Last ned - Helsedirektoratet
Last ned - Helsedirektoratet
Last ned - Helsedirektoratet
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Eksempel på utilsiktede funn<br />
Problemstillingen kan belyses med et tenkt<br />
eksempel. En kvinne får sitt DNA sekvensert<br />
enten som ledd i diagnostikk eller i et<br />
forskningsprosjekt. Forskningsprosjektet<br />
behøver ikke ha som siktemål å gjøre<br />
genetiske funn, men kan for eksempel ha<br />
som formål å undersøke genuttrykk i en<br />
bestemt celletype. I dette tenkte tilfellet<br />
viser analysen at vedkommende i tillegg til<br />
det man leter etter også har en mutasjon i<br />
genet BRCA1, et funn som tilsier at<br />
kvinnen har ca 60 % risiko for å utvikle<br />
brystkreft i løpet av livet.<br />
Et annet eksempel: Ved diagnostikk av ei<br />
jente med mental retardasjon fnner man<br />
delesjon av et gen for arvelig kjønnsbundet<br />
sykdom. Jenta har ikke selv sykdommen<br />
(fordi den bare rammer gutter), og hun vil<br />
etter all sannsynlighet ikke få barn selv.<br />
Men funnet kan ha betydning for familiemedlemmer<br />
da det kan være andre<br />
kvinnelige bærere i familien som har risiko<br />
for å få syke gutter<br />
Det er også nødvendig å tenke gjennom og<br />
avklare hvilket ansvar laboratorier skal ha for<br />
tilbakemelding om tilfeldige funn. Å tolke et helt<br />
genom med tanke på varianter som kan ha<br />
helsemessig betydning er per i dag en omfattende<br />
og krevende jobb som tar må<strong>ned</strong>er.<br />
Dette vil ikke være hensiktsmessig, og det kan i<br />
tillegg føre til en mengde feiltolkninger.<br />
Den store mengden data som genereres ved<br />
genomundersøkelser kan paradoksalt nok gjøre<br />
at problemet med utilsiktete funn blir mindre<br />
enn man kunne tro ved først øyekast. Et eksempel<br />
kan illustrere dette. Hvis man som ledd<br />
i å lete etter den genetiske årsaken til en enkeltgensykdom<br />
bestemmer seg for å sekvensere<br />
alle proteinkodende gener (”eksomet”) vil man<br />
Filtrering av gensekvenseringsdata<br />
Eksempel på ”fltre” kan være at man<br />
fjerner alle varianter som ikke fører til<br />
endring i aminosyresammensetning av<br />
proteiner (såkalt silent mutations). Man vil<br />
også ofte fltrere bort alle varianter som er<br />
kjent fra før som vanlig genetisk variasjon. I<br />
tillegg vil det i en del tilfelle være aktuelt å<br />
fltrere i henhold til kunnskap om arvegang<br />
osv. En tredje fltreringsmetode kan være å<br />
fjerne mest mulig informasjon om kjente,<br />
sykdomsgivende mutasjoner, men dette er<br />
bare hensiktsmessig hvis man er sikker på<br />
at ikke noe av det man fjerner kan være<br />
viktig for den sykdommen man undersøker.<br />
Et protein kan ha fere ulike funksjoner, og<br />
ulike mutasjoner kan påvirke ulike deler av<br />
proteinet, og gi ulik effekt med hensyn på<br />
sykdom.<br />
identifsere mange tusen genetiske varianter.<br />
Dette er alt for mange varianter til at man kan<br />
gå igjennom dem manuelt. Man vil derfor bruke<br />
bioinformatiske verktøy til å ”fltrere” dataene.<br />
Det er først når dataene er fltrert at man får en<br />
liste med genetiske varianter som man vil<br />
undersøkes manuelt. Med andre ord vil mye av<br />
analysene foregå inne i en ”black box” og<br />
mange av de genetiske variantene blir fltrert<br />
bort før noen faktisk ser på dem.<br />
161