|
|
|
|
LAM 2004;14(1):33-9.
ORVOSI GENOMIKA
Új tudományág az orvosi kutatás és klinikai gyakorlat középpontjában
Gondolatok a bioinformatikáról
dr. Falus András (levelező szerző): Semmelweis Egyetem, Genetikai, Sejt- és Immunbiológiai Intézet, 1089 Budapest, Nagyvárad tér 4.; Berke Tamás: Genodia Molekuláris Diagnosztikai Kft., Budapest; Ortutay Csaba Péter: Mezőgazdasági Biotechnológiai Kutatóközpont, Bioinformatikai Kutatócsoport, Gödöllő; Suhai György: Magyar Bioinformatikai Intézet Kft., Budapest
ÖSSZEFOGLALÁS
Az orvosbiológiában forradalmi jelentőségű genomika egyik legfontosabb eleme a bioinformatika. A szerzők foglalkoznak a genomvariancia kérdésével és az összehasonlító genomika lehetőségeivel. Röviden szó esik az új gének azonosításáról, illetve a diagnosztikában kiemelt jelentőségű génexpressziós mintázatok elemző összehasonlításáról. A bioinformatika lehetővé teszi a patogének gyors azonosítását és különleges szerepet kap a molekuláris gyógyszertervezési eljárások között.
genomika, bioinformatika, génlapka, SNP, génexpresszió, patogén, farmakogenomika
Érkezett: 2003. december 19. Elfogadva: 2004. január 13.
A genomika fogalmát viszonylag egyszerű meghatározni. Azonban amint különböző jelzőkkel illetjük a fogalmat – funkcionális genomika, orvosi genomika, immungenomika –, egyre részletesebb, speciális definíciót igényelhet a fogalommagyarázat. A genomika nem más, mint a gének (sok gén, akár az adott egyed összes génje) és azok funkcióinak tudománya. Ez magába foglalja a génszekvenciák meghatározását és a genomtérképezést is.
Lényegéből fakadóan a bioinformatika egyidős a genomikával, hiszen létrejöttét a „biológiai tudományokban hirtelen és nagy intenzitással felgyülemlett információ” indokolta (1–3). Ez az információ pedig nem más, mint genetikai információ, a genomok teljes vagy részleges meghatározásából származó nukleinsav és aminosav molekuláris szekvencia, a hozzá tartozó („annotált”) egyéb információval. A bioinformatika interdiszciplináris tudományág: a biológiai tudományok területén keletkezett információkat, adatokat korszerű informatikai – matematikai és számítástudományi – eszközökkel tárolják, dolgozzák fel, elemzik.
|
A bioinformatikában használt kifejezések
|
A klasszikus értelemben vett genomikához képest az orvosi genomika területe két szempontból is speciális. Egyrészt az emberi genom e tudományterület tárgya, tehát a humán genomika része, másrészt pedig olyan gének tanulmányozása a célja, amelyek emberi betegségekkel hozhatók kapcsolatba, akár okozati tényezőként, akár betegségek terápiájának szóba jöhető eszközeként.
A bioinformatika – rendkívüli rugalmasságának köszönhetően – az orvosi genomikai kutatásokban is hamar igazolta létjogosultságát (4). A jól megfogalmazott informatikai igények kielégítésére specifikus bioinformatikai adathalmazokat, kereső- és elemzőrendszereket hozhattak létre. Az orvosi genomikai témák lényegéből fakadó intenzív változásokkal csak jól felkészült és az adott témában tájékozott szakembergárda képes lépést tartani (5).
Régóta közismert, hogy egyes betegek jobban reagálnak a gyógyszeres beavatkozásra, mint mások, sőt, a hasonló betegségben szenvedő emberek közül egyeseknek még árthat is a másoknál hasznos terápiás beavatkozás. Miközben azokat a genetikai és molekuláris ösvényeket kutatjuk, amelyek a gyógyszeres beavatkozás hatékonyságát határozzák meg, a személyre szóló diagnózis és kezelés lehetősége is kezd elérhető közelségbe kerülni (6). E cél elérésének az a kulcsa, hogy egyre többet tudunk a humán genom változatosságáról, illetve a kezelésre való reagálást befolyásoló genetikai tényezőkről. A kutatás e területét farmakogenomikának hívják; a bioinformatika az a hajtóerő, amely elsősorban képes e szakterület fejlődését előrevinni. A bioinformatikának az a leegyszerűsített értelmezése, miszerint az a számítógépek, az internet, szoftverek és tárolt adatok együttes eszköze lenne a biomedicinálisan lényeges problémák megoldására, nem fejezi ki megfelelően azt a hatást, amit ezek a lehetőségek az orvostudományra gyakorolnak. A bioinformatika alkalmazása nélkülözhetetlen eleme nemcsak a farmakogenomikának, hanem általában a genomikának, a proteomikának, az újonnan felismert gének előrejelzésének, a fehérjék funkcionális predikciójának, illetve a kóros és normális szövetekben eltérő génkifejeződések kutatásának is. E technikák együttes használata ma már az orvosi kutatások legsikeresebb területének számít, és további fejlődésének is jelentős tényezője lesz a XXI. században. A bioinformatika gyökeresen új szemszögből foglalkozik az orvostudomány problémáival, és integrált megoldásokra nyújt reményt.
|
A bioinformatika gyökeresen új szemszögből foglalkozik az orvostudomány problémáival, és integrált megoldásokra nyújt reményt. |
Variációk a humán genomban: egyedi nukleotid-polimorfizmus
Ha személyre szabott gyógyszerkezelést kívánunk végezni a betegeknél, először is mérnünk és regisztrálnunk kell a populációkon belüli genetikai variációkat. Számítógép nélkül a funkcionálisan fontos genetikai variációk azonosítása rendkívül monoton és egyúttal lehetetlen volna, és a személyre szóló gyógykezelés csak hosszú évek múlva lenne lehetséges. Elsősorban a Humán Genom Projekt következményeként óriási számú SNP-t (single nucleotide polimorphism, egyedi nukleotid-polimorfizmus) – azaz egyetlen bázis stabil cseréjét, amely legalább egy populációban, 1%-nál nagyobb gyakorisággal fordul elő – írtak már le, így ez a sokféleség rendelkezésre áll az egyes emberek közötti különbségek megállapításához. Az SNP-k különösen akkor kapnak nagy jelentőséget, amikor a különböző betegek (ugyanazon) gyógyszeres kezelésre adott eltérő válaszait/reakcióit tanulmányozzák. Egy példa erre a tiopurintartalmú gyógyszerek alkalmazása sokféle betegség, többek között az akut lymphoblastos leukaemia és a krónikus gyulladásos bélbetegség kezelésében. Ezeket a gyógyszereket a tiopurin-metiltranszferáz enzim (TPMT) bontja le. Egy tanulmányban 24, akut lymphoblastos leukaemiában szenvedő és tiopurintartalmú gyógyszerekkel kezelt gyermeket vizsgáltak; a gyermekek közül négyről megállapították, hogy a TPMT*3A allélra (az enzimet kódoló gén egyik példánya) nézve heterozigóta, amelyet két SNP jelenléte határoz meg; a 460. nukleotidpozícióban G (guanin) helyett A (adenin) van, a 719-es helyen pedig A helyett G található. Ez az allél a TPMT enzim hiányával áll kapcsolatban. A kezelés alatt mind a négy beteget életveszélyes májtoxikózis fenyegette, mivel szervezetükben a gyógyszer nem a tervezett ütemben, hanem annál jóval lassabban bomlott le. Így a terápiás gyógyszerutánpótlás nem a szükséges gyógyszerszint fenntartását biztosította, hanem a szer toxikus szintet elérő felhalmozódását idézte elő. Ez a mérgezés elkerülhető, ha a betegeket szűrik a TPMT-aktivitás szempontjából. A kis enzimaktivitású betegeknek akkor használ a kezelés, amikor a tiopurintartalmú gyógyszer adagját csökkentik, míg a nagy enzimaktivitású betegeknél az emelt adag fejti ki hatását. Mára már a TPMT-aktivitás szűrése a klinika gyakorlat mindennapos módszerei közé tartozik. A beteg életének megmentése mellett a szűrés költségei bőven ellensúlyozzák a hosszabb kórházi tartózkodás költségeit (5).
Két évvel ezelőtt a Humán Genom Projekt keretében SNP-adatbázist hoztak létre és 1,4 millió SNP-t helyeztek el benne. Azóta ez az adatbázis megkétszereződött; ahogy a különböző populációk egyre több szekvenciaadata válik hozzáférhetővé, ez a szám valószínűleg nőni fog. Ezeknek az SNP-knek a többségét bioinformatikai algoritmusok segítségével tárták fel, amelyek a genom szekvenciáinak automatizált keresését teszik lehetővé. Ilyen megközelítés nélkül szinte lehetetlen volna alaposan megvizsgálni a humán genom szekvenciájának körülbelül 3 milliárd bázisának sorát. A bioinformatika abban tud segíteni, hogy kiszűrje azokat az SNP-ket, amelyeknél a legvalószínűbb, hogy gyógykezelési szempontból orvosilag érdekes következményt vonnak maguk után. Amennyiben az SNP-ket pontosan beillesztjük a humán genomba, meg tudjuk határozni, hogy melyikük okoz változást a fehérjék aminosavsorrendjében. A humán genom más, például egérgenommal való összehasonlítása során azokat az SNP-ket is azonosíthatjuk, amelyek a gének szabályozóterületein fordulnak elő.
Összehasonlító genomika: következtetés a humán gének funkciójára homológia segítségével
A különböző organizmusokban azonos funkciót ellátó és közös evolúciós eredetű fehérjéket homológoknak nevezik. Az ugyanazon információt kódoló génszekvenciákat is homológ szekvenciáknak nevezzük, és tárgyát képezik az összehasonlító genomikának (7).
Az összes állatfajhoz képest a homo sapienst igen nehéz genetikailag tanulmányozni. A hosszú generációs idő, a kis család (méret), az etnikai és etikai korlátok mind azt jelentik, hogy más fajokon könnyebb megismerni a gének funkcionális jelentőségét. Szerencsére az a tény, hogy a szekvenciák funkcionálisan fontos részei az evolúciós idő során megőrződtek, lehetővé teszi, hogy a homológiakeresés módszerével a más fajokban fontos gének megfelelőjét az embernél is megtaláljuk. A homológia – vagy technikailag hasonlóság – keresése a bioinformatika egyik központi eszköze. Ha távolabbi rokonságban levő szekvenciákat keresünk, a homológiakeresés jelenlegi egyik legalkalmasabb eszköze a BLAST (basic local alignment similarity tool) vagy a PSI-BLAST program. Mindkét program hozzáférhető a Biotechnológiai Információ Nemzeti Központjának (National Center for Biotechnology Information) webhelyén – www.ncbi.nlm.nih.gov –, és lehetővé teszi a keresést a legnagyobb nemzetközi szekvencia- (és bioinformatikai) adatbázisban (GenBank) (referencia: BLAST: Nucleic Acids Research). A homológiakeresésnek a következő a logikája: ha a szekvenciában hasonló a párok lineáris illeszkedési sorrendje, arra következtethetünk, hogy a háromdimenziós szerkezet is azonos; ha ez a helyzet, a funkció is jó eséllyel hasonló lesz. Ha azt akarjuk megtudni, hogy konkrét fehérjék vagy biokémiai rendszerek – amelyek például az egérben, az ecetmuslicában-Drosophilában vagy az Escherichia coliban ismertek – jelen vannak-e az emberben, ma már e szekvenciák egyenként is összehasonlíthatók a jelenleg ismert 25-30 ezer emberi fehérjét kódoló génnel. Ez az „összehasonlító és szembeállító” módszer kulcsfontosságú számos emberi fehérje funkciója meghatározásának folyamatában, mert a hagyományos laboratóriumi technikákkal végzett meghatározás évekbe telne.
Ha különböző fajok homológ szekvenciáit sorba állítjuk, azonosítani tudjuk azokat a konzervált doménszerkezeteket/struktúrákat, amelyek egy-egy konkrét fehérje működésére utalnak. Hasonlóképpen, külön-böző fajok homológ génje (5’ irányban található) upstream régióinak összehasonlításával leírhatók lesznek a promoterrégiók, és azonosíthatók a potenciális transzkripciósfaktor-kötő helyek. Egérben, kutyában és emberben az emlőrák kialakulásában jelentőséget tulajdonított BRCA1 gén upstream régióinak összehasonlításával azonosították az Sp1, CREB és NF-kB transzkripciós faktorok valószínű kötőhelyeit, bepillantást nyújtva abba, hogy ez a gén hogyan szabályozódik, mielőtt bármiféle valódi laboratóriumi kísérletet véghezvittek volna. Ez a munka is a „számítógép előtti”, in silico kutatás hatalmas távlataira utal; ennek kiváló hazai példája egy ortológ promotereket tartalmazó adatbázis, amelyben összehasonlíthatjuk különböző fajokban a hasonló szerkezetű promoterekkel rendelkező géneket, és ezzel új szabályozási régiókat kereshetünk.
Új gének azonosítása
A bioinformatika fegyvertárának hathatós eszköze az orvosilag fontos génszekvenciák felfedezésének folyamata. Ahogy a kórházakban az antibiotikum-rezisztens baktériumtörzsek komoly fenyegetést jelentenek, óriási a kényszer, hogy új antibakteriális anyagokat fedezzenek fel. Különösen nagy érdeklődést váltottak ki az antibakteriális peptidek, például a b-defenzinek; ezek természetes elemei a sok fajban megtalálható veleszületett immunitásnak. Az utóbbi időben a humán genom érzékeny bioinformatikai szűrésével a b-defenzin család 28 új tagját fedezték fel, miután a standard BLAST hasonlóságkeresés csak egy új defenzinszekvenciát tárt fel. Számos helyen végeznek kifinomult bioinformatikai technikákat abból a célból, hogy a humán genomban új antibakteriális géneket fedezzenek fel.
A génexpresszió mintázata mint diagnosztikai és prognosztikai eszköz
Diagnosztikai és prognosztikai eszközként gyakran vizsgálják a gének expressziójának/kifejeződésének különbségét (8). Az utóbbi időben a bioinformatika az új markerek azonosításának létfontosságú technológiájává vált, amellyel megjósolható egy betegség kimenetele. Egy vastagbélrákról szóló tanulmányban az Unigén adatbázist kutatták át olyan géneket keresve, amelyeknek több expresszált szekvenciamotívuma (EST, expressed sequence tag) állt kapcsolatban a rákos, mint a normális vastagbélszövettel. Harmincöt jelölt nukleotidszakasz közül négyről mutatták ki, hogy jelentős mértékű, szignifikáns korrelációt mutat a hisztopatológiai paraméterekkel. Kvantitatív RT-PCR-rel (reverz transzkriptáz-polimeráz láncreakció) tovább jellemezték a kifejeződés mértékét; kimutatták, hogy a négy génből három gén expressziós (kifejeződési) szintje nagymértékben összefügg a rossz túlélési aránnyal, illetve mind a négy gén kapcsolatban állt metasztatikus betegséggel. Hasonló módszerek más betegségek esetén (is) könnyen alkalmazhatónak tűnnek.
EST-adatokból azonban nagyon nehéz mennyiségi és statisztikusan érvényes expressziós mintázatot kimutatni. Ezzel ellentétben az új betegségmarkerek azonosításában a DNS-génlapok (csipek) – magyarul génlapkák – sokkal hatásosabb eszköznek bizonyulnak, bár ezeknél is jelentkeznek pontossággal és reprodukálhatósággal kapcsolatos problémák. A DNS-lapok lehetővé teszik a génexpressziós szintek elemzését jelzett DNS (akár mRNS-ből reverz transzkriptázzal szintetizált cDNS) felhasználásával. Ezeket olyan génlapokra viszik, amelyeken üveg-, szilikon- vagy nejlonfelületen cDNS-ek vagy oligonukleotidok ezrei-tízezrei rendezett formában találhatók (innen az angolban microarray-nek nevezett technológia neve). Egy pontban felvitt DNS-minta egy génnel képes kölcsönhatni. A hibridizálódás mértéke a génexpresszió szintjéről ad jelzést. A bioinformatikai eszközök nélkülözhetetlenek a génlap- (csip/microarray) adatok elemzésében, mivel minden kísérletből egyedi adatpontok óriási mennyisége származik, és ezeket értelmezhető módon csoportosítani és elemezni kell. Ugyanilyen fontos azonban a génlapkísérletek tervezése – tehát a DNS-minták elhelyezési mintázatának kialakítása – közben a statisztikai meggondolások figyelembevétele. Ezek azonban rendkívül drágák, a kutatók költségvetése pedig korlátozott, az eredmények értékét viszont ronthatja a minták elégtelen számú (meg)ismétlése. Nincs az a mennyiségű multivariáns eljárást követő elemzés, amely javítana ezen a problémán.
E technológia fontosságát szemléltette nemrég a génexpressziós mintázat kutatása klinikai helyzet- ben, emlőkarcinómákban. Hierarchikus klaszterképzés (http://genome-www4.standford.edu/Microarray/SDM/restech.html) néven ismert csoportosítási módszerrel elemeztek 85 génlapkísérletet, amely 78(-féle) tumort, három fibroadenomát és négy normális emlőszövetmintát képviselt. Ezzel a módszerrel a rákokat a következő csoportokba lehetett osztani: alaphám/ basalis epithelszerű csoport, ERBB2-túlexpresszálódó csoport, illetve normális csoport. A túlélési analízis szignifikánsan különböző kimenetelt tárt fel a különböző csoportokba tartozó betegek számára, bizonyítva, hogy ez a technológia hatékony eszköz lesz a jövőben arra, hogy kiegészítse és gyarapítsa az emlőrák-osztályozásnak relatíve kevés hagyományos prognosztikai és prediktív markerét, így javallva a legmegfelelőbb klinikai kezelést. Mielőtt ez a technológia a mindennapi klinikai gyakorlatba kerülne, ezt és sok más kutatást meg kell majd ismételni a világ más központjaiban. Továbbá a tudósok és klinikusok képzése ezen a területen szintén kiemelkedő fontosságú lesz, mivel a génlapkísérletek tervezése és kivitelezése sok bonyolult tényezőből áll (9).
Patogének azonosítása
Bár a patogének azonosításában széleskörűen alkalmazzák a hagyományos mikrobiológiai módszereket, ezek lassúak, és nem mindig képesek detektálni az olyan mikrobákat, amelyek bonyolult tenyésztést igényelnek. Így a kórokozó azonosításáig a beteg specifikus kezelés nélkül marad. A kórokozók azonosítására alkalmazott gyorsabb, bioinformatika-alapú módszerek kimutatható klinikai előnnyel járhatnak. A tömegspektrometria proteomadatbázis-keresési algoritmusokkal párosítva közvetlen technikát nyújt a mikroorganizmusok azonosításához. Ezt a módszert sikeresen alkalmazták a Helicobacter pylori-baktériumtörzsek felismerésénél. A bioinformatika egyik alappillérét képviselő filogenetikai módszerek arra is felhasználhatók, hogy megalkossuk a szóban forgó kórokozó törzs „családfáját”. Ezáltal nyomon tudjuk követni földrajzi és/vagy időbeni terjedésüket helyi vagy akár világméretekben is. Ilyen molekuláris epidemiológiai elemzéseket többször is végeztek már a HIV-vírus esetében. Filogenetikai összehasonlító elemzésekkel mutatták ki például egy ízben, hogy egy floridai fogorvos volt a HIV-fertőzés közös forrása látszólag egymással kapcsolatban nem álló betegek egy csoportjában. Egy másik esetben a bioinformatikai rendszerek segítségével sikerült kapcsolatba hozni egy észak-amerikai ételfertőzést a közel egy időben, Skandináviában zajlott, hasonló jellegű ételfertőzéssel. A molekuláris epidemiológiai vizsgálatok eredményeivel tudták a szakemberek a fertőzés forrását (szamóca) visszavezetni szerbiai eperföldekre. A génlapkatechnika és a bioinformatikai elemzés a fentiek mellett lehetővé teszi a különböző antibiotikum-rezisztenciájú törzsek gyors diagnosztikáját, illetve hagyományos mikrobiológiai eszközökkel nem elkülöníthető törzsek megkülönböztetését.
|
A kórokozók azonosítására alkalmazott gyorsabb, bioinformatika-alapú módszerek kimutatható klinikai előnnyel járhatnak. |
A bioinformatikának a mindennapi orvosi kezelések meghatározásában játszott szerepére egy másik, rendkívül hatásos példa a HIV-fertőzött betegek hatékony gyógyszerterápiájának megválasztása. Ez úgy történik, hogy molekuláris biológiai módszerekkel (RT-PCR és nukleinsav-szekvenálás) meghatározzák a betegben aktuálisan szaporodó vírustörzs gyógyszer-rezisztenciáját determináló géneket. Az így kapott genotípus-mintázatot – megfelelő algoritmusok segítségével – referencia-adatbázisban, ismert rezisztenciát eredményező szekvenciamintázatokkal hasonlítják össze. A klaszteranalízis eredményeként valószínűsíthető az adott vírustörzs különböző gyógyszer-kombinációkkal szemben kifejeződő ellenálló képessége. Ennek ismeretében a „próba szerencse” alapokra helyezett gyógyszerelés helyett célzott kezelés alkalmazható.
Gyógyszertervezés a fehérjék térszerkezetének ismeretében
A bioinformatika önálló, igen dinamikusan fejlődő területe a strukturális bioinformatika; ez a fehérjék szerkezetének meghatározásával, a térszerkezet kialakulásának szabályszerűségével, a feltekeredés (folding) szimulálásával foglalkozik. Alapgondolata a következő: ha megértjük, hogy a fehérjék esetében az aminosav-szekvenciából hogyan következik a térszerkezet és abból a funkció, akkor képesek lehetünk új funkciójú enzimek kifejlesztésére, a hibás – betegséget okozó – enzimek kijavítására, a túlzott aktivitást mutató enzimek célzott kikapcsolására.
Mindezekhez kapcsolódóan csodálatos eredményeket láthatunk a gyógyszermolekulák tervezésében (rational drug design): a legismertebb példa egy inhibitormolekula kifejlesztése volt, ezt a HIV egyik proteázának blokkolására tervezték, az enzim háromdimenziós térszerkezetének ismeretében. A gyógyszerkutató cégek egyre gyakrabban alkalmazzák a bioinformatika módszereit azoknak a kombinációs hatóanyagkönyvtáraknak a megtervezésére, amellyel irányítottan kapcsolhatók ki enzimek. Ismert példa egy, a hippocampusban található ioncsatorna célzott blokkolása ilyen módszerrel kifejlesztett gyógyszerrel. Ezzel kézzelfogható közelségbe került például az epilepsziás tünetek hosszú távú kezelése.
Következtetések
Hippokratész óta in vivo technikákra támaszkodtak az orvosok a medicina problémáinak megfejtésében.
Pontosan 50 éve – a DNS-szerkezet tisztázásával – kezdődött a molekuláris biológia in vitro módszereinek alkalmazása, és ezek óriási lendületet adtak az orvosi kutatásnak. A laboratóriumi tudomány azonban közismerten lassú, munkaigényes és drága. Nem vitás, hogy a bioinformatika, amely számítógép-szimulációs eszközöket, elemző és kereső algoritmusokat, illetve nagyméretű adatbankokat használ, egyre több időt és energiát fog megtakarítani a laboratóriumban. S ami még fontosabb: a bioinformatika radikálisan új szemlélettel tekint az orvostudományban felmerülő kérdésekre; új módszereket nyújt nagyszámú, eltérő, de orvosilag lényeges adat egyfajta komplex folyamattá alakításában, és integrált, rendezett megoldásokra ad reményt. Az elmúlt 3-4 évben számos kitűnő, szabadon hozzáférhető, felhasználóbarát hálóhelyet hoztak létre a világhálón (1. táblázat). Ezek egyenértékűek a molekuláris biológiai kitekkel, amelyek sokkal hatékonyabbá teszik a kutatást. Ugyanúgy, mint a kitek esetében is, fontos értenünk, hogy hogyan működnek ezek a bioinformatikai eszközök, és hogyan módosíthatók úgy, hogy a genetikai protokoll konkrét tudományos problémához igazodjon. Akik ezeket a rendszereket mágikus feketedobozokként kezelik, és nem néznek az alapbeállítás mögé, szinte biztosan hasznos információról maradnak le. Bár a bioinformatika biztosítja az eszközöket, gondolkodnia a tudósnak és a klinikusnak kell, a legtöbb esetben szorosan együtt. Akik azonban nem vesznek tudomást a bioinformatikáról, elkerülhetetlenül lemaradnak az orvosi kutatás, orvosbiológiai tudás, és végső soron a betegellátás élvonalától.
|
Irodalom
Bioinformatics is one of the most important element of genomic research revolutionising biomedical science. This review describes the phenomena of genomic variance and comparative genomics. Briefly, the review summarises the identification procedure of new genes and gene expression patterns highly important in diagnostics. Bioinformatic procedures make possible the rapid detection of pathogens and have principal role in molecular drug design technologies.
genomics, bioinformatics, gene chip, SNP, gene expression, pathogen, pharmacogenomics