Metoder for analyse av større endringer i menneskelig DNA

DNA ble oppdaget på slutten av 1800-tallet og siden den gang har forskning gitt oss mye kunnskap om dets sammenheng med helse og sykdom. En mutasjon i DNA oppstår når DNA er skadet eller blitt endret. Mutasjoner i DNA er kjent for å forårsake mange sykdommer og medisinske tilstander.

Endringene kan være så små som et bytte i bare én DNA-byggestein - ett nukleotid, en av A, C, G eller T. Historisk har disse vært relativt lett å oppdage og har derfor blitt mye studert. Noen ganger går et helt stykke DNA tapt eller nye biter settes inn (bitene kan være store og inkludere hundretusenvis av nukleotider), noe som fører til en endring i mengden DNA som bærer det samme budskapet. Denne spesifikke typen mutasjon i DNA kalles kopitallsvarianter (CNV).

Det er flere teknologier og beregningsmetoder som tillater påvisning av CNV-er i DNA til et individ. Det er flere grunner til at CNV-er er vanskelige å studere. Blant annet er det begrensninger i oppløsningen og presisjonen til instrumentene som brukes, noe som gir statistisk støy i dataene. Utfordringene fører til at det en høy forekomst av falske (positive) funn, det vil si at det rapporteres en CNV uten at det faktisk foreligger en slik.

Denne avhandlingen presenterer en ny metode som bidrar til å redusere de falske positive funnene og dermed øker kvaliteten og påliteligheten når man søker etter CNV-er hos et enkeltindivid. Metoden er tilpasset og brukt for analyse av CNV-er i DNA-data fra individer i samme familie. Genetiske analyser gjøres for eksempel i familier ved mistanke om genetisk sykdomsårsak hos et barn med friske foreldre. Resultatene av denne studien bidrar til med ny kunnskap om CNV-er i menneskelig DNA, noe som er viktig for genetisk rådgivning og bidrar også til økt kunnskap om relasjon mellom gener og medisinske tilstander. I tillegg presenteres det i avhandlingen en ny metodikk for sammenligning av ulike teknologier med hensyn på hvilke typer CNV-er de gjør det mulig å oppdage, noe som hjelper å fremme utviklingen i dette feltet.

Personalia

Ksenia Lavrichenko har bakgrunn i matematikk fra Novosibirsk State University (BSc) and Universitetet i Bergen (MSc). Arbeidet var utført ved Computational Biology Unit, Institutt for informatikk og ved Klinisk institutt 2 med veiledning av Professor Inge Jonassen og Professor Stefan Johansson.