idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Internationales Forscherteam unter Beteiligung eines Gießener Wissenschaftlers entwickelt neuartige Methode auf Basis von Künstlicher Intelligenz – Veröffentlichung in der Fachzeitschrift „Nature“
Die Erbsubstanz von Viren und Bakterien in Patientinnen und Patienten kann Hinweise auf eine Krebserkrankung geben. Eine entsprechende Methode auf Basis von Künstlicher Intelligenz hat ein internationales Forscherteam der Universität von Kalifornien (USA) mit Beteiligung von Prof. Dr. Stefan Janssen, Professor für Algorithmische Bioinformatik an der Justus-Liebig-Universität Gießen (JLU) entwickelt. Mit dieser neuartigen Methode lässt sich teilweise sogar bestimmen, an welcher Art Krebs die Patientin oder der Patient erkrankt ist. Die Ergebnisse wurden in der renommierten Fachzeitschrift „Nature“ veröffentlicht.
„In der Krebsforschung ist man bislang in der Regel davon ausgegangen, dass Tumore sterile Umgebungen sind“, sagt der Koordinator der Forschergruppe Prof. Dr. Rob Knight von der Universität von Kalifornien in San Diego. „Dabei wurde das komplexe Zusammenspiel menschlicher Krebszellen mit Bakterien, Viren und anderen Mikroben, die in und auf unserem Körper leben, ignoriert.“ Die Anzahl der mikrobiellen Gene in unserem Körper ist weitaus größer als die Anzahl der menschlichen Gene. „Daher sollte es nicht überraschen, dass sie uns wichtige Hinweise auf unsere Gesundheit geben“, so Knight.
Die Forscherinnen und Forscher untersuchten zunächst mikrobielle Daten aus „The Cancer Genome Atlas“, einer Datenbank des „National Cancer Institute“ in den USA, die Genomsequenzen und andere Informationen von Patientinnen und Patienten mit verschiedenen Tumoren enthält. Analysiert wurden mehr als 18.000 Tumorproben von rund 10.500 Patientinnen und Patienten mit 33 verschiedenen Krebsarten. Dabei zeigte sich, dass unterschiedliche mikrobielle Signaturen oder Muster mit bestimmten Krebsarten assoziiert waren.
Einige Assoziationen hatten die Forscherinnen und Forscher erwartet, zum Beispiel die zwischen humanem Papillomavirus (HPV) und Gebärmutterhals-, Kopf- und Halskrebs sowie die Assoziation zwischen Fusobacterium-Arten und Magen-Darm-Krebs. Das Team identifizierte aber auch bisher unbekannte mikrobielle Signaturen, die sich stark zwischen verschiedenen Krebsarten unterscheiden. Beispielsweise unterscheidet das Vorhandensein von Faecalibacterium-Arten Darmkrebs von anderen Krebsarten. DNA-Fragmente des Epstein-Barr-Virus erlauben das Unterscheiden bestimmter Subtypen bei Magenkrebs.
Ausgestattet mit den Mikrobiomprofilen von Tausenden von Krebsproben, trainierten und testeten die Forscherinnen und Forscher Hunderte von Modellen für maschinelles Lernen, um bestimmte mikrobielle Muster mit dem Vorhandensein spezifischer Krebsarten in Verbindung zu bringen. „Die so trainierte Künstliche Intelligenz ist in der Lage, den Krebstyp einer Patientin oder eines Patienten nur anhand ihrer mikrobiellen Daten zu identifizieren“, erklärt Prof. Dr. Stefan Janssen. „Selbst eine äußerst stringente Filterung, mit der wir eine Kontamination der Proben im Labor ausgeschlossen haben, hat die Erkennungsrate nicht wesentlich verschlechtert, auch wenn dadurch in einigen Fällen 90 Prozent der mikrobiellen Daten entfernt wurden.“
Die Diagnose der meisten Krebsarten erfordert derzeit meist eine invasive chirurgische Biopsie des Tumors und die Analyse der Probe durch Expertinnen und Experten. Daher arbeiten verschiedene Forschungseinrichtungen und Firmen an einfachen Bluttests zur Krebsdiagnose, die darauf basieren, mutierte menschliche DNA zu detektieren. „Ein Test auf Grundlage der mikrobiellen DNA dürfte deutlich einfacher sein“, so Janssen. „Weitere große Studien sind nötig, um festzustellen, ob mikrobielle Signaturen wirklich jeden Krebs erkennen lassen. Doch selbst dann sind im Anschluss invasivere Tests notwendig, um die Diagnose Krebs und den Ort des Tumors zu bestätigen.“
Publikation
Poore, G.D., Kopylova, E., Zhu, Q. et al. Microbiome analyses of blood and tissues suggest cancer diagnostic approach. Nature (2020). DOI: 10.1038/s41586-020-2095-1
Die 1607 gegründete Justus-Liebig-Universität Gießen (JLU) ist eine traditionsreiche Forschungsuniversität, die rund 28.000 Studierende anzieht. Neben einem breiten Lehrangebot – von den klassischen Naturwissenschaften über Rechts- und Wirtschaftswissenschaften, Gesellschafts- und Erziehungswissenschaften bis hin zu Sprach- und Kulturwissen¬schaften – bietet sie ein lebenswissenschaftliches Fächerspektrum, das nicht nur in Hessen einmalig ist: Human- und Veterinärmedizin, Agrar-, Umwelt- und Ernährungswissenschaften sowie Lebensmittelchemie. Unter den großen Persönlichkeiten, die an der JLU geforscht und gelehrt haben, befindet sich eine Reihe von Nobelpreisträgern, unter anderem Wilhelm Conrad Röntgen (Nobelpreis für Physik 1901) und Wangari Maathai (Friedensnobelpreis 2004). Seit dem Jahr 2006 wird die Forschung an der JLU kontinuierlich in der Exzellenzinitiative bzw. der Exzellenzstrategie von Bund und Ländern gefördert.
Kontakt
Prof. Dr. Stefan Janssen
Professur für Algorithmische Bioinformatik
Telefon: 0641 99-35822
E-Mail: stefan.janssen@computational.bio.uni-giessen.de
Weitere Informationen
https://doi.org/10.1038/s41586-020-2095-1
Criteria of this press release:
Journalists, Scientists and scholars
Biology
transregional, national
Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
