Są to bardzo drogie eksperymenty, trudne do przeprowadzenia i nieprawdopodobnie długie, bo zajmują prawie 2 lata.

MT: Jaki jest postęp tych prac, jeśli chodzi o przybliżenie nas do opracowania szczepionki na HIV?

J.K.: Wydarzyła się rzecz wielka. Prof. Louis Picker z Oregonu skonstruował szczepionkę o współczynniku sukcesu ponad 50%, to znaczy że ponad 50% małpek po zaszczepieniu było uodpornionych na SIV. Nie potrafiono jednak wyjaśnić, dlaczego. Nie znaleziono żadnych charakterystycznych markerów, które wskazałyby, co chroni zwierzęta przed chorobą. Wspólnie z dr. Barrenäsem zaproponowaliśmy wówczas zastosowanie naszych metod. Z danych RNAseq pochodzących ze szczepionych zwierząt uodpornionych i nieuodpornionych skonstruowaliśmy klasyfikatory, które z bardzo dużą dokładnością, bo około 92%, potrafią już w 3 dniu po szczepieniu przewidzieć, które zwierzęta będą uodpornione, a które nie. Od strony bioinformatycznej nasze zadanie w badaniach nad HIV jest zbliżone do tego, co robimy w Pan-Cancer. Inne są dane, ale metody podobne.

MT: Kiedy możemy się spodziewać aplikacji szczepionki u ludzi?

J.K.: Szczepionka o skuteczności powyżej 50% może być testowana z udziałem ludzi, i tak się niedługo stanie. Ale wcześniej trzeba wyeliminować problem w postaci niepożądanych działań ubocznych (szczepionka powoduje powikłania neurologiczne). Dzięki znajomości modelu zwierzęcego biomedycy i inżynierowie genetyczni konstruujący szczepionkę są w stanie przeanalizować, która jej część (wektor DNA wszczepiany do innego wirusa) może odpowiadać za uszkodzenia neurologiczne.

MT: Jaki jest mechanizm działania tej szczepionki?

J.K.: Większość stosowanych szczepionek jest populacyjna, czyli podawana dużej grupie ludzi, która nabiera odporności i jest chroniona przed zachorowaniem. Tak działają szczepionki przeciwko odrze czy różyczce. Ta na HIV jest tzw. szczepionką niesterylizującą, to znaczy że można ją podać pacjentowi po zakażeniu. Jest ona podobna do szczepionki przeciwko wściekliźnie. Nie szczepimy na wściekliznę całej populacji, tylko gdy pojawia się realne ryzyko zakażenia – po ugryzieniu przez psa lub inne zwierzę. Po zaszczepieniu układ immunologiczny dokonuje transformacji, która pozwala mu zwalczyć wirusa.

MT: Zakażone SIV zielone małpki w teście uzyskują wynik seropozytywny, a jednak nie chorują. Dlaczego?

J.K.: HIV zaczyna swoją aktywność chorobotwórczą w układzie trawiennym. Wirus atakuje ścianki jelit, niszczy je i wywołuje zakażenie, co pobudza układ immunologiczny do produkcji limfocytów T. Układ odpornościowy jest przeciążony produkcją komórek T, przez co wirus łatwiej w nie wnika i osiąga sukces, zakażając je. Okazało się, że u zielonych małpek nie ma żadnej poważnej infekcji w ścianach jelit. Nie wiedziano, dlaczego. Wspomniany dr Barrenäs odkrył, że u tych małpek aktywne są geny podobne do genów salamandry, które są odpowiedzialne za regenerację tkanek. Człowiek też ma te geny, ale są one wyłączane po okresie rozwojowym. U zielonych małpek mogą być one aktywowane i sterują bardzo szybkim odbudowywaniem się ścianek jelit. Dzięki temu nie dochodzi do zakażenia SIV. To odkrycie może być wskazówką, jak leczyć ludzi. Być może będzie możliwe uruchomienie podobnego mechanizmu u człowieka.

MT: W jakich innych projektach naukowych bierze pan jeszcze udział?

J.K.: Badamy mechanizmy powstania cukrzycy typu 2. Udało nam się po raz pierwszy na świecie połączyć analizę przebiegu cukrzycy w 5 różnych tkankach: mięśniowej, wyspy trzustki, osocza krwi, tłuszczu podskórnego i wątroby. We wszystkich przeprowadzono analizy metaboliczne. Badaliśmy komórki zdrowe, w stanie przedcukrzycowym i cukrzycy klinicznej. Trudność tych badań polega na tym, że metabolity ulegają dynamicznym przemianom. Odkryliśmy pewne kombinacje metabolitów, które mogą charakteryzować stan przedcukrzycowy przechodzący w cukrzycę. Co to daje? Możliwość diagnostyki cukrzycy na bardzo wczesnym etapie.

MT: W jakich badaniach jest wykorzystywana sztuczna inteligencja? Jakie są jej zalety?

J.K.: Kiedy po raz pierwszy ogłoszono zsekwencjonowanie genomu człowieka, niektórzy podekscytowani naukowcy mówili: teraz będziemy wiedzieli o człowieku wszystko. Okazało się, że to nieprawda. Genom ludzki zaczęto badać i analizować na wszelkie możliwe sposoby. Pewne choroby zostały rozszyfrowane, ale wielu w dalszym ciągu nie jesteśmy w stanie rozpracować. Nie ma wątpliwości, że same informacje, których źródłem jest DNA, to za mało. Konieczne jest łączenie danych o ekspresji genów, metylacji DNA, stanów chromatyny, metabolicznych, wielu innych, a być może nawet obrazowania całego ciała człowieka oraz włączanie do badań danych zewnętrznych, np. o środowisku. Przykład? Rak powstaje w dużej mierze z powodu mutacji somatycznych, a te pojawiają się pod wpływem czynników środowiskowych (palenie, alkohol, promieniowanie UV – powodują zmiany w DNA).

W projekcie Pan-Cancer udało się określać wiek mutacji. Okazało się, że niektóre mogą wystąpić nawet 10 lat przed powstaniem nowotworzenia i dopiero kolejne, nabyte wspólnie, prowadzą do nowotworzenia. Łączenie danych diagnostycznych z klasycznej medycyny, genetycznych i środowiskowych, pobieranych przez dłuższy czas (longitudional studies), będzie prowadziło do następnego wielkiego postępu w medycynie. W tej chwili spośród metod sztucznej inteligencji wykorzystujemy głównie metody uczenia maszynowego, sieci interakcji między genami, automatycznej analizy tekstów naukowych, automatycznej diagnostyki z różnych form obrazowania.

MT: Czy jest granica postępu nauki?

J.K.: Dla mnie jako naukowca fascynujący jest efekt poznawczy, odkrywanie rzeczy nowych, najprzeróżniejszych czynników i ich kombinacji przyczyniających się do chorób. Nauki o życiu podlegają zmianom niemalże rewolucyjnym. Do niedawna bazowały one na małych ilościach danych. Dzisiaj wiele z nich staje się naukami informacyjnymi opartymi na wielkiej ilości danych, a za tym idzie duża zmiana metodologiczna. Biologowie czy naukowcy zajmujący się medycyną molekularną tworzą zespoły z bioinformatykami. Biologia zaś stawia dziś pytania, na które do tej pory informatyka nie spoglądała.

Warto zauważyć, że dzięki modelom bioinformatycznym przeprowadza się mniej doświadczeń na zwierzętach. I ma to wymiar etyczny.

Podam przykład ze Szwecji. Kiedy Saab i Volvo zaczęły produkować bezpieczniejsze samochody, w ramach testów zderzano na poligonie setki aut. Dzisiaj mamy modele matematyczne zderzeń i wykonujemy obliczenia symulujące. Wystarczy wykonać 3-5 zderzeń rzeczywistych, żeby sprawdzić, czy model matematyczny przewidział prawidłowo ich efekty. W obszarze moich badań mamy podobną sytuację: zastępujemy testy na żywych organizmach modelami matematyczno-informatycznymi. Zamiast szczepić 300 małpek makak rezus, wystarczy wykorzystać do tego celu 30 zwierząt. Bo często odpowiedź na zadane pytanie znajdziemy, modelując dane i obliczając uodpornienie zwierzęcia, zaś upewnimy się ostatecznie, testując model na, powiedzmy, 10 małpkach.

Czas życia został nieprawdopodobnie wydłużony. Przewiduje się, że dzieci, które dzisiaj rodzą się w Szwecji, będą żyły średnio po 100 lat.

Jeśli mamy długo być starzy, to lepiej te lata spędzić w dobrej formie, niż cierpieć.

Do góry