Wetenschappers proberen al jaren te achterhalen welke genen een rol spelen bij autisme. Ze vergelijken dan bijvoorbeeld bloed of hersenweefsel van mensen met autisme met dat van mensen zonder autisme. Als een bepaald gen bij de ene groep actiever is dan bij de andere, dan zou dat iets kunnen zeggen over autisme. Klinkt logisch, toch?
Maar zo simpel is het helaas niet. Veel van die verschillen in genactiviteit blijken achteraf niets met autisme te maken te hebben. Ze zijn het gevolg van iets anders – zoals leeftijd, medicijngebruik, stress, of zelfs het tijdstip waarop het weefsel is verzameld. Zulke onzichtbare stoorzenders worden confounders genoemd. En die kunnen een onderzoek behoorlijk saboteren.
Het gevolg? Je denkt dat je iets over autisme hebt ontdekt, terwijl je eigenlijk iets hebt gemeten dat toevallig vaak samenvalt met autisme. En dat is niet alleen vervelend voor de wetenschap, maar ook voor de beeldvorming rond neurodiversiteit.
Hoe weet je of een gen echt anders werkt?
Even terug naar de basis. Genen zijn stukjes DNA die als het ware een handleiding vormen voor je lichaam. Maar genen doen pas echt iets als ze worden “afgelezen” – dat noemen we genexpressie. Sommige genen zijn altijd actief, andere gaan alleen aan onder bepaalde omstandigheden.
In genexpressie-onderzoek kijken wetenschappers welke genen actiever zijn in de ene groep dan in de andere. Bij autisme gaat het dan bijvoorbeeld om hersengebieden die betrokken zijn bij communicatie, sensorische verwerking of sociale interactie.
Maar als je wil weten welk gen door autisme zelf anders werkt, dan moet je zeker weten dat je niet per ongeluk meet wat komt door andere factoren. En daar zit de crux.
Wat zijn confounders en waarom zijn ze zo irritant?
Stel je voor: je meet genactiviteit bij een groep volwassenen met autisme, en je vergelijkt die met een controlegroep zonder autisme. Maar wat blijkt? De autismegroep is gemiddeld ouder, gebruikt vaker medicatie, en heeft vaker last van slaapproblemen. Tja, dan weet je dus niet of een verschil in genexpressie echt met autisme te maken heeft – of met slaaptekort, medicijnen of leeftijd.
Dat zijn confounders: factoren die samenvallen met je variabele van interesse (in dit geval autisme), maar die zelf ook invloed kunnen hebben op je uitkomst (de genactiviteit). En sommige van die confounders zijn helemaal niet bekend of meetbaar. Denk aan vroege jeugdervaringen, microstress of subtiele omgevingsfactoren.
Het probleem? Veel statistische methodes kunnen alleen corrigeren voor confounders als je weet wat ze zijn én ze hebt gemeten. En dat is lang niet altijd het geval.
Enter CausArray: Een soort ruisonderdrukker voor genetisch onderzoek
Daar komt CausArray om de hoek kijken. Deze nieuwe methode, ontwikkeld door een internationaal team van onderzoekers, is speciaal ontworpen voor situaties waarin er verborgen confounders meespelen. Denk aan een soort slimme filter die probeert te achterhalen welke genverschillen echt met autisme te maken hebben – en welke waarschijnlijk ruis zijn.
CausArray maakt gebruik van een combinatie van technieken uit de causale statistiek en machinaal leren. Wat het uniek maakt, is dat het expliciet probeert te modelleren wat het gevolg is van autisme (causaal effect) – in plaats van alleen maar te kijken naar verschillen (associatie).
Simpel gezegd: waar andere methodes zeggen “dit gen is anders bij mensen met autisme”, probeert CausArray te zeggen: “dit gen is anders omdat iemand autisme heeft”.
Dat klinkt misschien als een klein verschil, maar het maakt een wereld van uit voor hoe je resultaten moet interpreteren. Zeker als het gaat om iets complex als autisme.
Wat vonden de onderzoekers toen ze deze techniek gebruikten?
De onderzoekers testten hun methode op eerder verzamelde data: genexpressiegegevens uit hersenweefsel van overleden personen met autisme en controlegroepen. In eerdere analyses van deze data werden honderden genen als “significant verschillend” gemarkeerd. Maar wat bleek?
Toen ze dezelfde dataset door de CausArray-methode haalden, bleek dat een flink deel van die zogenaamd belangrijke genen waarschijnlijk helemaal niet relevant waren voor autisme. Ze waren mogelijk beïnvloed door verstorende factoren zoals medicatie of variaties in het afnameproces.
Anderzijds ontdekte CausArray juist óók genen die eerder niet opvielen, maar waarvan nu werd ingeschat dat ze wél echt geassocieerd zijn met autisme. Dat geeft hoop voor nieuwe inzichten – en mogelijk nieuwe aanknopingspunten voor vervolgonderzoek.
Waarom is dit belangrijk voor mensen met autisme (en de wetenschap)?
Ten eerste: betrouwbaarder genonderzoek betekent minder misverstanden over autisme. Als je verkeerde genen aanwijst, krijg je ook verkeerde verklaringen. Dan komt autisme misschien onterecht in verband met bijvoorbeeld ontstekingen of immuunreacties, terwijl dat niet de kern is.
Ten tweede: betere inzichten kunnen op termijn leiden tot betere ondersteuning of behandelingen. Niet omdat we autisme willen “genezen” – dat is niet het doel – maar wel omdat sommige bijkomende klachten (zoals sensorische overbelasting of slaapstoornissen) misschien beter begrepen en aangepakt kunnen worden als we de onderliggende biologie eerlijker in beeld hebben.
Ten derde: deze methode kan helpen om verschillen binnen de autismegroep beter te begrijpen. Waarom heeft de een vooral last van prikkels, en de ander juist van moeite met plannen? Misschien spelen er per subtype andere genen een rol. Maar dan moeten we wel zeker weten dat we naar de juiste genen kijken.
Een nuchtere blik: Wat zijn de beperkingen?
CausArray is geen tovermiddel. Het blijft afhankelijk van de kwaliteit van de data en de aannames van het model. Het zegt niets over de interactie tussen genen, omgevingsinvloeden of hersenontwikkeling in de tijd.
Ook blijft het belangrijk om genetische bevindingen niet te overschatten. Autisme is veel meer dan genen. Het is een andere manier van denken, voelen en waarnemen – gevormd door zowel aanleg als omgeving.
Maar CausArray is wél een stap vooruit. Het helpt de wetenschap om kritischer, zorgvuldiger en eerlijker naar data te kijken. En dat verdient een applausje.
Samengevat
- Veel genetisch onderzoek naar autisme wordt verstoord door verborgen invloeden (confounders).
- De nieuwe methode CausArray helpt die ruis beter te onderdrukken.
- Daardoor worden de resultaten betrouwbaarder en relevanter.
- Dat is goed nieuws voor de wetenschap én voor mensen met autisme.
- Maar: genonderzoek is slechts één stukje van de puzzel.
Wil je zelf het originele onderzoek nalezen?
Dat kan via https://doi.org/10.1101/2025.01.30.635593
