Genexpressionsanalyse


Heatmaps von Genexpressionsdaten zeigen wie experimentelle Bedingungen die Produktion (Expression) von mRNA für eine Gruppe von Genen beeinflussen. Grün zeigt reduzierte Expression an, während rot für eine verstärkte Expression steht. Clusteranalyse hat eine Gruppe herunterregulierter Gene in der oberen linken Ecke angeordnet.

Die Genexpressionsanalyse bezeichnet eine Untersuchung der Umsetzung der genetischen Information (Genexpression) mit molekularbiologischen und biochemischen Methoden. Sie kann sowohl für einzelne Transkripte als auch für das ganze Transkriptom angewendet werden und ermöglicht qualitative und quantitative Aussagen über die Aktivität der Gene. Während im ersten Fall nur die Sequenzinformation des zu untersuchenden Transkripts bekannt sein muss, wird für die Transkriptom-Analyse die gesamte Sequenzinformation des Transkriptoms gebraucht.

In der Molekularbiologie kann mit Hilfe der Genexpressionsanalyse die Aktivität und Expression tausender Gene gleichzeitig gemessen werden, was einen Überblick über zelluläre Funktionen ermöglicht. Genexpressionsprofile können beispielsweise verwendet werden, um Zellen zu identifizieren, die in der aktiven Teilungsphase sind, oder aber um die Reaktion von Zellen auf eine spezielle Behandlung aufzuzeigen. Viele derartige Experimente untersuchen das gesamte Genom, d.h. jedes Gen einer spezifischen Zelle.

Die DNA Microarray Technik[1] misst die relative Aktivität zuvor identifizierter Zielgene. Sequenz-basierte Methoden wie die serielle Analyse der Genexpression (SAGE, SuperSAGE) werden ebenfalls zur Genexpressionsanalyse verwendet. SuperSAGE ist besonders genau, da diese Methode nicht auf zuvor definierte Gene beschränkt ist, sondern jedes aktive Gen messen kann. Seit der Einführung von Sequenzierungsmethoden der nächsten Generation erfreut sich die Sequenz-basierte Expressionsanalyse zunehmender Beliebtheit, da sie eine digitale Alternative zu Microarrays darstellt. Dennoch werden Mircroarrays bislang häufiger verwendet, wie aus der Verwendung dieser Methode in 17.000 PubMed Artikeln bis zum Jahr 2006 hervorgeht.

Qualitative Analyse:

  • Wird ein Gen unter den untersuchten Umständen überhaupt exprimiert?
  • In welchen Zellen findet eine Expression statt (beispielsweise in situ Hybridisierung)?

Quantitative Analyse:

  • Wie stark ist der Expressionsunterschied gegenüber einer definierten Referenz?
    • gesunde vs. kranke Zellen
    • Wildtyp vs. Mutantenzellen
    • unstimulierte vs. stimulierte Zellen

Je nach Methode werden die Produkte der verschiedenen Ebenen der Genexpression analysiert:

Die Expressionsanalyse ist der nächste logische Schritt nach der Sequenzierung eines Genoms: die Sequenz gibt Auskunft darüber, was eine Zelle möglicherweise tun könnte, während ein Expressionsprofil zeigt, was die Zelle tatsächlich gerade tut. Gene enthalten die Information zur Erzeugung von messenger RNA (mRNA), aber zu jedem beliebigen Zeitpunkt schreibt eine Zelle nur einem Bruchteil ihrer Gene in mRNA um. Wenn ein Gen gerade abgelesen (exprimiert) wird, um mRNA zu produzieren, wird es als “eingeschaltet” betrachtet, andernfalls als “ausgeschaltet”. Viele verschiedene Faktoren bestimmen, ob ein Gen ein- oder ausgeschaltet ist. So haben beispielsweise die Tageszeit, die lokale Umgebung, chemische Signale von anderen Zellen sowie die Frage, ob sich die Zelle gerade in aktiver Teilung befindet oder nicht, einen Einfluss auf die Aktivität der Gene. Hautzellen, Leberzellen und Nervenzellen exprimieren zu einem gewissen Grad unterschiedliche Gene, und das erklärt einen Großteil der Unterschiede dieser Zellen. Daher erlaubt eine Expressionsanalyse u.a. Schlussfolgerungen über den Zelltyp sowie den Zustand und die Umgebung einer Zelle. Expressionsanalysen untersuchen häufig die relativen Mengen an mRNA, welche unter zwei oder mehr experimentellen Bedingungen exprimiert werden. Veränderte Pegel einer spezifischen mRNA Sequenz deuten auf eine Änderung im Bedarf des Proteins an für welches diese mRNA kodiert. Eine derartige Änderung könnte sowohl eine homöostatische Antwort als auch einen pathologischen Zustand anzeigen. So deuten beispielsweise erhöhte Pegel der für Alkoholdehydrogenase kodierenden mRNA darauf hin, dass die untersuchten Zellen oder Gewebe auf eine erhöhte Alkoholkonzentration reagieren. Wenn Brustkrebszellen eine größere Menge von mRNA eines speziellen Transmembran-Rezeptors exprimieren als normale Zellen, so könnte dies ein Hinweis darauf sein, dass dieser Rezeptor eine Rolle bei Brustkrebs spielt. Ein Medikament welches diesen Rezeptor hemmt könnte zur Vorbeugung oder Behandlung von Brustkrebs eingesetzt werden. Bei der Entwicklung eines Medikaments können Genexpressionsanalysen dabei helfen, dessen Toxizität zu bestimmen indem man nach Veränderungen im Expressionsniveau eines Biomarkers für die Verstoffwechselung von Medikamenten wie etwa Cytochrom P450 schaut[2]. Geneexpressionsanalysen könnten somit ein wichtiges diagnostisches Hilfsmittel werden[3][4].

Methoden

  • Mit der in-situ-Hybridisierung wird sequenzspezifisch RNA eines definierten Gens/Gen-Sets im Gewebe detektiert und das lokale Genexpressionmuster bestimmt.
  • Bei der Northern-Blot-Methode wird RNA zunächst isoliert und elektrophoretisch nach ihrer Größe in einem Gel aufgetrennt. Nach Übertragung auf eine Membran (Blotting) wird die gesuchte RNA-Sequenz durch markierte Sonden (Radioisotope, Fluoreszenz-Farbstoffe) aus komplementärer RNA oder DNA über komplementäre Bindung nachgewiesen. In der Regel werden nur geringe Anzahlen von Sequenzen simultan untersucht.
  • In DNA-Microarrays oder -Makroarrays kann die Menge an mRNA einer Vielzahl von Genen aus Zellen einer Kultur/eines Gewebes simultan bestimmt werden. Dazu wird die mRNA isoliert und in cDNA umgeschrieben. Die Detektion erfolgt bei dieser Methode über komplementäre Hybridisierung der markierten cDNA (Radioisotope, Fluoreszenzfarbstoffe) mit den Sonden des DNA-Arrays.
  • Die Real-Time-quantitative-PCR ist eine Variante der Polymerase-Kettenreaktion (PCR). Durch dem Reaktionsgemisch zugesetzte Farbstoffe oder spezielle Sonden wird die Konzentration des Produktes während der PCR verfolgt. Die zeitliche Änderung der Konzentration ermöglicht Rückschlüsse auf die Ausgangskonzentration der betreffenden Nukleinsäure.
  • Mit der Western-Blot-Methode werden Proteine hinsichtlich verschiedener Eigenschaften wie Größe, elektrischer Ladung oder Isoelektrischem Punkt aufgetrennt und anschließend mit Antikörpern nachgewiesen. In der Regel wird nur eine überschaubare Anzahl von Genprodukten simultan untersucht.
  • Durch die differenzielle Analyse von 2D-Gelen kann die Expression von bis zu 10000 Proteinen gleichzeitig durchgeführt werden. Dazu werden die Proteinextrakte aus Zellkulturen/Geweben gewonnen, zweidimensional nach dem isoelektrischen Punkt und der Molekülmasse aufgetrennt und mittels Markierung bzw. diverser (Fluoreszenz)färbungstechniken detektiert und quantifiziert. Die ermittelten Intensitäten verschiedener Proben werden miteinander verglichen und somit das Expressionsverhalten über verschiedene Bedingungen verfolgt.
  • In Protein-Arrays wird, analog zu DNA-Arrays, die Menge bestimmter Proteine untersucht. Zur Detektion nutzt man die zahlreichen Interaktionen von Proteinen mit anderen Molekülen aus: z. B. Enzym-Substrat-, Antikörper-Antigen- oder Rezeptor-Botenstoff-Interaktion.
  • In den letzten Jahren gewinnt die massenspektrometrische Analyse von Proteingemischen immer weiter an Bedeutung. Über die "spectral abundance" werden Proteinstücke Peptide, ähnlich wie bei SAGE die DNA-Fragmente vorhandener RNAs, gezählt und somit deren Häufigkeit quantifiziert. Andere Methoden nutzen die Signalintensität bestimmter Peptide im Massenspektrum als Maß für die Häufigkeit.

Viele Methoden bedienen sich Fluoreszenzfarbstoffen, die an die Sonden (RNA-Sonden, Antikörper etc.) gekoppelt sind und mittels Fluoreszenzspektroskopie oder Fluoreszenzmikroskopie sichtbar gemacht werden. Letztere bietet den Vorteil einer hohen räumlichen Auflösung. Daneben werden auch radioaktiv markierte Sonden eingesetzt, oder solche, die durch gekoppelte Enzyme Chromogene in Farbstoffe umwandeln.

Vergleich mit der Proteomik

Das menschliche Genom enthält ca. 25.000 Gene welche zusammenarbeiten um etwa 1.000.000 verschiedene Proteine zu erzeugen. Diese Vielfalt entsteht hauptsächlich durch posttranslationale Modifikationen, so dass ein einzelnes Gen als Vorlage für viele verschiedene Versionen eines Proteins dienen kann. In einem einzelnen Massenspektrometrieexperiment können etwa 2000 Proteine[5] (0,2 % der Gesamtmenge) identifiziert werden. Das Wissen um die einzelnen Proteine, die eine Zelle produziert (Proteomik ), ist relevanter als zu wissen, wie viel mRNA von jedem Gen erzeugt wird. Allerdings gibt die Genexpressionsanalyse den bestmöglichen Überblick, den man in einem einzelnen Experiment erhalten kann.

Verwendung zur Entwicklung und Überprüfung von Hypothesen

Manchmal hat ein Wissenschaftler bereits eine Hypothese und führt eine Genexpressionsanalyse durch, um diese Hypothese zu überprüfen. Mit anderen Worten, der Wissenschaftler macht eine spezifische Vorhersage hinsichtlich der zu erwartenden Expressionsniveaus, welche sich als richtig oder falsch herausstellen kann. Häufig werden Genexpressionsanalysen durchgeführt, bevor bekannt ist, wie sich die jeweiligen Versuchsbedingungen auf die Expression bestimmter Gene auswirken. Das heißt, es gibt zunächst keine überprüfbare Hypothese, doch die Genexpressionsanalyse kann dazu beitragen Kandidatengene für zukünftige Experimente zu identifizieren. Die meisten der frühen sowie viele der heutigen Genexpressionsanalysen haben diese Form[6], welche als Klassen-Feststellung (class discovery) bezeichnet wird. Ein beliebter Ansatz der Klassen-Feststellung beinhaltet die Einteilung ähnlicher Gene oder Proben in Gruppen mit Hilfe des k-Means-Algorithmus oder hierarchischer Clusteranalyse. Die Abbildung (s.o.) zeigt das Ergebnis eines zweidimensionalen Clusters, in welchem ähnliche Proben (Reihen) und ähnliche Gene (Spalten) so organisiert sind, dass sie dicht beieinander liegen. Die einfachste Form der Klassen-Feststellung ist eine Auflistung aller Gene, die sich unter verschiedenen experimentellen Bedingungen um mehr als einen bestimmten Wert verändert haben. Die Klassen-Vorhersage ist schwieriger als die Klassen-Feststellung, doch sie erlaubt die Beantwortung von Fragen mit direkter klinischer Relevanz, wie etwa die Frage, wie hoch die Wahrscheinlichkeit ist, dass ein Patient mit einem bestimmten Profil auf ein zu untersuchendes Medikament ansprechen wird. Hierfür sind viele Beispiele von Profilen von Patienten, die auf das Medikament angesprochen bzw. nicht angesprochen haben nötig, sowie Methoden der Vergleichsprüfung (cross-validation) zur Unterscheidung zwischen diesen Profilen.

Einschränkungen

Im Allgemeinen zeigen Genexpressionsanalysen Gene auf, deren Expressionsniveau statistisch signifikante Unterschiede zwischen verschiedenen Versuchsbedingungen zeigt. Dies ist aus verschiedenen Gründen meist nur ein kleiner Anteil des gesamten Genoms. Erstens exprimieren verschiedene Zelltypen und Gewebe als direkte Konsequenz ihrer Differenzierung nur einen Teil aller Gene, während die übrigen Gene abgeschaltet sind. Zweitens kodieren viele Gene für Proteine, die sich für das Überleben der Zelle in einem bestimmten Konzentrationsbereich befinden müssen, so dass sich ihr Expressionsniveau nicht ändert. Drittens hat eine Zelle neben der Veränderung der mRNA Menge alternative Mechanismen der Proteinregulation, so dass manche Gene auf gleichbleibendem Niveau exprimiert werden, auch wenn die Menge des Proteins, für das sie kodieren, schwankt. Viertens limitieren finanzielle Beschränkungen die Genexpressionsanalyse auf eine kleine Anzahl an Beobachtungen desselben Gens unter identischen Versuchsbedingungen, wodurch die statistische Aussagekraft des Experiments geschwächt wird und kleinere Veränderungen im Expressionsniveau nicht identifiziert werden können. Letztendlich wäre es ein zu großer Aufwand, die biologische Signifikanz eines jeden einzelnen regulierten Gens zu diskutieren, so dass sich Wissenschaftler bei der Diskussion der Ergebnisse einer Genexpressionsanalyse häufig auf eine bestimmte Gruppe von Genen beschränken. Obgleich neuere Microarray Analysemethoden gewisse Aspekte der Interpretation von Genexpressionsanalyse-Ergebnissen hinsichtlich ihrer biologischen Relevanz automatisieren, bleibt dies nach wie vor eine sehr schwierige Herausforderung. Da die Listen publizierter Gene aus Genexpressionsanalysen meist relativ kurz sind, ist ein Vergleich des Grades an Übereinstimmung mit Ergebnissen eines anderen Labors eingeschränkt. Das Einstellen der Ergebnisse von Genexpressionsanalysen in eine öffentliche Datenbank (Microarray database) ermöglicht es Wissenschaftlern, Expressionsmuster über die in Publikationen enthaltenen Informationen hinaus zu vergleichen und ggf. Übereinstimmungen mit ihren eigenen Daten zu finden.

Validierung von Hochdurchsatz-Methoden

Sowohl DNA Mikroarrays als auch qPCR nutzen die bevorzugte Bindung komplementärer Nukleinsäuresequenzen ("base pairing") und beide Methoden kommen, häufig aufeinander folgend, beim Erstellen von Genexpressionsprofilen zum Einsatz. Während DNA Microarrays eine hohe Durchsatzrate haben, fehlt ihnen die hohe quantitative Genauigkeit der qPCR. Allerdings kann man in der gleichen Zeit, die man benötigt, um die Expression einiger Dutzend Gene mit qPCR zu bestimmen, das gesamte Genom mittels DNA Microarrays untersuchen. Aus diesem Grund ist es häufig sinnvoll, zunächst eine semiquantitative DNA Microarray Analyse zur Identifizierung von Kandidatengenen durchzuführen, welche dann im Anschluss mittels qPCR validiert und genauer quantifiziert werden können. Zusätzliche Experimente, wie etwa Western Blots der Proteine differentiell exprimierter Gene können dazu beitragen, die Ergebnisse der Genexpressionsanalyse zu untermauern, da mRNA Konzentrationen nicht unbedingt mit der Menge an exprimiertem Protein korrelieren.

Statistische Analyse

Die Analyse von Microarray Daten hat sich zu einem intensiven Forschungsgebiet entwickelt[7]. Die früher übliche Praxis anzugeben, dass eine Gruppe von Genen um den Faktor 2 hoch- oder runterreguliert ist, entbehrt einer soliden statistischen Grundlage. Mit den für Microarrays typischen 5 oder weniger Wiederholungen in jeder Gruppe, kann bereits ein einzelner Ausreißer einen scheinbar mehr als 2-fachen Unterschied hervorrufen. Darüber hinaus fußt die willkürliche Festlegung, dass Abweichungen ab einem Faktor von 2 signifikant sind, nicht auf einer biologischen Grundlage, da hierdurch viele Gene mit offensichtlicher biologischer Signifikanz (aber zu geringer Schwankung in der Expression) ausgeschlossen werden. Anstatt also differentiell exprimierte Gene mittels eines Schwellenwerts für eine x-fache Veränderung zu identifizieren, können verschiedene statistische Tests oder Omnibus Tests wie etwa ANOVA verwendet werden. Derartige Tests berücksichtigen sowohl x-fache Veränderung als auch die Variabilität, um einen p-Wert zu erzeugen, welcher ein Maß dafür ist, wie häufig diese Daten rein zufällig beobachtet werden könnten. Die Anwendung dieser Tests auf Microarray Daten wird durch die große Anzahl verschiedenster Vergleichsmöglichkeiten zwischen den einzelnen Genen erschwert. So wird beispielsweise ein p-Wert von 0.05 für gewöhnlich als Zeichen dafür gewertet, dass die Daten signifikant sind, da dieser Wert eine nur 5%-ige Wahrscheinlichkeit dafür angibt, dass diese Daten rein zufällig beobachtet werden können. Schaut man allerdings 10.000 Gene auf einem Microarray an, so bedeutet p<0.05 dass 500 dieser Gene fälschlicherweise als signifikant hoch oder runterreguliert identifiziert werden, obgleich kein wirklicher Unterschied zwischen den verschiedenen Versuchsbedingungen existiert. Eine offensichtliche Lösung dieses Problems besteht darin, nur solch Gene zu berücksichtigen, die stringenteren p-Wert Kriterien entsprechen, z.B. durch Verwendung einer Bonferroni-Korrektur oder der Anpassung der p-Werte an die Anzahl parallel durchgeführter Versuche unter Berücksichtigung der falsch-positiv Rate. Unglücklicherweise können derartige Ansätze die Zahl signifikanter Gene auf Null reduzieren, sogar wenn einige dieser Gene tatsächlich differentiell exprimiert werden. Gängige Methoden der Statistik wie die Rangprodukt-Methode versuchen ein Gleichgewicht zu erreichen zwischen der Falscherkennung von Genen aufgrund zufälliger Veränderungen (false positives) auf der einen Seite und der Nichterkennung differentiell exprimierter Gene (false negatives) auf der anderen Seite. Zu den häufig zitierten Methoden zählt die Signifikanz-Analyse von Microarrays (SAM)[8] sowie zahlreiche weitere Methoden erhältlich in Software-Paketen von Bioconductor oder anderen Bioinformatik Firmen. Die Wahl eines anderen Test liefert für gewöhnlich eine andere Liste signifikanter Gene[9], da jeder Test einen spezifischen Satz von Annahmen verwendet und einen unterschiedlichen Schwerpunkt auf bestimmte Eigenschaften der Daten legt. Viele Test basieren auf der Annahme einer Normalverteilung der Daten, da dies häufig ein vernünftiger Startpunkt ist und Ergebnisse mit scheinbar höherer Signifikanz liefert. Manche Tests berücksichtigen die gemeinsame Verteilung aller Gen-Beobachtungen um die allgemeine Variabilität der Messungen abzuschätzen[10], während andere jedes einzelne Gen für sich betrachten. Viele moderne Microarray Analysetechniken involvieren die Bootstrap-Technik, maschinelles Lernen oder Monte Carlo Methoden[11]. Je höher die Anzahl von Wiederholungsversuchen in einem Microarray Experiment ist, desto ähnlicher werden die Ergebnisse verschiedener statistischer Analysemethoden. Im Gegensatz dazu erscheinen Microarrays mit einer geringen Übereinstimmung der Ergebnisse verschiedener Methoden der statistischen Datenanalyse weniger zuverlässig. Das MAQC Project[12] gibt Wissenschaftlern Empfehlungen für die Wahl von Standardmethoden, mit Hilfe derer Experimente verschiedener Labore besser miteinander übereinstimmen.

Gen-Annotation

Mit Hilfe statistischer Methoden können Gene, deren Produkte sich unter experimentellen Bedingungen verändern, zuverlässig identifiziert werden. Für eine sinnvolle Interpretation von Expressionsprofilen ist es unabdingbar zu wissen, welches Protein von welchem Gen kodiert wird und welche Funktion es hat. Dieser Prozess wird Gen-Annotation genannt. Manche Annotationen sind zuverlässiger als andere und mitunter fehlen sie vollständig. Gen-Annotations Datenbanken ändern sich ständig und verschiedene Datenbanken verwenden unterschiedliche Bezeichnungen für dasselbe Protein, worin sich ein Wandel im Verstehen seiner Funktion widerspiegelt. Die Verwendung einer standardisierten Gen-Nomenklatur vermeidet das Problem verschiedener Namensgebung, doch die exakte Zuordnung von Transkripten zu Genen[13][14] bleibt eine wichtige Herausforderung.

Klassifizierung regulierter Gene

Der nächste Schritt nach der Identifizierung einer Gruppe differenziell regulierter Gene ist die Suche nach Mustern innerhalb dieser Gruppe. Haben die Proteine, für die diese Gene kodieren, ähnliche Funktionen? Sind sie sich chemisch ähnlich? Sind sie in ähnlichen Zellkompartimenten lokalisiert? Die Analyse der Gen-Ontologie bietet eine gängige Möglichkeit, diese Beziehungen zu definieren. Gen-Ontologie fängt mit einer sehr weit gefassten Oberkategorie an, z.B. „Stoffwechselprozess“, und unterteilt diese dann in kleinere Subkategorien wie etwa „Kohlenhydratstoffwechsel“, welche dann ihrerseits noch einmal in spezifischere Untergruppen wie „Phosphorylierung von Inositol und Derivaten“ aufgeteilt werden können. Neben ihrer biologischen Funktion, chemischen Eigenschaften und zellulären Lokalisation haben Gene noch andere Eigenschaften. So kann man Gene beispielsweise anhand ihrer Verwandtschaft zu anderen Genen, ihrem Zusammenhang mit Erkrankungen oder aber ihrem Zusammenspiel mit Medikamenten oder Toxinen in Gruppen einordnen. Die Datenbank molekularer Signaturen (Molecular Signature Database)[15] und die Vergleichende Toxikogenomische Datenbank (Comparative Toxicogenomics Database)[16] bieten die Möglichkeit, Gene auf die unterschiedlichsten Arten zu kategorisieren.

Mustererkennung zwischen regulierten Genen

Das Ingenuity Gen-Netzwerk Diagramm[17] ordnet Gene mit bekannter Beziehung in ein dynamisches Netzwerk ein. Grün steht für reduzierte Expression, während rot erhöhte Expression anzeigt. Der Algorithmus bezieht zudem nicht-regulierte Gene (weiß) mit ein, um die Konnektivität zu verbessern

Wenn regulierte Gene danach geordnet werden, was sie sind und was sie machen, können wichtige Beziehungen zwischen verschiedenen Genen zu Tage treten[18]. So könnte man beispielsweise einen Hinweis darauf erhalten, dass ein bestimmtes Gen für ein Protein kodiert, das ein Enzym erzeugt, das dann seinerseits ein Protein aktiviert welches dann ein zweites Gen auf unserer Liste reguliert. Dieses zweite Gen könnte ein Transkriptionsfaktor sein, der wiederum ein anderes unserer Kandidatengene reguliert. Durch Beobachtung dieser Querverbindungen können wir vermuten, dass es sich hierbei um mehr als zufällige Assoziationen handelt und dass all diese Gene auf unserer Liste sind, da sie Teil eines zugrunde liegenden biologischen Prozesses sind. Andererseits könnten natürlich auch voneinander unabhängige, völlig zufällig ausgewählte Genen den Anschein erwecken, dass sie Teil eines gemeinsamen Prozesses sind, obgleich dies nicht der Fall ist.

Ursache-Wirkungs-Beziehungen

Mit Hilfe einfacher statistischer Mittel kann man abschätzen, ob Assoziationen zwischen verschiedenen Genen einer Liste größer sind, als es rein zufällig der Fall wäre. Diese einfachen Statistiken sind interessant, auch wenn sie eine sehr starke Vereinfachung der tatsächlichen Situation darstellen. Hier ein Beispiel: Angenommen, ein Experiment umfasst 10.000 Gene, von denen nur 50 (0,5 %) bekannterweise eine Rolle bei der Cholesterinsynthese spielen. Das Experiment identifiziert 200 regulierte Gene. 40 (20 %) dieser Gene befinden sich auch auf einer Liste von Cholesterin-Genen. Basierend auf der Gesamthäufigkeit von Cholesterin-Genen (0,5 %) würde man im Schnitt nur 1 Cholesterin-Gen pro 200 regulierte Genen erwarten. Dies ist lediglich ein Durchschnittswert, d.h. mitunter kann man auch mehr als 1 Gen von 200 erwarten. Die Frage ist nun, wie häufig sähe man 40 Gene statt 1 Gen aus reinem Zufall? Gemäß der hypergeometrischen Verteilung bräuchte man etwa $ 10^{57} $ Versuche (eine 10 mit 56 Nullen), bevor man aus einem Pool von 10.000 Genen rein zufällig 200 Gene auswählen würde, von denen dann 39 oder mehr Cholesterin-Gene sind. Ob man nun erkennt, wie verschwindend gering die Wahrscheinlichkeit ist, dass es sich hierbei um eine Zufallsbeobachtung handelt, oder nicht, man käme in jedem Fall zu dem Schluss, dass die Liste regulierter Gene mit Cholesterin-assoziierten Genen angereichert ist.[19] Darüber hinaus könnte man die Hypothese aufstellen, dass die experimentellen Bedingungen einen Einfluss auf die Cholesterin-Regulation haben, da diese selektiv jene Gene regulieren, die mit Cholesterin assoziiert sind. Obgleich dies wahr sein könnte, so gibt es doch eine Vielzahl von Gründen weshalb es unangebracht ist, hier voreilige Schlussfolgerungen zu ziehen. Zum einen hat die Genregulation nicht zwingend einen direkten Einfluss auf die Proteinregulation. Sogar wenn die Proteine, für die diese Gene kodieren, nichts anderes tun als Cholesterin zu produzieren, so sagt eine Veränderung ihrer mRNA-Konzentration noch nichts über Änderungen auf der Proteinebene aus. Es ist gut möglich, dass die Menge dieser Cholesterin-assoziierten Gene unter den Versuchsbedingungen konstant bleibt. Zum anderen wäre es möglich, dass selbst wenn sich die Proteinmengen verändern, es dennoch stets genug Protein gibt, um die Cholesterinsynthese mit maximaler Geschwindigkeit aufrechtzuerhalten, da nicht diese Proteine, sondern ein weiteres Protein, welches nicht auf der Liste ist, den geschwindigkeitsbestimmenden Schritt und limitierenden Faktor der Cholesterinsynthese darstellt. Zudem haben Proteine typischerweise viele verschiedene Funktionen, so dass diese Gene nicht aufgrund ihrer gemeinsamen Assoziation mit der Cholesterinsynthese reguliert werden, sondern aufgrund einer gemeinsamen Funktion in einem völlig unabhängigen Prozess. Während Genprofile an sich aufgrund der oben genannten Vorbehalte keinen kausalen Zusammenhang zwischen experimentellen Bedingungen und biologischen Auswirkungen beweisen können, so bieten sie doch einzigartige biologische Einsichten, die nur sehr schwer auf anderem Weg zu erlangen wären.

Verwendung von Mustern zur Erkennung regulierter Gene

Wie oben beschrieben, kann man zuerst Gene mit signifikant veränderter Expression identifizieren und anschließend Zusammenhänge zwischen Gruppen verschiedener signifikanter Gene finden durch Vergleich einer Liste signifikanter Gene mit einer Gruppe von Genen mit bekannter Assoziation. Man kann das Problem auch andersherum lösen, hier ein Beispiel: 40 Gene stehen im Zusammenhang mit einem bekannten Prozess, z.B. einer Veranlagung für Diabetes. Man nehme zwei Gruppen von Expressionsprofilen, eine mit Mäusen, die Kohlenhydrat-reich gefüttert wurden und die andere mit Mäusen auf einer Kohlenhydrat-armen Diät. Beim Vergleich dieser beiden Gruppen von Expressionsprofilen beobachtet man, dass alle 40 Diabetes-Gene der Gruppe mit der Kohlenhydrat-reichen Ernährung in stärkerem Maße exprimiert werden, als in der Kohlenhydrat-armen Gruppe. Unabhängig davon, ob irgendeines dieser Gene auf einer Liste signifikant verändert exprimierter Gene gelandet wäre oder nicht, kann die Tatsache, dass alle 40 Genen herauf- und keines herunter reguliert wurde, kaum das Ergebnis reinen Zufalls sein. Es wäre wie beim Werfen von Münzen 40 mal hintereinander „Kopf“ zu werfen, was einer Wahrscheinlichkeit von eins zu einer Billion entspricht. Eine Gruppe von Genen, deren kombiniertes Expressionsmuster den Versuchsbedingungen eine einzigartige Charakteristik verleiht, stellt die Gensignatur dieser Bedingungen für eine bestimmte Zellart dar. Idealerweise kann eine solche Gensignatur dazu verwendet werden, eine Gruppe von Patienten zu identifizieren, die sich in einem bestimmten Krankheitsstadium befinden, wodurch die Auswahl der adäquaten Behandlungsmethode erleichtert wird[20][21]. Gene Set Enrichment Analysis (GSEA)[22] basiert auf dieser Art von Logik unter Verwendung anspruchsvollerer statistischer Methoden, da Gene häufig ein komplexeres Verhalten zeigen als einfach als Gruppe hoch- oder herunterreguliert zu sein. Zudem ist das Ausmaß der Hoch- oder Runterregulation entscheidend und nicht nur die Richtung. In jedem Fall messen derartige statistische Methoden, inwieweit sich das Verhalten kleiner Gruppen von Genen von anderen Genen unterscheidet, die nicht zu dieser Gruppe gehören. GSEA verwendet eine Statistik im Stil von Kolmogorov Smirnov um zu bestimmen, ob irgendwelche zuvor definierten Gengruppen ein ungewöhnliches Verhalten im aktuellen Expressionsprofil an den Tag legen. Dies führt zu der Herausforderung des Testens mehrerer Hypothesen, doch es gibt angemessene Methoden um dieses Problem anzugehen[23].

Schlussfolgerungen

Die Genexpressionsanalyse liefert neue Informationen darüber, wie sich Gene unter verschiedensten Bedingungen verhalten. Im Großen und Ganzen produzieren Mikroarray Techniken zuverlässige Expressionsprofile[24]. Basierend auf diesen Daten können neue biologische Hypothesen aufgestellt oder bestehende Hypothesen überprüft werden. Allerdings führen Umfang und Komplexität dieser Experimente häufig zu einer Vielzahl verschiedener Interpretationsmöglichkeiten. In vielen Fällen erfordert die Datenanalyse von Expressionsprofilen wesentlich mehr Zeit und Mühe als das ursprüngliche Experiment zur Generierung der Daten. Viele Wissenschaftler verwenden mehrere statistische Methoden und orientierende Datenanalyse und konsultieren Biostatistiker oder andere Experten im Gebiet der Mikroarray Technik, bevor sie die Ergebnisse von Genexpressionsanalysen veröffentlichen. Ein guter Versuchsaufbau, eine adäquate Zahl biologischer Replikate sowie Wiederholungsexperimente spielen eine Schlüsselrolle bei der Durchführung erfolgreicher Genexpressionsanalysen.

Einzelnachweise

  1. Microarrays Factsheet. Abgerufen am 28. Dezember 2007.
  2. Suter L, Babiss LE, Wheeldon EB: Toxicogenomics in predictive toxicology in drug development. In: Chem. Biol. 11. Jahrgang, Nr. 2, 2004, S. 161–71, doi:10.1016/j.chembiol.2004.02.003, PMID 15123278.
  3. Magic Z, Radulovic S, Brankovic-Magic M: cDNA microarrays: identification of gene signatures and their application in clinical practice. In: J BUON. 12 Suppl 1. Jahrgang, 2007, S. S39–44, PMID 17935276.
  4. Cheung AN: Molecular targets in gynaecological cancers. In: Pathology. 39. Jahrgang, Nr. 1, 2007, S. 26–45, doi:10.1080/00313020601153273, PMID 17365821.
  5. Mirza SP, Olivier M: Methods and approaches for the comprehensive characterization and quantification of cellular proteomes using mass spectrometry. In: Physiological Genomics. 33. Jahrgang, 2007, S. 3, doi:10.1152/physiolgenomics.00292.2007, PMID 18162499.
  6. Chen JJ: Key aspects of analyzing microarray gene-expression data. In: Pharmacogenomics. 8. Jahrgang, Nr. 5, 2007, S. 473–82, doi:10.2217/14622416.8.5.473, PMID 17465711.
  7. Vardhanabhuti S, Blakemore SJ, Clark SM, Ghosh S, Stephens RJ, Rajagopalan D: A comparison of statistical tests for detecting differential expression using Affymetrix oligonucleotide microarrays. In: OMICS. 10. Jahrgang, Nr. 4, 2006, S. 555–66, doi:10.1089/omi.2006.10.555, PMID 17233564.
  8. Significance Analysis of Microarrays. Abgerufen am 27. Dezember 2007.
  9. Yauk CL, Berndt ML: Review of the literature examining the correlation among DNA microarray technologies. In: Environ. Mol. Mutagen. 48. Jahrgang, Nr. 5, 2007, S. 380–94, doi:10.1002/em.20290, PMID 17370338.
  10. Breitling R: Biological microarray interpretation: the rules of engagement. In: Biochim. Biophys. Acta. 1759. Jahrgang, Nr. 7, 2006, S. 319–27, doi:10.1016/j.bbaexp.2006.06.003, PMID 16904203.
  11. Draminski M, Rada-Iglesias A, Enroth S, Wadelius C, Koronacki J, Komorowski J: Monte Carlo feature selection for supervised classification. In: Bioinformatics. 24. Jahrgang, Nr. 1, 2008, S. 110–7, doi:10.1093/bioinformatics/btm486, PMID 18048398.
  12. Dr. Leming Shi, National Center for Toxicological Research: MicroArray Quality Control (MAQC) Project. U.S. Food and Drug Administration. Abgerufen am 26. Dezember 2007.
  13. Dai M, Wang P, Boyd AD, et al.: Evolving gene/transcript definitions significantly alter the interpretation of GeneChip data. In: Nucleic Acids Res. 33. Jahrgang, Nr. 20, 2005, S. e175, doi:10.1093/nar/gni179, PMID 16284200.
  14. Alberts R, Terpstra P, Hardonk M, et al.: A verification protocol for the probe sequences of Affymetrix genome arrays reveals high probe accuracy for studies in mouse, human and rat. In: BMC Bioinformatics. 8. Jahrgang, 2007, S. 132, doi:10.1186/1471-2105-8-132, PMID 17448222.
  15. GSEA. Abgerufen am 3. Januar 2008.
  16. CTD: The Comparative Toxicogenomics Database. Abgerufen am 3. Januar 2008.
  17. Ingenuity Systems. Abgerufen am 27. Dezember 2007.
  18. Alekseev OM, Richardson RT, Alekseev O, O'Rand MG: Analysis of gene expression profiles in HeLa cells in response to overexpression or siRNA-mediated depletion of NASP. In: Reprod. Biol. Endocrinol. 7. Jahrgang, 2009, S. 45, doi:10.1186/1477-7827-7-45, PMID 19439102, PMC 2686705 (freier Volltext).
  19. Curtis RK, Oresic M, Vidal-Puig A: Pathways to the analysis of microarray data. In: Trends Biotechnol. 23. Jahrgang, Nr. 8, 2005, S. 429–35, doi:10.1016/j.tibtech.2005.05.011, PMID 15950303.
  20. Mook S, Van't Veer LJ, Rutgers EJ, Piccart-Gebhart MJ, Cardoso F: Individualization of therapy using Mammaprint: from development to the MINDACT Trial. In: Cancer Genomics Proteomics. 4. Jahrgang, Nr. 3, 2007, S. 147–55, PMID 17878518.
  21. Corsello SM, Roti G, Ross KN, Chow KT, Galinsky I, DeAngelo DJ, Stone RM, Kung AL, Golub TR, Stegmaier K: Identification of AML1-ETO modulators by chemical genomics. In: Blood. 113. Jahrgang, Nr. 24, Juni 2009, S. 6193–205, doi:10.1182/blood-2008-07-166090, PMID 19377049.
  22. Subramanian A, Tamayo P, Mootha VK, Mukherjee S, Ebert BL, Gillette MA, Paulovich A, Pomeroy SL, Golub TR, Lander ES, Mesirov JP: Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. In: Proc. Natl. Acad. Sci. U.S.A. 102. Jahrgang, Nr. 43, 2005, S. 15545–50, doi:10.1073/pnas.0506580102, PMID 16199517.
  23. GSEA. Abgerufen am 9. Januar 2008.
  24. Couzin J: Genomics. Microarray data reproduced, but some concerns remain. In: Science. 313. Jahrgang, Nr. 5793, 2006, S. 1559, doi:10.1126/science.313.5793.1559a, PMID 16973852.

Die News der letzten Tage