Vai nākotnē prognozēsim un novērsīsim slimības vēl pirms to rašanās?
Rīgas Stradiņa universitātē (RSU) ir izveidota Bioinformātikas pētniecības grupa. Par bioinformātiku kā perspektīvu pētniecības jomu bieži tiek runāts RSU Doktorantūras skolā. RSU zinātniskie institūti uzkrāj dažāda veida biodatus. Kādēļ šī pētniecības joma iegūst arvien lielāku nozīmi un plašu zinātnieku interesi, jautājām grupas vadītājai Baibai Vilnei.
Foto no privātā arhīva
Pašlaik bioinformātikai pievērsta liela uzmanība. Pētnieku loks, kas ar to nodarbojas, paplašinās, tā iekaro arvien nozīmīgāku vietu arī RSU zinātnieku dienas kārtībā. Kāda ir bioinformātikas būtība un nozīme mūsdienās, kādēļ tai pievērstā uzmanība pieaug?
Lai gan bioinformātikas izmantošana paplašinās, tās būtība ir palikusi nemainīga. Tā ir zinātnes apakšnozare, kas nodarbojas ar dažādu rīku ģenerēšanu un to izmantošanu biomedicīnas datu analizēšanā. Tajā pašā laikā bioinformātikas nozīme tik tiešām ir ļoti mainījusies. Īpaši pieaugusi tā ir pēdējo desmit gadu laikā. Viens no iemesliem tam ir straujā moderno tehnoloģiju attīstība, kas devusi iespēju relatīvi īsā laikā un par saprātīgām cenām iegūt visaptverošu molekulāro informāciju lielās paraugu kopās, kas savukārt ir veicinājusi tā sauktās personalizētās medicīnas vīzijas realizēšanu.
Proti, diagnostikas un terapijas ieviešana, kas, balstoties, piemēram, uz ģenētisko informāciju, būtu piemērota katra cilvēka individuālajām vajadzībām.
Ko pētniecība biomedicīnā dotu sabiedrībai, kā ietekmētu sabiedrības veselību un ārstniecību?
No vienas puses, ilgtermiņa personalizētā medicīna šķiet kā fantastika, bet, no otras puses, tā cilvēkiem ir ļoti nepieciešama. Personalizētā medicīna paredz, ka mēs jau ļoti savlaicīgi, iespējams, kopš zīdaiņa vecuma, vāktu visaptverošus datus par katru atsevišķo indivīdu. Tie būtu gan molekulārie, gan klīniskie, gan apkārtējās vides un dzīvesveida dati.
Šos datus apkopotu un analizētu, izmantojot mākslīgo intelektu, līdz ar to mēs spētu savlaicīgi prognozēt iespējamos slimību riskus.
Tāpat varētu prognozēt dažādus vides un dzīvesveida faktorus, kas mums signalizētu par saslimšanas iespējamību. Mēs varētu palīdzēt novērst slimību rašanos vai mazināt to attīstību. Ja nebūtu iespējams slimību pilnībā novērst, tad, izmantojot algoritmus, varētu atrast pacientam piemērotāko terapiju.
Katra indivīda bioloģiskā un medicīniskā vēsture un uz tā pamata izveidotā datubāze tiktu gadu no gada apkopota un uzkrāta, sākot no piedzimšanas. Balstoties uz šo datubāzi, vēlākās dzīves laikā varētu pieņemt lēmumus un saprast, vai konkrētais cilvēks ir pakļauts kādas saslimšanas riskam.
Uzdevums ir pāriet no pieejas, ka viens izmērs der visiem, uz indivīda centrēto medicīnas modeli. Pagaidām tā ir nākotnes vīzija, ilgtermiņa mērķis, uz kuru ejam.
Varētu izvēlēties labāko ārstniecības veidu?
Medicīnas aprūpes sistēma iet uz agrīnu diagnostiku vai pat prevenciju, lai mēs līdz slimībai nenokļūtu. Mums ir iespēja iejaukties vēl pirms slimības rašanās. Tātad runa ir arī par sabiedrības vispārējo fizisko un mentālo labsajūtu un dzīves kvalitātes celšanu.
Lai secinātu, ka konkrētais cilvēks ir pakļauts kādam saslimšanas riskam, nepieciešama ļoti plaša datubāze?
Viss sāktos ar liela izmēra biobanku, kurā tiktu uzkrāts indivīdu biomateriāls. Pēc tam vai paralēli tiktu izveidota digitāla, liela izmēra datubāze. To sākotnēji varētu darīt lokāli, bet nākotnē globālā mērogā tajā būtu jāapkopo abu dzimumu, visu vecumu un dažādu etnisko grupu dati.
Pakāpeniski izveidotos nepārtraukti augoša datubāze, kas aptvertu indivīdus visā dzīves garumā. Šo plašo informāciju izmantotu mākslīgais intelekts, lai prognozētu iespējamās saslimšanas un terapiju.
Jūs pieminējāt mākslīgo intelektu. Kādas ir tā iespējas saistībā ar biobanku?
Mēs runājam par ļoti lielu un kompleksu datu apjomu. Lai gan cilvēks kā eksperts nav aizvietojams un mediķa nozīme saglabāsies, speciālistiem ir vajadzīga palīdzība, kuru var sniegt mākslīgais intelekts, savukārt algoritmi mācās no jomas ekspertiem.
Kā mākslīgais intelekts varētu iesaistīties, lai noteiktu cilvēka saslimšanas riskus?
Ļoti lielās pacientu grupās esam redzējuši, ka konkrēti ģenētiskie varianti ir saistīti, piemēram, ar koronāro artēriju slimības risku. Pie ārsta atnāk indivīds, kurš šobrīd ir vesels, bet, sekvencējot genomu, atklājas, ka šim cilvēkam ir atrodami konkrēti ģenētiskie varianti, kas palielina koronāro artēriju slimības risku. Tad ārsts viņam var ieteikt veikt preventīvos pasākumus, piemēram, mainīt dzīvesveidu.
Šobrīd RSU ir izveidota Bioinformātikas pētniecības grupa. Kāpēc tāda tika izveidota?
Tāpēc, ka pieaug bioinformātikas nozīme biomedicīnā personalizētās medicīnas kontekstā. RSU pētnieki arvien vairāk savos projektos vāc tā saucamos lielos datus, un viņiem ir vajadzīgs atbalsts šo datu apstrādes un analīzes jomā. To veicam mēs, bioinformātiķi.
Vai varam teikt, ka pašlaik jau tiek vākti cilvēku biodati?
Datu apjoms pamazām, bet konstanti pieaug. Mēs sadarbojamies ar Onkoloģijas Institūtu un Molekulārās ģenētikas zinātnisko laboratoriju, analizējot galvenokārt cilvēka genomiskos datus, krūts vēža un ātriju fibrilācijas kontekstā. Tāpat esam iesaistīti valsts pētījumu programmā Covid-19 seku mazināšanai, kur kopā ar Latvijas Biomedicīnas pētījumu un studiju centru veicam SARS Cov-2 vīrusa filoģenētisko analīzi. Starptautiskā mērogā tikko esam saņēmuši finansējumu ERA PerMed uzsaukumā projektam Progress, kur tiks izmantotas mākslīgā intelekta metodes.
Jūs vadāt RSU Doktorantūras skolas nodarbības, stāstot pētniekiem par bioinformātiku. Kā varētu pamudināt pētniekus tajā aktīvāk iesaistīties?
Savā lekciju ciklā es stāstu par multiomikas un bioinformātikas nozīmi personalizētajā medicīnā. Katru lekciju veltu vienam vai diviem omikas datu tipiem. Aktīvi cenšos motivēt pētniekus iesaistīties bioinformātikā, bet tas, protams, ir jājautā manu lekciju dalībniekiem, vai esmu spējusi viņus motivēt un iedvesmot.
Bioinformātika, izmantojot mākslīgo intelektu, savu lielāko devumu sabiedrībai sniegs nākotnē, kad dati tiks apkopoti pietiekamā apjomā, lai varētu veikt konkrētus secinājumus par cilvēku iespējamajām slimībām, tomēr šī nākotne ir reāla, un ir labi zināms, kas pētniekiem jādara, lai to sasniegtu.
