Vervolgonderzoek op grotere patiëntengroepen zal het mogelijk diagnostische potentieel aantonen. De validatie van sommige studies is momenteel nog lopende. Dit toont de noodzaak aan van snelle en betrouwbare analysetechnieken die geschikt zijn voor validatiedoeleinden. Ten tweede werd er een uniek viraal infectiesysteem gecombineerd met een genoom-wijde methylatiegevoelige detectietechniek om epigenetische ‘herprogrammering’ van humane gastheercellen na infectie met hoge-risico HPV (Humaan Papilloma Virus) te onderzoeken. In dit experi-ment geven we sterke indicaties dat het virus in staat is de gastheercel epigenetisch te wijzigen. Deze hr-HPV virustypes zijn duidelijk geassocieerd met de ontwikkeling van baarmoederhalskanker gezien meer dan 99 % van de patiënten besmet is. Momenteel is het uitstrijkje een wijdverspreide screening methodiek die wordt gebruikt bij vroegdetectie. Onlangs werden er ook vaccins op de markt gebracht die infectie met de meest voorkomende virustypes (ongeveer 80 % van de infecties) moet voorkomen. De vaccinatie zou moeten gebeuren bij meisjes voor het eerste seksueel contact. De ontdekking van biomerkers met hoge specificiteit en sensitiviteit bij baarmoederhalskanker blijft noodzakelijk voor de niet gevaccineerde groep en gezien de vaccins niet tegen alle virustypes bescherming bieden. DNA-methylatiemerkers zijn uitstekende kandida-ten voor vroegdetectie in een screeningsprogramma: ze kunnen op grote schaal en geautomatiseerd gebeuren. Gezien er aangenomen wordt dat verschillende kankertypes verwant zijn met virusinfecties, verhoogt dit onderzoek de kennis bij dit proces en opent dit de weg naar zeer vroege detectie. Momenteel zijn enkel delen van het ‘kanker epigenoom’ bekend. De komst van methodes die grote hoeveelheden data genereren (zoals volgende-generatie sequenering) zou de bestaande kennis in grote mate kunnen laten toenemen. Dit vereist echter grote collecties primaire kankerstalen (liefst nog in verschillende stadia). Een centraal beheerde, goed geannoteerde bibliotheek van patiëntenmateriaal die verschillende kankertypes bevat, zou het onderzoek in een stroomversnelling plaatsen. Bijkomende uitdaging is dat deze technieken het hoogste niveau van precisie hebben (op baseniveau van een enkele DNA-molecule) en tegelijkertijd een hoog aantal stalen verwerken. Dit betekent dat bij het proefopzet sequentiestukken moeten gekozen worden die aangerijkt zijn aan DNA-methylatie of histonmodificaties. De data-analyse strategie moet snel genoeg zijn maar toch nieuwe kennis extraheren uit de terabytes ruwe data die gegenereerd worden. Ons labo werkt zowel op de ontwikkeling van een goed proefopzet als de verwerking van de gegenereerde data.

Author dc:creator

• Ongenaert, Maté

Contributors dc:contributor

• Van Criekinge, Wim

• Biology and Life Sciences
• Bioinformatics cancer methylation DNA-methylation reprogramming epigenetics

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

eng

Identifier

https://biblio.ugent.be/publication/495156
urn:isbn:978-90-5989-274-3
https://biblio.ugent.be/publication/495156/file/4334906

OAI identifier oai:identifier

oai:archive.ugent.be:495156