Gebruik van nieuwe generatie sequentietechnologie voor de identificatie van functionele transcriptionele doelgenen.

Terwijl kanker zonder enige twijfel een genetische aandoening is, zijn er steeds meer indicaties dat de ziekte ook veel eigenschappen deelt met processen uit de ontwikkelingsbiologie. Kanker cellen kunnen inderdaad beschouwd worden als een mogelijk cel type dat ontstaat door het vergaren van specifieke mutaties die de regulatorische staat van de cel wijzigt. Uiteindelijk zijn het zeer specifieke gen regulatorische netwerken (GRN) die aan de basis liggen van zo’n kwaadaardig fenotype. In dit opzicht is het verkrijgen van een mechanistisch inzicht in de structuur en dynamiek van GRN essentieel, als we de oncogenese en progressie van kanker beter willen begrijpen. Het decoderen van deze netwerken zal hierbij uiteindelijk doorslaggevend zijn voor de rationale ontwikkeling van nieuwe kankertherapieën. Daarbij lijkt het er steeds meer op dat een geïntegreerde aanpak noodzakelijk is om dit inzicht te verkrijgen. De combinatie van hoge doorvoer technologieën zoals ‘next generation sequencing’ en bioinformatica met geavanceerde experimentele validatiemethodes zal cruciaal zijn in de exploratie van de GRN die ten grondslag liggen aan kanker.

In dit proefschrift hebben we verscheidene geïntegreerde methodes gebruikt om GRN, van twee types van kanker te identificeren en te decoderen. Zo hebben we een combinatie van transcriptomics, epigenomics en uitgebreide bioinformatica toegepast samen met experimentele validatie om de regulatorische verschillen te bepalen die de heterogeniteit van een melanoom helpen verklaren. In het bijzonder hebben we twee uitgesproken cellulaire toestanden kunnen opmaken, elk met hun eigen karakteristieke GRN. Voor elk van deze GRN hebben we  daarenboven ook de cruciale regulators geïdentificeerd. Tenslotte hebben we via het gebruik van experimentele validatie technieken ook de relevantie van deze netwerken kunnen aantonen met bettrekking tot de biologie en potentiele behandeling van melanoma.

Daarnaast hebben we ook verscheidene methoden ontwikkeld die een betere voorspelling en validatie van GRN en zijn componenten toelaat. Met de ontwikkeling van iRegulon hebben we bijvoorbeeld een nieuwe computationele methode ontwikkeld die potentiele regulators kan identificeren voor een groep genen die samen tot expressie komen. Door de aanrijking van motieven en biologische ‘tracks’ te integreren, brengt deze methode de reconstructie van netwerken op een geheel nieuw niveau en laat het toe dat biologen een beter inzicht verwerven in hun data. Tijdens mijn doctoraat ben ikzelf zeer nauw betrokken geweest bij het testen en valideren van dit programma. Bijvoorbeeld, door iRegulon te gebruiken op een set van genen die samen tot expressie komen nadat p53 geactiveerd is, zijn we er in geslaagd het netwerk van p53 verder uit te breiden en te verfijnen, waarbij we verschillende nieuwe doelwitgenen geïdentificeerd hebben. Bijkomend hebben we op basis van onze bevindingen met iRegulon verscheidene hypothesen geformuleerd omtrent een aantal prangende vragen die nog steeds het middelpunt van debat zijn in het onderzoeksveld van p53.

Hierop verder bouwend hebben we recent een nieuwe experimentele methode ontwikkeld genaamd CHEQ-seq. Deze methode stelt gebruikers in staat om de functionaliteit van voorspelde ‘enhancers’ te testen. Door CHEQ-seq te gebruikten op ons uitgebreide p53 netwerk, hebben we een heel aantal van de voorspelde regulatorische regio’s kunnen valideren als ‘enhancers’. Daarbij hebben we aan de hand van CHEQ-seq ook een model ontwikkeld die ons beter in staat stelt om de binding van p53 in het genoom te begrijpen en te voorspellen, en dit op een globale schaal. Zo laat CHEQ-seq ons toe om een aantal van de vragen, geformuleerd aan de hand van de analyse met iRegulon, te beantwoorden.

Alles tezamen toont dit werk aan dat een geïntegreerde aanpak waarbij zowel computationele als experimentele hoge doorvoer technieken gebruikt kunnen worden om de regulatorische controle van het genoom beter te begrijpen. Uiteindelijk zullen we zo ook een dieper inzicht krijgen in de moleculaire pathologie van kanker.