Wenn Krebszellen außer Kontrolle geraten, sind in aller Regel DNA-Veränderungen in Krebsgenen daran schuld. Doch einige Krebsarten entstehen bereits bei nur sehr wenigen mutierten Genen. In diesen Fällen führen andere, wenig verstandene Ursachen zur Erkrankung.
Ein Forschungsteam vom Max-Planck-Institut für molekulare Genetik in Berlin und das Institut für Computational Biology des Helmholtz Zentrums München hat nun einen neuen Algorithmus entwickelt, der mit Hilfe von maschinellem Lernen 165 zuvor unbekannte Krebsgene identifizierte. Von diesen Genen sind längst nicht alle mutiert – die neu entdeckten Gene stehen jedoch alle in engem Austausch mit bereits bekannten Krebsgenen. Überdies sind sie überlebenswichtig für Tumorzellen, wie sich im Zellkulturexperiment herausstellte.
Das auf den Namen „EMOGI“ getaufte Programm kann auch erklären, welche zellulären Zusammenhänge jedes der identifizierten Gene zu einem Krebsgen machen. Dazu kombiniert das Programm zehntausende Datensätze aus Patientenproben. Diese enthalten neben Sequenzdaten mit Mutationen auch Informationen über DNA-Methylierungen, die Aktivität einzelner Gene und Interaktionen von Proteinen, die an zellulären Signalwegen beteiligt sind. Ein Deep-Learning-Algorithmus erkennt in diesen Daten die Muster und molekularen Gesetzmäßigkeiten, die zu Krebs führen. So wurden z. B. Gene identifiziert, deren Sequenz bei Krebs meist unverändert bleibt, die jedoch trotzdem für den Tumor unverzichtbar sind, weil sie beispielsweise die Energiezufuhr regulieren.
In der Klinik helfen diese Daten für Erkrankte die jeweils beste Therapie zu finden – also die wirksamste Behandlung mit den wenigsten Nebenwirkungen. Zudem lässt sich anhand der molekularen Eigenschaften eine Krebserkrankung schon frühzeitig erkennen.
Referenz:
MPIMG Berlin, Helmholtz Zentrum München
Integration of Multi-Omics Data with Graph Convolutional Networks to Identify New Cancer Genes and their Associated Molecular Mechanisms, Nature Mach Intell 2021;
https://www.nature.com/articles/s42256-021-00325-y
#krebs #krebsgene #deeplearning #tumor #methylierung #mutation #multiomics #medizin #medimpressions
Fotocredit: Canva
