Artikel från Umeå universitet

Den här artikeln bygger på ett pressmeddelande. Läs om hur redaktionen jobbar.

12 augusti 2010

Ny praxis för att förutse sjukdomsförlopp vid genanalys

Profilering av genuttryck har ett brett användningsområde inom biomedicinsk forskning. Det används exempelvis vid riskbedömning för att utveckla vissa sjukdomar, vid diagnos och prognos samt för att utveckla nya läkemedel. Ett problem har varit att tillförlitligheten har varit osäker, till stor del beroende på att praxis för analysen saknats.

Johan Trygg och Max Bylesjö, forskare vid Umeå universitet, har utvecklat en praxis för hur dataanalysen bör utföras för att garantera en säker och effektiv användning. Problemet har varit i fokus för ett stort internationellt projekt, MAQC-II, samordnat av amerikanska läkemedelsverket (US Food and Drug Administration, FDA), där Umeåforskarna bidragit med sin expertis inom det multivariata dataanalysområdet, kemometri. Resultaten har publicerats i senaste numret av den ansedda tidskriften Nature Biotechnology.

– Det unika samarbetet har byggt upp en stabil grund inom området som kommer att ha en stor påverkan också för andra typer av komplexa biologiska data som vi jobbar med, som proteiner och metaboliter. I slutändan spås detta leda till att sjukvården moderniseras genom att fler individanpassade behandling genomförs, säger Johan Trygg.

Generna ser till att olika proteiner bildas. Det är proteinerna som i grunden styr många reaktioner som sker i kroppen genom att vara både verktyg och byggstenar. Genuttrycket är ett mått på aktiviteten hos generna och kan mätas för varje enskild gen med avancerad utrustning. Genuttryckens data kan därefter analyseras för att förutse sjukdomstillstånd eller för att följa en behandling.

Ett problem har hittills varit att tillförlitligheten i förutsägelserna inte fastställts för en säker och effektiv användning. Inom det stora internationella MAQC-II projektet användes genuttrycksdata för att förutse 13 olika sjukdomstillstånd, exempelvis bröst-och lungcancer. Mer än 3 100 prover analyserades av 36 oberoende analysteam. Detta genererade mer än 30 000 prediktiva modeller, något som skapat en unik resurs för tillsynsmyndigheter, forskare och institutioner.

Mycket jobb lades på att få till stånd en tydlig struktur och utvärdering av det protokoll varje analysteam använde och att säkerställa den statistiska valideringen. Tre tydliga observationer gjordes av de resultat man fick fram: genomförandet av prediktionsmodellerna beror till stor del på genuttrycksdatats kvalitet och relevans, en avgörande faktor för framgång är erfarenhet och dokumenterad skicklighet hos dataanalysteamet samt att olika metoder gav liknande resultat.

– Även om det primära målet inte var fokusera på enskilda analysteams prestationer, var jag mycket glad att se att vi lyckades så väl med våra prediktionsmodeller och att vår modell dessutom rankades högst för ett av de 13 sjukdomstillstånden, säger Johan Trygg, docent, Computational Life Science Cluster (CLiC) vid Umeå universitet, samordnare för den svenska insatsen.

Projektet påvisar förutom möjligheterna också begränsningarna för att förutsäga kliniska sjukdomstillstånd med genuttrycksdata, vilket kommer vara avgörande för utformningen av allmänna riktlinjer och förfaranden för säker och effektiv användning i klinik, till exempel vid utveckling av diagnostiska test.

Reference: Leming Shi et al., The MicroArray Quality Control (MAQC)-II study of common practices for the development and validation of microarray-based predictive models, Nature Biotechnology, Aug 09 2010. doi:10.1038/nbt.1665
Publicerad online 30 juli, 2010 http://www.nature.com/nbt/journal/vaop/ncurrent/full/nbt.1665.html

Microarray Quality Control (MAQC) konsortium omfattar 36 olika analysteam som representeras av ca 100 akademiska institutioner, industrin och tillsynsmyndigheter. Umeå universitet/CLiC representeras av docent Johan Trygg, institutionen för kemi och Dr Max Bylesjö, för närvarande hos Almac Diagnostics Ltd, Storbritannien. Tillsammans samarbetade de med Dr Andreas Scherer, Spheromics, Finland.

Computational Life Science Cluster (CLiC, http://www.kbc.umu.se/clic) är ett forskningsinitativ för att stimulera, organisera och främja bioinformatik och beräkningsvetenskap vid Umeå universitet. Mer än 30 forskare är representerade med expertis inom områden med nära koppling till experimentell forskning. Dessa inbegriper metabolomics, genuttryck, proteomik och DNA-sekvensering, proteinsekvens/strukturanalys, kemometri och systembiologi.

Kontaktinformation
För mer information, kontakta:
Johan Trygg, docent, Computational Life Science Cluster (CLiC), institutionen för kemi, Umeå universitet
Tel: +46 90 786 69 17
Mobil +46 730 647 137
E-post: johan.trygg@chem.umu.se

Max Bylesjö, Ph.D.
Almac Diagnostics Ltd, Craigavon, Storbritannien
Tel: +44 28 3839 7575
E-post: max.bylesjo@almacgroup.com

Nyhetsbrev med aktuell forskning

Visste du att robotar som ser en i ögonen är lättare att snacka med? Missa ingen ny forskning, prenumerera på vårt nyhetsbrev!

Jag vill prenumerera