Transkriptomik

Im Gegensatz zum weitgehend stabilen Genom ist das Transkriptom hochdynamisch und unterliegt zeitlichen, zelltypspezifischen sowie umweltabhängigen Veränderungen. Es spiegelt die aktuelle Aktivität des Genoms wider und reagiert unter anderem auf Entwicklungsprozesse, metabolische Anforderungen, Erkrankungen oder therapeutische Interventionen.

Die Transkriptomik umfasst sowohl protein-kodierende mRNA als auch verschiedene Klassen nicht-kodierender RNAs, etwa microRNAs (miRNA), lange nicht-kodierende RNAs (lncRNA), zirkuläre RNAs (circRNA) sowie small nucleolar RNAs (snoRNA). Diese RNA-Klassen spielen eine zentrale Rolle in der posttranskriptionellen Genregulation, zellulären Kommunikation und strukturellen Organisation des Zellkerns.

Zur Analyse des Transkriptoms stehen unterschiedliche experimentelle Verfahren zur Verfügung:

Die Mikroarray-Analyse ist eine hybridisierungsbasierte Methode zur quantitativen Erfassung bekannter Transkripte. Sie ist technisch etabliert und vergleichsweise kostengünstig, jedoch auf vorab definierte Sequenzen beschränkt und in ihrer Sensitivität sowie ihrem Dynamikbereich limitiert.

Die Hochdurchsatzsequenzierung von RNA (RNA-Seq) beziehungsweise daraus synthetisierter cDNA erlaubt eine unvoreingenommene, hochauflösende Analyse des gesamten Transkriptoms, einschließlich der Identifikation neuer Transkripte, alternativer Spleißvarianten und seltener RNA-Spezies.

Die Single-Cell-Transkriptomik ist eine Erweiterung der RNA-Seq auf Einzelzellebene zur Analyse zellulärer Heterogenität innerhalb komplexer Gewebe. Sie ist insbesondere für die Untersuchung von Entwicklungsprozessen, immunologischen Fragestellungen und Tumorerkrankungen von Bedeutung.

Die Single-Nucleus RNA-Seq ist eine Variante der Single-Cell-Transkriptomik, bei der Zellkerne anstelle kompletter Zellen analysiert werden. Dies ist besonders nützlich bei schwer isolierbaren Geweben wie Gehirnproben.

Unter dem Begriff "Spatial Transcriptomics" werden Methoden zur Erfassung der Transkriptomdaten im räumlichen Kontext des Gewebes geführt. Sie ermöglichen die gleichzeitige Analyse der Genexpression und ihrer gewebespezifischen Lokalisation.

Die Auswertung transkriptomischer Daten erfordert spezialisierte bioinformatische Verfahren. Zentrale Verarbeitungsschritte umfassen Qualitätskontrolle, Alignment oder Transkriptquantifizierung, Normalisierung sowie statistische Analysen zur Identifikation differenziell exprimierter Gene. Ergänzend werden funktionelle Auswertungen, etwa Pathway- oder Gene-Ontology-Analysen, eingesetzt, um biologische Zusammenhänge und übergeordnete Regulationsmechanismen abzuleiten.

Die Transkriptomik ist ein zentrales Instrument der modernen biomedizinischen Forschung. Sie dient der Charakterisierung molekularer Regulationsprozesse, der Identifikation krankheitsassoziierter Expressionsmuster sowie der Entdeckung potenzieller diagnostischer, prognostischer oder prädiktiver Biomarker. In der Onkologie wird sie unter anderem zur Tumorklassifikation, zur Analyse von Therapieresistenzen und zur Untersuchung intratumoraler Heterogenität eingesetzt. Weitere Anwendungsfelder finden sich in der Pharmakologie, Immunologie, Entwicklungsbiologie und Systembiologie.

Die Transkriptomik erlaubt Aussagen über die Genexpression, jedoch keine direkten Rückschlüsse auf Proteinmenge oder Proteinaktivität. Posttranskriptionelle, translationale und posttranslationale Regulationsmechanismen bleiben weitgehend unberücksichtigt. Zudem können technische Variabilität, Batch-Effekte und biologische Störfaktoren die Dateninterpretation beeinflussen, was eine sorgfältige Studiendesign- und Analyseplanung erforderlich macht.

• Genomik: Analyse der DNA-Sequenz und genetischer Varianten
• Epigenomik: Untersuchung epigenetischer Modifikationen, die Genexpression beeinflussen
• Proteomik: Untersuchung des gesamten Proteinspektrums einer Zelle oder eines Gewebes
• Metabolomik: Analyse niedermolekularer Stoffwechselprodukte

Transkriptomische Daten werden zunehmend in Multi-Omics-Studien integriert. Methoden wie CITE-Seq oder ATAC-Seq ermöglichen die gleichzeitige Erfassung von Transkriptions- und Chromatin-Zuständen oder Proteinexpression auf Einzelzellebene.

• Wang et al., RNA-Seq: a revolutionary tool for transcriptomics, Nat Rev Genet, 2009
• Stark R et al., RNA sequencing: the teenage years, Nat Rev Genet, 2019
• Lowe et al., Transcriptomics technologies, PLoS Comput Biol, 2017
• Luecken und Theis, Current best practices in single-cell RNA-seq analysis: a tutorial, Mol Syst Biol. 2019