UVOD
Personalizirana medicina je pristop, pri katerem se preprečevanje, diagnosticiranje in zdravljenje bolezni prilagodijo posamezniku ali skupini posameznikov na podlagi njihovega genetskega in molekularnega profila ter drugih osebnih značilnosti. Njen namen je omogočiti izbiro najustreznejšega pristopa za učinkovitejšo zdravstveno oskrbo. Za razvoj personalizirane medicine je ključnega pomena pridobivanje spoznanj o molekularnih in genetskih mehanizmih, ki so osnova za nastanek bolezni. Danes je vključena v številne moderne koncepte obravnave bolnikov, veliko pa se od nje še pričakuje predvsem na področju zgodnjega odkrivanja bolezni s pomočjo napredne diagnostike (1).
Čeprav se je personalizirana medicina kot znanstveni izraz prvič pojavila v študijah, objavljenih leta 1991, se je njen koncept razvil že davno pred tem. Znanstveniki so se že od nekdaj zavedali, da določena zdravljenja niso primerna za vse bolnike in so lahko v nekaterih primerih celo škodljiva. Eden najpreprostejših primerov so transfuzije krvi. Sistem krvnih skupin ABO je bil odkrit leta 1900 in to znanje je pomagalo preprečiti zaplete pri transfuziji s preprostim testom krvne skupine, ki je vsakega posameznika kategoriziral v različne skupine na podlagi genotipov ABO. Ta enostaven primer dobro prikazuje poslanstvo današnje personalizirane medicine, ki želi bolnike razvrstiti v različne podskupine na podlagi njihovih genetskih predispozicij, da se omogočijo zgodnje napovedovanje tveganja za bolezni, natančno diagnozo in prognozo ter uporabo najučinkovitejših in najmanj škodljivih načinov zdravljenja za vsakega posameznika (2, 3).
Za uporabo personalizirane medicine v praksi potrebujemo specifične diagnostične biooznačevalce, ki omogočajo identifikacijo posameznikov z boleznijo in klasifikacijo podtipa bolezni. Genetski biooznačevalec je opredeljen kot značilnost DNK ali RNK, ki je indikator normalnih bioloških procesov, patogenih procesov ali odziva na terapevtske posege. Odraža izražanje, funkcijo ali regulacijo gena. Značilnosti DNK, ki jih uporabljamo kot genetske biooznačevalce, zaobjemajo t. i. polimorfizme posameznih nukleotidov (angl. single nucleotide polymorphism, SNP), modifikacijo DNK (npr. metilacijo), insercije, delecije, variacije števila kopij idr. Pri RNK pa se osredotočamo na zaporedje RNK, ravni izražanja RNK, ravni mikro RNK idr. (4). V tem članku izraz genetska različica uporabljamo kot splošen izraz za spremembe v zaporedju DNK (npr. zamenjave nukleotidov, insercije ali delecije), medtem ko polimorfizem označuje genetsko različico, ki se v populaciji pojavlja z relativno visoko frekvenco. Poseben primer je SNP, pri katerem se na določenem mestu v genomu med posamezniki razlikuje en sam nukleotid.
Analiza vezanosti (angl. linkage analysis) je bila ena prvih in ključnih metod v genetiki, ki je v obdobju pred visokozmogljivo genotipizacijo omogočala prepoznavanje kromosomskih regij, povezanih z dednimi boleznimi. S spremljanjem dedovanja markerjev v večgeneracijskih družinah je raziskovalcem omogočila prepoznavanje regij, povezanih z boleznijo, kar je nato usmerjalo izbor kandidatnih genov in preučevanje posameznih polimorfizmov. Med najpomembnejšimi dosežki tega pristopa je odkritje genov BRCA1 in BRCA2, ki sta med prvimi omogočila genetsko testiranje za zgodnje prepoznavanje podvrženosti določenim tipom raka, razvoj tarčnih terapij, kot so zaviralci PARP, ter učinkovite preventivne strategije, vključno s preventivnimi kirurškimi posegi pri osebah z visokim tveganjem (5).
Pravi preboj personalizirane medicine je bil omogočen s Projektom človeški genom (angl. Human Genome Project), ki se je začel leta 1990 pod vodstvom ameriškega Nacionalnega centra za raziskave človeškega genoma. Sekvenciranje treh milijard baznih parov, ki sestavljajo eno kopijo človeškega genoma, je bilo izvedeno v sodelovanju z 20 skupinami iz ZDA, Združenega kraljestva, Japonske, Francije, Nemčije in Kitajske ter je bilo zaključeno aprila 2003. Projekt je zagotovil nastanek obsežnih katalogov genomskih informacij o biološki strukturi in funkciji. Omogočil je raziskovanje osnovne fiziologije genoma ter postavil nov mejnik v medicinskih raziskavah (6).
SNP-ji, ki predstavljajo genetske različice v nukleotidnem zaporedju DNK, so postali središče zanimanja znanstvenikov. Kombinacije teh malih variacij v človeškem genomu namreč lahko oblikujejo posameznikovo nagnjenost k nekaterim boleznim, odzivnost na določena zdravljenja, dovzetnost na strupe iz okolja itd. Vzpostavitev povsem nove dobe v medicini je zahtevala ogromne napore v razvoju tehnologij, metodologij, ustvarjanju podatkovnih baz in velikih populacijskih kohort za pridobivanje informacij, ki bi pojasnile osnovo genetske regulacije kompleksnih bolezni, kot so srčno-žilna obolenja ali rak (7).
Genetska epidemiologija se je pojavila kot novo znanstveno področje, ki raziskuje vpliv genetskih dejavnikov na človeške lastnosti, predvsem na zdravje in bolezni, ter njihovo interakcijo z okoljskimi dejavniki. Njeno osrednje področje je preučevanje vzrokov in porazdelitve dednih ter kompleksnih bolezni v populacijah. Obsežne asociacijske študije celotnega genoma (angl. Genome-Wide Association Studies, GWAS), ki genotipizirajo tisoče SNP-jev pri tisočih posameznikih, so identificirale SNP-je, od katerih vsak deloma prispeva k razumevanju nastanka kompleksnih bolezni. Vendar vse to ni zadostovalo za popolno razumevanje genetske regulacije kroničnih bolezni. Manjkajočo povezavo med vplivi okolja, genetiko in boleznimi, ki je GWAS niso mogle zagotoviti, je dopolnilo razumevanje epigenetskih sprememb na DNK. Študija metilacijskih sprememb na genomu (metilom) je postala najpogosteje uporabljeno epigenomsko orodje za proučevanje vpliva okolja na regulacijo genov. Visoko zmogljive tehnologije v kombinaciji z računalništvom in informatiko so omogočile specializirana orodja, ki se uporabljajo za analizo bioloških podatkov in podatkov iz genomike, transkriptomike, proteomike in drugih sorodnih področij (8). Tako imenovane omike zajemajo celostno preučevanje bioloških molekul, kot so geni (genomika), RNK (transkriptomika), proteini (proteomika) in metaboliti (metabolomika), ter njihovih interakcij (interaktom) oziroma povezav (integratom), kar omogoča sistemsko razumevanje bioloških procesov. Zaradi sposobnosti hkratnega preučevanja velike količine parametrov so omike postale temelj sodobnih pristopov pri odkrivanju novih biooznačevalcev, personalizirani medicini in razumevanju kompleksnih bolezni (9).
V nadaljevanju bodo predstavljeni pristopi, ki so uporabljeni za odkrivanje novih genetskih in epigenetskih biooznačevalcev, ter z njimi povezani načini uporabe v diagnostične namene.
ASOCIACIJSKE ŠTUDIJE
Asociacijske študije so namenjene iskanju in oceni povezave fenotip-genotip oz. bolezni s posameznim polimorfizmom. Kot fenotip se v raziskavo vključi biološka/klinična značilnost, na osnovi katere lahko ocenjujemo bolezen, npr. povišan holesterol za oceno ateroskleroze ali povišan krvni tlak za oceno hipertenzije. Bolezni, kjer bi posamezen polimorfizem imel neposreden vpliv na razvoj patologije, so redke in jih poznamo kot monogenske bolezni. Primer takšne bolezni sta anemija srpastih celic ali cistična fibroza. Anemija srpastih celic nastane zaradi točkovne mutacije GAG —> GTG v genu za β-globin, HBB. Ta sprememba povzroči pojav valina namesto glutamina v β-verigi hemoglobina, kar vodi do nastanka strukturno spremenjenega hemoglobina (HbS) in posledično do spremenjene oblike eritrocitov. Pri cistični fibrozi pa prihaja do mutacije v genu CFTR, ki kodira membranski protein, odgovoren za transport kloridnih ionov skozi celično membrano. Novejša spoznanja kažejo, da je tudi pri monogenskih boleznih fenotip pogosto rezultat interakcije primarne mutacije ter drugih genetskih in okoljskih dejavnikov, kar lahko pomembno vpliva na potek bolezni, zato je tudi genetska osnova teh bolezni kompleksnejša, kot se je sprva domnevalo (10, 11).
Asociacijske študije raka, kardiovaskularnih bolezni in drugih stanj pogosto identificirajo polimorfizme, ki imajo posamezno majhen vpliv, v kombinacijah pa lahko znatno prispevajo k nagnjenosti posameznika za razvoj bolezni ter tudi njeni zgodnji diagnostiki in usmerjanju zdravljenja (12). Klasične vrste asociacijskih študij vključujejo študije kandidatnih polimorfizmov, kandidatnih genov, natančne preslikave in študije celotnega genoma oziroma epigenoma. Z napredkom umetne inteligence se tudi na tem področju začenja nova doba, ki bo s kombinacijo klasičnih metod in strojnega učenja omogočila zanesljivejšo analizo kompleksnih podatkovnih nizov in s tem naredila korak naprej k prepoznavanju klinično uporabnih biooznačevalcev (13).
Študije kandidatnih genov in kandidatnih polimorfizmov
Študije kandidatnih genov so pristop v genetskih raziskavah, pri katerem se na podlagi obstoječega biološkega znanja izberejo geni, za katere se domneva, da bi lahko vplivali na razvoj določenega fenotipa (bolezni ali lastnosti). V teh študijah se analizirajo genetske različice znotraj izbranih genov; najpogosteje so to SNP-ji. Po genotipizaciji kandidatnih genov v vzorcih DNK se pridobljeni podatki preverijo glede kakovosti, nato pa se izvede analiza asociacije, pri čemer je cilj ugotoviti, ali gen prispeva k variabilnosti opazovanega fenotipa (14). Pri študijah kandidatnih polimorfizmov se namesto celotnega gena izbere posamezen polimorfizem (npr. SNP), za katerega se domneva, da bi lahko vplival na razvoj določenega fenotipa. Takšne študije temeljijo na primerjavi pojavnosti izbranih SNP-jev v skupini bolnikov s proučevano boleznijo in v skupini zdravih posameznikov (15).
Študije kandidatnih genov in kandidatnih polimorfizmov so bile v zgodnjih fazah genetske epidemiologije osrednji pristop za preučevanje genetske osnove bolezni v času, ko sekvenciranje celotnega genoma še ni bilo dostopno in so se raziskovalci omejili na posamezne gene ali omejeno število SNP-jev. Čeprav so bile te raziskave pomembne za razvoj zgodnjih genetskih modelov, so imele številne omejitve, med drugim pristranskost pri izbiri kandidatnih genov, nezadostno statistično moč ter slabo ponovljivost rezultatov. Razlog za to je dejstvo, da je dejanski vpliv posameznega SNP-ja na bolezen običajno zelo majhen, kar zahteva raziskave na velikem številu bolnikov. Zato so bile skupine, vključene v začetne študije, pogosto premajhne, ter so tako dale lažno pozitivne rezultate (16, 17). Danes imajo študije kandidatnega polimorfizma vlogo predvsem tam, kjer je biološka vloga določenega gena že dobro pojasnjena in podprta z eksperimentalnimi ali kliničnimi dokazi. Kot dopolnilo GWAS ali multiomikam za izbran SNP omogočajo oceno funkcionalne vloge, vendar kot samostojen pristop niso več prva izbira v preučevanju kompleksnih bolezni, saj ne zajamejo celotne genomske slike in pogosto spregledajo pomembne SNP-je zunaj vnaprej izbranih regij ter vpliv gen-gen interakcije na genetsko nagnjenje k bolezni.
Asociacijske študije celotnega genoma
Asociacijske študije celotnega genoma (GWAS) so v zadnjih petnajstih letih postale eno ključnih orodij za preučevanje bolezni, saj omogočajo neodvisno ocenjevanje polimorfizmov znotraj celotnega genoma brez predhodnih hipotez, kot je to potrebno v primeru študij kandidatnega polimorfizma. Za razliko od študije kandidatnega polimorfizma, kjer se preučuje posamezne, vnaprej določene SNP, je pri GWAS vključenih veliko število polimorfizmov (do 2 milijona SNP), ki se nahajajo znotraj celotnega genoma, kar omogoča vzpostavljanje novih hipotez o genetski regulaciji bolezni. Genotipizirajo se SNP-ji, ki so vnaprej izbrani na podlagi njihove pogostosti v populaciji ter sposobnosti, da preko ocene vezavnega neravnotežja (angl. linkage disequilibrium) predstavljajo tudi druge bližnje variante. To omogoča učinkovito zajetje večine pogoste genetske variabilnosti v genomu. Glede na izbiro metode je lahko vključenih od več sto tisoč vse do 2 milijona polimorfizmov.
V GWAS se posameznikom najprej z uporabo visokozmogljivih genotipizacijskih platform, kot so SNP mikromreže (angl. SNP arrays), določi genotip polimorfizmov. Nato se z naprednimi bioinformatičnimi pristopi primerja pogostost milijonov genetskih polimorfizmov skupine zdravih posameznikov s pogostostjo istih polimorfizmov v skupini s preučevano značilnostjo (npr. povišan holesterol) pri bolnikih (npr. z aterosklerozo). Pri tem se iščejo genetske različice, ki se med skupinama pojavljajo s statistično značilno razliko. Na osnovi teh razlik lahko ocenimo, katere različice so povezane s povečanim ali zmanjšanim tveganjem za določeno stanje (npr. za povišan holesterol oziroma za aterosklerozo) (18).
Zanesljivost rezultatov GWAS je močno odvisna od velikosti skupin. Sodobne študije pogosto vključujejo več sto tisoč do več kot milijon udeležencev, saj šele tako dosežemo dovolj statistične moči za pravilno oceno majhnih učinkov posameznih genetskih različic, ki prispevajo k biološki/klinični značilnosti oziroma nastanku preučevane bolezni (18). Zaradi potrebne velike količine kakovostnih podatkovnih zbirk se GWAS pogosto odvijajo v sklopu mednarodnih raziskovalnih konzorcijev s sporazumi o izmenjavi podatkov, ki omogočajo združevanje rezultatov večjega števila kohort in s tem ustvarijo robustne, ponovljive znanstvene ugotovitve.
Rezultati GWAS imajo širok spekter aplikacij, saj s sočasno analizo in oceno ogromnega števila genetskih različic pri istem bolniku omogočajo globlji vpogled v biološke mehanizme kompleksnih bolezni, odkrivanje genov in bioloških poti, ki prispevajo k razvoju določenega fenotipa, ter s tem podpirajo razvoj novih terapevtskih tarč. Prav tako se GWAS uporabljajo za preučevanje dednosti preiskovanih fenotipov, za merjenje genetskih povezav med različnimi fenotipi ter za izdelavo poligenskih ocen tveganja. V kliničnem in raziskovalnem kontekstu tako GWAS pomagajo pri razvoju personalizirane medicine, zgodnjem odkrivanju ogroženih posameznikov in prepoznavanju bioloških poti, ki so pomembne za razvoj zdravil (18).
Poligenska ocena tveganja (angl. polygenic risk score, PRS) temelji na spoznanju, da k skupni genetski nagnjenosti k bolezni prispevajo številni polimorfizmi, vsak z relativno majhnim učinkom. Z združevanjem vseh znanih alelov tveganja v statistično utežen seštevek poligenske ocene tveganja se omogoča kvantitativna ocena posameznikove genetske predispozicije za določeno bolezen (19). Čeprav številne raziskave potrjujejo povezavo med PRS in klinično značilnostjo oziroma posredno z bolezenskim stanjem, American Heart Association (AHA) poudarja, da za rutinsko klinično uporabo še vedno ni na voljo standardizacije in validacije v različnih populacijah ter jasnih smernic o interpretaciji rezultatov. Kljub tem omejitvam se PRS vse pogosteje vključuje v klinično obravnavo kot dopolnilo tradicionalnim dejavnikom tveganja, zlasti pri srčno-žilnih boleznih, med drugim pri koronarni arterijski bolezni, hiperholesterolemiji in atrijski fibrilaciji (20).
Uporabnost metode podpira tudi nedavna prospektivna študija raka prostate, objavljena v New England Journal of Medicine, ki je pokazala, da moški z najvišjimi ocenami poligenskega tveganja izkazujejo znatno večjo verjetnost za razvoj raka, pri čemer bi številni primeri ostali neodkriti ob uporabi običajnih presejalnih metod. Rezultati kažejo, da lahko PRS pomembno dopolnjuje obstoječe pristope presejanja in usmerja personalizirane preventivne strategije, zlasti pri posameznikih z visokim genetskim tveganjem (21).
Asociacijske študije celotnega epigenoma
Epigenetski mehanizmi, kot so DNK metilacija (CpG), histonske modifikacije, remodeliranje kromatina ter epigenetska regulacija z nekodirajočimi RNK (npr. mikroRNK), omogočajo natančno uravnavanje ekspresije genov brez sprememb nukleotidnega zaporedja v DNK. Najbolj preučevani epigenetski biooznačevalec je DNK metilacija, pri kateri se na molekulo DNK, natančneje na citozin v CpG dinukleotidu, doda metilna skupina (-CH3). Ta kemična modifikacija ne spremeni zaporedja DNK, vendar vpliva na izražanje genov, kar lahko pomembno vpliva na razvoj avtoimunskih bolezni, metabolnih motenj, Alzheimerjeve bolezni in raka (22).
Asociacijske študije celotnega epigenoma (angl. epigenom-wide association studies, EWAS) omogočajo sistematično preučevanje epigenetskih sprememb na ravni celotnega genoma. EWAS potekajo tako, da se izolirani DNK izmeri stopnja metilacije na genomskem nivoju. Klasična metoda za določanje metilacije je bisulfitno sekvenciranje, v novejših raziskavah pa se uporabljajo različni metilacijski čipi (npr. Illumina Infinium MethylationEPIC BeadChip). Po pridobitvi podatkov sledi statistična obdelava, pri kateri se med posameznimi skupinami prepoznajo CpG mesta ali regije DNK, ki so različno metilirane (npr. med bolniki in kontrolno skupino). Te epigenetske spremembe se nato povežejo z geni in biološkimi potmi, kar omogoča nov vpogled v nastanek biološke/klinične značilnosti oziroma bolezni ter posredno odkrivanje biooznačevalcev, povezanih z boleznijo ali izpostavljenostjo dejavnikom, ki lahko prispevajo k razvoju posamezne bolezni. Takšni dejavniki vključujejo npr. kajenje, prehrano, onesnaženost okolja ali stres, ki lahko preko sprememb v metilaciji DNK vplivajo na izražanje genov in s tem na tveganje za razvoj bolezni (22).
EWAS ima danes ključno vlogo pri odkrivanju epigenetskih biooznačevalcev, ki bi lahko bili uporabni pri napovedovanju tveganja, zgodnji diagnostiki, določanju terapevtskih tarč in napovedi odziva na zdravljenje. Metilacijske ocene tveganja lahko natančneje napovedujejo tveganje za sladkorno bolezen tip 2 kot tradicionalni kazalniki. Lahko služijo tudi kot biooznačevalci za zgodnje odkrivanje kolorektalnega raka in avtizma. S pomočjo EWAS so bile odkrite tudi epigenetske tarče zdravljenja, kot so metilacije na IL5RA in KCNH2 pri astmi ali ABCG1 pri metaboličnih boleznih. Razvoj in uporaba inhibitorjev DNK metiltransferaze in inhibitorjev histonske deacetilaze ter naprednih programabilnih epigenetskih terapij, ki z uporabo sistemov, kot je CRISPR/dCas9, omogočajo specifično spreminjanje epigenetskih oznak na izbranih genih brez spreminjanja zaporedja DNK, dodatno potrjujejo, da epigenetski biooznačevalci in EWAS predstavljajo osrednji steber nastajajoče personalizirane epigenomske medicine (23, 24).
SEKVENCIRANJE CELOTNEGA GENOMA IN EPIGENOMA
Sekvenciranje celotnega genoma
Naslednica GWAS na področju vsegenomskih analiz je sekvenciranje celotnega genoma (angl. whole genome sequencing, WGS), ki jo je omogočila tehnologija sekvenciranja nove generacije (NGS). WGS je pristop, ki omogoča netarčno in celovito analizo celotnega človeškega genoma v eni sami preiskavi. Za razliko od GWAS, ki se osredotoča na vnaprej določene polimorfizme v genomu (do 2 milijonov), WGS omogoča popolno analizo celotnega DNK zapisa. S tem se zajame širok nabor genetskih različic – od polimorfizmov posameznih nukleotidov, manjših insercij in delecij, do strukturnih preureditev, ponovitev in variacij števila kopij. S tem predstavlja najbolj kompleksen in informacijsko bogat pristop k preučevanju genoma, saj omogoča enakomerno pokritost kodirnih in nekodirnih regij ter zaznavanje pomembnih genetskih različic, ki jih tarčne metode pogosto spregledajo. Zaradi svoje netarčne narave WGS proizvede veliko količino podatkov, ki zahtevajo napredne bioinformatične pristope za interpretacijo rezultatov (25).
V medicini se WGS vse bolj uveljavlja kot prvovrstni diagnostični test, zlasti na področju neonatalnega presejanja novorojencev in odkrivanju redkih bolezni. Uporaba WGS v neonatalnem okolju omogoča hitrejšo genetsko diagnostiko pri kritično bolnih novorojencih ter zgodnejše odkrivanje redkih dednih bolezni, kar lahko pomembno vpliva na klinično obravnavo in izbiro ustreznega zdravljenja. Tak pristop ima potencial za izboljšanje izidov zdravljenja z omogočanjem pravočasnih in ciljno usmerjenih terapevtskih odločitev. Velike klinične študije so pokazale, da lahko WGS doseže visoke napovedne vrednosti, ki presegajo zmogljivosti večine tradicionalnih genetskih testov. S tem ni pomemben le za postavitev diagnoze, temveč tudi za odkrivanje povsem novih bolezenskih genov (26).
WGS vse bolj vpliva tudi na razvoj personalizirane medicine. Celovita genomska analiza omogoča identifikacijo farmakogenetskih različic, ki lahko usmerjajo izbiro in odmerjanje zdravil, ter razkriva mutacije, ki so pomembne za tarčne terapevtske pristope pri rakavih in drugih kompleksnih obolenjih. V klinični praksi se WGS uporablja tudi pri urgentnih stanjih, zlasti v neonatalni intenzivni medicini, kjer hitre izvedbe WGS omogočajo pravočasno in usmerjeno obravnavo kritično bolnih novorojenčkov. WGS omogoča tudi zanesljivo odkrivanje patogenih germinalnih mutacij v genih, kot sta BRCA1 in BRCA2, kar je ključno pri oceni tveganja za raka dojke in jajčnikov ter pri odločitvah o izbiri tarčnih terapij. Zaradi teh aplikacij se WGS uveljavlja kot ena ključnih genomskih tehnologij sodobne medicine, ki povezuje diagnostiko, raziskovalno genomiko in omogoča razmah personaliziranih pristopov k zdravljenju (25, 26).
Celogenomsko bisulfitno sekvenciranje
Celogenomsko bisulfitno sekvenciranje (angl. whole-genome bisulfite sequencing, WGBS) predstavlja celovit pristop za analizo metilacije DNK na ravni celotnega genoma, saj omogoča določanje metilacijskega statusa posameznih CpG mest z visoko ločljivostjo. Metoda temelji na bisulfitni pretvorbi DNK, pri kateri se nemetilirani citozini pretvorijo v uracil, medtem ko metilirani ostanejo nespremenjeni, kar omogoča njihovo razlikovanje s sekvenciranjem. V primerjavi z metodami, ki temeljijo na mikromrežah (EWAS), WGBS ne zahteva vnaprej izbranih mest in omogoča odkrivanje novih ter redkih epigenetskih sprememb po celotnem genomu, vendar pa je povezan z večjimi stroški in zahtevnejšo bioinformatično analizo. S tem omogoča odkrivanje novih, prej nezaznanih metilacijskih sprememb, vključno z redkimi in tkivno specifičnimi vzorci, ter zagotavlja višjo ločljivost na ravni posameznega nukleotida. Tak pristop prispeva k natančnejšemu razumevanju epigenetske regulacije in odpira nove možnosti za identifikacijo biooznačevalcev, ki jih metode EWAS lahko spregledajo (27).
ZAKLJUČEK
Opisani pristopi so omogočili prepoznavo in ocenjevanje novih biooznačevalcev, kar je spodbudilo obsežno raziskovalno dejavnost in nastanek velikega števila objav o njihovi potencialni klinični uporabi. Kljub izrazitemu porastu znanstvene literature pa ostaja število biooznačevalcev, ki so dejansko vključeni v klinično prakso za odkrivanje, zdravljenje ali spremljanje pogostih kroničnih bolezni, še vedno omejeno. Za kronične bolezni je namreč značilno, da predstavljajo preplet številnih genetskih različic in okoljskih dejavnikov tveganja. Hkrati je tudi znano, da vsak posamezni dejavnik le malo prispeva k nastanku teh stanj, prava kombinacije velikega števila biooznačevalcev pa prinaša uporabne vrednosti, ki do zdaj niso bile dosegljive.
Napredek na področjih molekularne biologije, genetike in informatike je pospešil prepoznavo novih biooznačevalcev ter omogočil raziskovanje genomskih in epigenomskih označevalcev kot dopolnilo tradicionalnim kliničnim kazalnikom. Kljub tem dosežkom se na področju poligenskih in večfaktorskih kroničnih boleznih še vedno nahajamo v prehodnem obdobju, v katerem klasični diagnostični in terapevtski pristopi ostajajo zlati standard v klinični praksi, medtem ko se genetski testi, genske terapije in personalizirana zdravila postopoma uveljavljajo.
V zadnjih dveh desetletjih je bila zbrana velika količina podatkov, ki predstavlja priložnost in hkrati izziv. Treba jih je smiselno povezati in interpretirati z namenom poglobljenega razumevanja človeške biologije in patogeneze bolezni. Pri tem lahko upravičeno računamo na pomoč umetne inteligence. Takšen integrativen pristop bo pomembno prispeval k izboljšanju obstoječih strategij preprečevanja, napovedovanja in zdravljenja pogostih kroničnih bolezni ter jih nadgradil z orodji personalizirane medicine.
