panczyk (2012) rozwój współczesnej psychologii wobec osiągnięć neurogenomiki i biologii...

41

PSYCHOLOGIA – ETOLOGIA – GENETYKAtom 25, 2012

iSSn 1508-583XSTrony 41–56

mariuSz panczykWydział nauki o zdroWiu, WarszaWski uniWersytet medyczny, WarszaWa

rozwój wSpółczeSnej pSychologii wobec oSiągnięć neurogenomiki i biologii SyStemów

StreSzczenie

Genom człowieka składa się z blisko 30 tys. genów, które kodują informacje potrzeb-ne do rozwoju ludzkiego mózgu, zbudowanego z 1011 neuronów, połączonych ze sobą w sieć za pomocą 1015 synaps. Neurogenomika funkcjonalna bada sposób, w jaki ge-nom jako całość przyczynia się do ewolucji oraz rozwoju struktur i funkcji systemu ner-wowego. Praca ludzkiego mózgu determinowana jest z jednej strony przez uwarunko-wane genetycznie cechy biologiczne, z drugiej natomiast przez czynniki środowiskowe. Oba zespoły czynników, oddziaływające w określonym czasie, kształtują w dynamiczny sposób funkcjonowanie mózgu. Pomimo redukcjonistycznego charakteru badań nad mechanizmami molekularnymi, jakie zachodzą w procesie rozwoju i adaptacji mózgu, włączenie takich danych do wielowymiarowej analizy w ramach biologii systemów po-zwala uzyskać bardziej holistyczny obraz badanego zjawiska.

development of modern pSychology in the context of achievementS in neurogenomicS and SyStemS biology

abStract:Human genome consists of almost 30 thousand genes encoding information neces-

sary for the development of human brain built of 1011 neurons interconnected into a net-work by means of 1015 synapses. Functional neurogenomics investigates how genome as a whole influences evolution and development of structures and functions of nervous system. Operation of human brain is on the one hand determined by genetically condi-tioned biological features and environmental factors on the other. Both groups of factors, affecting at a given time, dynamically shape brain functioning. Despite the reductionist character of research in molecular mechanisms that take place in the development and adaptation of the brain, including such data into multidimensional analysis of system biology, allows to obtain a more holistic picture of the researched phenomenon.

WProWaDzenie

Rewolucja w biologii molekularnej umożliwiła naukowcom prowadzą-cym dotychczas badania szczegółową analizę molekularną poszczególnych elementów systemu komórkowego jedynie na poziomie całego układu. Nadal jednak ogromnym wyzwaniem pozostaje możliwość przenoszenia

mariuSz Panczyk

42

wyników analizy genów na poziom badań nad interakcjami pomiędzy ele-mentami komórkowymi, a także relacji, jakie zachodzą w obszarze funk-cjonowania mózgu rozumianego jako system biologiczny. Taka integracja wiedzy z różnych dziedzin i perspektyw jest szczególnie ważna w neuro-biologii. Potencjał, jaki daje dynamiczna analiza zmian aktywności genów w zmieniających się warunkach, w połączeniu z wiedzą na poziomie orga-nizacji tych genów, określana jako funkcjonalna genomika systemów mole-kularnych, pozwoli na bardziej zintegrowane spojrzenie na funkcjonowanie systemu nerwowego.

Wielu współczesnych psychologów ma formalne wykształcenie me-dyczne lub przynajmniej rozeznanie w zakresie nauk przyrodniczych. Silne związki między psychologią a naukami biologicznymi nie są jednak domeną ostatnich kilkudziesięciu lat. Zarówno William James, zwolennik funkcjona-lizmu w psychologii, jak i Wilhelm Wundt, uważany za twórcę psychologii eksperymentalnej, studiowali medycynę. Również Iwan Pawłow, badający odruchy i zachowania zwierząt (behawioryzm, warunkowanie reaktywne) oraz fizjologię układu nerwowego, uzyskał stopień doktora w zakresie nauk przyrodniczych (Canli 2007).

Znacznie wolniejszy, niż na przykład w dziedzinie biologii nowotworów, rozwój neuronauk wiąże się z ogromnym zróżnicowaniem systemu nerwo-wego, nieporównywalnie bardziej złożonego niż układy tkanek nieneuro-nowych. Problem stanowi również ograniczenie możliwości stosowania techniki klonowania czy metod molekularnej analizy tkanki mózgowej. Obecnie analiza taka oparta jest w większości przypadków na badaniach materiału post mortem (Coppola, Geschwind 2006; Nelson, Hempel, Sugi-no 2006; Mirnics, Pevsner 2004). Mimo utrudnień genomika funkcjonalna ma już klika osiągnięć w zakresie badań nad różnicowaniem się neuronów (Cahoy i in. 2008; Heiman i in. 2008), synaptogenezą (Emes i in. 2008), biomarkerami i mechanizmami rozwoju niektórych chorób mózgu (Naga-saka i in. 2005; Nishimura i in. 2007; Lim i in. 2006; Mirnics i in. 2000), globalną analizą funkcjonalną mózgu zwierząt (Wang, Williams, Manly 2003). Wskazane projekty badawcze dowodzą, że w najbliższej przyszłości na rozwój neuronauk duży wpływ będą miały wielkoskalowe analizy oparte m.in. na genomice czy proteomice oraz interdyscyplinarnych narzędziach integracji danych: bioinformatyce i biologii systemów.

PoliMorFizM a różniCe MięDzyosobniCze W zaChoWaniu CzłoWieka

Genetyka behawioralna nadaje takie samo znaczenie zarówno czynnikom genetycznym, jak i środowiskowym, wskazując na indywidualny zestaw cech genetycznych każdej jednostki (Plomin, Asbury, Dunn 2001). Obser-

rozWóJ WsPółczesneJ Psychologii WoBec osiągnięć neurogenomiki i Biologii systemóW

43

wowane różnice indywidualne złożonych cech osobniczych wynikają ze wzajemnego oddziaływania czynników genetycznych i środowiskowych. Badacze pracujący w ramach międzynarodowych projektów typu Human Genome Project1, The 1000 Genomes Project2 oraz International HapMap Project3 i Programs for Genomic Applications NHLBI-PGA4 zwrócili uwa-gę na duże różnice indywidualne w sekwencji ludzkiego genomu, będące wynikiem polimorfizmu genetycznego (International HapMap Consortium 2007; Lee, Kohane, Butte 2003). Polimorfizm genetyczny to regularne i jednoczesne występowanie w tej samej populacji dwóch lub więcej ge-notypów. Można go również zdefiniować jako występowanie w danym locus więcej niż jednego allela, co odpowiada za występowanie różnych wariantów sekwencji DNA (Medical Subject Headings 2012). Analizując międzypopulacyjne oraz międzyosobnicze różnice w genomie człowieka, należy brać pod uwagę występowanie obok polimorfizmu również zmian o charakterze mutacji. Do niedawna różnicując polimorfizm i mutacje, pod-noszono kryterium częstości występowania, przyjmując dla polimorfizmu częstość większą niż 1%. Jednak badania grupy The 1000 Genomes Project wskazują, że około 5% opisanych polimorfizmów występuje z częstością mniejszą niż 1% (1000 Genomes Project Consortium 2010).

Spośród kilku typów spotykanych w genomie najczęściej występującym jest polimorfizm pojedynczych nukleotydów (Single Nucleotide Polymor-phism – SNP), w którym dochodzi do wymiany jednego nukleotydu na inny. Szacuje się, że w ludzkim genomie istnieje ponad 10 mln SNPs (1 SNP na 300 par zasad) (1000 Genomes Project Consortium 2010). W genomie spotykany jest także polimorfizm zmiennej liczby tandemowych powtó-rzeń (Variable Number Tandem Repeats – VNTR): powtórzenia od 1 do 5 par zasad (polimorfizm mikrosatelitarny) oraz od 6 do 100 par zasad (po-limorfizm minisatelitarny). Trzecim rodzajem polimorfizmu jest insercja (wstawienie) i delecja (wypadnięcie) jednego lub kilku nukleotydów. Takich zmian w genomie opisano około 3 mln (1000 Genomes Project Consortium 2010). Bardziej złożonym typem zmian sekwencji w genomie jest poli-morfizm liczby kopii (Copy Number Variation/Variants – CNV), w którym obserwujemy zmienną liczbę segmentów DNA o długości od kilku tysięcy do kilku milionów par zasad (Marcinkowska, Kozłowski 2011). Tak duże zróżnicowanie międzyosobnicze genomu człowieka, dotyczące w wielu przypadkach genów kodujących receptory, transportery błonowe czy też enzymy związane z metabolizmem, w znacznym stopniu wpływa na obser-wowane różnice fenotypowe (Kirov 2010; Scherer, Dawson 2011). Wśród

1 http://genomics.energy.gov (dostęp: 28.02.2012 r.).2 http://www.1000genomes.org (dostęp: 28.02.2012 r.).3 http://snp.cshl.org (dostęp: 28.02.2012 r.).4 http://www.nhlbi.nih.gov/resources/pga (dostęp: 28.02.2012 r.).

mariuSz Panczyk

44

wielu badań klinicznych dotyczących polimorfizmu genetycznego transpor-terów dla neuroprzekaźników i receptorów dla dopaminy czy serotoniny są przykłady, które wskazują na ich potencjalne znaczenie w diagnozie pacjenta z zaburzeniami funkcjonowania mózgu. Jednakże przedstawio-ny poniżej, krótki przegląd kilku metaanaliz dotyczących tych badań nie wskazuje jednoznacznie na wpływ analizowanych zmian polimorficznych na złożone zachowania.

Kluger i wsp. przeprowadzili metaanalizę 20 badań (n = 3907) nad zna-czeniem polimorfizmu VNTR genu dla receptora dopaminy (dopamine D4 receptor – DRD4) w rozwoju osobowości o temperamencie typu „poszu-kiwanie nowości”. Przegląd ten wskazał na duże zróżnicowanie poszcze-gólnych wyników badań pierwotnych, w zależności od analizowanej grupy etnicznej (Kluger, Siegfried, Ebstein 2002). Podobną metaanalizę wykonali Munafò i wsp. w kontekście wpływu genu transportera serotoniny (5-HT transporter – 5-HTT) na rozwój osobowości typu „unikanie szkód” (51 ba-dań, n = 3872). Również i w tym przypadku poszczególne wyniki badań były bardzo zróżnicowane, a nawet prowadziły do przeciwstawnych wnio-sków (Munafò i in. 2009). Metaanaliza 13 badań klinicznych (n = 2723) poświęconych relacji między polimorfizmem genu dla katechol-O-mety-lotransferazy (COMT) a skłonnością do zachowań samobójczych również nie przyniosła jednoznacznych rozstrzygnięć. Sprzeczne wyniki badań pier-wotnych (od OR = 0,83–0,90 do OR = 1,06–2,17) dały w konsekwencji sumaryczną wartość ilorazu szans na poziomie 1,09. Wynik ten praktycznie wyklucza związek między badanym polimorfizmem a analizowanym za-chowaniem (Tovilla-Zárate i in. 2011). Autorzy wszystkich powyższych analiz podkreślają, że badania asocjacyjne powinny uwzględniać złożoność uwarunkowań mających wpływ na dany fenotyp. Uzyskane wyniki meta-analizy są zależne między innymi od jakości wybranych badań pierwotnych, a także od homogenności łączonych badań np. pod względem jednorodności etnicznej analizowanych populacji czy też innych kryteriów pozostających w związku z danym fenotypem. Dla przykładu: autorzy metaanlizy badania związku między polimorfizmami genu dla monoaminooksydazy-A (MAO--A) a zaburzeniami nastroju wskazali, że na pewne zaburzenia nastroju mają wpływ trzy badane polimorfizmamy MAO-A w zależności od grupy etnicznej (rasa kaukaska lub azjatycka) oraz płci (Fan i in. 2010).

Mimo pewnych niezgodności w uzyskiwanych wynikach badań różnych autorów, należy podkreślić, że zmienność osobnicza genomu, czyli polimor-fizm niektórych genów, wpływa na kształtowanie się złożonych zachowań. Wiele badań nad zmiennością polimorficzną genomu człowieka ma duże znaczenie z klinicznego punktu widzenia i może w różnym stopniu dotyczyć pracy psychologa z pacjentem: choroba Alzheimera, schizofrenia, zaburze-nia nastroju, ADHD, zespoły lękowe, zaburzenia dwubiegunowe, uzależnie-


45

nia, autyzm i inne (Plomin, McGuffin 2003; Austin, Honer 2007). Również badania nad procesami poznawczymi, inteligencją, rozwojem przywiązania czy agresją mogą w najbliższej przyszłości dostarczyć wartościowych na-rzędzi, wspierających te obecnie stosowane w diagnozie i terapii psycholo-gicznej (Allen i in. 2005; Gosso i in. 2006; Harlaar i in. 2005).

GenetyCzne ProFiloWanie PaCjenta

Stworzenie indywidualnego profilu zmian polimorficznych (np. mapo-wanie SNP), umożliwiającego oszacowanie ryzyka rozwoju określonej choroby lub zaburzenia, pozwoliłoby na ewentualne wprowadzenie terapii prewencyjnej i/lub zmiany stylu życia w celu minimalizacji ryzyka lub – w przypadku ujawnienia się niekorzystnych cech – poprawy efektywności stosowanych metod terapeutycznych. Nowoczesne techniki analizy całego genomu, jak chociażby mikromacierze (microarray), umożliwiają typo-wanie nawet 500 tys. SNPs w pojedynczym eksperymencie (Heinrichs, Look 2007). Co więcej, wykorzystanie metod sekwencjonowania całego genomu przy zastosowaniu technologii NGS (Next Generation Sequencing) zwiększa zakres analiz, przy jednoczesnym skróceniu czasu potrzebnego na wykonanie prac. Ogromny postęp w tej dziedzinie sprawił, że trwające 10 lat analizy w ramach Human Genome Project dzięki wykorzystaniu metody NGS można by dziś przeprowadzić 30 razy szybciej (Mardis 2011).

Kluczowym etapem badań nad profilowaniem jest przygotowanie listy biomarkerów, czyli wytypowanie tych polimorfizmów spośród całej puli genomowej, które są związane z interesującą nas cechą fenotypową. Bada-nie zależności między dziedzicznymi wariantami określonych genów a roz-wojem i przebiegiem chorób jest częścią nowoczesnej genetyki medycznej, która opiera się na analizie związku między określoną sekwencją genetycz-ną a obserwowanym fenotypem (zależność cecha genetyczna – fenotyp).

Przykładem złożonych zmian i wzajemnych zależności między genami jest podłoże choroby Alzheimera. Do 2001 roku opublikowano około 450 prac opisujących wyniki badań asocjacyjnych nad genetycznym podłożem tej choroby, które pozwoliły na wytypowanie w sumie 150 potencjalnych genów. W kolejnej dekadzie liczba badań wzrosła trzykrotnie, potwierdza-jąc około 40 genów wpływających na patogenezę tego schorzenia (w tym APOE, ACE, CHRNB2, CST3, ESR1, GAPDHS, IDE, MTHFR, NCSTN, PRNP, PSEN1, TF, TFAM i TNF). Ponadto niektóre warianty wskazanych genów mogą mieć związek z działaniem protekcyjnym, co oznacza, że ich obecność zmniejsza ryzyko zachorowania (iloraz szans 0,67–0,92). Zna-czenie zyskuje również związek występowania poszczególnych wariantów genetycznych z wczesną lub późną postacią choroby (Bertram i in. 2007). Należy jednak podkreślić, że rola tych genów w rozwoju i przebiegu cho-

mariuSz Panczyk

46

roby Alzheimera nie jest decydująca. Złożoność jej patogenezy komplikuje dodatkowo fakt, że typowane warianty genetyczne występują w obrębie grupy genów leżących zarówno na tym samym chromosomie, jak i na róż-nych. Dopiero wzajemne sprzężenie tych wariantów genetycznych z jednej strony pozwala określić predyspozycje do rozwoju choroby (marker pre-dykcyjny), z drugiej zaś może być źródłem wiedzy o przebiegu podjętego leczenia (marker prognostyczny).

Badanie sprzężenia różnych wariantów genetycznych, które tworzą tzw. haplotyp, pozwala na identyfikację złożonych markerów genetycznych, których wartość kliniczna jest większa niż pojedynczych determinantów. Haplotyp można zdefiniować jako wspólnie dziedziczoną grupę alleli poło-żonych w różnych loci chromosomu. W innym ujęciu może to być zestaw współdziedziczonych (czyli dziedziczonych jako zbiór sprężonych ze sobą alleli) SNPs, położonych na jednej chromatydzie. Ekspresja fenotypu danej choroby wiąże się z wystąpieniem określonego zespołu cech genetycznych pozostających w układzie sprzężonym (tzw. niezrównoważone sprzężenie) (Roses 2000). Identyfikacja wariantów genetycznych zlokalizowanych w tym samym haplotypie pozwala na wyodrębnienie puli znaczników z całego genomu, które mogą być biomarkerami zidentyfikowanymi jako istotne dla występowania danego fenotypu. Analiza haplotypowa wyma-ga wsparcia ze strony technik matematycznych (bioinformatyka), jednak wartość diagnostyczno-terapeutyczna prognozowania jest tu znaczenie większa niż w przypadku analizy pojedynczego biomarkera. Ponieważ większość cech fenotypowych związanych z zachowaniem człowieka jest złożona, to indywidualne traktowanie każdego pacjenta wymaga podejścia holistycznego już na poziomie genomu. Obecnie diagnozy czy terapii nie można opierać jedynie na pojedynczych prognostykach ani predyktorach. Opracowanie skuteczniejszej niż dotychczas interwencji lub terapii pato-logicznych aberracji z pewnością będzie łatwiejsze przy równoczesnym zestawieniu danych z wywiadu psychologicznego oraz wyników indywi-dualnej analizy genomu.

GenoM – transkryPtoM – ProteoM

Od lat pięćdziesiątych XX wieku biolodzy molekularni badali pojedynczy gen lub małe grupy genów. Dziś dane dotyczące poszczególnych genów są najczęściej interpretowane w kontekście całego genomu. Ten szerszy aspekt analizy odnosi się również do całej biologii i biochemii komórki. Wobec in-tensywnego rozwoju badań molekularnych rozumienie pojedynczego szlaku biochemicznego czy procesu wewnątrzkomórkowego przestało wystarczać. Prawdziwym wyzwaniem stała się biologia systemów, która wiąże szlaki i procesy w sieć opisującą funkcjonowanie żywej komórki, a nawet całego


47

organizmu (Geschwind, Konopka 2009). Genomika analizuje w sposób systematyczny i całościowy genom organizmu, a więc bierze pod uwagę zarówno sekwencję genów (genomika strukturalna), jak i ich funkcję (ge-nomika funkcjonalna) (Medical Subject Headings 2012). Za pomocą za-awansowanych technik laboratoryjnych oraz narzędzi bioinformatycznych możliwe jest określenie zależności i interakcji wewnątrz genomu. Ponadto odpowiednio zaplanowane eksperymenty pozwalają określić wpływ wybra-nych czynników na aktywność ekspresyjną poszczególnych genów. Takie holistyczne spojrzenie na funkcjonowanie mózgu od poziomu subkomór-kowego do poziomu całego układu nie powinno pozostawać bez wpływu na tradycyjny model badawczy stosowany przez psychologów.

Wielu psychologów w swoich badaniach wykorzystuje obserwacje oparte na analizie bliźniąt adopcyjnych w celu określenia wpływu dziedziczenia oraz czynników środowiskowych na rozwój osobniczy (Plomin, Colledge 2001). Wyniki badań prowadzonych na modelach zwierzęcych wskazują na istnienie mechanizmu molekularnego, określanego jako programowanie epigenetyczne, które odpowiada za zmianę ekspresji genów pod wpływem doświadczeń życiowych (Weaver i in. 2004). Potwierdza to sensowność stosowania środków psychologicznych i pedagogicznych w terapii. Z punk-tu widzenia rozwoju psychologii, która wykorzystuje narzędzia wypraco-wane w oparciu o poznane mechanizmy biologiczne, istotne jest większe zaangażowanie w badania z zakresu procesów epigenetyki, w tym m.in.: imprinting genomowy, wyciszanie genów (metylacja i inne formy fizjo-logicznej modyfikacji aktywności genów), inaktywacja chromosomu X, modyfikacje histonów i heterochromatyny jądrowej. Procesy te mają szcze-gólne znaczenie dla badań nad mechanizmami interakcji między czynnikami środowiskowymi i genetycznymi (Canli i in. 2006). W przyszłości nowe rozwiązania w tym zakresie będą zapewne ściśle powiązane z rozwojem analizy epigenomicznej oraz nieinwazyjnych technik badawczych (Medical Subject Headings 2012).

Genom jest zbiorem informacji genetycznej danego organizmu, jednak sam nie może przekazywać tej informacji komórce. Wykorzystanie infor-macji biologicznej zawartej w genomie wymaga skoordynowanej aktyw-ności enzymów i innych białek, które biorą udział w złożonych reakcjach biochemicznych prowadzących do ekspresji genomu. Genom człowieka składa się z około 30 tys. genów (International Human Genome Sequencing Consortium 2001), z czego prawdopodobnie od ⅓ do ½ całej puli ulega specyficznej ekspresji w mózgu (Colantuoni i in. 2000). Pośrednikiem in-formacji genetycznej w procesie ekspresji jest transkryptom, czyli zbiór cząsteczek RNA, w tym przede wszystkim mRNA (informacyjny RNA), tRNA (transferowy RNA) i rRNA (rybosomalny RNA), a także siRNA (interferencyjne RNA) i miRNA (mikro RNA). Zarówno RNA kodujący

mariuSz Panczyk

48

białka, jak i ten nieulegający translacji pełnią funkcje regulatorowe, mając wpływ na przebieg transkrypcji. Proces transkrypcji zachodzi w wyniku wybiórczego oddziaływania wielu różnych białek na określone regiony genomu. Ponieważ białka te – zwane czynnikami transkrypcyjnymi – są również kodowane przez geny, wzajemna interakcja w pętli ...-gen-biał-ko-gen-białko-... pozwala wyrazić określoną odpowiedź molekularną na wielokrotnie oddziałujące czynniki środowiskowe. W ten sposób reakcja molekularna na zmieniające się warunki wyraża się w ekspresji genów i jest adekwatna do częstotliwości i czasu trwania tych oddziaływań. Końcowym efektem przekazywania informacji, czyli ekspresji genów, jest proteom powstający w procesie translacji. Proteom to zestaw wszystkich białek ko-mórki, który warunkuje jej fenotyp. Duża różnorodność typów komórek nerwowych w centralnym układzie nerwowym ssaków ma odzwierciedlenie w specyficznym profilu ekspresyjnym tych komórek. Dlatego też przy tym samym zestawie genów zarówno transkryptomy, jak i proteomy poszczegól-nych komórek nerwowych różnią się w zależności od lokalizacji i funkcji pełnionej w mózgu.

bioloGia systeMóW – oD PojeDynCzeGo Genu Do systeMu

Cechy ujawniające się fenotypowo są odzwierciedleniem aktywności proteomu, zależnego od transkryptomu, który z kolei warunkowany jest aktywnością genomu. Badacze zajmujący się całościową analizą systemową biorą pod uwagę kilka poziomów, zbierając dane współtworzące możliwie pełny obraz zależności między analizowanymi elementami systemu (ryc. 1). Nowa idea biologii systemów w najprostszej postaci łączy w sobie dane ilościowe i jakościowe pozyskane z analiz ekspresji genów (genomika funk-cjonalna) z danymi pochodzącymi z badań nad organizacją i zróżnicowa-niem genomu (genomika strukturalna).

Integracja danych z mapowania SNP i mapowania regulatorów ekspresji genów umożliwia tworzenie korelatów i wyodrębnianie podgrup pacjentów o określonych fenotypach klinicznych. Fenotypy te zależą od aktywno-ści ekspresyjnej wybranych genów lub ich grup oraz obecności markerów polimorficznych. Złożona cecha, jaką jest zachowanie, zależy od funkcjo-nowania dużej liczby genów. Zaangażowanie ich w powstanie określonej cechy fenotypowej, mającej charakter ilościowy, wymaga zastosowania odpowiedniej metody badawczej. Fenotyp taki przejawia się z ogromnym zróżnicowaniem nasilenia, przechodząc w sposób płynny pomiędzy skraj-nymi możliwościami. Metoda QTL (Quantitative Trait Loci), stosowana między innymi w genetyce zachowań, pozwala na zidentyfikowanie genu głównego, odpowiedzialnego w największym stopniu za wartość przyjmo-


49

waną przez cechę ilościową (pozostałe geny stanowią dla niego tylko tło). Innym podejściem badawczym jest poszukiwanie biomarkerów, o których była mowa w części poświęconej profilowaniu pacjenta. W przypadku ba-dań wykorzystujących profilowanie ekspresyjne może mieć zastosowa-nie metoda określana jako ekspresyjny locus cechy ilościowej (expression Quan titative Trait Loci – eQTL). Jest to szczególny przypadek QTL, w któ-rym poszukuje się locus zaangażowanego w zmieniony poziom transkryptu lub poziom ekspresji genu. Bardzo obiecujące są badania, w których eQTL zestawia się z analizą danych na poziomie metabolizmu (metabolomika to badanie zestawu wszystkich metabolitów tkanki czy wyspecjalizowanej grupy komórek) lub z analizą strukturalną całych chromosomów (Chen i in. 2008). Takie podejście analityczne otwiera nowe perspektywy badań, na przykład nad biologią autyzmu (van der Zwaag i in. 2009).

Uzyskanie profilu ekspresyjnego określonej tkanki mózgu wymaga za-stosowania wielkoskalowych technik, takich jak mikromacierze ekspresyjne różnych typów lub seryjna analiza ekspresji genów (Serial Analysis of Gene Expression – SAGE). Stosunkowo nową techniką analizy transkryptomu jest metoda sekwencjonowania RNA (RNA-Seq), która nie ogranicza się tylko do ilościowej analizy ekspresji, ale pozwala na bardziej dogłębne ba-danie dynamicznych zmian zachodzących na poziomie transkryptu (Wang, Gerstein, Snyder 2009). Jest to szczególnie ważne w neurobadaniach, gdzie znaczenie ma poznanie nie tylko globalnego profilu ekspresyjnego, lecz przede wszystkim wzajemnych relacji między ekspresją różnych grup ge-nów a neuroanatomiczną lokalizacją tkanki, której dotyczy analiza. Ostatnio opublikowane wyniki badań nad systemową analizą mózgu płodu człowieka pozwoliły na stworzenie pierwszej mapy ekspresyjnej zawierającej korela-

Rycina 1. Idea biologii systemów, jako wielowymiarowa analiza oparta o dane z jedno-wymiarowych poziomów

Źródło: Geschwind, Konopka 2009.

mariuSz Panczyk

50

cje między ekspresją genów a pochodzeniem tkanki z określonych struktur neuroanatomicznych (Johnson i in. 2009).

Podstawowym elementem funkcjonalnym systemu nerwowego jest trans-misja synaptyczna. Odpowiednie kształtowanie się aktywności synaptycznej to kluczowy czynnik w modulowaniu określonych funkcji w różnych re-gionach mózgu pod wpływem doświadczania jednostki (Flavell, Greenberg 2008). Zarówno w ramach badań podstawowych, jak i prowadzonych na gruncie klinicznym w obrębie neuroplastyczności mózgu istotny jest spo-sób, w jaki przebiega adaptacja systemu synaptycznego do zmieniających się warunków. Ponieważ badania genomiczne nie pozwalają na prowadzanie analizy na poziomie organelli komórkowych, jedynym selektywnym narzę-dziem jest analiza proteomu. Badacze zidentyfikowali dużą liczbę (ponad tysiąc) białek specyficznych dla synaps nerwowych (Croning i in. 2009). Przełomowe badania opublikowane przez Emesa i wsp. (2008), opisujące proteomy synaps 19 gatunków, wskazują na związek między stopniem zróż-nicowania organizacji anatomicznej i funkcjonalnej kory mózgowej a ewo-lucyjną różnorodnością na poziomie proteomu (Emes i in. 2008). Łączenie danych z analiz protemicznych i z ekspresji genów w ujęciu systemowym będzie nieocenionym narzędziem wykorzystywanym w pracach nad synap-togenezą, czy też ogólnie neurogenezą, która – jak dowodzą badania – jest zjawiskiem zachodzącym w mózgu przez całe życie (Gould i in. 1999).

W obecnej chwili trudno jednoznacznie wskazać możliwy bezpośredni wpływ wyników powyższych badań na nauki biomedyczne i społeczne. Wspomaganie procesów poznawczych, uczenia się, terapii uzależnień czy rehabilitacji pacjentów po urazach mózgu może być w przyszłości obszarem wykorzystania efektów takich badań. Również prowadzenie celowanej tera-pii – rozumianej nie tylko jako interwencja farmakologiczna, lecz także jako terapia genowa – będzie wymagało trafnej diagnozy opartej na indywidu-alnym i wielopoziomowym profilowaniu, w tym również z zastosowaniem narzędzi typowych dla psychologii. Z punktu widzenia biologii systemów ujęcie interdyscyplinarne wymaga połączenia informacji zebranych podczas wywiadu psychologicznego opartego o teorie silnie zakorzenione w biologii funkcjonowania mózgu (neuropsychologia kliniczna) z danymi pochodzą-cymi z analizy genomu i/lub proteomu.

PoDsuMoWanie

Aby przyszłe pokolenia psychologów mogły w pełni wykorzystać poten-cjał, jaki niosą odkrycia nauk biologicznych, należy w większym niż obec-nie stopniu poświęcić uwagę genetyce molekularnej. Wobec rozwoju obu dziedzin coraz bardziej pożądane będzie rozumienie podstawowych kon-cepcji i narzędzi analizy strukturalnej i funkcjonalnej genów oraz możliwo-


51

ści manipulowania nimi na poziomie molekularnym. Interdyscyplinarność współczesnej nauki sprawia, że wiedza i umiejętności z zakresu genetyki molekularnej powinny być dostępne dla specjalistów spoza wąskiego grona badaczy zajmujących się neuronaukami eksperymentalnymi. Dzięki współ-pracy w zespołach interdyscyplinarnych zarówno biolodzy molekularni, jak i psycholodzy mogą tworzyć takie modele ludzkich zachowań, które będą miały praktyczne zastosowanie kliniczne.

Przewidywalne korzyści dla przyszłej psychologii mogą być następujące: (1) lepsze rozumienie mechanizmów kierujących ludzkim zachowaniem, dzięki znajomości wpływu czynników środowiskowych i genetycznych na funkcjonowanie mózgu; (2) możliwość przewidywania zachowań, mogą-ca mieć również znaczenie w obszarze stanowienia przepisów prawnych czy prowadzenia działań marketingowych; (3) możliwość modyfikowania zachowań poprzez eliminowanie tych niepożądanych, np. o charakterze kryminogennym, lub wzmacniania takich, które są istotne z punktu widze-nia terapii i rehabilitacji pacjenta; (4) rozwój metod wsparcia psychotera-peutycznego pacjentów poddawanych leczeniu metodami terapii genowej, na przykład takiej, która prowadzi do odnowy struktur mózgu utraconych w wyniku rozwoju chorób neurodegeneracyjnych. Przyszłe zastosowania osiągnięć biologii molekularnej w obszarze psychologii czy nauk społecz-nych, a także w medycynie budzą jednak kontrowersje natury etycznej. Prawo do dysponowania informacją o własnym genomie będzie na pewno wymagało zmian w zakresie przepisów dotyczących ochrony danych oso-bowych oraz dostępu do informacji medycznej (zapobieganie dyskryminacji genetycznej i stygmatyzacji). Informacja genetyczna każdego człowieka musi bezwarunkowo podlegać ochronie przed nieuprawnionym wykorzy-staniem (Kaczmarkiewicz-Fass 2004).

Rozumienie mechanizmów, umiejętność przewidywania i ewentualna zmiana zachowań człowieka będą wymagały od psychologów stosowania narzędzi pozwalających indywidualizować diagnozę i terapię. Realizacja tak optymistycznych założeń w przyszłości wymaga jednak rozwiązania wielu problemów natury etycznej, a także zrewidowania samego podejścia naukowego. Zrozumienie mechanizmów prowadzących do ekspresji zło-żonych fenotypów, począwszy od biologii neuronów, a skończywszy na kognitywnych i behawioralnych profilach neuropsychiatrycznych jednostek chorobowych, wymaga zbudowania nowych fundamentów. Jedną z naj-istotniejszych spraw jest wprowadzenie nowej typologii chorób i zaburzeń opartej na osiągnięciach genomiki, a podobnej do tej, jaka obecnie jest wdrażana w onkologii i wynikająca z badań molekularnych nad biologią nowotworów. Taka nowa klasyfikacja wymaga również opracowań z za-kresu ontologii. Chodziłoby tu przede wszystkim o stworzenie schematów pojęć i relacji w ramach rozbudowy sieci semantycznej, która byłaby łatwo

mariuSz Panczyk

52

implementowalna do zastosowań informatycznych i możliwie łatwo mody-fikowalna w miarę rozwoju biologii systemów i innych statystycznych czy komputerowych analiz in silico (Bilder i in. 2009). Standaryzacji wymagają również metody stosowane do ilościowego pomiaru złożonych fenotypów związanych z zaburzeniami funkcjonowania mózgu. Znormalizowane kli-niczne fenotypy mogłyby być wykorzystane łącznie z danymi pozyskany-mi z badań biomarkerów, ekspresji genów czy danych epigenetycznych oraz tych, które pochodzą z wywiadu psychologicznego, do określania wspólnych elementów patogenezy niektórych chorób. Przykładem mogą być wyniki badań sugerujące powiązania między autyzmem a chorobami autoimmunologicznymi i infekcyjnymi (Rzhetsky i in. 2007).

Pod wieloma względami obserwowana w ostatniej dekadzie rewolucja w dziedzinie badań molekularnych, jak nigdy wcześniej w historii nauk biomedycznych, zmusza do wypracowania wspólnego języka między przedstawicielami różnych dyscyplin naukowych. Wzrasta także potrzeba możliwie łatwego i publicznego dostępu do biomedycznych baz danych gromadzących wiedzę w ujęciu interdyscyplinarnym. Wielu badaczy jest przekonanych, że nowe podejście w badaniach naukowych umożliwi testo-wanie licznych hipotez w kontekście systemowej interpretacji dotyczącej działania mózgu człowieka, co wydaje się realne w najbliższych latach.

literatura cytowana

1000 Genomes Project Consortium. (2010). A map of human genome variation from population-scale sequencing. Nature, 467, 1061–1073.

Allen E.G., Sherman S., Abramowitz A., Leslie M., Novak G., Rusin M., Scott E., Letz R. (2005). Examination of the effect of the polymorphic CGG repeat in the FMR1 gene on cognitive performance. Behavior Genetics, 35, 435–445.

Austin J.C., Honer W.G. (2007). The genomic era and serious mental illness: A po-tential application for psychiatric genetic counseling. Psychiatric Services: A Jo-urnal of the American Psychiatric Association, 58, 254–261.

Bertram L., McQueen M.B., Mullin K., Blacker D., Tanzi R.E. (2007). Systematic meta-analyses of Alzheimer disease genetic association studies: The AlzGene database. Nature Genetics, 39, 17–23.

Bilder R.M., Sabb F.W., Cannon T.D., London E.D., Jentsch J.D., Parker D.S., Poldrack R.A., Evans C., Freimer N.B. (2009). Phenomics: The systematic study of phenotypes on a genome-wide scale. Neuroscience, 164, 30–42.

Cahoy J.D., Emery B., Kaushal A., Foo L.C., Zamanian J.L., Christopherson K.S., Xing Y., Lubischer J.L., Krieg P.A., Krupenko S.A., Thompson W.J., Barres B.A. (2008). A transcriptome database for astrocytes, neurons, and oligodendro-cytes: A new resource for understanding brain development and function. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience, 28, 264–278.


53

Canli T. (2007). The emergence of genomic psychology. European Molecular Bio-logy Organization Reports, 8, 30–34.

Canli T., Qiu M., Omura K., Congdon E., Haas B.W., Amin Z., Herrmann M.J., Constable R.T., Lesch K.P. (2006). Neural correlates of epigenesis. Pro ceedings of the National Academy of Sciences of the United States of America, 103, 16033–16038.

Chen Y., Zhu J., Lum P.Y., Yang X., Pinto S., MacNeil D.J., Zhang C., Lamb J., Edwards S., Sieberts S.K., Leonardson A., Castellini L.W., Wang S., Champy M.F., Zhang B., Emilsson V., Doss S., Ghazalpour A., Horvath S., Drake T.A., Lusis A.J., Schadt E.E. (2008). Variations in DNA elucidate molecular networks that cause disease. Nature, 452, 429–435.

Colantuoni C., Purcell A.E., Bouton C.M., Pevsner J. (2000). High throughput analysis of gene expression in the human brain. Journal of Neuroscience Re-search, 59, 1–10.

Coppola G., Geschwind D.H. (2006). Microarrays and the microscope: Balancing throughput with resolution. The Journal of Physiology, 575, 353–359.

Croning M.D., Marshall M.C., McLaren P., Armstrong J.D., Grant S.G. (2009). G2Cdb: The Genes to Cognition database. Nucleic Acids Research, 37, D846–D851.

Emes R.D., Pocklington A.J., Anderson C.N., Bayes A., Collins M.O., Vickers C.A., Croning M.D., Malik B.R., Choudhary J.S., Armstrong J.D., Grant S.G. (2008). Evolutionary expansion and anatomical specialization of synapse pro-teome complexity. Nature Neuroscience, 11, 799–806.

Fan M., Liu B., Jiang T., Jiang X., Zhao H., Zhang J. (2010). Meta-analysis of the association between the monoamine oxidase-A gene and mood disorders. Psychiatric Genetics, 20, 1–7.

Flavell S.W., Greenberg M.E. (2008). Signaling mechanisms linking neuronal ac-tivity to gene expression and plasticity of the nervous system. Annual Review of Neuroscience, 31, 563–590.

Geschwind D.H., Konopka G. (2009). Neuroscience in the era of functional geno-mics and systems biology. Nature, 461, 908–915.

Gosso M.F., de Geus E.J., van Belzen M.J., Polderman T.J., Heutink P., Boom-sma D.I., Posthuma D. (2006). The SNAP-25 gene is associated with cognitive ability: Evidence from a family-based study in two independent Dutch cohorts. Molecular Psychiatry, 11, 878–886.

Gould E., Tanapat P., Hastings N.B., Shors T.J. (1999). Neurogenesis in adulthood: A possible role in learning. Trends in Cognitive Sciences, 3, 186–192.

Harlaar N., Butcher L.M., Meaburn E., Sham P., Craig I.W., Plomin R. (2005). A be-havioural genomic analysis of DNA markers associated with general cognitive ability in 7-year-olds. Journal of Child Psychology and Psychiatry, and Allied Disciplines, 46, 1097–1107.

Heiman M., Schaefer A., Gong S., Peterson J.D., Day M., Ramsey K.E., Suárez- -Fariñas M., Schwarz C., Stephan D.A., Surmeier D.J., Greengard P., Heintz N. (2008). A translational profiling approach for the molecular characterization of CNS cell types. Cell, 135, 738–748.

Heinrichs S., Look A.T. (2007). Identification of structural aberrations in cancer by SNP array analysis. Genome Biology, 8, 219–224.

mariuSz Panczyk

54

International HapMap Consortium. (2007). A second generation human haplotype map of over 3.1 million SNPs. Nature, 449, 851–861.

International Human Genome Sequencing Consortium. (2001). Initial sequencing and analysis of the human genome. Nature, 409, 860–921.

Johnson M.B., Kawasawa Y.I., Mason C.E., Krsnik Z., Coppola G., Bogdanović D., Geschwind D.H., Mane S.M., State M.W., Sestan N. (2009). Functional and evolutionary insights into human brain development through global transcrip-tome analysis. Neuron, 62, 494–509.

Kaczmarkiewicz-Fass M. (2004). Zagadnienia etyczne związane z badaniami ge-netycznymi w psychiatrii. Nowiny Lekarskie, 73, 321–328.

Kirov G. (2010). The role of copy number variation in schizophrenia. Expert Review of Neurotherapeutics, 10, 25–32.

Kluger A.N., Siegfried Z., Ebstein R.P. (2002). A meta-analysis of the association between DRD4 polymorphism and novelty seeking. Molecular Psychiatry, 7, 712–717.

Lai E., Riley J., Purvis I., Roses A. (1998). A 4-Mb high-density single nucleotide polymorphism-based map around human APOE. Genomics, 54, 31–38.

Lee K., Kohane I.S., Butte A.J. (2003). PGAGENE: Integrating quantitative gene--specific results from the NHLBI programs for genomic applications. Bioinfor-matics, 19, 778–779.

Lim J., Hao T., Shaw C., Patel A.J., Szabó G., Rual J.F., Fisk C.J., Li N., Smolyar A., Hill D.E., Barabási A.L., Vidal M., Zoghbi H.Y. (2006). A protein–protein interaction network for human inherited ataxias and disorders of Purkinje cell degeneration. Cell, 125, 801–814.

Marcinkowska M., Kozłowski P. (2011). Wpływ polimorfizmu liczby kopii na zmienność fenotypową człowieka. Postępy Biochemii, 57, 240–248.

Mardis E.R. (2011). A decade’s perspective on DNA sequencing technology. Nature, 470, 198–203.

Medical Subject Headings: http://www.ncbi.nlm.nih.gov/mesh (dostęp: 28.02.2012 r.).

Mirnics K., Middleton F.A., Marquez A., Lewis D.A., Levitt P. (2000). Molecular characterization of schizophrenia viewed by microarray analysis of gene expres-sion in prefrontal cortex. Neuron, 28, 53–67.

Mirnics K., Pevsner J. (2004) Progress in the use of microarray technology to study the neurobiology of disease. Nature Neuroscience, 7, 434–439.

Munafò M.R., Freimer N.B., Ng W., Ophoff R., Veijola J., Miettunen J., Järve-lin M.R., Taanila A., Flint J. (2009). 5-HTTLPR genotype and anxiety-related personality traits: A meta-analysis and new data. American Journal of Medical Genetics, 150B(2), 271–281.

Nagasaka Y., Dillner K., Ebise H., Teramoto R., Nakagawa H., Lilius L., Axelman K., Forsell C., Ito A., Winblad B., Kimura T., Graff C. (2005) A unique gene expression signature discriminates familial Alzheimer’s disease mutation carriers from their wild-type siblings. Proceedings of the National Academy of Sciences of the United States of America, 102, 14854–14859.

Nelson S.B., Hempel C., Sugino K. (2006). Probing the transcriptome of neuronal cell types. Current Opinion in Neurobiology, 16, 571–576.


Nishimura Y., Martin C.L., Vazquez-Lopez A., Spence S.J., Alvarez-Retuerto A.I., Sigman M., Steindler C., Pellegrini S., Schanen N.C., Warren S.T., Geschwind D.H. (2007). Genome-wide expression profiling of lymphoblastoid cell lines distinguishes different forms of autism and reveals shared pathways. Human Molecular Genetics, 16, 1682–1698.

Plomin R., Asbury K., Dunn J. (2001). Why are children in the same family so dif-ferent? Nonshared environment a decade later. Canadian Journal of Psychiatry. Revue Canadienne de Psychiatrie, 46, 225–233.

Plomin R., Colledge E. (2001). Genetics and psychology: Beyond heritability. Eu-ropean Psychologist, 6, 229–240.

Plomin R., McGuffin P. (2003). Psychopathology in the postgenomic era. Annual Review of Psychology, 54, 205–228.

Roses A.D. (2000). Pharmacogenetics and the practice of medicine. Nature, 405, 857–865.

Rzhetsky A., Wajngurt D., Park N., Zheng T. (2007). Probing genetic overlap among complex human phenotypes. Proceedings of the National Academy of Sciences of the United States of America, 104, 11694–11699.

Scherer S.W., Dawson G. (2011). Risk factors for autism: Translating genomic discoveries into diagnostics. Human Genetics, 130, 123–148.

Tovilla-Zárate C., Juárez-Rojop I., Ramón-Frias T., Villar-Soto M., Pool-García S., Medellín B.C., Genis Mendoza A.D., Narvaez L.L., Humberto N. (2011). No association between COMT val158met polymorphism and suicidal behavior: Meta-analysis and new data. BMC Psychiatry, 11, 151.

Wang J., Williams R.W., Manly K.F. (2003). WebQTL: Web-based complex trait analysis. Neuroinformatics, 1, 299–308.

Wang Z., Gerstein M., Snyder M. (2009). RNA-Seq: A revolutionary tool for trans-criptomics. Nature Reviews. Genetics, 10, 57–63.

Weaver I.C., Cervoni N., Champagne F.A., D’Alessio A.C., Sharma S., Seckl J.R., Dymov S., Szyf M., Meaney M.J. (2004). Epigenetic programming by maternal behavior. Nature Neuroscience, 7, 847–854.

Van der Zwaag B., Franke L., Poot M., Hochstenbach R., Spierenburg H.A., Vorst-man J.A., van Daalen E., de Jonge M.V., Verbeek N.E., Brilstra E.H., van t’Slot R., Ophoff R.A., van Es M.A., Blauw H.M., Veldink J.H., Buizer-Voskamp J.E., Beemer F.A., van den Berg L.H., Wijmenga C., van Amstel H.K., van Engeland H., Burbach J.P., Staal W.G. (2009). Gene-network analysis identifies suscepti-bility genes related to glycobiology in autism. PLoS One, 4, e5324.

panczyk (2012) rozwój współczesnej psychologii wobec osiągnięć neurogenomiki i biologii...

Documents