Представьте, что каждая клетка нашего тела — это гигантская фабрика, где тысячи молекулярных машин работают в строгой гармонии. Какие перспективы открываются перед наукой после того, как она научилась «картографировать» эти процессы, создавая карты молекулярных путей — сложных сетей взаимодействий между генами и белками? С какими проблемами в этой связи сталкиваются ученые?
Паутина молекулярных взаимодействий
Молекулярные пути — это ансамбли генов и их продуктов, которые отвечают за самые разные функции клетки. Каждая клетка живого организма весьма сложна в своем устройстве. Как мы знаем, клетки состоят из множества молекул: нуклеиновых кислот ДНК и РНК, воды, белков, сахаров, липидов, органических и неорганических ионов и так далее. Если представить, как внутри клетки увязаны в один узел все взаимодействия между ними, то получится своего рода многомерная паутина: все молекулы, присутствующие в каждом из нас, окажутся связаны друг с другом через несколько посредников. Краеугольные позиции в такой паутине будут занимать белки — продукты наших генов, закодированных в ДНК.
В этой сложнейшей паутине ученых в первую очередь интересуют взаимодействующие белки, которые осуществляют весьма важные функции в клетке. Поэтому они также наиболее важны и для современной медицины. Для любого процесса в клетке можно построить молекулярный путь, включив в него генные продукты — участники выполняемой функций. Таких путей в нашем организме десятки тысяч, но при этом нет единого стандарта описания — что в него надо включать, а где его уже следует ограничить.
В итоге мы имеем множество отдельных описаний, основанных на ручном анализе данных. Число включенных в путь генов может различаться в четыре-пять раз, вплоть до нескольких сотен. Это весьма затрудняет анализ. Сперва, чтобы создать и описать молекулярный путь, необходимо ознакомиться со множеством статей, изучить базы данных и самостоятельно отобрать гены-участники. Затем их связывают в математический граф — схему, содержащую узлы и стрелки, связывающие эти узлы. Стрелки при этом показывают, в каком направлении проходит сигнал, или в каком направлении происходит взаимодействие. Поэтому ручное создание и описание молекулярных путей — это весьма трудозатратная работа, и каждый может делать ее по-своему.
Перейдем к конкретному примеру — весьма интересный для фармацевтов молекулярный путь рецептора эпидермального фактора роста (EGFR). Эти рецепторы очень важны и есть почти у каждой клетки. По сути это белок, который регулирует ее рост и деление. В целом эти процессы в клетке контролируются более чем сотней белков, так называемых ростовых факторов. Наличие факторов роста в окружающей среде также определяет множество самых разных функций, вплоть до смерти клетки. Интересно, что в случае необходимости наш организм отправляет клетке команду на самоликвидацию, но раковые клетки игнорируют этот сигнал.
Стандартизация путем автоматизации
Современные методы исследования, как правило, основаны на единых стандартах в работе с большими объемами биологических молекулярных данных. Поэтому важной вехой стал подход, который позволяет конструировать молекулярные пути с помощью специальных алгоритмов, часть из которых свободно открыты для исследователей. Как это работает?
Для начала из всех взаимодействий выстраивается граф, о котором мы говорили выше, который называется интерактом. Он увязывает вместе все попарные взаимодействия между молекулами. При этом каждый генный продукт или каждый метаболит может рассматриваться как центр отдельного молекулярного пути, и для каждого такого центра можно сформировать алгоритмическую сеть взаимодействий, замкнутых конкретно на нем или начинающихся с него.
Алгоритмический подход значительно облегчает процесс исследования. Взяв в работу созданный нами специальный алгоритм конструирования путей, наша команда составила и опубликовала наиболее полную в мире базу молекулярных путей человека. Мы включили туда как пути, сконструированные людьми, так и пути, полностью сформированные алгоритмом. Кроме того, мы дополнили эти схемы специальными биоинформатическими инструментами расчета их активности. В результате любой ученый может загрузить в нашу систему «омиксные данные» — большие массивы информации по активности генов, собранные на уровне РНК или белка. На выходе мы получаем уровни активации для более чем 50 000 молекулярных путей. Кроме того, цветовая схема пути показывает, какие узлы в нем подавлены, а какие — активированы. Это достаточно удобный инструмент, который мы совершенно свободно открыли для научного сообщества.
Куда приводят молекулярные пути
В заключение надо сказать, какую пользу приносит изучение молекулярных путей. В первую очередь это позволяет детально описать активность любого процесса человеческой клетки. Ведь за прохождение отдельных процессов отвечают не единичные гены, а целые ансамбли. Оценивая активность группы генов, принимающих участие в конкретном процессе, мы можем ответить, насколько он активирован или подавлен. Это, в сущности, начало изучения любого процесса в молекулярной медицине. Изучая образец патологической ткани, мы сравниваем его с нормами и видим активность интересующих нас процессов. И если мы сопоставим эти процессы с базой данных препаратов на вооружении медицины, которые воздействуют на соответствующие молекулярные мишени, то можем увидеть, какие регулируемые препаратами молекулярные процессы оказываются активированы в патологической ткани. Это позволяет врачу подобрать препараты для наиболее эффективного персонализированного назначения.
Этот принцип уже был применен в онкологии, где мы создали аналитическую платформу, позволяющую персонализировать противоопухолевую терапию на основе молекулярных данных. Лечение с использованием анализа молекулярных путей часто позволяет найти наиболее оптимальный способ лечения и как минимум продлить жизнь больного. Учтите, что почти любое лекарственное лечение в онкологии осложняется тем, что препараты токсичны и достаточно дорого стоят.
На сегодня для лечения большинства видов опухолей разработали стандарты лечения. Но приблизительно в половине всех случаев стандартные линии терапии через некоторое время перестают помогать, и болезнь прогрессирует. Это ставит вопрос, а как следует лечить больного дальше? И тут нам необходимо искать решения на основе новых прогрессивных технологий, в частности, на основе алгоритмических аналитических методов, аналогичных описанному выше. Например, подбор лекарства по профилю генной активности, как мы показали в нашем недавнем клиническом испытании, продлевал время ответа опухоли на терапию по сравнению с контролем примерно на 10 месяцев.
Итак, подходы к решению проблемы, кажется, понятны. Осталось запустить новые исследования и улучшить клиническую практику!