Araştırma ekibi, kromatin erişilebilirliğini genom çapında haritalamak için ATAC-seq (Assay for Transposase-Accessible Chromatin using sequencing) teknolojisini kullandı. Bu yöntem, DNA’nın sıkıca paketlenmiş bölgeleri ile transkripsiyon faktörlerinin ve diğer düzenleyici proteinlerin bağlanmasına açık bölgelerini ayırt ederek, hangi genlerin aktif olarak okunmaya hazır olduğunu ortaya koyuyor. Bugüne kadar AML sınıflandırmasında böylesine geniş bir kohortta uygulanmamış olan epigenomik profil çıkarma işlemi, her biri kendine özgü açık kromatin bölgesi desenleri, transkripsiyon faktörü ağları ve süper-güçlendirici (super-enhancer) manzaraları sergileyen 16 epigenomik alt grubun tanımlanmasına olanak sağladı. Bu gruplar, lösemi hücrelerinin moleküler kablajını yansıtarak hastalığın ilerleyişi, klinik seyri ve ilaç duyarlılığı hakkında gen mutasyonlarının tek başına sağlayamayacağı prognostik bilgiler sunuyor.

Araştırmacılar, epigenomik alt grupların biyolojik geçerliliğini test etmek için tek hücreli RNA dizileme ve tek hücreli ATAC-seq yöntemlerini bir arada kullandı. Sonuçlar, her bir alt grubun kendine has kromatin durumlarının lösemik hücre popülasyonu boyunca tutarlı bir şekilde korunduğunu doğruladı. Bu bulgu, söz konusu epigenetik imzaların yalnızca bir anlık görüntü olmadığını, hücrelerin kimliğini ve davranışını belirleyen kalıcı düzenleyici programlar olduğunu kanıtlıyor. Dahası, tek hücre düzeyinde yapılan bu karşılaştırmalar, epigenomik sınıfların tümör içi heterojeniteyi de bir ölçüde açıklayabildiğini, ancak esas olarak farklı hastalar arasındaki çeşitliliği yakaladığını ortaya koydu.

Çalışmanın en çarpıcı bulgularından biri, yeni tanımlanan birçok epigenomik alt grubun mevcut genomik sınıflandırmalarla tam olarak örtüşmemesi oldu. Mutasyon merkezli analizler, AML’yi NPM1, FLT3-ITD, TP53 gibi tekrarlayan gen değişikliklerine göre kategorize ederken, kromatin erişilebilirlik haritası bu genetik sınırların ötesine geçen gizli bir çeşitliliği açığa çıkardı. Örneğin, aynı gen mutasyonuna sahip hastalar farklı epigenomik gruplarda yer alabildi ya da birbiriyle ilişkisiz mutasyon profilleri benzer kromatin durumları sergileyebildi. Bu durum, löseminin yalnızca DNA dizisindeki kalıcı değişikliklerle değil, aynı zamanda gen ifade programlarını yöneten epigenomik bağlamla şekillenen bir hastalık olduğunu güçlü bir şekilde vurguluyor.

Epigenomik bilginin klinik modellere entegre edilmesi, risk sınıflandırmasında kayda değer bir ilerleme sağladı. Geleneksel olarak somatik mutasyonlara dayanan prognostik skorlama sistemleri, epigenomik alt gruplar eklenerek güncellendiğinde, hastaların sağkalım beklentileri ve nüks riskleri daha doğru öngörülebilir hale geldi. Araştırmacılar, bu bütüncül yaklaşımın özellikle orta risk grubundaki belirsiz vakaları aydınlatmada yararlı olduğunu, böylece hangi hastaların yoğun kemoterapiden fayda görebileceğini ya da allojenik kök hücre nakline daha erken yönlendirilmesi gerektiğini belirlemeye yardımcı olduğunu bildiriyor.

Epigenomik alt gruplar aynı zamanda ilaç duyarlılığına dair kritik ipuçları taşıyor. Transkripsiyon faktörü ağları ve süper-güçlendirici profilleri, belirli onkogenik programları sürdüren düzenleyici devreleri işaret ediyor. Örneğin, bazı gruplar BRD4 gibi epigenetik okuyucu proteinlere bağımlılık gösterirken, diğerleri spesifik kinaz inhibitörlerine karşı hassasiyet sergiliyor. Bu bağlantılar, yalnızca mutasyon varlığına göre değil, hücrenin epigenetik durumuna göre hedefe yönelik tedavi seçeneklerinin önünü açıyor. Araştırmacılar, söz konusu bulguların, AML için klinik deneyler aşamasındaki epigenetik ilaçların (örneğin BET bromodomain inhibitörleri veya yeni nesil hipometile edici ajanlar) doğru hasta alt kümelerine yönlendirilmesinde rehberlik edebileceğini belirtiyor.

Bu büyüklükte bir epigenomik veri setinin işlenmesi ve yorumlanması, biyoinformatik ve makine öğrenmesi algoritmalarının yoğun kullanımını gerektirdi. Araştırma kapsamında kromatin erişilebilirlik verileri, motifi zenginleştirme analizleri ve gen ifadesi veri tabanları entegre edilerek, her alt grubu karakterize eden ana düzenleyici transkripsiyon faktörleri belirlendi. Bu faktörler arasında hematopoietik gelişimin ustalık düzenleyicilerinin yanı sıra, daha önce AML ile ilişkilendirilmemiş bir dizi yeni transkripsiyonel sürücü de yer alıyor. Bu keşif, lösemi biyolojisinin anlaşılmasında yeni araştırma hatlarının filizlenmesine zemin hazırlayabilir.

Çalışmanın epidemiyolojik kapsamı da dikkat çekici. Japonya ve İsveç’ten toplam 1.521 hasta örneğinin dahil edilmesi, sonuçların farklı popülasyonlar arasında genellenebilirliğini destekliyor. Örneklerin kemik iliği ve periferik kandaki blast hücrelerinden elde edilmiş olması, ATAC-seq profillerinin blast popülasyonlarındaki epigenetik durumu doğru şekilde yansıttığını gösteriyor. Ek olarak, kullanılan tekniğin görece hızlı ve az sayıda hücreyle çalışabilmesi, gelecekte klinik rutine entegrasyon açısından avantaj sağlıyor.

Araştırmacılar, epigenomik sınıflandırmanın mevcut genetik testlerin yerini alması değil, onları tamamlayan bir katman olarak değerlendirilmesi gerektiğinin altını çiziyor. Mutasyon profilleri lösemik transformasyonun tetikleyicilerini ortaya koyarken, kromatin durumu bu genetik lezyonların işlediği hücresel bağlamı ve sonuçta ortaya çıkan gen ifade programını tanımlıyor. Her iki bilginin birlikte değerlendirilmesi, hastalığın biyolojik portresini daha yüksek çözünürlükle çiziyor.

Çalışmanın getirdiği yenilik, tek başına sınıflandırmanın ötesine geçiyor. Araştırmacılar, her epigenomik alt grubu tanımlayan düzenleyici devrelerin, potansiyel olarak farmakolojik müdahale noktaları olduğunu düşünüyor. Süper-güçlendirici bölgeleri ve bunlara bağlı transkripsiyon faktörü ağları, lösemi hücrelerinin hayatta kalması için kritik olan onkogen ifadesini sürdürüyor. Bu programları epigenetik ilaçlarla yeniden programlamak, henüz klinik öncesi aşamada olan umut verici bir strateji olarak öne çıkıyor. Bazı alt gruplar, mevcut kemoterapötik rejimlere karşı intrinsik direnç sergilerken, diğerleri epigenetik yeniden programlamaya daha yatkın olabilir.

Sonuç olarak, Kyoto Üniversitesi ve Karolinska Enstitüsü öncülüğündeki bu uluslararası işbirliği, AML’yi anlamlandırmada merceğin gen mutasyonlarından kromatin haritasına doğru kaydırılması gerektiğini ikna edici biçimde ortaya koyuyor. Çalışma, löseminin moleküler sınıflandırmasına yeni bir boyut kazandırarak hem temel biyolojiyi aydınlatıyor hem de klinik karar alma süreçlerini iyileştirme vaadi taşıyor. Önümüzdeki yıllarda, ATAC-seq temelli epigenomik profilleme, AML tanısı alan bireylerin değerlendirilmesinde tamamlayıcı bir araç haline gelirse, hassas tıp pratiğinde yeni bir sayfa açılacak.

Çalışmanın merkezinde yer alan çoklu-omik yaklaşım, biyolojiyi yalnızca genetik kod üzerinden okumak yerine, hücrelerin nasıl çalıştığını farklı düzeylerde izlemeyi amaçlıyor. Genomik veri kalıtsal yatkınlıkları, transkriptomik veri genlerin hangi koşullarda aktifleştiğini, proteomik veri protein düzeyindeki işleyişi, metabolomik veri ise metabolik durumları yansıtıyor. Epigenomik katmanlar da çevresel etkilerin ve düzenleyici mekanizmaların gen ifadesi üzerindeki etkisini görünür kılabiliyor. Araştırmacılar, bu katmanları birlikte analiz ederek hastalık gelişimine dair daha bütüncül bir tablo oluşturmayı hedefledi.

Bu noktada UK Biobank, çalışmanın omurgasını oluşturdu. Yarım milyona yaklaşan katılımcıdan gelen genetik, fenotipik ve sağlık kayıtlarını bir araya getiren bu kaynak, insan sağlığındaki karmaşık biyolojik ve çevresel etkileşimleri incelemek için benzersiz bir zemin sunuyor. Araştırma ekibi, bu geniş veri havuzunda yer alan farklı biyolojik ölçümleri tek bir analitik çerçevede birleştirerek, tekil “omik” yaklaşımların kaçırabileceği örüntüleri yakalamaya çalıştı.

Çoklu-omik entegrasyonun önemi, özellikle hastalıkların tek bir nedene indirgenemediği durumlarda artıyor. Kardiyometabolik bozukluklardan nörodejeneratif süreçlere kadar pek çok hastalıkta, genetik yatkınlık ile yaşam tarzı, çevresel maruziyet ve moleküler düzenleme mekanizmaları birlikte rol oynuyor. Tek bir biyolojik katman çoğu zaman bu karmaşayı eksik gösterirken, çok katmanlı analiz daha hassas risk sınıflandırmasına ve olası biyolojik yolların daha net tanımlanmasına olanak sağlayabiliyor.

Nature Communications’ta yayımlanan bu çalışma da tam olarak bu mantığa dayanıyor. Araştırmacılar, çok sayıda biyolojik veri tipini bir araya getirerek 17 hastalık için öngörü gücü taşıyan modeller oluşturdu. Haberde aktarılan bulgular, çalışmanın amacının mevcut tanısal yaklaşımları hemen değiştirmekten çok, gelecekte risk taraması ve kişiselleştirilmiş sağlık değerlendirmeleri için daha kapsamlı araçlar geliştirmek olduğunu gösteriyor. Ancak bu tür modellerin klinikte kullanılabilmesi için farklı popülasyonlarda doğrulama, veri standardizasyonu ve uygulanabilirlik testleri gibi ek adımlar gerekecek.

Bilim dünyasında çoklu-omik çalışmaların yükselişi, biyomedikal araştırmaların “tek veri, tek sonuç” döneminden uzaklaştığını da ortaya koyuyor. Özellikle büyük kohort çalışmalarında, farklı omik katmanlardan elde edilen sinyallerin birbirini desteklemesi ya da ayrıştırması, hastalığın başlangıç aşamalarına ilişkin daha erken işaretler sağlayabiliyor. Bu da teoride, hastalık henüz belirgin klinik belirtiler vermeden önce riskin fark edilmesine yardımcı olabilir. Yine de uzmanlar, öngörü modellerinin istatistiksel başarı ile klinik fayda arasındaki farkı kapatmasının zaman aldığını vurguluyor.

Bu çalışmanın bir diğer dikkat çekici yönü, biyolojik sistemleri tek yönlü değil, ağ temelli bir yapı olarak ele alması. Genler, proteinler ve metabolitler birbirinden bağımsız çalışmıyor; aksine sürekli etkileşim halinde olan bir düzenin parçaları olarak iş görüyor. Çoklu-omik analizlerin sunduğu sistem biyolojisi bakışı, bir hastalığın yalnızca başlangıç noktasını değil, ilerleme dinamiklerini de anlamaya yardımcı olabiliyor. Bu nedenle söz konusu yaklaşım, yalnızca risk tahmini için değil, gelecekte hedefe yönelik araştırma stratejileri için de değer taşıyor.

Bununla birlikte, umut verici sonuçlara rağmen dikkatli yorum yapmak gerekiyor. UK Biobank gibi güçlü veri kaynakları, geniş örneklem ve detaylı sağlık kayıtları sayesinde araştırmacılara büyük avantaj sağlasa da, elde edilen modellerin farklı etnik gruplarda, farklı sağlık sistemlerinde ve değişik çevresel koşullarda aynı performansı gösterip göstermeyeceği henüz kesin değil. Ayrıca omik verilerin üretim maliyeti, hesaplama yükü ve klinik iş akışlarına entegrasyonu da pratik sınırlar oluşturuyor.

Yine de çalışma, kişiselleştirilmiş tıp açısından önemli bir eşiğe işaret ediyor. Hastalıkları yalnızca bir laboratuvar testine ya da tek bir genetik varyanta bakarak değil, çok katmanlı biyolojik veriler üzerinden değerlendirmek, önleyici sağlık hizmetlerinin geleceğini şekillendirebilir. Du ve arkadaşlarının çalışması, çoklu-omik entegrasyonun hastalıkların ortaya çıkışını daha erken ve daha doğru tahmin etmede güçlü bir araç olabileceğini ortaya koyarken, aynı zamanda bu alandaki klinik ve metodolojik soruların da hâlâ açık olduğunu hatırlatıyor.