По темата разговаряме с проф. Томас Мор след негова презентация на VIII-ми Конгрес по фармация с международно участие
Професор Томас Мор е биотехнолог, биоинформатик и системен биолог, работи и преподава в University of Vienna (Институт по аналитична химия), IMC University of Applied Sciences Krems, Fachhochschule Wiener Neustadt, Medical University of Vienna (Център за изследване на рака). Също така е собственик на ScienceConsult – DI Thomas Mohr KG.
Професор Мор, първо, благодаря Ви, че приехте поканата за интервю. Изнесохте много интересна лекция за генната коекспресия. Бихте ли обяснили малко по-подробно какво точно означава генна коекспресия и какво е нейното значение?
Мрежовият анализ на коекспресията се опитва да разшифрова кои групи гени показват сходни модели на експресия в няколко състояния. Например, ако имаме някаква стимулация като инфекция с COVID, тогава определена група гени ще бъде ъпрегулирана (регулирана нагоре), а някои групи гени ще бъдат далнрегулирани (регулирани надолу) и ако един ген е ъпрегулиран с друг ген или група гени, това се нарича коекспресия.
Коя е най-интересната констатация, която направихте по време на анализа си за инфекцията с COVID-19?
Първо, трябва да призная, че основната ми област на изследване е изследването на рака, но мои приятели ме помолиха да приложа метода на генната коекспресия към данните от COVID и аз го направих. Най-интересната констатация е, че определено има групи гени, които са свързани с времевия ход на заболяването, но също така и с тежестта на заболяването, и тези гени не са гените, които вероятно очаквате при инфекция, като например гена IL1 и други цитокинови или хемокинови гени. Тези гени също се ъпрегулират, но освен това открихме и група гени, които не са класически свързани с инфекцията, като MAP кинази или гена SLP1. Интересно е също така, че към някои от тези гени могат да бъдат таргетирани лекарства, които вече са в процес на разработване, и това може да открие втора линия на лечение за COVID.
Както споменахте, основната Ви област на изследване е ракът, така че бихте ли ни споделили най-интригуващите Ви открития в тази област?
В една от последните ни статии за хепатоцелуларния карцином, който е голямо бреме, тъй като честотата му се увеличава, а възможностите за лечение са много ограничени. Изследвахме туморните ендотелни клетки и установихме, че те играят защитна роля за туморните клетки, тъй като апоптозата (контролирана клетъчна смърт) се осъществява чрез ген, наречен BIRC5/Survivin, който е известен като протектор. Нашата публикация показва, че този ген може да бъде нтаргетиран за лечение на хепатоцелуларен карцином.
Кое е най-важното послание от лекцията ви?
Най-важното послание от лекцията, е, че ако се занимавате с данни за генна експресия, протеинова експресия или експресия на метаболити, трябва да вземете в групата си човек, който е добър в биоинформатиката, за да интегрира и анализира публикуваните данни. Другото послание е, че трябва да развиете отдела си, ако работите с данни от Omix – да отидете отвъд откриването само на експресираните гени, но и на мрежата за ко-експресия.
Смятате ли, че биоинформатиката трябва да стане част от програмата на студентите по медицина?
Да, разбира се. В някои страни този процес вече е започнал. В Медицинския университет във Виена например има курс по биоинформатика и все повече студенти избират този курс, а някои от тях са наистина добри в биоинформатиката и дават много ценни резултати и това е още едно послание от този конгрес.
********************************************************************************************
Professor Mohr, first of all, thank you very much for accepting the invitation for an interview. You delivered a very interesting lecture он gene coexpression. Could you please explain a little more detail what exactly gene coexpression means and what is its importance?
Coexpression network analysis tries to decipher which groups of genes display similar expression patterns across several states. For instance, if we have some stimulation like COVID infection, then a curtain group of genes will be upregulated and some groups of genes will be downregulated and if one gene is upregulated with another gene or group of genes, this is called coexpression
What is the most interesting finding that you did during your analysis about COVID-19 infection?
Firstly, I have to admit that my main area of research is cancer research, but my friends asked me to apply gene coexpression method to COVID data and I did that. The most interesting finding is that there are definitely groups of genes that are associated with time course of the disease, but also with the severity of the disease and these genes are not the genes that you probably expect by infection such as IL1 gene and other cytokine or chemokine genes. These genes are also upregulated, but additionally we found some group of genes, which are not classically associated with infection like MAP kinases or SLP1 gene. It was also interesting that some of these genes can be targeted by drugs, which are already under development and this may open second line of treatment for COVID.
As you mentioned your main area of research is cancer, so could you explain us your most intriguing findings in this area?
In one of our recent articles about hepatocellular carcinoma, which is a big burden, as the incidence is rising and the treatment options are very limited. We investigated tumor endothelial cells and found out that they play protective role of the tumor cells as they the apoptosis (controlled cell death) via a gene called BIRC5/Survivin, which is known as a protector. Our publication demonstrates that this gene can be targeted for treatment of hepatocellular carcinoma.
What is the most important take-home message from your lecture?
The most important take-home message is that if you are dealing with gene expression, protein expression or metabolite expression data, you should get somebody in your group who is good at bioinformatics in order to integrate and analyse the published data. The other take-home message is that you should develop your department if you work with Omix data – go beyond only detecting the expressed genes, but also co-expression network.
Do you think that bioinformatics should become a part of the medical students’ program?
Yes, of course. In some countries the process has already started. In the Medical University of Vienna for example there is a course in bioinformatics and more and more students choose this course and some of them are really good at bioinformatics and produce very valuable results and this is another take-home message from this congress.
