02.06.2021 klo 14.00

Tietokoneohjelmoijat ja datatieteilijät etsivät yhdessä mikrobiologien ja kemistien kanssa lääketieteessä hyödynnettäviä yhdisteitä.

Tuhansien vuosien ajan lääketiede on etsinyt luonnosta inspiraatiota ja mahdollisia hyödynnettäviä yhdisteitä. Marjapuun kuori, limainen merijänis ja jopa sienet ovat auttaneet tutkijoita löytämään lääkkeitä syöpään, veren korkeaan kolesterolipitoisuuteen ja muihin sairauksiin. Vuonna 2015 luonnosta löytyneestä lääketieteellisestä mahdollisuudesta, myönnettiin Nobel-palkinto japanilaiselle mikrobiologille Satoshi Omuralle ja yhdysvaltalaiselle loisbiologian asiantuntijalle William C. Campbellille. He kehittivät maaperän bakteereista alkunsa saaneen uuden hoitomuodon jokisokeuden ja muiden loissaurauksien hoitoon. 

Tehokkaiden yhdisteiden löytäminen luonnosta on kuitenkin ollut tähän asti aikaa vievää ja työlästä. Yhdistämällä huippuluokan geenisekvensoinnin, massaspektrometrian ja big datan tutkijat ovat pystyneet merkittävästi kehittämään prosessia, joka aiemmin on pitkälti tukeutunut kokeiluun sekä yritykseen ja erehdykseen. 

Lähikuva Pfizerin bakteerikantojen kokoelmasta. (Jeffrey Janso)
 

Teknologia apuna pitkien evoluutioaikajänteiden hyödyntämisessä

Miljoonien vuosien ajan luonto on valikoinut yhdisteitä, joista on luonnossa sopeutumisetua ja joista toisaalta voisi olla hyötyä lääketieteessä. ”Anna evoluution tehdä kemiaa puolestasi", sanoo tutkija ja luonnonyhdisteiden osaston päällikkö Edmund Graziani Pfizerin Grotonin tutkimus- ja kehityslaitoksesta, Connecticutista. "Nyt voimme aloittaa prosessin, jossa hyödynnämme evoluution aioneja – sitä, mitä mikrobit tekevät erittäin pitkällä aikavälillä kemiansa suhteen. Pystymme nykyaikaisen teknologian ja laskentatyökalujen avulla nopeasti tunnistamaan asiat, joilla voisi todella olla merkitystä ihmisten terveydelle."

Pfizer on seitsemänkymmenen vuoden aikana koonnut satojentuhansien näytteiden laajuisen mikrobinäytekokoelman. Pakastekuivatut ja lasiputkiin sinetöidyt näytteet on varastoitu yrityksen Grotonissa sijaitsevaan laitokseen. ”Suurin osa näytteistä on edelleen pitkälti koskemattomia”, Graziani kertoo. Tämä johtuu hänen mukaansa siitä, että näytteet voivat vaatia jopa vuosia kasvaakseen ja lisäksi jokaisen näytteen testaaminen vaatii paljon työtä.
 

Kurkistus biologisen monimuotoisuuden aarteisiin

"Tämä valtava biologisen monimuotoisuuden kirjasto sijaitsee varastoissamme", Graziani kertoo. "Nyt yritämme uuden tekniikan avulla selvittää, mitkä mikrobit voivat osoittautua lääketieteen kannalta hyödyllisimmiksi. Tämä tarjoaa meille uusia mahdollisuuksia löytää mahdollisia lääkkeitä luonnosta."

Grazianin mukaan mikrobien tutkiminen on historiallisesti perustunut käymisprosessin kautta tapahtuvaan kasvattamiseen. Kasvatuksen jälkeen tutkijoiden on eroteltava eri yhdisteet toisistaan ja testattava jokainen erikseen selvittääkseen, miten ne toimivat. Hänen mukaansa kuitenkin usein jopa vuosien työn jälkeen tutkijat saattavat huomata, että he ovat juuri löytäneet uudestaan jotakin jo tunnettua tai että mahdollisesti mielenkiintoisella yhdisteellä ei ole uuden lääkkeen edellyttämiä kemiallisia ominaisuuksia.

Mikrobikirjasto Pfizerin Grotonissa. (Jeffrey Janso)
 

Eri alojen asiantuntijoiden yhteistyö on tärkeää

Huippuluokan analyysityökalujen ansiosta tutkijat saattavat ohittaa edellä mainitut työläät testausprosessit. "Tämän uuden lähestymistavan hienous on siinä, että enää ei tarvitse kasvattaa tai uuttaa mitään", Graziani sanoi. "Sen sijaan genomien sekvensoinnin, big data -algoritmien ja muun teknologian voimalla pystytään ennustamaan yhdisteiden potentiaalia  ja tekemään päätelmiä niiden toimivuudesta."

Teknologian avulla tutkijat voivat skannata mikrobin koko genomin, ja sen jälkeen kasvattaa ja testata niitä yhdisteitä, joilla on lääketieteellisessä mielessä eniten potentiaalia. Graziani kertoo, että moniammatillisen tietokoneohjelmoijista, mikrobiologeista, kemisteistä ja datatieteilijöistä koostuvan ryhmän tavoitteena on löytää uusia testattavia yhdisteitä.

"Näissä organismeissa piilee valtava potentiaali", Graziani toteaa. "Olemme vasta alussa, mutta teknologia on kehittynyt niin pitkälle, että uskomme pystyvämme rakentamaan menetelmän, jolla löytää luonnosta kaikkein kiinnostavimmat molekyylit."

Muokattu Pfizerin artikkelista: Using Big Data to Discover Nature’s Medicine