(Genen, eten & weten 1 - Natuur & Techniek oktober 2001)
In de toekomst zullen speciaal gemaakte voedingsmiddelen een sleutelrol spelen in de strijd tegen tal van ouderdomsziekten. Voor de ontwikkeling van dergelijke functional foods zal de kennis van het menselijk genoom en de functie daarvan een sterke stimulans zijn. De ontwikkeling van genezen naar preventie. (Door Ben van Ommen (43) - leidt binnen TNO de activiteiten op het gebied van nutrigenomics. Hij heeft een achtergrond in biochemie, moleculaire toxicologie en voeding. Sinds 1998 coördineert hij de implementatie van 'genomics' binnen TNO voeding.)
Genomics omvat meer dan het in kaart brengen van het erfelijk materiaal van de mens. Nu deze klus zo goed als geklaard is en de ongeveer dertigduizend menselijke genen in grote lijnen bekend zijn, verschuift het onderzoeksfront naar de werking van genen. Van de meeste genen is de werking namelijk nog onbekend. Vaak moet nog worden uitgezocht wat de functie is van de eiwitten waarvoor zij de code dragen. Het onderzoek naar de werking van genen (functional genomics) is in een stroomversnelling geraakt door de opkomst van zogeheten micro-arrays (DNA-arrays, DNA-chips, zie kader); daarmee kan de activiteit van duizenden genen tegelijkertijd worden geanalyseerd. Farmaceutische en biotechnologiebedrijven vormen op dit moment de stuwende krachten achter de toepassing van genomics. Veel van de kennis en technieken die zij ontwikkelen, zijn echter ook bruikbaar voor de voedingsmiddelenindustrie. Genomics in dienst van de voeding - in stijl 'nutrigenomics' genoemd - houdt een grote blofte in voor deze industrietak. Het kan een belangrijke impuls geven aan de ontwikkeling van zogenaamde functional foods, levensmiddelen die aan een goede gezondheid bijdragen doordat er biologisch actieve ingrediënten aan zijn toegevoegd.
Tot nu toe werden dergelijk ingrediënten gevonden of ontwikkeld
op basis van al bestaande kennis. De concepten en werkingsmechanismen
waren - vanuit de medische wereld - al bekend. Zulke stoffen worden,
in een krachtiger vorm, al als medicijn gebruikt. Een veel belovende
toepassing van genomics ligt dan ook in het opsporen van nieuwe
gezondheidbevorderende stoffen. Nu vanuit het onderzoek naar het
menselijke genoom de kennis van ziekteprocessen sterk groeit,
wordt duidelijk hoe ziekten niet alleen kunnen worden genezen,
maar ook hoe ze te voorkomen. Waar de farmaceutische industrie
zich richt op het genezen met behulp van medicijnen (therapie),
zal via gezondere voeding steeds meer kunnen worden gewerkt aan
het voorkomen van ziekten (preventie). Hierbij moet vooral worden
gedacht aan chronische ziektes die zich op latere leeftijd openbaren,
zoals hart- en vaatziektes, bepaalde vormen van kanker, diabetes,
overgewicht, enzovoort.
Van bepaalde vormen van kanker is bekend dat de rol van voeding
bij het ontstaan ervan groot is. Bij darmkanker wordt de bijdrage
van voeding op 66-75% geschat. Dit betekent dus dat, door de voeding
te veranderen, veel kan worden gedaan om dit soort tumoren te
voorkomen. Hoe vind je nu voeding of voedingscomponenten die beschermen
tegen darmkanker?
Ook hier kan genomics helpen. Bij darmkanker kun je met behulp
van eerdergenoemde DNA-arrays de activiteit van genen in een darmtumor
vergelijken met die in gezond darmweefsel en de verschillen opsporen.
Op die manier kun je de genen identificeren die bij de ontwikkeling
van darmkanker betrokken zijn.
Dezelfde veranderingen in genactiviteit kun je echter ook gebruiken
om de werking van bepaalde voedingsingrediënten te evalueren.
Genen in verschillende weefsels zijn niet even actief. Zo kunnen
in gezonde darmcellen bepaalde genen 'uit' staan (in vaktermen:
ze komen niet tot expressie), terwijl dezelfde genen in darmtumorcellen
juist 'aan' staan (ze komen wel tot expressie). Gezonde en zieke
darmcellen die in kweek zijn gebracht, worden blootgesteld aan
voedingsadditieven. Mogelijk schakelen die stofjes bepaalde genen
aan of uit. De veranderingen in genexpressie in gezondecellen
kun je zo vergelijken met die in darmtumoren. Zo krijg je een
indruk van de cellulaire processen die worden beïnvloed door
deze voedingcomponenten (zie schema). Het fraaie is natuurlijk
dat niet alleen de veranderingen in expressie van één
of enkele genen gemeten worden maar van van duizenden genen tegelijk.
Zeer veel verschillende cellulaire processen kun je zo tegelijk
bestuderen.
Ook vanuit de andere kant kan genomics helpen voeding gezonder
te maken: je kunt er ongezonde componenten in voeding mee opsporen.
Tientallen mechanismen kunnen leiden tot of bijdragen aan de vorming
van darmkanker: ze beschadigen het erfelijke materiaal direct,
ze zetten onschadelijke stoffen om in schadelijke verbindingen,
ze zetten aan tot chronische ontstekingen, ze reageren met anti-oxidanten,
ze beschadigen beschermende enzymen, enzovoorts. Functional genomics
biedt de mogelijkheid om vee lvan deze processen in één
enkel experiment te bestuderen, zodat 'verkeerde' verbindingen
makkelijker kunnen worden opgespoord.
Een andere toepassing ligt op het terrein van 'genotyping'. Omdat
mensen genetisch van elkaar verschillen, reageren ze soms anders
op bepaalde voedingsstoffen. Dat is niet anders dan voor geneesmiddelen.
Dit is overduidelijk in de relatie tussen lichaamsgewicht en voedingsgewoonte.
Natuurlijk word je van veel eten dik, maar er zijn mensen die
maar door kunnen eten zonder een kilo aan te komen, terwijl pechvogels
ieder gebakje terugzien op de weegschaal. De oorzaak hiervan ligt
voor een groot deel in de erfelijke aanleg, dus in de genen.
Nu is het in het algemeen niet zo dat bepaalde mensen sommige
genen missen, maar subtiele veranderingen in een gen (d.w.z. veranderingen
in de DNA-basevolgorde) kunnen er al toe leiden dat een gen of
het bijbehorende eiwit op een andere manier gaat functioneren.
Omdat DNA de erfelijke boodschap voor eiwitten bevat, leidt één
foute DNA bouwsteen (een base) vaak al tot een foute eiwitbouwsteen
(een aminozuur). En dat zorgt er op zijn beurt in veel gevallen
weer voor dat het eiwit verkeerd functioneert. Is het eiwit bijvoorbeeld
een enzym of een receptor, dan werkt het dikwijls niet goed meer.
Kleine erfelijke defecten kunnen zo grote gevolgen hebben voor
de gezondheid in het algemeen, en dus ook op de manier waarop
ons lichaam omgaat met voedsel. Zo hebben mensen die de gen-afwijking
hebben die verantwoordelijk is voor familiaire hypercholesterolemie
een veel hoger cholesterolgehalte dan normaal (zie "Cholesterol
slaat op tilt", N&T wetenschapsmagazine maart 2001, p.30)
Zij lopen daardoor een groter risico om voortijdig een hartinfarct
te krijgen. Je kunt je voorstellen dat zij baat kunnen hebben
bij specifieke, speciaal voor hen ontworpen voeding. (Heeft dr.
Rath niet Metavicor al ontworpen?)
Door de ontwikkelingen in het genoomonderzoek wordt het al met
al steeds gemakkelijker om voedingsmiddelen te ontwikkelen voor
mensen met een bepaald genetisch profiel. 'Elke patiënt de
juiste pil', voorspelde Allan Roses in het vorige nummer, naar
aanleiding van de ontwikkelingen in de farmacogenomics. Die zelfde
lijn kunnen we op termijn ook doortrekken naar de voeding: 'Elke
eter de juiste hap' als ultiem doel.
Internet (Engels):
Een zeer groot deel van de voedingssupplementen wordt geproduceerd door micro-organismen. In onderzoek aan en ontwikkeling van deze microbiële productieprocessen brengen de nieuwe genomics-technologieën momenteel een ware revolutie teweeg.
De meeste consumenten denken bij voedingsadditieven meteen
aan ongewenste bestanddelen van levensmiddelen. Zij bekijken de
E-nummers op de verpakkingen met grote argwaan, en vatten deze
op als een waarschuwing over de onveiligheid van het product.
De industrie heeft onder andere ingespeeld op deze argwaan van
de de consument door de term 'additief' te vervangen door neutraler
klinkende woorden als 'ingrediënt' en 'supplement'. Voedingsadditieven
zijn echter in vele gevallen een nuttig en vaak zelfs onmisbaar
bestanddeel van voedingsmiddelen.
De reden moge duidelijk zijn. Het is belangrijk om te realiseren
dat alle voedingsmiddelen continu op een of andere manier van
kwaliteit veranderen. Sommige levensmiddelen bederven zeer snel
bij warm weer, zoals melk en vlees, terwijl andere zoals veel
groenten en vruchten langzamer vergaan. Sla verlept wel weer snel,
en aardbeien beschimmelen waar je bij staat.
Na een kortere of langere periode worden alle voedingsmiddelen
ongeschikt voor consumptie. Meestal is dat het gevolg van de groei
van micro-organismen waardoor het voedsel bederft. Wanneer het
schadelijke micro-organismen betreft, kun je een voedselvergiftiging
oplopen. Andere veranderingen zijn het gevolg van enzymen die
van nature aanwezig zijn in voedsel, of zijn chemisch van aard:
melkpoeder wordt bruin en vetten oxideren. Dergelijke processen
zorgen ervoor dat het eten er niet lekker meer uitziet.
Dankzij voedingszupplementen kunnen vrijwel alle voedingsmiddelen
het hele jaar door worden verkocht. Het zijn verbindingen die
opzettelijk, veelal in kleine hoeveelheden, aan voeding worden
toegevoegd. Te denken valt hierbij aan vitamines, geur- en smaakstoffen
en conserveringsmiddelen. Zij vorgen ervoor dat voldoende kwalitatief
hoogwaardig en betaalbaar voedsel kan worden aangeleverd in dicht
bevolkte gebieden. Ze laten bederf en de teruggang in de kwaliteit
van voeding tot stilstand komen en kunnen de voedingswaarde en
de aantrekkelijkheid van voedingsmiddelen verhogen.
Recentelijk staan naast traditionele additieven ook nieuwe groepen
van supplementen in de belangstelling. Dit betreft bijvoorbeeld
voedingssupplementen voor topsporters en bejaarden. Ze voorzien
in de extra behoefte aan bepaalde vitaminen en mineralen, maar
ook aan specifieke bouwstenen zoals bijvoorbeeld creatine. Daarnaast
is er een groep van voedingssupplementen voornamelijk bedoeld
voor gezonde mensen, de nutriceuticals. Dit woord is een samentrekking
van nutrition (voeding) en pharmaceuticals (geneesmiddelen). Het
betreft verbindingen in de voeding met een gezondheidsbevorderende
werki9ng. Sterolen zoals die aan Becal Pro-active worden toegevoegd,
resulteren bijvoorbeeld in een verlaagde cholesterolspiegel.
Microorganismen zijn zeer flexibel. Onder invloed van wisselende
omstandigheden veranderen ze zeer snel. Daarom kunnen we speciaal
aan de omstandigheden aangepaste micro-organismen op bijna elke
plek op aarde aantreffen. Elk van deze organismen kent zijn eigen
specifieke stofwisseling, optimaal afgestemd op de omgeving waarin
het van nature voorkomt. Onder stofwisseling (metabolisme) verstaan
we de uitermate geordende en doelbewuste enzymatische activiteiten
in een cel die als doel hebben deze van voldoende bouwstenen en
energie te voorzien. De afbraak van voedingsstoffen en de vorming
van energie en bouwstenen verlopen via opeenvolgende door enzymen
gekatalyseerde reacties en vele verschillende tussenproducten,
ook wel metabolieten genoemd. Het metabole proces omvat veelal
duizenden verschillende enzymatische stappen en metabolieten.
In de gigantische verscheidenheid aan micro-organismen komen enorm
veel verschillende biochemische processen voor. In principe is
er voor zowat elke chemische verbinding, en dus ook voor elk voedingssupplement,
wel een microorganisme te vinden dat deze verbinding bevat als
onderdeel of eindproduct van een van de zijn stofwisselingsprocessen.
Stel dat je in een bepaald supplement bent geïnteresseerd.
Wanneer je eenmaal een micro-organisme hebt gevonden dat dit additief
bevat, dan moet je er vervolgens voor zorgen dat dit organisme
deze verbinding ook inderdaad gaat produceren. Liefst in zulke
hoeveelheden dat het commercieel aantrekkelijk wordt de bacterie,
gist of schimmel in te zetten voor de industriële productie
van deze verbinding. Het onderzoeksgebied dat microbiële
productieprocessen probeert te verbeteren en te optimaliseren,
heet microbiële biotechnologie. Momenteel brengen de nieuwe
genomics-technologieën hier een ware innovatiegolf teweeg.
Op een aantal onderzoeksterreinen zullen deze technologieën
een belangrijke rol gaan spelen:
De hoeveelheid voedingsadditief die een micro-organisme produceert,
hangt in belangrijke mate af van de samenstelling van het groeimedium
en de kweekomstandigheden. In het medium kunnen bijvoorbeeld componenten
aanwezig zijn die de productie van het additief stimuleren, bijvoorbeeld
doordat zij de aanmaak van kritische enzymen in de biosyntheseroute
verhogen. Ze kunnen ook grondstoffen voor het product zijn. Andere
stoffen staan de productie van het supplement in de weg, bijvoorbeeld
omdat ze kritische enzymen remmen. Ook fysische omgevingsomstandigheden
als zuurgraad, temperatuur en roersnelheid beïnvloeden de
hoeveelheid gemaakt product.
Traditioneel wordt het kweekmedium geoptimaliseerd door een groot
aantal combinaties van groeimedia en kweekomstandigheden te testen
en te bepalen wat het effect hiervan is op de hoeveelheid geproduceerd
supplement. Deze empirische benadering is echter zeer arbeidsintensief.
Daar de meeste media uit mengsel van verschillende verbindingen
bestaan, weten we dat nog niet welke mediumcomponenten nu het
belangrijkst zijn voor een verhoogde productiviteit. Door met
zogenoemde metabolomics te bestuderen welke van de individuele
mediumcomponenten een positieve of negatieve bijdrage vertonen
aan de hoeveelheid product die wordt gemaakt, kunnen we kritische
mediumcomponenten identificeren en het groeimedium vervolgens
veel gerichter optimaliseren. Metabolomics-arena, is het tegelijkertijd
bestuderen van alle reactieproducten
De oudste methode die wordt toegpast om de hoeveelheid product
van een micro-organisme te verhogen, betreft de zogenaamde klassieke
mutagenese. Hierbij wordt het micro-organisme blootgesteld aan
bijvoorbeeld ultraviolette straling. Deze brengt op willekeurige
plekken in het DNA van het micro-organisme veranderingen (mutaties)
aan. Vervolgens wordt er dan gericht gezocht naar zogenoemde mutanten
die door een of meer van die veranderingen in hun erfelijk materiaal
meer van het bewuste supplement produceren. In een volgende stap
van het optimaliseringsproces wordt de beste mutant weer aan uv
blootgesteld. Zo wordt de productiestam in opeenvolgende rondes
steeds verder verbeterd.
Klassieke mutagenese is een zeer krachtige methode om bacteriestammen
te verbeteren. Het is echter haast altijd onduidelijk waar de
mutatie nu precies zit in het erfelijk materiaal van de bacterie.
Dus blijft de reden waarom nu juist deze mutant meer product maakt
ook duister.
Met de nieuwe genomics technologieën kunnen we voor het eerst
achterhalen waar precies de opeenvolgende generaties aan productiestammen
van elkaar verschillen. Deze kennis helpt ons beter te begrijpen
wat de belangrijke processen zijn die de hoeveelheid gevormd supplement
beïnvloeden. Het vormt de basis om de stammen no verder -
nog gerichter - te verbeteren.
De hoeveelheid additief die een micro-organisme produceert, is
recht evenredig met de activiteit van de zwakste schakel in de
productieroute van grondstof via tussenproducten naar eindproduct.
Die langzaamste stap is de bottleneck. Het is net als bij een
ploegentijdrit: de ploeg kan niet harder rijden dan de langzaamste
renner.
Een van de moeilijkste aspecten in het gericht verbeteren van
productiestammen is het identificeren van zulke bottlenecks. Momenteel
proberen we in te schatten wat de bottlenecks zullen zijn door
gebruik te maken van gegevens uit de literatuur, metabole-flux-analyse
(meten van metabolieten op verschillende tijdstippen) en af te
gaan op onze intuïtie. In veel gevallen leidt een verbetering
van de aldus geselecteerde potentiële bottleneck echter niet
tot een hogere productiviteit. Het is zelfs niet ongebruikelijk
dat er minder product wordt gevormd.
Genomics-technologieën zullen ons in staat stellen om onbevooroordeeld
de bottlenecks te identificeren. We groeien daartoe de productiestam
onder verschillende condities op. Ook kunnen we mutanten die verschillende
hoeveelheid supplement maken naast elkaar leggen en de tussenproducten
of andere biomoleculen van deze cellen met elkaar vergelijken.
Met behulp van rekenmethoden op de computer kunnen we vervolgens
berekenen welke tussenproducten het meest waarschijnlijk de bottleneck
in de biochemische route vormen. Door vervolgens stammen te maken
die meer, of misschien juist minder, van dit tussenproduct maken,
kunnen we gericht een verbeterde productiestam construeren.
Momenteel zijn de grote voedingsmiddelenbedrijven naarstig op
zoek naar nieuwe nutriceuticals die aan voeding kunnen worden
toegevoegd (zogenoemde functional foods) Hierbij screenen ze duizenden
voor de productie van voedingsmiddelen veilig geachte bacteriën,
gisten en schimmels. Zo hopen ze micro-organismen te vinden die
chemische stofjes kunnen maken tegen allerlei ziektes - van kanker
en hart- en vaatziekten tot osteoporose.
Wanneer zo'n organisme wordt gevonden, moet vervolgens worden
bepaald welke van de door deze stam geproduceerde verbindingen
de gewenste biologische activiteit bezitten. Ook bij de identificatie
van deze biologisch actieve verbinding zullen genomics-technologieën
een belangrijke rol gaan spelen. Eerst wordt een stam die een
nutriceutical produceert gekweekt op verschillende media. Vervolgens
worden de verschillende producten (metabolieten) die in de verschillende
kweken aanwezig zijn gecorreleerd met de biologische activiteit.
Zo kan worden achterhaald welke van deze metabolieten het waarschijnlijkst
de bioactieve werking bezit.
Een groot voordeel van de nieuwe genomics-expirimenten is dat
we alle gegevens op verschillende manieren kunnen analyseren.
Neem bijvoorbeeld een proef die wordt opgezet om een nutriceutical
te identificeren, door alle gemeten metabolieten te correleren
aan bioactiviteit. Door alle gemeten metabolieten te correleren
aan de hoeveelheid nutriceutical die gemaakt wordt, kun je uit
hetzelfde experiment ook mediumcomponenten identificeren die (positief
of negatief) de hoeveelheid product beïnvloeden.
In experimenten waar de metabolietconcentraties worden bepaald,
kan bovendien een model van de stofwisseling van het micro-organisme
worden gemaakt, door de concentratie van elke gemeten metaboliet
te correleren aan de concentratie van elk andere gemeten metaboliet.
Metabolieten die (positief of negatief) correleren met een ander
metaboliet - dat wil zeggen dat hun concentraties tegelijkertijd
omhoog of omlaag gaan - staan in het metabole netwerk (zie illustratie)
waarschijnlijk dicht bij elkaar. Daarentegen zullen metabolieten
die niet met elkaar correleren waarschijnlijk niet met elkaar
verwant zijn, en zich dus op grotere afstand van elkaar bevinden
in het netwerk.
Uit het bovenstaande wordt wellicht duidelijk dat de gegevens later van onschatbaar belang kunnen zijn om andere vragen te beantwoorden. Daarom is het essentieel dat alle data goed wordt opgeslagen en dat er rekenmethoden komen waarmee je gegevens op verschillende manieren kunt analyseren, om er zoveel mogelijk kennis uit te halen. Wie weet komt er in de toekomst een tijdstip waarop alle proeven al gedaan zijn, en dat het alleen nog zaak is om, gezet achter onze computer, ervoor te zorgen dat we de gezochte antwoorden uit de grote databrij naar voren toveren. De experimenten in vitro (letterlijk: in glas; in de reageerbuis) zijn dan gedaan; het laatste woord is dan aan de experimenten in silico (letter: in silicium; in de computer.)
Genomics-technologieën.
Momenteel zijn de genomen van al zo'n tachtig organismen publiekelijk bekend (wit.integratedgenomics.com/IGwit) Deze lijst wordt bijna dagelijks verder uitgebreid. Daarnaast zijn er nog vele genomen gesequenced die (nog) niet publiekelijk bekend zijn, maar bijvoorbeeld in het bezit van bedrijven zijn. Door te vergelijken welke genen in bepaalde orgaismen aan- en afwezig zijn (comparative genomics), en dit te vergelijken met de eigenschappen van deze verschillende organismen, kan worden achterhaald welke genen essentieel zijn, en welke betrokken zijn bij specifieke processen.
Boodschapper-RNA's (mRNA's) zijn de overbrengers van de instructies
door het genoom (het DNA) voor het aanmaken van eiwitten. Daarom
resulteert de analyse van het transcriptoom slechts in een bestudering
van de functie van een cel op een afgeleide manier. Echter het
transcriptoom reageert zeer snel op veranderingen in de omgeving
en is daarom ideaal geschikt om de blootstelling van de cel aan
veranderde omgevingsfactoren, bijvoorbeeld toxische verbindingen,
snel te identificeren.
Een typisch transcriptomics-experiment bestaat uit een aantal
stappen: Een DNA-chip of micro-array wordt gemaakt waarop alle
individuele genen voorkomen. Per array wordt er mRNA uit twee
verschillende soorten cellen geïsoleerd (controleproef en
expiriment) en gelabeld met twee verschillende fluorescerende
merkers. Deze gelabelde mRNAs worden vervolgens tegelijkertijd
met de microarray gehybridiseerd. Voor een typisch resultaat van
een dergelijk expiriment zie bovenstaand plaatje.
Eiwitten vertegenwoordigen, samen met metabolieten, de functionele eenheden van een cel. Zij bepalen hoe een cel eruit ziet en hoe hij functioneert. Eiwitten hebben een veel diversere structuur dan DNA en RNA, en zijn daarom veel lastiger als compleet pakket (proteome) te scheiden en te kwantificeren. Daarnaast vinden er in de cel veel eiwitmodificaties plaats: afbraak, ombouw of activering door biochemische reacties. De technieken die nu worden gebruikt voor scheiding, zijn gebaseerd op verschillen in lading en grootte van de eiwitmoleculen, en kunnen maximaal 5.000 tot 10.000 eiwitten kwantificeren. Identificatie gebeurt met massaspectrometrie of immunologische technieken. "Genomics-wetenschappers" zoeken naarstig naar nieuwe technologieën voor kwantificering van het volledige proteome. Die uitdaging zal hen de komende jaren nog wel bezig houden.
Metabolieten zijn niet alleen energiedragers en stappen op weg naar de verschillende bouwstenen van de cel, het zijn ook boodschappers en regulatoren. Daarom vormt de holistische studie van de metabolieten in een cel een belangrijk onderdeel van het antwoord op de vraag hoe een cel functioneert en reageert op veranderingen. Metabolomics is de nieuwste genomics-technologie. Momenteel worden de metabolieten van een cel geanalyseerd met standaard analytisch-chemische technologieën als GCMS (gaschromatografie-massaspectrometrie) en LCMS (vloeistofchromatografie-massaspectrometrie). Echter, in de toekomst zullen we voor de analyse van metabolieten gebruik maken van laboratorium-op-een-chip-systemen. Deze analytische methoden bevinden zich momenteel in een (vroeg) ontwikkelingsstadium, maar zullen in de toekomst onmisbar worden voor de snelle, gevoelige en simultane analyse van metabolieten.
Aangezien genomics-technologieën zeer veel data genereren, zijn gereedschappen waarmee we deze lawine aan biologische gegevens kunnen opslaan, analyseren en interpreteren van onmisbaar belang. Deze verzameling van gereedschappen wordt ook wel bioinformatica genoemd, een term die wetenschappers vrijelijk gebruiken voor een groot aantal toepassingen. In zijn breedste definitie slaat de term op het toepassen van informatietechnologie in de biologie. Voor genomics-studies zijn de volgende gereedschappen van essentieel belang:
Gegevenspakhuizen: In de toekomst, zal een bioloog die een bepaald probleem wil bestuderen eerst kijken of er niet reeds relevante proeven zijn uitgevoerd (door hemzelf of anderen). De oude data kan mogelijk het antwoord bevatten op de vraag van de huidige studie. De potentie van genomics-technologieën zal daarom alleen optimaal benut worden, als er datapakhuizen zijn, die eenvoudig toegankelijk zijn voor het opslaan en onttrekken van gegenereerde gegevens.
Chemische identificatie: Vele genomics-technologieën resulteren in eerste instantie in detectie van onbekende spots of pieken. Veelal zijn vervolgens andere, complexe en tijdrovende, analysemethoden nodig om deze biomoleculen te identificeren. Om ervoor te zorgen dat dat optimaal gebeurt, moeten er referentie-databases worden opgezet waardoor het niet langer nodig is de identiteit in het verleden geïdentificeerde biomoleculen steeds opnieuw te onderzoeken.
Data-analyse: Uit de grote hoeveelheid datasets die in de experimenten worden gegenereerd, moet vervolgens de relevante informatie worden gehaald. Hierbij spelen statistische patroonherkenningsalgoritmen een onontbeerlijke rol. Patroonherkenning is een algemene term die slaat op statistische data-analysemethoden die in staat zijn om de - veelal verborgen - informatie in (complexe) datasets te visualiseren. Hierbij kan een aantal voor genomics belangrijke patroonherkenningsmethoden worden onderscheiden; bijv. methoden die toegepast worden om de kwaliteit van het totale transcriptoom, proteoom of metaboloom te visualiseren; methoden die gebruikt kunnen worden om te identificeren welke biomoleculen vergelijkbar reageren op veranderende omgevingsfactoren; en methoden die in staat zijn biomoleculen te identificeren die het meest bijdragen aan een waargenomen fenomeen. Hierdoor kunnen uit datasets verschillende soorten kennis worden gegenereerd afhankelijk van de patroonherkenningsalgoritmen die worden toegepast.
Nadat de meest relevante biomoleculen voor een bepaalde functionele eigenschap zijn geïdentificeerd, moet vervolgens het biologische belang van die biomolecuul worden achterhaald. Hierbij zijn gereedschappen die de bioloog eenvoudig en snel in staat stellen om zoveel mogelijk over de geïdentificeerde biomoleculen en hun biologische functie te weten te komen onmisbaar. Hiertoe wordt momenteel software ontwikkeld die informatie van internet koppelt aan de verschillende biomoleculen.
Het nieuwe aan de huidige genomicsrevolutie is niet zozeer het 'sequencen' van volledige genomen van organismen, het letter voor letter ontcijferen van de gehele erfelijke code. Dit is slechts op grote schaal uitvoeren wat al lang op kleine schaal (bij kleine stukjes, de genen) gedaan werd. Nieuw is dat biologen niet langer slechts een of enkele, maar alle biomoleculen (mRNA, eiwitten en metabolieten) teglijkertijd bestuderen. De biologische methodologie verandert van reductionisme (kijken naar onderdelen) naar holisme (kijken naar het geheel.) Hierdoor kan een allesomvattend inzicht worden verkregen over hoe een cel functioneert.
Voor deze holistische bestudering van biomoleculen is een aantal
verschillende genomics-technologieën ontwikkeld om alle genen
(via shotgun sequencing), mRNAs (via transcriptomics, DNA-chip
of microarraytechnologie), eiwitten (via proteomics) of metaoliten
(via metabolomics) tegelijkertijd te bestuderen.
De cruciale factor die aan deze technologieën ten grondslag
ligt, is het vertalen van verschillen in de genomen, transcriptomen,
proteomen of metabolomen in functionele eigenschappen van de cellen.
Hiertoe dienen verschillen in de biomolecuul-samenstelling te
worden vertaald in verschillen in functionele eigenschappen van
de verschillende cellen middels bioinformatica-gereedschappen.
De analyse van deze verschillen kan op vier verschillende biochemische
niveaus plaatsvinden. De informatie verkregen van elk van deze
niveaus correspondeert met een verschillend oogpunt op de cellulaire
activiteit.
Het genoom (alle genen) kan het best opgevat worden als de potentiële
functie van een cel
Het transcriptoom (alle mRNA-moleculen die op een bepaald moment
in de cel aanwezig zijn) beschrijft de functionele reactie van
een cel
Het proteoom (alle eiwitten die op een bepaald moment in de cel
aanwezig zijn)
Het metaboloom (alle metabolieten die op een bepaald moment in
de cel aanwezig zijn) vormen samen de functionele eenheid van
de cel.
Afhankelijk van de vraagstelling zal dan ook een keuze worden gemaakt voor een specifieke genomics-technologie. Een andere optei is om alle verschillende genomics-technologieën te integreren. Daardoor wordt het mogelijk een allesomvattend inzicht te krijgen over hoe een cel nu functioneert en reageert op veranderende omgevingsfactoren. (Dit laatste zal dr. Rath zelf hoogstwaarschijnlijk uitgevoerd hebben in zijn onderzoeken...)