A relational architecture of the human genome

Das menschliche Genom wird oft als ein langer, linearer Code beschrieben, eine Folge von Buchstaben, die die Anweisungen für den Bau eines Menschen buchstabiert. Jahrzehntelang haben Wissenschaftler diese Sequenz kartiert, die Gene identifiziert, die als Blaupausen für Proteine dienen, und die dreidimensionalen Faltungen erfasst, die es weit entfernten Teilen der DNA ermöglichen, sich zu berühren. Doch eine grundlegende Frage blieb unbeantwortet: Wie kommunizieren die einzelnen Buchstaben dieses Codes miteinander? In komplexen Systemen, wie sie in der Natur vorkommen – vom Feuern der Neuronen in einem Gehirn bis hin zum Verkehrsfluss in einer Stadt –, hängt das Verhalten eines Teils oft vom Zustand eines anderen ab. Im Genom wissen wir, dass lokale Gruppen von Buchstaben zusammenarbeiten, um Schalter zu bilden, die Gene an- oder ausschalten, aber es war unklar, ob diese lokalen Interaktionen isolierte Ereignisse sind oder ob sie ein riesiges, verborgenes Netzwerk bilden, das sich über die gesamte Länge unserer DNA erstreckt. Das Verständnis dieser tieferen Organisationsebene ist entscheidend, da sie erklären könnte, warum einige Veränderungen in der DNA-Sequenz Krankheiten verursachen, während andere dies nicht tun, und wie das Genom seine Stabilität über Millionen von Jahren der Evolution aufrechterhält.

Ein Forschungsteam der RWTH Aachen University und des Forschungszentrums Jülich hat nun einen massiven Schritt zur Beantwortung dieser Frage unternommen, indem es das gesamte menschliche Genom als ein komplexes System von Beziehungen behandelte. Anstatt die DNA als eine statische Liste von Buchstaben zu betrachten, nutzten sie ein leistungsfähiges Modell der künstlichen Intelligenz, das auf genomischen Daten trainiert wurde, um systematisch zu testen, wie jeder einzelne Buchstabe im menschlichen Genom jeden anderen Buchstaben beeinflusst. Sie arbeiteten mit dem vollständigen, durchgehenden menschlichen Referenzgenom, das etwa 3,12 Milliarden Positionen enthält. Mithunter mit einem der fortschrittlichsten Supercomputer der Welt veränderten sie virtuell jeden einzelnen Buchstaben des Genoms zu jedem der drei anderen möglichen Buchstaben, einen nach dem anderen. Für jede Änderung maßen sie, wie sich das Verständnis des KI-Modells der Umgebungsequenz verschob. Dieser Prozess generierte eine massive Karte der Abhängigkeiten und zeigte, dass eine Veränderung eines Buchstabens oft einen Kaskadeneffekt auslöst, der die Bedeutung oder Funktion weit entfernter Buchstaben verändert und so ein gerichtetes Netzwerk von Verbindungen schafft, das sich über das gesamte Chromosom erstreckt.

Die Ergebnisse dieser Simulation zeigten, dass das Genom in eine höherwertige Struktur organisiert ist, die durch diese Abhängigkeiten definiert wird. Die Forscher fanden heraus, dass diese Verbindungen nicht zufällig sind; sie folgen spezifischen Regeln basierend auf Distanz, Richtung und der Art der DNA-Sequenz. Beispielsweise sind die Verbindungen stärker zwischen Buchstaben, die durch die Evolution über Millionen von Jahren bewahrt wurden, was darauf hindeutet, dass die Natur diese Beziehungen intakt gehalten hat, weil sie essenziell für das Leben sind. Die Studie zeigte auch, dass diese Abhängigkeitsnetzwerke mit bekannten biologischen Merkmalen übereinstimmen, wie etwa den Grenzen von Genen und der Struktur von RNA, sich aber auch weit über das hinaus erstrecken, was Wissenschaftler bisher annotiert haben. Die Forscher identifizierten sieben verschiedene Formen oder Muster in diesen Verbindungskarten, die sie „Relons“ nannten. Diese Muster umfassen dichte Blöcke miteinander verknüpfter Buchstaben, sich wiederholende periodische Strukturen und gerichtete Hubs (Knotenpunkte), bei denen ein kleiner DNA-Abschnitt einen viel größeren Bereich beeinflusst oder umgekehrt. Diese Relons treten konsistent über alle Chromosomen auf und bilden eine wiederkehrende architektonische Sprache, die das Genom organisiert.

Besonders interessant ist, dass die Forscher tausende dieser relationalen Strukturen in Regionen des Genoms entdeckten, die zuvor als „dunkel“ oder unannotiert galten, was bedeutet, dass sie keine bekannten Gene oder regulatorischen Elemente enthielten. Dies deutet darauf hin, dass in den Teilen unserer DNA, die wir für stumm hielten, eine verborgene Ebene der funktionalen Organisation existiert. Die Studie verknüpfte diese relationalen Muster auch direkt mit der menschlichen Gesundheit. Positionen im Genom, die für krankheitsverursachende Mutationen bekannt sind, wiesen eine signifikant stärkere Vernetzung mit dem Rest des Genoms auf als harmlose Positionen. Diese pathogenen Stellen fungieren als Hubs mit vielen eingehenden und ausgehenden Verbindungen, was impliziert, dass eine Mutation an einem solchen Ort ein weites Netzwerk von Beziehungen stört. Im Gegensatz dazu zeigten häufige Variationen, die in gesunden Populationen vorkommen, eine viel schwächere Konnektivität. Dieser Befund bietet eine neue Art, genetische Daten zu interpretieren, indem er nahelegt, dass die Auswirkung einer Mutation nicht nur vom Buchstaben selbst abhängt, sondern davon, wie tief sie in das relationale Gefüge des Genoms eingewoben ist.

Indem sie diese Abhängigkeiten kartierten, haben die Forscher einen neuen Rahmen für die Betrachtung des menschlichen Genoms geschaffen, der über die einfache lineare Sequenz und die physische 3D-Struktur hinausgeht und eine relationale Organisationsebene einschließt. Sie haben diese Daten über einen Online-Browser öffentlich zugänglich gemacht, damit andere Wissenschaftler diese Netzwerke erforschen können. Obwohl die Studie auf Computersimulationen statt auf direkten physikalischen Experimenten basiert, stimmen die entdeckten Muster mit etablierten biologischen Prinzipien wie der evolutionären Konservierung und der Genstruktur überein. Die Arbeit legt nahe, dass das Genom nicht nur eine Sammlung von Teilen ist, sondern ein dynamisches System, in dem die Beziehungen zwischen den Nukleotiden ebenso wichtig sind wie die Nukleotide selbst. Diese Perspektive eröffnet neue Wege zum Verständnis genetischer Krankheiten, insbesondere solcher, die durch Mutationen in nicht-kodierenden Regionen verursacht werden, die traditionelle Methoden bisher kaum erklären konnten, und deutet darauf an, dass die Evolution des Lebens möglicherweise ebenso sehr darauf abzielt, diese komplexen Netze der Abhängigkeit zu bewahren wie die einzelnen Buchstaben des Codes.