HapMap Project

HapMap Project

Haplotype คือ รูปแบบของสารพันธุกรรม (genotype) ที่มีรูปแบบที่แตกต่างกันได้ในกลุ่มประชากรหรือแต่ละบุคคล (Polymorphism) โดยจะเลือกใช้กลุ่มของ DNA (alleles) ที่มีการส่งผ่านไปสู่ลูกหลานเป็น block เดียวกัน เป็นตัวแทนของความหลากหลายข้างต้น
ดังนั้น alleles ที่จะส่งผ่านสู่ลูกหลานเป็น block เดียวกันจะต้องมีลักษณะเป็น “Linkage Disequilibrium-LD” กล่าวคือ block ของ alleles ดังกล่าวจะไม่ถูกแยกออกจากกันโดยกระบวนการ crossing over ในช่วง meiosis

ตัวอย่าง alleles block ที่มีคุณสมบัติข้างต้น เช่น STR (Short tandem repeat) region, SNPs (Single nucleotide polymorphisms)

Haplotype มีความสำคัญหลายอย่าง เช่น
· Haplotype pattern กับการเกิดโรค โดยเฉพาะอย่างยิ่งโรคที่มีลักษณะเป็น multifactorial disease เช่น โรคหัวใจหลอดเลือด, โรคเบาหวาน, โรคความจำเสื่อม (dementia), โรคซึมเศร้า, โรคมะเร็ง เป็นต้น
· บอกหน้าที่สารพันธุกรรมโดยอ้อม เพื่อนำไปสู่ความเข้าใจกลไกการแสดงออกของ gene ที่แท้จริงต่อไป (Indirect implication of its functions)
· สุดท้ายใช้บอกโอกาสที่จะเกิดโรคจาก Haplotype pattern รูปแบบต่าง ๆ

HapMap Project จากความสำคัญของ haplotype จึงมีกลุ่มองค์กรที่คิดรวบรวม haplotype pattern จากฐานประชากรที่มีความหลากหลายทางเชื้อชาติ เพื่อใช้ ทำนายการเกิดโรค, การตอบสนองต่อการรักษา ซึ่งในช่วงแรกเป็นความร่วมมือระหว่างประเทศ ญี่ป่น, สหราชอณาจักร (อังกฤษ), แคนนาดา, จีน, ไนจีเรีย และ สหรัฐอเมริกา (3 กลุ่มเชื้อชาติ African, Asian, European) โดยจะเก็บไว้ในฐานข้อมูลกลางเพื่อให้นักศึกษาวิจัยสามารถแลกเปลี่ยนข้อมูล online
ได้ นำไปสู่ประโยชน์ในการรักษาทางการแพทย์ต่อไป
http://www.hapmap.org/

โครงการนี้เริ่มขึ้น ในปี ค.ศ. 1980 โดยใช้กลุ่มตัวอย่างจากประเทศต่าง ๆ ดังนี้ ไนจีเรีย – 30 คน, ญี่ปุ่น – 45 คน, จีน – 45 คน,
ยุโรปและอเมริกา – 30 คน
Phase I: เริ่มแรกค้นหา SNPs ทุก 5000 bases ได้ SNPs กว่าหนึ่งล้านตำแหน่ง (10% polymorphic) จนถึงปี ค.ศ. 2006 พบ SNPs กว่า 10 ล้านตำแหน่ง (40% polymorphic)
Phase II: จะเพิ่ม SNPs จากเดิมอีกกว่า 2 ล้านโดย Perlegen Sciences และอีกกว่า 5 แสนโดย Affymetrix

หมายเหตุ: SNPs (Single nucleotide polymorphisms) คือ base 1 ตำแหน่งที่แตกต่างกันในกลุ่มประชากรหรือระหว่างบุคคล ซึ่งพบได้ในหลาย ๆ ตำแหน่งบนสาย DNA ทำให้เกิดรูปแบบที่หลากหลาย (Haplotype pattern)
การจะใช้ทุกตำแหน่งของ SNPs เพื่อแยกรูปแบบออกจากกันนั้นยุ่งยากและเสียเวลา จึงเลือกใช้บางตำแหน่งของ SNPs (tag SNPs) ก็เพียงพอในการแยกแต่ละรูปแบบออกจากกัน

……..TAGC………
……..TGGC………
ตัวอย่าง SNPs มี base A และ G ต่างกัน

…..A…..C…..A…..T…..G…..T…..
…..A…..C…..C…..G…..C…..T…..
…..G…..T…..C…..G…..G…..A…..
ตัวอย่าง SNPs 3 รูปแบบ เลือกใช้ tag SNPs AT, AG, GG เป็นตัวแทนแต่ละรูปแบบ

System Biology

System Biology
เป็นการนำความรู้สหสาขาวิชาทางด้านชีววิทยา รวบรวมไว้เป็นระบบเดียวโดยแสดงความสัมพันธ์ระหว่างกันทั้งนี้เพื่อให้สามารถเข้าใจการทำงานโดยตลอดตั้งแต่ระดับ molecular level จนถึงระดับ organism level(ตั้งแต่ระดับ DNA จนถึงเป็น ตัวบุคคล) ดังรูป 1

ตัวอย่างเช่น โรคธาลัสซีเมียชนิดเบต้า (β thalassemia major)
Ø DNA & RNA level: เกิดจาก mutation ของ β globin gene
Ø Proteins level: ทำให้เสร้าง β globin ที่ผิดปกติ
Ø Cells level: เม็ดเลือดแดงรูปร่างผิดปกติ และปริมาณน้อยลง
Ø Tissues & Organs level: ตับ-ม้ามโต เซลล์ไขกระดูกเพิ่มปริมาณขึ้นเพื่อชดเชยที่ถูกทำลายไป
Ø Organ system level: นำไปสู่อาการทาง clinic เช่น ซืด, เหนื่อยง่าย, รูปหน้าผิดปกติ, ภาวะเหล็กเกิน (จากที่ต้องรับโลหิตในภาวะซืด)
เกิดภาวะ ตับแข็ง, เบาหวาน ตามมา
Ø Organism level: วินิจฉัยว่าเป็น โรคธาลัสซีเมีย ซึ่งอาจนำไปสู่การเสียชีวิตก่อนวัยอันควร

จะเห็นได้ว่า System biology เป็นการอธิบายความผิดปกติในระดับ DNA เชื่อมโยงความสัมพันธ์ขึ้นไปในระดับที่ใหญ่ขึ้นไปตามลำดับ จนท้ายที่สุดนำไปสู่การแสดงออกของโรค ดังตัวอย่างข้างต้น
ทั้งนี้การที่จะเชื่อมโยงความสัมพันธ์ดังกล่าวทำได้ยากเนื่องจากการศึกษาที่ผ่านมาจะเป็น
การศึกษาแยกส่วน กล่าวคือ
· Genomic ศึกษาแต่เฉพาะ DNA sequence
· Transcriptonomic ศึกษาแต่เฉพาะ DNA expression (RNA)
· Proteomic ศึกษาแต่เฉพาะ protein (function & structure) เป็นต้น

ดังนั้นจึงมีผู้ที่คิดใช้ความรู้ทาง คณิตศาสตร์ และ computer engineering เข้ามาช่วยในการเชื่อมโยงความสัมพันธ์ดังกล่าว โดยแปลงข้อมูลในแต่ละการศึกษาให้อยู่ในรูปแบบที่สามารถคำนวณได้และให้ computer เป็นผู้ประมวลความสัมพันธ์และแสดงผลออกมา ดังรูป 2,3

(หมายเหตุ: การรวบรวมข้อมูลในแต่ละสหสาขาวิชาทางชีววิทยาจะใช้ Bioinformatics เข้าช่วย)

ในยุคปัจจุบันที่การศึกษาทางด้านชีวโมเลกุล (Molecular biology) มีความก้าวหน้าไปมาก อุปกรณ์เครื่องมือที่ใช้ในการวิเคราะห์วิจัยรวดเร็วและมีประสิทธิภาพมากขึ้น เช่น DNA sequencing, Micro array, Mass spectrometry, NMR เป็นต้น ดังในตาราง 1
ดังนั้นการเชื่อมโยงความสัมพันธ์ระหว่างข้อมูลในแต่ละส่วนจะเป็นกุญแจที่ใช้ในการตอบคำถาม ที่การศึกษาแยกส่วนไม่สามารถตอบได้ในหลายกรณีในขณะนี้ เพราะสามารถเห็นความสัมพันธ์ทั้งหมด
เป็นองค์รวมนั่นเอง

การประยุกต์ใช้ (application)
1. เพื่อเชื่อมโยงหน้าที่การทำงานของโปรตีนและสร้างเป็นแผนผัง (pathway) ดังรูป 4

2. Hyperquatitative Tissue Analysis (HTA) เป็นการเชื่อมโยงการอ่านชิ้นเนื้อ (microscopic tissue pathology) เข้ากับการดู genes expression (Micro array) ในเวลาเดียวกัน ทั้งนี้เพื่อเพิ่มความแม่นยำในการวินิจฉัย

ดังรูปที่ 5
ในอนาคตหาก system biology พัฒนามากขึ้น สามารถนำประยุกต์ใช้เข้ากับการรักษาในปัจจุบัน (clinical implementation) โดยการรักษาจะไม่ถูกจำกัดอยู่แค่การใช้เครื่องมือที่ประเมินในระดับอวัยวะ, ชิ้นเนื้อ หรือการทำงานในระดับมหภาค (CT, Ultrasound, MRI, EKG, Tissue pathology) แต่จะเป็นการนำเอาเครื่องมือที่ประเมินในระดับโมเลกุล (DNA-RNA array) ผนวกเข้าด้วยกันทำให้การวินิจฉัยและ การรักษาถูกต้อง, แม่นยำ และมีประสิทธิภาพมากขึ้น ดังรูป 6

นอกจากการประยุกต์ใช้ทางการแพทย์แล้ว system biology ยังสามารถใช้เชื่อมโยงกับ biology สาขาอื่น (Zoology, Environment, Food, Energy etc.) เข้าด้วยกันเพื่อเห็นความสัมพันธ์ระหว่าง
สิ่งแวดล้อมกับมนุษย์ จนถึงระดับ Biosphere ได้อีกด้วย ดังรูป 7

รายชื่อสมาชิก กลุ่ม 2

นพ. อภิรมย์ วงศ์สกุลยานนท์

พญ. ชนัดดา ด่านพิษณุพันธ์

นส. ศิริวิมล ฤาชา

นส. ศราวัลย์ จันทร์เทศ

นาย ปฐมพงษ์ สถาพรพงษ์

นส. ปัทมวรรณ ประไพทอง

นาย สุรพงษ์ คล้ายบุตร

นาย ณัฐพล พงษ์ประสิทธิ์